CN113670952A - 基于稀疏感应电流的介质材料实时微波成像方法 - Google Patents
基于稀疏感应电流的介质材料实时微波成像方法 Download PDFInfo
- Publication number
- CN113670952A CN113670952A CN202110814033.XA CN202110814033A CN113670952A CN 113670952 A CN113670952 A CN 113670952A CN 202110814033 A CN202110814033 A CN 202110814033A CN 113670952 A CN113670952 A CN 113670952A
- Authority
- CN
- China
- Prior art keywords
- target
- measured
- sparse
- imaging
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 82
- 230000006698 induction Effects 0.000 title claims abstract description 18
- 239000003989 dielectric material Substances 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000005684 electric field Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 10
- 239000000463 material Substances 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000005672 electromagnetic field Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007310 pathophysiology Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
- G01N22/02—Investigating the presence of flaws
Abstract
本发明公开了一种基于稀疏感应电流的介质材料实时微波成像方法。成像过程中，旋转待测目标，使得待测目标被发射天线的入射场均匀照射，通过接收天线接收散射场信号，散射场信号采用稀疏方法处理获得待测目标的感应电流分布，再利用待测目标的感应电流分布结合总电场处理获得待测目标的成像结果。本发明方法可有效地改善微波成像问题的病态性，提高成像质量，具备实施简便、非迭代计算、实时成像等特点。
Description
技术领域
本发明涉及了一种实时微波成像方法，尤其是涉及了一种基于稀疏感应电流的介质材料实时微波成像方法。
背景技术
利用电磁波的穿透特性，微波成像作为一种非接触技术广泛地应用于各种场景，例如介电常数测量、安全检查、医学诊断等。在实际工程应用中，实时或准实时地获取成像结果尤为重要。本质上，微波成像属于逆散射问题，通常涉及从目标与入射电磁场相互作用产生的散射电磁场中提取未知目标的电磁特性信息。为了解决逆散射问题中固有的非线性和病态性，当前主要有迭代方法和非迭代方法两大类。基于全波散射模型的迭代方法大都通过优化目标函数获得反演结果，例如伯恩迭代方法、对比源反演方法、包括高斯牛顿法、子空间优化算法等，这类算法缺点在于计算量较大，无法适用于实时场景。
最近，基于机器学习的成像方法也可看作是迭代方法的一种最新变种。尽管应用机器学习能够加速成像速度，但是训练数据模型的计算资源需求较高，无法实现实时微波成像系统的快速部署。在特定条件下，非线性的逆散射问题能够转换为线性模型或者分解为若干个线性方程，从而实现高效计算的非迭代实时反演。由于传统非迭代算法未考虑全波散射，导致反演结果较为粗糙，无法准确地获得待测目标的介电常数及其空间分布。
因此，现有技术缺少了一种改善成像质量的非迭代算法，能用于介质材料的快速实时成像和测量。
发明内容
为了解决背景技术中存在的问题，本发明所要解决的技术问题是提供了一种基于稀疏感应电流的实时微波成像方法。本发明方法通过计算稀疏感应电流在非迭代运算处理情况下能有效地改善微波成像问题的病态性，提高成像质量，具备实施简便、非迭代计算、实时成像等特点。
本发明解决其技术问题所采用的技术方案是：
成像过程中，旋转待测目标，使得待测目标被发射天线的入射场均匀照射，通过接收天线接收散射场信号，散射场信号采用稀疏方法处理获得待测目标的感应电流分布，形成稀疏感应电流，再利用待测目标的感应电流分布结合总电场处理获得待测目标的成像结果。
所述的均匀照射具体是通过每次按照旋转方向旋转待测目标相同角度实现。
所述的散射场信号即由所有接收天线的接收信号组成，汇总所有接收天线的接收信号构成了散射场信号。
对散射场信号利用稀疏先验信息采用稀疏正则化方法反演处理获得待测目标的感应电流，形成稀疏感应电流。
稀疏先验信息是指待测目标在成像区域中具有空间稀疏特性
所述的总电场主要由入射场和散射场构成，将待测目标的感应电流输入到感应电流与总电场之间的线性方程/关系中处理获得待测目标的成像结果。
方法采用微波成像系统，微波成像系统包括放置在待测目标周围一圈的一个发射天线和多个接收天线，一个发射天线和多个接收天线在待测目标周围间隔布置。
发射天线发射电磁波照射待测目标所在成像区域形成入射场，入射场与待测目标相互作用在待测目标内部产生感应电流，待测目标的感应电流作为二次源发射出电磁波形成散射场，而被接收天线接收。
所述的天线为单频天线，且发射天线和接收天线工作频率相同。
所述的待测目标为非磁性的介质材料。
所述的成像结果包括待测目标的介电常数的数值和空间分布。
本发明所在的稀疏正则化方法通常都是用于最终成像的步骤，作用效果是直接获得粗糙的反演结果，无法准确地获得待测目标的介电常数及其空间分布或者仅作为迭代成像方法的中间迭代值。
而本发明却是将稀疏正则化方法用于感应电流的处理获得，进而再除以总电场进行成像，改善了微波成像问题的病态性，实现了实时地、准确地获得待测目标的介电常数及其空间分布的优势/效果，取得了预料不到的技术效果。
所述实时成像的计算时间小于一毫秒。
由此，本发明采用稀疏正则化方法，将稀疏先验信息运用于感应电流的求解过程中，从而能够以稀疏欠采样恢复原始信号，极大地降低系统的复杂度和信号的处理时间。
本发明的有益效果是：
不同于背景技术中传统非迭代逆散射成像技术仅能够获得粗糙成像结果，本发明通过稀疏正则化方法反演得到稀疏感应电流，改善了微波成像问题中病态线性方程解的准确性，从而提高最终成像质量。
本发明方法的特点在于利用稀疏感应电流提高了实时微波成像质量，具备实施简便、实时计算、成像效果好等优点，速度快，精确性增强。
附图说明
图1是本发明成像系统的示意图；
图2是本发明实施例的待测目标原始图像和理想感应电流分布；图2(a)表示待测目标原始图像，图2(b)表示待测目标的理想感应电流分布；
图3是本发明实施例的反演感应电流分布示意图；图3(a)表示利用传统逆散射BP算法反演得到的感应电流分布，图3(b)表示利用稀疏正则化方法反演得到的感应电流分布；
图4是本发明实施例的成像示意图；图4(a)表示基于BP算法反演的感应电流得到的重建图像图，图4(b)表示基于稀疏正则化得到的稀疏感应电流得到的重建图像。
图中：发射天线1、接收天线2、待测目标3、旋转方向4、成像区域5。
具体实施方式
下面结合本发明实施例中的附图，详细描述本发明的实施过程。
本发明具体实施是：
1)搭建微波成像系统：包括待测目标、放置在待测目标周围一圈的一个发射天线和多个接收天线。发射天线发射电磁波照射待测目标所在成像区域形成入射场，入射场与待测目标相互作用在待测目标内部产生感应电流，待测目标的感应电流作为二次源发射形成散射场，最终被接收天线接收。2)按照相同角度旋转待测目标，使得待测目标被发射天线均匀照射。
3)基于逆散射的电磁成像问题中，感应电流作为二次源发射形成散射场被接收天线接收的过程可以表示为：
Es＝GsJ (1)
其中，Gs为已知的接收天线与成像区域间的格林函数矩阵，Es表示所有接收天线测量汇总所得的散射场信号，J为待测目标的感应电流；利用稀疏先验信息和散射场信号，采用稀疏正则化方法反演获得稀疏感应电流
4)建立感应电流与总电场之间的线性方程：
J＝XEt (2)
其中，Et为总电场，X为成像区域内介电常数分布。利用入射场叠加散射场计算总电场，即Et＝Ei+GdJ，其中Gd为已知的成像区内格林函数矩阵，Ei表示已知入射场。。
基于反演的感应电流
利用解析方法非迭代地求解线性方程(2)获得成像区域内的介电常数分布X，即作为待测目标的重建图像。
本发明的具体实施例及其实施过程如下：
本发明的微波成像系统如图1所示，发射天线1固定位置，发射电磁场照射待测目标形成入射场。多个接收天线2等间隔放置在待测目标3周围一圈，用于接收耦合目标信息的散射场信号。按照旋转方向4，相同角度地旋转待测目标3，使得待测目标3被发射天线1均匀照射。发射天线1和接收天线2工作于同一频率，对应自由空间中波长为λ。成像区域5设置为边长为2λ的正方形区域，并根据成像分辨率需求划分离散网格。如图2(a)所示，待测目标为横截面为半径0.2λ，介电常数为3的位于非中心位置的有机玻璃圆柱，色图表示为介电常数数值。图2(b)为理想的感应电流分布，色图表示为归一化电流值。
具体实施以介质材料为对象，进行待测目标介电常数数值和空间分布的实时成像检测。成像检测过程中，对待测目标的形状、位置均无特殊要求，可广泛应用于工业中介电常数的无接触测量。
成像具体步骤如下：
1)第一步，反演感应电流
实施例采用传统逆散射BP算法和稀疏正则化方法分别待测目标的感应电流进行反演，结果对比分别如图3(a)和图3(b)所示，色图表示为归一化电流值。
对比结果显示，由于微波成像问题的病态性，传统逆散射BP算法反演的感应电流已经失真，而本发明采用非常规的稀疏正则化方法反演的感应电流仍具有稀疏特性，其位置和分布均与原始的感应电流(图2(b))一致。
2)第二步，重建目标图像。基于第一步反演得到的感应电流分布
建立感应电流与总电场之间的线性方程，且采用最小二乘法解析求解线性方程，获得成像区域内的介电常数分布X。
图4(a)为基于BP反演的感应电流得到的重建图像。结果显示，重建结果伴随着额外的外圈结构且反演的目标介电常数为2，表明传统逆散射成像结果畸变、成像质量粗糙，计算得到均方根误差为0.3，难以应对高质量成像场景需求。
图4(b)为基于稀疏正则化得到的稀疏感应电流得到的重建图像。结果显示，目标的位置和轮廓与原始图像完全重合，且背景清楚无干扰。反演计算得到的目标介电常数为3，与原始目标的介电常数数值一致，计算得到均方根误差为0.1。表明利用稀疏感应电流能够有效地改善微波成像问题的病态性，从而实现对成像质量的提升。
由此上述实施例可见，本发明所提出的基于稀疏感应电流的实时微波成像方法，利用稀疏先验信息改善了微波成像问题的病态性，从而提升了成像质量，具有成本低廉、实施简便、非迭代计算、实时成像等突出显著的技术效果。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或者替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (8)
1.一种基于稀疏感应电流的介质材料实时微波成像方法，其特征在于：成像过程中，旋转待测目标(3)，使得待测目标(3)被入射场均匀照射，通过接收天线接收散射场信号，散射场信号采用稀疏方法处理获得待测目标的感应电流分布，再利用待测目标的感应电流分布结合总电场处理获得待测目标的成像结果。
2.根据权利要求1所述的一种基于稀疏感应电流的介质材料实时微波成像方法，其特征在于：对散射场信号采用稀疏正则化方法反演处理获得待测目标的感应电流，形成稀疏感应电流。
3.根据权利要求1所述的一种基于稀疏感应电流的介质材料实时微波成像方法，其特征在于：所述的总电场主要由入射场和散射场构成，将待测目标的感应电流输入到感应电流与总电场之间的线性方程中处理获得待测目标的成像结果。
4.根据权利要求1所述的一种基于稀疏感应电流的介质材料实时微波成像方法，其特征在于：方法采用微波成像系统，微波成像系统包括放置在待测目标(3)周围一圈的一个发射天线(1)和多个接收天线(2)，一个发射天线(1)和多个接收天线(2)在待测目标周围间隔布置。
5.根据权利要求4所述的一种基于稀疏感应电流的介质材料实时微波成像方法，其特征在于：发射天线(1)发射电磁波照射待测目标(3)所在成像区域形成入射场，入射场与待测目标相互作用在待测目标(3)内部产生感应电流，待测目标(3)的感应电流作为二次源发射出电磁波形成散射场，而被接收天线(2)接收。
6.根据权利要求4所述的一种基于稀疏感应电流的介质材料实时微波成像方法，其特征在于：所述的天线为单频天线，且发射天线(1)和接收天线(2)工作频率相同。
7.根据权利要求1所述的一种基于稀疏感应电流的介质材料实时微波成像方法，其特征在于：所述的待测目标(3)为非磁性的介质材料。
8.根据权利要求1所述的一种基于稀疏感应电流的介质材料实时微波成像方法，其特征在于：所述的成像结果包括待测目标的介电常数的数值和空间分布。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110814033.XA CN113670952A (zh) | 2021-07-19 | 2021-07-19 | 基于稀疏感应电流的介质材料实时微波成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110814033.XA CN113670952A (zh) | 2021-07-19 | 2021-07-19 | 基于稀疏感应电流的介质材料实时微波成像方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113670952A true CN113670952A (zh) | 2021-11-19 |
Family
ID=78539525
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110814033.XA Pending CN113670952A (zh) | 2021-07-19 | 2021-07-19 | 基于稀疏感应电流的介质材料实时微波成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113670952A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106530367A (zh) * | 2016-09-29 | 2017-03-22 | 天津大学 | 一种基于Firm阈值迭代的电学层析成像稀疏重建方法 |
| CN108279415A (zh) * | 2018-01-04 | 2018-07-13 | 浙江大学 | 一种基于空间压缩感知的实时微波隔墙成像方法 |
| CN109283530A (zh) * | 2018-09-14 | 2019-01-29 | 浙江大学 | 一种利用压缩感知提高微波成像线性度的方法 |
| CN110720914A (zh) * | 2019-10-25 | 2020-01-24 | 深圳技术大学 | 基于稀疏采样的全息磁感应胸腔成像方法及成像系统 |
-
2021
- 2021-07-19 CN CN202110814033.XA patent/CN113670952A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106530367A (zh) * | 2016-09-29 | 2017-03-22 | 天津大学 | 一种基于Firm阈值迭代的电学层析成像稀疏重建方法 |
| CN108279415A (zh) * | 2018-01-04 | 2018-07-13 | 浙江大学 | 一种基于空间压缩感知的实时微波隔墙成像方法 |
| CN109283530A (zh) * | 2018-09-14 | 2019-01-29 | 浙江大学 | 一种利用压缩感知提高微波成像线性度的方法 |
| CN110720914A (zh) * | 2019-10-25 | 2020-01-24 | 深圳技术大学 | 基于稀疏采样的全息磁感应胸腔成像方法及成像系统 |
Non-Patent Citations (1)
| Title |
|---|
| 董旭: "基于稀疏感应电流的微波实时成像方法", 《激光与光电子学进展》, 13 March 2023 (2023-03-13) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qiu et al. | Jointly using low-rank and sparsity priors for sparse inverse synthetic aperture radar imaging | |
| CN102955159B (zh) | 一种基于压缩感知的电磁逆散射成像方法 | |
| CN110990757B (zh) | 利用无相位数据解决高度非线性电磁逆散射问题的方法 | |
| CN108872985B (zh) | 一种近场圆周sar快速三维成像方法 | |
| Bi et al. | Multifrequency compressed sensing for 2-D near-field synthetic aperture radar image reconstruction | |
| Lin et al. | Image estimation from scattered field data | |
| CN109444842B (zh) | 一种目标电磁散射特性数据重构方法和装置 | |
| CN110717478B (zh) | 一种基于微波的物体检测系统及方法 | |
| CN110554384A (zh) | 一种基于微波信号的成像方法 | |
| Song et al. | Inversion of rough surface parameters from SAR images using simulation-trained convolutional neural networks | |
| CN111488549A (zh) | 一种基于深度学习求解电磁逆散射问题的混合输入方法 | |
| CN107607945B (zh) | 一种基于空间嵌入映射的扫描雷达前视成像方法 | |
| CN113670952A (zh) | 基于稀疏感应电流的介质材料实时微波成像方法 | |
| CN110231625B (zh) | 一种基于多尺度融合的综合孔径成像方法 | |
| Chen et al. | Attentive generative adversarial network for removing thin cloud from a single remote sensing image | |
| Autieri et al. | Inverse profiling via an effective linearized scattering model and MRF regularization | |
| Hanabusa et al. | Deep-learning-based calibration in contrast source inversion based microwave subsurface imaging | |
| Gan et al. | Improved T-matrix method for simultaneous reconstruction of dielectric and perfectly conducting scatterers | |
| Magdum et al. | An exponential filtering based inversion method for microwave imaging | |
| CN116643249B (zh) | Gfrp内部分层缺陷的毫米波成像可视化定量检测方法 | |
| CN117705830B (zh) | 一种基于U2Net框架下频分DBIM优化的超宽带微波成像方法 | |
| Xue et al. | Ionogram echo extraction based on the convolutional neural networks | |
| Ren et al. | Low-rank and patch-based method for enhanced sparse ISAR imaging | |
| He et al. | Non-stationary random noise removal in ground-penetrating radar images by using self-guided filtering | |
| CN116256714B (zh) | 基于雷达成像的电磁散射特性测量方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |