【技术实现步骤摘要】
本申请涉及逆散射成像，特别涉及一种基于降阶模型的逆散射迭代成像方法及装置。
技术介绍
1、逆散射成像技术是一种根据待测目标的散射波来推断其参数分布的技术，是波动场反演成像领域常用一种技术，在遥感、雷达探测、医学成像等场景中都有着广泛的应用。
2、由于探测波和物体之间的多次散射，逆散射问题通常具有高度的非线性，这使得逆散射问题难以求解。相关技术中，多种方法被应用于求解逆散射问题，其通常可分为线性近似方法和非线性求解方法。常用的线性近似方法，如玻恩近似和利托夫近似，只考虑数据中线性相关的部分，使得逆散射问题可以通过反投影等方法直接求解，具有实时性成像的优点。非线性求解方法通常通过优化技术对逆散射问题实现迭代求解，常用的方法有玻恩迭代法、对比源反演法、全波反演法等。非线性求解方法的特点是通过迭代逐步地更新反演待测目标，并可融合各种先验信息和正则化技术。
3、然而，相关技术中的线性近似方法仅在散射体较小、目标对比度较低时才适用，非线性求解方法在优化过程可能会陷入局部极小值，在计算梯度时具有较大的计算开销，且成像结果皆存在一定质量问题，如何降低对先验信息的依赖，提高成像结果的图像质量，亟待解决。
技术实现思路
1、本申请提供一种基于降阶模型的逆散射迭代成像方法及装置，以解决相关技术中的线性近似方法仅在散射体较小、目标对比度较低时才适用，非线性求解方法在优化过程可能会陷入局部极小值，在计算梯度时具有较大的计算开销，且成像结果皆存在一定质量问题，如何降低对先验信息的依赖，
2、本申请第一方面实施例提供一种基于降阶模型的逆散射迭代成像方法，包括以下步骤：基于多个目标传感器，采用多发多收架构对目标区域发射激励波，以采集散射场随时间变化的测量数据；根据所述测量数据和波动方程构建波动算符的降阶模型；基于所述降阶模型和待反演目标参数分布之间的线性关系，根据链式法则计算与目标参数分布成线性关系的玻恩数据；在每轮迭代反演中，利用所述玻恩数据和雅可比矩阵通过反投影法进行目标参数分布估计的更新，并将更新后的参数分布作为下一轮迭代反演中的背景分布，直至得到逆散射迭代成像结果。
3、可选地，在本申请的一个实施例中，在每轮迭代反演中，还包括：在每一次正问题的计算过程中，计算全部时间步长的散射数据，并在反演中利用所述散射数据更新全部区域的参数分布；在第k轮迭代的正问题计算过程中，设置目标时间步长，其中，k为正整数；基于预设分层反演策略得到初步的反演结果，并将所述初步的反演结果作为全时反演策略的背景分布，继续优化反演结果。
4、可选地，在本申请的一个实施例中，所述目标时间步长为：
5、
6、其中，k表示当前迭代轮数，nt为仿真时间步长，为预先设置的最短仿真时间步长，n为全部反演轮次。
7、可选地，在本申请的一个实施例中，所述将更新后的参数分布作为下一轮迭代反演中的背景分布，直至得到逆散射迭代成像结果，包括：对采集的数据矩阵的正则化；对反投影步骤的正则化。
8、可选地，在本申请的一个实施例中，所述数据矩阵的正则化公式为：
9、
10、其中，为正则化后的初始时刻数据矩阵，d0为采集到的初始时刻数据矩阵，β为正则化参数，diag(·)为取对角线算符。
11、可选地，在本申请的一个实施例中，所述反投影步骤的正则化公式为：
12、
13、
14、
15、其中，qt为反投影得到的目标参数分布，qb为背景参数分布，j为雅可比矩阵，γ为正则化参数，ddtb(qb)为相对于qb的玻恩数据，ingnm为单位阵，ongnm×1为零矩阵。
16、本申请第二方面实施例提供一种基于降阶模型的逆散射迭代成像装置，包括：采集模块，用于基于多个目标传感器，采用多发多收架构对目标区域发射激励波，以采集散射场随时间变化的测量数据；构建模块，用于根据所述测量数据和波动方程构建波动算符的降阶模型；计算模块，用于基于所述降阶模型和待反演目标参数分布之间的线性关系，根据链式法则计算与目标参数分布成线性关系的玻恩数据；迭代模块，用于在每轮迭代反演中，利用所述玻恩数据和雅可比矩阵通过反投影法进行目标参数分布估计的更新，并将更新后的参数分布作为下一轮迭代反演中的背景分布，直至得到逆散射迭代成像结果。
17、可选地，在本申请的一个实施例中，在每轮迭代反演中，还包括：更新模块，用于在每一次正问题的计算过程中，计算全部时间步长的散射数据，并在反演中利用所述散射数据更新全部区域的参数分布；设定模块，用于在第k轮迭代的正问题计算过程中，设置目标时间步长，其中，k为正整数；优化模块，用于基于预设分层反演策略得到初步的反演结果，并将所述初步的反演结果作为全时反演策略的背景分布，继续优化反演结果。
18、可选地，在本申请的一个实施例中，所述目标时间步长为：
19、
20、其中，k表示当前迭代轮数，nt为仿真时间步长，为预先设置的最短仿真时间步长，n为全部反演轮次。
21、可选地，在本申请的一个实施例中，所述将更新后的参数分布作为下一轮迭代反演中的背景分布，直至得到逆散射迭代成像结果，包括：对采集的数据矩阵的正则化；对反投影步骤的正则化。
22、可选地，在本申请的一个实施例中，所述数据矩阵的正则化公式为：
23、
24、其中，为正则化后的初始时刻数据矩阵，d0为采集到的初始时刻数据矩阵，β为正则化参数，diag(·)为取对角线算符。
25、可选地，在本申请的一个实施例中，所述反投影步骤的正则化公式为：
26、
27、
28、
29、其中，qt为反投影得到的目标参数分布，qb为背景参数分布，j为雅可比矩阵，γ为正则化参数，ddtb(qb)为相对于qb的玻恩数据，ingnm为单位阵，ongnm×1为零矩阵，b为计算过程中的表示符号。
30、本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的基于降阶模型的逆散射迭代成像方法。
31、本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的基于降阶模型的逆散射迭代成像方法。
32、本申请第五方面实施例提供一种计算机程序产品，所述计算机程序被执行时，以用于实现如上的基于降阶模型的逆散射迭代成像方法。
33、本申请实施例可以通过构造波动场的降阶模型，计算出与待测目标参数分布相关的线性玻恩数据，并利用这些数据与目标参数分布之间的线性关系进行迭代成像，从而获得抑制伪影的图像。由此，降低了逆散射问题的非线性，减少反演陷入局部极小值的风险，提高反演流程的稳定性和准确率的同时降低计算开销，最终本文档来自技高网...
【技术保护点】
1.一种基于降阶模型的逆散射迭代成像方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在每轮迭代反演中，还包括：
3.根据权利要求2所述的方法，其特征在于，所述目标时间步长为：
4.根据权利要求1所述的方法，其特征在于，所述将更新后的参数分布作为下一轮迭代反演中的背景分布，直至得到逆散射迭代成像结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述数据矩阵的正则化公式为：
6.根据权利要求4所述的方法，其特征在于，所述反投影步骤的正则化公式为：
7.一种基于降阶模型的逆散射迭代成像装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-6任一项所述的基于降阶模型的逆散射迭代成像方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-6任一项所述的基于降阶模型的逆散射迭代成像方法。
10.一种计算机程序产品，其特征在于，所述计算机程序被执行时，以用于实现如权利要求1-6任一项所述的基于降阶模型的逆散射迭代成像方法。
...【技术特征摘要】
1.一种基于降阶模型的逆散射迭代成像方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在每轮迭代反演中，还包括：
3.根据权利要求2所述的方法，其特征在于，所述目标时间步长为：
4.根据权利要求1所述的方法，其特征在于，所述将更新后的参数分布作为下一轮迭代反演中的背景分布，直至得到逆散射迭代成像结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述数据矩阵的正则化公式为：
6.根据权利要求4所述的方法，其特征在于，所述反投影步骤的正则化公式为：
7.一种基于降阶模...
【专利技术属性】
技术研发人员：李懋坤，邵天辰，贾泽奎，许慎恒，杨帆，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。