一种基于深度学习求解高度非线性逆散射问题的实时成像方法
公开
摘要
本发明属于电磁成像技术领域，公开了一种基于深度学习求解高度非线性逆散射问题的实时成像方法，包括步骤1：利用FBE‑CIE‑I迭代方法对未知散射体进行初步重建，获取数据集；步骤2：利用步骤1得到的数据集训练U‑net网络；步骤3：将U‑net网络的输出作为GAN网络的输入，真实图像作为GAN网络的标签进行训练。本发明通过共轭梯度法和最小二乘法交替更新对比源和修改的对比度函数最小化损失函数。由于只需要使用少量的傅里叶基来获得对比源，反演计算成本大大降低。本发明仅需要经过较少地迭代次数，就可以有效地获得含有低频分量的初始图像。
基本信息
专利标题 ：
一种基于深度学习求解高度非线性逆散射问题的实时成像方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114298905A
申请号 ：
CN202111580510.7
公开（公告）日 ：
2022-04-08
申请日 ：
2021-12-22
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
钱泽民徐魁文董正岳
申请人 ：
杭州电子科技大学
申请人地址 ：
浙江省杭州市江干区2号大街1158号
代理机构 ：
杭州浙科专利事务所(普通合伙)
代理人 ：
孙孟辉
优先权 ：
CN202111580510.7
主分类号 ：
G06T3/40
IPC分类号 ：
G06T3/40 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T3/00
在图像平面内的图形图像转换
G06T3/40
整个或部分图像的缩放
法律状态
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
