Imaging Interiors: An Implicit Solution to Electromagnetic Inverse Scattering Problems

电磁反演散射问题(Electromagnetic Inverse Scattering Problems，EISP)在计算成像中得到了广泛应用。通过解决EISP，可以基于散射的电磁场非侵入性地确定散射体的内部相对介电常数。尽管之前有努力解决EISP，但由于反演和离散化带来的挑战，实现更好的解决方案仍然难以实现。本文通过一种隐式方法来解决EISP中的这些挑战。通过将散射体的相对介电常数表示为连续的隐式表示，我们的方法能够解决离散化引起的低分辨率问题。此外，在前向框架中优化这种隐式表示使我们能够方便地规避反演估计带来的挑战。我们的方法在标准基准数据集上优于现有方法。项目页面：https://luo-ziyuan.github.io/Imaging-Interiors。

本论文旨在通过一种隐式方法来解决电磁反演散射问题（EISP），以便更好地确定散射体的相对介电常数。

论文的关键思路是通过将散射体的相对介电常数表示为连续的隐式表示，以解决离散化带来的低分辨率问题，并在正向框架内优化该隐式表示，从而便于规避反演估计所带来的挑战。

论文的实验结果表明，该方法在标准基准数据集上优于现有方法。论文的项目页面提供了开源代码和数据集。

最近在这个领域中，还有一些相关研究，例如“An Efficient Sampling Method for Solving the Inverse Scattering Problem Based on Bayesian Optimization”和“Deep Learning-Based Inverse Scattering: A Review”。