-
公开(公告)号：CN111610374B
公开(公告)日：2022-08-05
申请号：CN202010471615.8
申请日：2020-05-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的散射场相位恢复方法。在电磁逆散射成像领域，全波数据反演算法需要用到全波数据，然而全波数据的实际测量相当困难；无相位反演算法仅需要使用无相位总场数据，无相位总场数据的实际测量要容易很多，但是无相位反演算法具有更高的非线性度，计算较为困难。本发明利用无相位总场恢复出散射场，对处理散射场获取困难的问题有一定的帮助。本发明所使用的CNN架构是U‑net。U‑net是一种U形结构的CNN，它通过先卷积然后反卷积的形式使得输入与输出的维度能保持一致。通过仿真数据和实测数据的测试，验证了该方法的可行性。
-
公开(公告)号：CN111609787B
公开(公告)日：2021-10-01
申请号：CN202010471726.9
申请日：2020-05-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于神经网络解决电磁逆散射问题的两步无相位成像法。在电磁逆散射成像领域，全波数据反演算法需要用到全波数据，然而全波数据的实际测量相当困难；无相位反演算法仅需要使用无相位总场数据，无相位总场数据的实际测量要容易很多，但是无相位反演算法具有更高的非线性度，计算较为困难。本发明正是针对全波数据反演算法和无相位反演算法的优缺点而产生的，结合CNN，先对无相位数据进行相位恢复，然后再结合全波数据反演算法重建图像。
-
公开(公告)号：CN111610374A
公开(公告)日：2020-09-01
申请号：CN202010471615.8
申请日：2020-05-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的散射场相位恢复方法。在电磁逆散射成像领域，全波数据反演算法需要用到全波数据，然而全波数据的实际测量相当困难；无相位反演算法仅需要使用无相位总场数据，无相位总场数据的实际测量要容易很多，但是无相位反演算法具有更高的非线性度，计算较为困难。本发明利用无相位总场恢复出散射场，对处理散射场获取困难的问题有一定的帮助。本发明所使用的CNN架构是U-net。U-net是一种U形结构的CNN，它通过先卷积然后反卷积的形式使得输入与输出的维度能保持一致。通过仿真数据和实测数据的测试，验证了该方法的可行性。
-
公开(公告)号：CN111609787A
公开(公告)日：2020-09-01
申请号：CN202010471726.9
申请日：2020-05-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于神经网络解决电磁逆散射问题的两步无相位成像法。在电磁逆散射成像领域，全波数据反演算法需要用到全波数据，然而全波数据的实际测量相当困难；无相位反演算法仅需要使用无相位总场数据，无相位总场数据的实际测量要容易很多，但是无相位反演算法具有更高的非线性度，计算较为困难。本发明正是针对全波数据反演算法和无相位反演算法的优缺点而产生的，结合CNN，先对无相位数据进行相位恢复，然后再结合全波数据反演算法重建图像。
-
-
-
Search Results
4
records
(took 0.023 seconds)
