Deep Learning Based High-Resolution Electromagnetic Inversion Imaging Using Deep Convolutional Double-Module Structure

Heming Yao

doi:10.1109/tci.2026.3707042

Deep Learning Based High-Resolution Electromagnetic Inversion Imaging Using Deep Convolutional Double-Module Structure

2026-06-24

0

PRE

AI

DOI：10.1109/tci.2026.3707042

原文链接

原文求助

摘要

En 中文

本文提出了一种新颖的深度学习（DL）方法以实现高分辨率电磁（EM）反演成像。新提出的方法基于深度卷积双模块结构（DCDMS），由像素插值模块和相应的质量改进模块组成。像素插值模块大致提高初始输入的“分辨率”，而后续的质量改进模块实现高分辨率定量EM成像。所提出的DCDMS的输入采用混合输入方案，包括接收的EM散射场和由高斯-牛顿法计算出的低分辨率初始重建。模型的输出是目标域的高分辨率对比度（介电常数）“图像”。通过这种方式，所提出的DL方法可以利用较少的测量数据，准确高效地实现高分辨率EM反演成像，即使对于高对比度散射体也能实现，而这在传统方法中难以实现。DCDMS的训练基于简单的合成数据集。数值基准测试展示了DCDMS的优异性能，为开展实时定量EM反演成像提供了新思路。

Keyword:

Convolutional neural network

deep learning

electromagnetic inversion imaging

Deep Learning Based High-Resolution Electromagnetic Inversion Imaging Using Deep Convolutional Double-Module Structure

摘要

期刊

机构

引用论文