基于BI⁃GM⁃GAMP和U⁃Net的混合电磁反演方法

电磁反演是一种典型的逆散射问题,该问题具有非线性以及不适定性。目前已有一些算法被提出用来解决该问题,但已有算法在效率和精度上无法同时兼顾。为了实时反演高质量图像,文中提出了一种结合玻恩迭代高斯混合广义近似消息传递(Born Iterative Gaussian Mixture Generalized Approximate Message Passing,BI⁃GM⁃GAMP)和卷积神经网络的混合算法,具体为:首先通过BI⁃GM⁃GAMP方法获得初步反演图像,随后利用这些图像训练U⁃Net网络,最后通过训练的U⁃Net网络实现新的电磁反演任务。仿真实验验证了该方法的有效性。