Détail de l'auteur
Auteur Dominique Lesselier |
Documents disponibles écrits par cet auteur (1)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
![Tris disponibles](./images/orderby_az.gif)
Imaging and diagnostic of sub-wavelength micro-structures, from closed-form algorithms to deep learning / Peipei Ran (2020)
![]()
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 imagesLangues : 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'intérêtIndex. 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- ConclusionNuméro 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