[发明专利]基于有限口径下的微波多目标成像与分类方法

说明书

本发明提出了一种基于有限口径下的微波多目标成像与分类方法，包括以下步骤：基于SOM方法来实现有限口径下的三维电磁逆散射成像，先将感应电流划分为确定性部分与模糊性部分，然后构造目标函数，并用共轭梯度方法来优化该目标函数，获得使数据模型与仿真模型之间最匹配的介电常数分布情况；S2.分别在x＝‑λ，x＝+λ，z＝+λ三个面上设置发射器与接收器来探测散射场数据；S3.将需要被探测的多目标物体置于有限口径三维成像系统的探测区域，通过微波超分辨成像与技术对目标区域进行反演成像，从而获取关于目标的特征，最后根据获取的特征对多目标进行分类处理。该方法能有效的提取目标的几何特征以及物理特征，成功实现对多目标的探测、成像与分类。

【技术领域】

本发明涉及三维微波成像的技术领域，利用微波视觉技术以非接触的方式对未知目标的几何参数与物理参数进行提取这一特性，提出一种基于有限口径下的微波多目标成像与分类方法。

【背景技术】

微波成像是指以微波作为信息载体的一种成像手段，其原理是利用微波照射被测物体，然后通过物体外部散射场的测量值来重构物体的形状或介电常数分布。微波成像在各领域均有广泛的应用前景，在生物医学成像领域，与现有的电子计算机断层扫描成像技术相比，电磁逆散射成像技术拥有无电离辐射，对人体伤害小的优点。而与磁共振成像技术相比，电磁逆散射成像技术拥有装置成本低，使用方便的优点。在生物医学成像领域，尤其是大脑成像、癌症检测等领域，电磁逆散射成像研究已经取得一些进展。此外，由于电磁波具有一定的穿透性，而且对被探测物无损伤，电磁逆散射问题再微波遥感、安检成像等领域也有广泛的应用。

从电磁逆散射问题的数学模型上来看，逆散射问题的求解过程实际上是一种在约束条件下求解极值的优化问题。逆散射自身的复杂性使得很难直接求解这个优化问题，需要通过迭代过程，即多次计算不同介电常数分布下的散射场，来逐步逼近实际测量得到的散射场。从迭代的策略上来看，电磁优化算法主要分为确定性优化算法和随机性优化算法。其中确定性优化算法是指在迭代过程中，通过一定的数学原理确定搜索方向和搜索步长来得到搜索目标的优化算法，每次迭代过程中使得目标函数越小，则越接近真实解。基于共轭梯度法的对比源反演算法(Contrast source Inversion,CSI)是电磁逆散射成像领域内比较早的确定性算法，其基本思想是通过散射场于源方程构建目标函数，应用共轭梯度方法使每次迭代后的目标函数值降低。近年来，一种确定性方法-基于子空间优化方法(Subspace-based optimization method, SOM)被提出用于解决横磁波(TM)场景中的二维电磁逆散射问题。SOM的核心思想是在电流空间内分析感应电流的确定性部分与模糊性部分，通过频谱分析的方法来获得确定性部分，并应用类似CSI算法的优化方法获得模糊性部分，SOM算法收敛迅速而且稳定，并且具有良好的抗噪声性能。SOM算法的计算成本主要来自于两方面：1)对从感应电流到散射场的映射算子进行奇异值分解；2)在每次优化迭代中构造感应电流的模糊部分。在处理三维反散射问题时，这两种运算的计算复杂度变得更大，因为在三维反散射问题中，未知数的数目要比二维问题大得多。为了克服这一缺点，将SOM方法应用于求解三维反散射问题，一种新的电流构造方法被提出，以降低算法的计算复杂度。新的构造方法只需要将上述映射算子进行稀疏奇异值分解，这在每次优化迭代中能极大地降低当前构造的成本。因此，利用这种新的构造方法，可以有效的将SOM应用于三维逆散射问题的求解。

【发明内容】

本发明的目的就是解决现有技术中的问题，提出基于有限口径下的微波多目标成像与分类方法，能够实现先对未知目标区域进行成像，根据成像的形状与物理参数不同对目标进行分类处理。

为实现上述目的，本发明提出了一种基于有限口径下的微波多目标成像与分类方法，包括以下步骤：

S1.基于子空间优化算法的三维成像算法：基于SOM方法来实现有限口径下的三维电磁逆散射成像，先将感应电流划分为确定性部分与模糊性部分，然后通过将数据方程和状态方程的残差项进行线性组合来构造目标函数，并用共轭梯度方法来优化该目标函数，获得使数据模型与仿真模型之间最匹配的介电常数分布情况；