Centre de documentation
scientifique

Imaging and diagnostic of sub-wavelength micro-structures, from closed-form algorithms to deep learning / Peipei Ran (2020)  

Public Titre : Imaging and diagnostic of sub-wavelength micro-structures, from closed-form algorithms to deep learning Type de document : Thèse/HDR Auteurs : Peipei Ran, Auteur ; Dominique Lesselier, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2020 Importance : 135 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de doctorat de l’Université Paris-Saclay, Traitement du signal et des images Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement du signal [Termes IGN] apprentissage profond [Termes IGN] chambre anéchoïque [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] diffraction [Termes IGN] diffusion de Rayleigh [Termes IGN] hyperfréquence [Termes IGN] impulsion [Termes IGN] longueur d'onde [Termes IGN] micro-onde [Termes IGN] réseau neuronal récurrent [Termes IGN] zone d'intérêt Index. décimale : THESE Thèses et HDR Résumé : (auteur) Electromagnetic probing of a gridlike, finite set of infinitely long circular cylindrical dielectric rods affected by missing ones is investigated from time-harmonic single and multiple frequency data. Sub-wavelength distances between adjacent rods and sub-wavelength rod diameters are assumed throughout the frequency band of operation and this leads to a severe challenge due to need of super-resolution within the present micro-structure, well beyond the Rayleigh criterion. A wealth of solution methods is investigated and comprehensive numerical simulations illustrate pros and cons, completed by processing laboratory-controlled experimental data acquired on a micro-structure prototype in a microwave anechoic chamber. These methods, which differ per a priori information accounted for and consequent versatility, include time-reversal, binary-specialized contrast-source and sparsity-constrained inversions, and convolutional neural networks possibly combined with recurrent ones. Note de contenu : 1- Introduction 2- Modelling of the forward problem 3- Sparsity constrained inversion and contrast source inversion 4- Imaging by convolutional neural networks in frequency domain 5- Imaging by recurrent neural networks in time domain 6- Imaging by convolutional-recurrent neural networks 7- Direct imaging method: time reversal 8- Conclusion Numéro de notice : 28564 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du signal et des images : Université Paris-Saclay : 2020 Organisme de stage : Laboratoire des signaux et systèmes nature-HAL : Thèse En ligne : https://tel.archives-ouvertes.fr/tel-03105752/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97636