Page 64 - 无损检测2024年第十一期
P. 64
危洪波，等：
基于 SRGAN 的介电材料缺陷微波检测图像稀疏重建
图 1 微波反射法检测原理示意及检测信号示例
参数（无量纲），从而与微波的频率形成微波检测信 组成：生成器和判别器。生成器的目标是生成与原
号 [17] 。该信号隐含了深层次的缺陷信息，为后续的 始图像相似的还原图像，而判别器的目标是区分原
缺陷识别与分析提供了重要依据。由图1（b）可知， 始图像与还原图像。
分析试件缺陷区域与无缺陷区域微波检测信号的差 SRGAN框架及训练过程示意如图2所示，其主
异，即可区分出缺陷位置与无缺陷位置，且时域信号 要由两部分组成：第一部分为缺陷图像稀疏预处理
面积与缺陷尺寸存在关联性，文章提取时域面积作 模块，微波原始图像稀疏采样得到微波稀疏图像；第
为成像的特征值。通过三维扫描台对试件进行二维 二部分为SRGAN训练模块，在训练过程中稀疏图
扫查，再通过计算机对提取的特征进行分析，即可完 像经过生成器生成还原图像，生成器尝试使还原图
成成像。 像尽可能接近原始图像，并在每次训练后生成感知
1.2 SRGAN网络在微波成像中的应用 损失，而判别器通过提取特征，输出有关于输入图像
文章采用一种结合图像稀疏重建与生成式对抗 是否为原始图像的判别损失，并将其作为判别器参
网络的算法——SRGAN，对微波检测图像进行还 数更新的依据，生成器参数更新的依据为感知损失
原，从而实现稀疏还原成像。该模型主要由两部分 与判别损失。
图 2 SRGAN 框架及训练过程示意
SRGAN框架 中的核 心是生 成器SRResNet， 更好地捕捉微波图像的特征并解决深层网络中梯
该生成器用于还原图像，其结构如图3所示。为了 度弥散和精度下降的问题，文章采用残差神经网络
30
2024 年 第 46 卷 第 11 期
无损检测
