基于对比源反演算法的高对比度大尺寸目标的二维成像算法研究

摘要

微波成像技术属于当今世界上的前沿性课题。微波成像技术能应用在很多领域，例如在无损探伤、医学成像、地球科学等领域内，微波成像技术都有着广泛的应用。
　　微波成像算法大体上分为两类，一类是线性算法，另一类则是非线性算法。现在对成像效果的要求在不断增高，使用线性算法有时不能满足成像精度上的要求，这时就需要应用非线性算法。在非线性算法中，对比源反演算法(Contrast Source Inversion)是比较成熟而且有效的方法。对比源反演算法将解决逆散射问题归结为最小化成本泛函的问题，使用迭代方法一步一步接近待测目标的原始图像。
　　目前，对比源反演算法中比较流行的是乘法正则化对比源反演算法(Multiplicative Regularized Contrast Source Inversion)，该算法成像效果好，但是由于算法本身具有的缺陷，致使算法不能对相对大尺寸、高对比度值的待测目标进行准确成像。因此我提出了一种基于加法正则化的对比源反演算法的改进算法，改进过后的算法将能够对相对大尺寸、高对比度值的目标进行准确成像。
　　基于上述描述，本文主要做了以下的工作:
　　首先，在大量查阅国内外相关文献资料的基础上论证了MR-CSI算法本身存在的缺陷，并通过改进其中的参数、方法等，提出自己改进后的CSI算法。
　　其次，通过软件编程实现相关算法，包括未加正则化的CSI算法，使用加法正则化的CSI算法，MR-CSI算法，以及改进后的CSI算法。
　　最后，使用上述四种算法进行对待测目标进行重建成像，得到四种算法的不同成像效果，然后进行对比，得出结论。

目录

声明

摘要

第一章 绪论

1．1 国内外研究现状

1．2 研究意义

1．3 本文研究的目的

1．4 本文的研究内容及组织结构

第二章 基础理论

2．1 问题的定义

2．2 Fourier变换和时间的关系

2．3 电磁波的基本性质

2．3．1 矢量情况

2．3．2 标量情况

2．4 对比度函数

2．5 算子和离散化

2．5．1 积分算子

2．5．3 离散化

2．6 本章小结

第三章 非线性算法

3．1 最优化方法

3．1．1 全局最优化

3．1．2 逆散射问题是最优化问题

3．2 对比源反演算法

3．2．1 初始化

3．2．2 迭代

3．3 使用正则化的CSI算法

3．3．1 不适定性与正则化

3．3．2 初始化和迭代

3．3．3 使用加法正则化因子

3．3．4 使用乘法正则化因子

3．4 改进后的CSI算法

3．4．1 改进方面

3．4．2 参数设置

3．5 算法流程

3．6 本章小结

第四章 实验结果

4．1 软件设计

4．2 成像结果

4．2．1 合成数据

4．2．2 实测数据

4．3 本章小结

第五章 总结与展望

5．1 全文总结

5．2 后续工作展望

参考文献

发表论文和参加科研情况

致谢