Quality-Factor-Inspired Deep Neural Network Solver for Solving Inverse Scattering Problems

Yutong Du

doi:10.1109/TGRS.2025.3609332

Quality-Factor-Inspired Deep Neural Network Solver for Solving Inverse Scattering Problems

2025-01-01

0

PRE

AI

DOI：10.1109/TGRS.2025.3609332

原文链接

原文求助

摘要

En 中文

深度神经网络（DNNs）已被应用于解决电磁逆散射问题（ISPs），并显示出卓越的成像性能，这些性能可能受到训练数据集、网络架构和所用损失函数的影响。本文关注并重视数据样本的质量，并通过定义的质量因子进行评估。基于质量因子，对训练数据集的组成进行了优化。网络架构集成了残差连接和通道注意力机制，以提升特征提取能力。设计并分析了一种损失函数，该函数整合了数据拟合误差、物理信息约束以及期望的解特性，以抑制背景伪影并提高重建精度。进行了多种数值分析以证明所提出的基于质量因子的DNN（QuaDNN）求解器的优越性，最终通过实验成像测试验证了其成像性能。

Keyword:

Data composition

deep learning

inverse scattering problems (ISPs)

loss function

physical constraints

quality factor

Quality-Factor-Inspired Deep Neural Network Solver for Solving Inverse Scattering Problems

摘要

期刊

机构

引用论文