[論文レビュー] Smart Rewritings of the Basic Equations for Quantitative Non-Linear Inverse Scattering

Martina T. Bevacqua, Tommaso Isernia|arXiv (Cornell University)|Dec 30, 2020

Microwave Imaging and Scattering Analysis参考文献 45被引用数 20

ひとこと要約

本稿では、2次元スカラー逆散乱問題における非線形性の度合いを低減するため、リップマン＝シュヴァルツァー方程式の新しい再定式化——特にY0、NIE、バーチャルエクスペリメント（VE）フレームワーク——を提案する。これにより、事前情報がなくてもより安定した定量的再構成が可能になる。ハイブリッドY0-NIE-CSIおよびVE-NIE-CSI手法は、複雑な標的（例：MNISTベースの散乱体）を、非常に低いNMSE（最小0.19）で正確に再構成でき、高対比（χ=1.9）でも顕著な改善を示している。

ABSTRACT

Nonlinearity arising from mutual interactions is one of the two main difficulties to be addressed in inverse scattering. In this paper, we review and describe under a common rationale some approaches which have been introduced in literature in order to counteract nonlinearity. In particular, we focus on possible rewritings of the Lippman Schwinger basic equation such to reduce the degree of nonlinearity of inverse scattering problem. In detail, three different rewritings are discussed and compared by emphasizing similarities and the differences, and in the same rewriting spirit, we also summarize and discuss the Virtual Experiments framework. Then, some possible joint exploitations of the above concepts are introduced, discussed and tested against numerical examples.

研究の動機と目的

• 事前情報が欠如している場合にしばしば誤った解を生じる定量的逆散乱問題における非線形性の課題に対処すること。
• リップマン＝シュヴァルツァー方程式の新しい数学的再定式化を通じて、逆散乱問題の「非線形性の度合い」（DNL）を低減すること。
• バーチャルエクスペリメント（VE）フレームワークを高度な積分方程式モデルと統合し、内部場を条件づけて逆問題の安定性を向上させること。
• 非線形性低減戦略を複数組み合わせたハイブリッド逆問題解法——Y0-NIE-CSIおよびVE-NIE-CSI——の開発と評価を目的とする。

提案手法

• 非線形性の度合い（DNL）を低減するために、対比関数χに対する関数的依存性を変更することを目的とした、3つの異なるモデル（Y0、NIE（新積分方程式）、CS-EB（コントラストソース拡張ボーン））を用いてリップマン＝シュヴァルツァー方程式を再定式化する。
• バーチャルエクスペリメント（VE）フレームワークを導入し、散乱データを再編成することで、局在化されたコントラスト源または円対称場を生成し、逆問題の局所化を実現する。
• Y0/NIEモデルとCSI（コントラストソース反復）最適化フレームワークを組み合わせたハイブリッド逆問題解法（Y0-NIE-CSIおよびVE-NIE-CSI）を開発する。
• 収束の安定性と再構成忠実度を向上させるために、罰則項を含むコスト関数を採用し、特に高対比状況下で有効に機能するようにする。
• 非線形最小化スキームを用いて逆問題を解き、補助未知数（Rおよび対比関数）を共役勾配法により反復的に更新する。
• 2次元スカラーTM問題のシミュレート済みデータを用いて手法を検証し、χ=1.9の対比を持つMNISTデータセットからの標的を含む。

実験結果

リサーチクエスチョン

• RQ1 リップマン＝シュヴァルツァー方程式の代替的数学的再定式化は、逆散乱問題における非線形性の度合いを低減できるか？
• RQ2 バーチャルエクスペリメント（VE）フレームワークは、事前情報が欠如している状況でも、内部場をどのように条件づけて逆問題のロバスト性を向上させるか？
• RQ3 Y0/NIE定式化とVEフレームワークを統合したハイブリッドモデルは、高対比標的の再構成精度を顕著に向上させられるか？
• RQ4 正則化および罰則項は、非線形逆散乱問題における収束性および再構成品質にどのような影響を及えるか？
• RQ5 提案手法Y0-NIE-CSIおよびVE-NIE-CSIは、標準的なNIE-CSIと比較して、ロバスト性および精度の点で優れているか？

主な発見

• Y0-NIE-CSI手法は、χ=1.9の標的を再構成に成功し、対比関数のNMSEが0.18にまで低下した。一方、標準的なNIE-CSIは同様の条件下で完全に失敗した。
• VE-NIE-CSI手法は、罰則項を含む場合、対比関数のNMSEが0.19、罰則項なしでは0.27を記録し、高対比状況下でも事前情報がなくてもロバストであることが示された。
• VE-NIE-CSIのコスト関数における罰則項の導入により、NMSEが0.27から0.19に低下し、反復回数も11,687回から1,178回に大幅に削減された。これは収束性と安定性の向上を示している。
• Y0モデルは、標準的定式化と比較して低いDNLを示し、従来手法が失敗する状況でも信頼性のある再構成を可能にした。
• ハイブリッドY0-NIE-CSIおよびVE-NIE-CSI手法は、複雑で高対比の標的の再構成において、標準的なNIE-CSIを上回る性能を示し、複数の非線形性低減戦略の統合の有効性を確認した。
• 結果から、これらのフレームワークをさらにハイブリダイズすることで、特に高度な正則化や機械学習技術と組み合わせることで、さらなる性能向上が得られると示唆された。