Sep, 2023

基于波动信息的复杂介质高分辨率成像的字典学习

TL;DR我们提出了一种在存在大量和多样性数据集的散射介质中进行成像的方法。这个方法分为两个步骤:第一步使用字典学习算法估计无序感知矩阵中真实的格林函数向量;第二步使用基于列间互相关得到的连接信息的多维尺度缩放法对估计的感知矩阵的列进行排序,从而进行成像。通过模拟实验,我们展示了该方法能够在复杂介质中提供与均匀介质相当分辨率的图像。