基于Rytov积分近似的有限口径定量反演成像(特邀)
0 引言
电磁逆散射问题是利用已知的入射场照射目标,通过入射电磁波与未知目标物体之间的相互作用,产生感应电流,二次散射的数据被外围的接收天线所接受,通过测量得到的散射场数据对未知目标区域中散射体的几何形状和物理参数(介电常数、电导率、磁导率等)进行重建。电磁逆散射由于可以对目标进行定量的反演成像,广泛应用于石油勘探、卫星遥感、生物医学成像等领域[1-3]。由于接收的天线传感器数量远远小于被离散的未知数个数,所以电磁逆散射问题呈现出固有的病态性;同时电磁波在物体内部的多次逆散射效应导致严重的非线性,这些给问题求解带来了极大的挑战。
求解非线性逆散射问题主要有两种方法,一种是将非线性问题线性化,如玻恩近似反演方法(Born Approximation inversion method,BA)[4]、直接采样法(Direct Sampling Method,DSM)[5]、线性抽样法(Linear Sampling Method,LSM)[6]等。这些方法适用于弱散射体,对于强散射体得到的结果较差。另一种方法是直接求解非线性方程,常用非迭代方法有后向传播算法(Back-Propagation,BP[7])、扩展波恩近似方法(Extended Born Approximation,EBA[8])。非迭代方法与线性方法类似仅适用于弱散射问题。非线性的迭代方法是将逆散射问题转化为最优化问题进行求解,主要包括对比源反演算法(Contrast Source Inversion,CSI)[9]、子空间优化算(Subspace-based Optimization Method,SOM)[10]、基于SOM方法提出的双重子空间法(Two-fold SOM,TSOM)[11]和基于乘性正则化[12]和快速傅里叶的TSOM(a Fast Fourier Transform TSOM,FFT-TSOM)[13]。相比于线性算法,非线性算法的反演能力强很多,但当未知目标介电常数和电尺寸增大时,迭代时间较长且容易陷入最优解导致反演失败。
上述提到的各种算法,无论是线性的还是非线性的都是指发射天线和接收天线均匀围绕在感兴趣区域周围的全口径成像方法。而在实际应用中,比如石油勘探、墙体检测,很难实现天线均匀围绕被测物体。为了拓展电磁反演成像的应用,提出了有限口径成像方法;即天线只分布在感兴趣区域的某边或某些角度。但是有限口径会进一步增加电磁逆散射问题的非线性,目前基于有限口径的电磁反演成像研究很少,多数是关于电子计算机断层扫描(Computed Tomography,CT)成像[14-15]的研究。因此本文提出一种基于Rytov积分近似的方法用于实现有限口径下高相对介电常数和大尺寸目标物体的定量反演成像。
1 逆散射模型
基于有限口径的二维电磁逆散射模型如
图 1. 有限口径下电磁逆散射成像模型
Fig. 1. Electromagnetic inverse scattering model under limited aperture
1.1 无相位Rytov近似
当DOI内没有散射体时,设
式中,
引入散射场的复相位函数
由式(
式中,
将
式中,
将
式中,A=
在传统的Rytov积分近似中,由于
1.2 低损耗介质
在低损耗介质中DOI中某点r处的折射率
在低损耗介质中
式中,
2 高频低损耗介质的近似
2.1 有效折射率
如
式中,
式中,
入射场、反射场和透射场的相位应在介质界面切向匹配[17]。如
将
求解得到有效折射率与实际折射率的关系为
当介质为低损耗时,通过1.2节中折射率与介电常数的关系可以求得实际折射率与介电常数关系,即
2.2 近似
使用2.1节中得到的关系,结合
对于折射率分段均匀分布的有损散射体,按照沿射线方向的路径写成积分形式,即
根据
从而得到
由
2.3 对比度近似
由2.2节中得到
在高频低损耗条件下,结合有效折射率、实际折射率、和介电常数三者之间的关系求得对比度函数为
当频率较高时(大于1 GHz),
由
3 仿真示例
设置工作频率为2.4 GHz,感兴趣区域(DOI)选择为3 m×3 m的矩形区域,区域中心与原点重合。在DOI左右两侧的边界处分别放置20个天线,这些天线既可作为发射天线也可作为接收天线。计算前向问题时,都将感兴趣区域剖分为240
3.1 示例1
工作频率设置为2.4 GHz,在感兴趣区域中心处放置半径为2λ的圆,如
如
3.2 示例2
在中等散射(
图 4. 中等散射体不同形状重建结果
Fig. 4. Reconstruction results for different shapes of medium scatterers
3.3 示例3
在示例1的基础上,再次反演中等散射
3.4 示例4
在本实例中选择圆形目标,如
图 6. 减少天线数目为左右两边各10个的重建结果
Fig. 6. Reconstruction results after reducing the number of antennas to 10 on each left and right side
图 7. 减少天线数目为左右两边各5个的重建结果
Fig. 7. Reconstruction results after reducing the number of antennas to 5 on each left and right side
3.5 示例5
在本示例选择正方形目标,
4 结论
本文基于Rytov积分近似,提出了一种有限口径下高介电常数和大尺寸目标的电磁定量反演方法。通过近似估计散射体内部散射场,以及利用梯度对传统Rytov近似进行数学上修正,产生无相位条件下Rytov积分近似模型。仿真结果表明该算法在有限口径下对高介电常数和大尺寸目标的中等散射体目标提供了对比度函数虚部分量较好的定量重建结果;也可对强散射体的对比度函数虚部分量提供形状的精确重建。此外该方法还具有较好的抗噪声能力,有望在医疗成像、无损检测以及探地雷达中得到广泛的应用,在后续工作中拟针对三维目标的快速反演进行探索,为工程应用提供技术支撑。
[1] SONGX, LIM, YANGF, et al. Three-dimensional joint inversion of acoustic and electromagnetic data based on contrast source inversion[C]. 2019 IEEE International Symposium on Antennas and Propagation and USNC-URSI Radio Science Meeting, 2019: 1023-1024.
[2] KONER P K, HARRIS A, MATURI E. A physical deterministic inverse method for operational satellite remote sensing: an application for sea surface temperature retrievals[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(11): 5872-5888.
[3] CHANDRA R, ZHOU H, BALASINGHAM I, et al. On the opportunities and challenges in microwave medical sensing and imaging[J]. IEEE Transactions on Biomedical Engineering, 2015, 62(7): 1667-1682.
[4] KAZEMIVALA R, TAJIK D, NIKOLOVA N K. Simultaneous use of the born and rytov approximations in real-time imaging with Fourier-space scattered power mapping[J]. IEEE Transactions on Microwave Theory and Techniques, 2022, 70(5): 2904-2920.
[5] CATAPANO I, CROCCO L, ISERNIA T. On simple methods for shape reconstruction of unknown scatterers[J]. IEEE Transactions on Antennas and Propagation, 2007, 55(5): 1431-1436.
[6] DOGUS, AKINCIM N. Assessment of linear sampling method and factorization method for through the wall imaging[C]. 2018 26th Telecommunications Forum (TELFOR), 2018: 420-425.
[7] WEI Zhun, CHEN Xudong. Deep-learning schemes for full-wave nonlinear inverse scattering problems[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 57(4): 1849-1860.
[8] CHEW W C, WANG Y M. Reconstruction of two-dimensional permittivity distribution using the distorted born iterative method[J]. IEEE Transactions on Medical Imaging, 1990, 9(2): 218-225.
[9] RAN Peipei, QIN Yingying, LESSELIER D, et al. Subwavelength microstructure probing by binary-specialized methods: contrast source and convolutional neural networks[J]. IEEE Transactions on Antennas and Propagation, 2021, 69(2): 1030-1039.
[10] CHEN Xudong. Subspace-based optimization method for solving inverse-scattering problems[J]. IEEE Transactions. Geoscience and Remote Sensing, 2010, 48(1): 42-49.
[11] ZHONG Yu, CHEN Xudong. Twofold subspace-based optimization method for solving inverse scattering problems[J]. Inverse Problems: An International Journal of Inverse Problems, Inverse Methods and Computerised Inversion of Data, 2009, 25(8): 1-11.
[12] XU Kuiwen, ZHONG Yu, SONG Rencheng, et al. Multiplicative-regularized FFT twofold subspace-based optimization method for inverse scattering problems[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(2): 841-850.
[13] ZHONF Yu, CHEN Xudong. An fft twofold subspace-based optimization method for solving electromagnetic inverse scattering problems[J]. IEEE Transactions on Antennas and Propagation, 2011, 59(3): 914-927.
[14] PIAUTI P, KING A, HENRY L, et al. A thresholding based iterative reconstruction method for limited-angle tomography data[J]. Tomography of Materials and Structures, 2023, 2(8): 100008.
[15] ZHANG Z, YANG M, LI H, et al. An innovative low-dose ct inpainting algorithm based on limited-angle imaging inpainting model[J]. Journal of X-ray Science and Technology, 2022, 31(10): 1-22.
[16] WU R S. Wave propagation, scattering and imaging using dual-domain one-way and one-return propagators[J]. Pure and Applied Geophysics, 2003, 160(3-4): 509-539.
[17] DUBEY A, DESHMUKH S, PAN L, et al. A phaseless extended Rytov approximation for strongly scattering low-loss media and its application to indoor imaging[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 1-17.
[18] 周莉. 折射率问题的讨论[J]. 物理教师, 2014, 35(1): 60-61,73.
ZHOU Li. Discussion of the refractive index problem[J]. Physics Teacher, 2014, 35(1): 60-61,73.
[19] 黄志洵. 关于空气的相对介电常数与折射率的理论[J]. 北京广播学院学报(自然科学版), 1996(3): 3-12.
HUANG Zhixun. Theory on the relative permittivity and refractive index of air[J]. Journal of Beijing Broadcasting Institute (Natural Science Edition), 1996(3): 3-12.
[20] PING Y, LIOU K N. Effective refractive index for determining ray propagation in an absorbing dielectric particle[J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 2008, 110(4): 300-306.
[21] 李慧滨. 基于TVAL3算法不同测量矩阵对图像重构质量的影响[J]. 光电技术应用, 2018, 33(3): 48-51.
LI Huibin. Effect of different measurement matrices on image reconstruction quality based on TVAL3 algorithm[J]. Optoelectronics Applications, 2018, 33(3): 48-51.
Article Outline
徐魁文, 侯莎莎, 邓皓千, 苏江涛, 李文钧. 基于Rytov积分近似的有限口径定量反演成像(特邀)[J]. 光子学报, 2023, 52(10): 1052412. Kuiwen XU, Shasha HOU, Haoqian DENG, Jiangtao SU, Wenjun LI. Limited-aperture Quantitative Inverse Imaging Based on Rytov Integral Approximation(Invited)[J]. ACTA PHOTONICA SINICA, 2023, 52(10): 1052412.