一种基于深度学习的非均匀背景逆散射成像方法

本发明公开了一种基于深度学习的非均匀背景逆散射成像方法。非均匀背景下逆散射成像系统采集目标散射体不同工作频率的散射场数据，将不同工作频率的散射场数据生成不同工作频率的预成像图像；根据目标散射体处理得到真实介电常数数值和介电常数的空间分布，构建数据集；构建非均匀背景逆散射成像并行网络，将数据集输入进行训练得到训练好的并行网络；采集待测目标散射体预设工作频率的散射场数据处理得到待测预成像图像，训练得到待测目标散射体的介电常数的数值和介电常数的空间分布，从而构建待测目标散射体的图像。本发明通过利用多频点散射场数据对网络模型进行训练，学习到了更丰富的特征表示，提升了网络模型的泛化能力和成像质量。