We introduce a novel, computationally inexpensive approach for imaging with an active array of sensors, which probe an unknown medium with a pulse and measure the resulting waves. The imaging function uses a data driven estimate of the "internal wave" originating from the vicinity of the imaging point and propagating to the sensors through the unknown medium. We explain how this estimate can be obtained using a reduced order model (ROM) for the wave propagation. We analyze the imaging function, connect it to the time reversal process and describe how its resolution depends on the aperture of the array, the bandwidth of the probing pulse and the medium through which the waves propagate. We also show how the internal wave can be used for selective focusing of waves at points in the imaging region. This can be implemented experimentally and can be used for pixel scanning imaging. We assess the performance of the imaging methods with numerical simulations and compare them to the conventional reverse-time migration method and the "backprojection" method introduced recently as an application of the same ROM.


翻译:我们引入了一种新颖的、计算成本低廉的方法,用活跃的传感器阵列进行成像,通过脉冲探测一个未知的介质,测量产生的波浪。成像功能使用来自成像点附近的“内部波”数据驱动估计,并通过未知介质向传感器传播。我们解释如何使用一个波传播的减序模型(ROM)获得这一估计。我们分析成像功能,将其与时间逆转过程连接起来,并描述其分辨率如何取决于阵列的孔径、脉冲的带宽和波传播的介质。我们还展示如何利用内部波来有选择地聚焦成像区域各点的波。这可以实验性地进行,并可用于像素扫描成像。我们用数字模拟来评估成像方法的性能,并将它们与传统的逆向迁移方法以及最近作为同一ROM应用而引入的“回射”方法进行比较。

0
下载
关闭预览

相关内容

[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
计算机视觉最佳实践、代码示例和相关文档
专知会员服务
17+阅读 · 2019年10月9日
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
《自然》(20190829出版)一周论文导读
科学网
6+阅读 · 2019年8月30日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
自然语言处理(二)机器翻译 篇 (NLP: machine translation)
DeepLearning中文论坛
10+阅读 · 2015年7月1日
Arxiv
13+阅读 · 2021年5月25日
Arxiv
3+阅读 · 2018年8月17日
VIP会员
相关VIP内容
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
计算机视觉最佳实践、代码示例和相关文档
专知会员服务
17+阅读 · 2019年10月9日
相关资讯
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
《自然》(20190829出版)一周论文导读
科学网
6+阅读 · 2019年8月30日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
自然语言处理(二)机器翻译 篇 (NLP: machine translation)
DeepLearning中文论坛
10+阅读 · 2015年7月1日
Top
微信扫码咨询专知VIP会员