| spelling |
Lucas de Souza Batistahttp://lattes.cnpq.br/9418849740691899Ricardo Luiz da Silva AdrianoRenato Cardoso MesquitaFelipe Campelo França PintoDiogo Batista de OliveiraÚrsula do Carmo ResendeXisto Lucas Travassos Juniorhttp://lattes.cnpq.br/2956055711847042André Costa Batista2023-11-23T14:58:26Z2023-11-23T14:58:26Z2023-08-17http://hdl.handle.net/1843/61303https://orcid.org/0000-0001-5954-9880Microwave Imaging is an important nondestructive and noninvasive testing and evaluating technique with many applications in diverse areas, such as medical imaging, security screening, remote sensing, among others. The technique is based on an Electromagnetic Inverse Scattering Problem where the electric properties of a medium are recovered through scattered field measurements. Besides being an ill-posed problem, it is also nonlinear and multimodal. There are several numerical methods for solving the problem and they can be classified into qualitative and quantitative ones. The latter is also classified into deterministic and stochastic methods. This thesis presents a novel quantitative deterministic approach for microwave imaging using surrogate model-assisted algorithms. The objective is to address the challenges of the inverse problem by considering the qualitative image recovered by the Orthogonality Sampling Method and transforming it into a two-dimensional optimization problem. The proposed method focuses on optimizing the contrast estimation and the threshold operation to minimize the data equation error. The thesis introduces three formulations based on Evolutionary Algorithms and two ones based on Descent Methods, providing a range of options for solving the optimization problem. In addition, a new framework is proposed for the development and testing of algorithms in microwave imaging. The framework includes a comprehensive package called eispy2d, which offers functionalities such as test set generation with parameter control, a collection of performance indicators (including two novel indicators), and support for statistical comparison of different algorithms. The results of the experiments demonstrate the effectiveness of the proposed methods. In weak scatterer scenarios, the surrogate model-assisted algorithms were able to recover images that were comparable to those obtained by traditional methods, while achieving similar runtimes. Moreover, in more challenging scenarios where traditional methods failed, the proposed algorithms showed consistent results in terms of image recovery.O Imageamento em Microondas é uma importante técnica de teste e avaliação não-destrutiva e não-invasiva com muitas aplicações em diversas áreas, como em exames médicos, triagem de segurança, sensoriamento remoto, entre outras. A técnica é baseada em um Problema Inverso de Espalhamento Eletromagnético onde as propriedades elétricas de um meio são recuperadas através de medições de campo espalhado. Além de ser um problema mal-posto, também é não-linear e multimodal. Existem vários métodos numéricos para resolver o problema e eles podem ser classificados em qualitativos ou quantitativos. Estes últimos também são classificados em métodos determinísticos ou estocásticos. Esta tese apresenta uma nova abordagem quantitativa determinística para imageamento em microondas usando algoritmos assistidos por modelos substitutos. O objetivo é abordar os desafios do problema inverso considerando a imagem qualitativa recuperada pelo Método de Amostragem de Ortogonalidade e transformando a imagem em um problema de otimização bidimensional. O método proposto se concentra em otimizar a estimativa de contraste e a operação de limiarização para minimizar o erro da equação de dados. A tese apresenta três formulações baseadas em Algoritmos Evolutivos e duas baseadas em Métodos de Direções de Busca, fornecendo um leque de opções para a resolução do problema de otimização. Além disso, uma nova estrutura é proposta para o desenvolvimento e teste de algoritmos para o problema. A estrutura inclui um pacote abrangente chamado eispy2d, que oferece funcionalidades como geração de conjuntos de teste com controle de parâmetros, uma coleção de indicadores de desempenho (incluindo dois novos indicadores) e suporte para comparação estatística de diferentes algoritmos. Os resultados dos experimentos demonstram a eficácia dos métodos propostos. Em cenários com espalhadores fracos, os métodos propostos foram capazes de reconstruir imagens comparáveis àquelas obtidas por métodos tradicionais, enquanto alcançavam tempos de execução próximos. Além disso, em cenários mais desafiadores onde os métodos tradicionais falharam, os algoritmos propostos mostraram resultados consistentes em termos de recuperação de imagens.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorengUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em Engenharia ElétricaUFMGBrasilENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICAhttp://creativecommons.org/licenses/by-nc-sa/3.0/pt/info:eu-repo/semantics/openAccessEngenharia elétricaMicro-ondasProblemas inversos (Equações diferenciais)Algoritmos evolutivosOtimizaçãoMicrowave imagingInverse problemsSurrogate model-assisted algorithmsEvolutionary algorithmDescent methodsOpen-source packageSurrogate-assisted algorithms for microwave imagingAlgoritmos assistidos por modelos substitutos para imageamento em microondasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81037https://repositorio.ufmg.br/bitstream/1843/61303/2/license_rdfd434b2e45b27c6ef831461f4412a9d4eMD52ORIGINALtese.pdftese.pdfapplication/pdf8691621https://repositorio.ufmg.br/bitstream/1843/61303/4/tese.pdfeb1136800d202f29a99de448bf147735MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-82118https://repositorio.ufmg.br/bitstream/1843/61303/5/license.txtcda590c95a0b51b4d15f60c9642ca272MD551843/613032023-11-23 11:58:27.417oai:repositorio.ufmg.br:1843/61303TElDRU7Dh0EgREUgRElTVFJJQlVJw4fDg08gTsODTy1FWENMVVNJVkEgRE8gUkVQT1NJVMOTUklPIElOU1RJVFVDSU9OQUwgREEgVUZNRwoKQ29tIGEgYXByZXNlbnRhw6fDo28gZGVzdGEgbGljZW7Dp2EsIHZvY8OqIChvIGF1dG9yIChlcykgb3UgbyB0aXR1bGFyIGRvcyBkaXJlaXRvcyBkZSBhdXRvcikgY29uY2VkZSBhbyBSZXBvc2l0w7NyaW8gSW5zdGl0dWNpb25hbCBkYSBVRk1HIChSSS1VRk1HKSBvIGRpcmVpdG8gbsOjbyBleGNsdXNpdm8gZSBpcnJldm9nw6F2ZWwgZGUgcmVwcm9kdXppciBlL291IGRpc3RyaWJ1aXIgYSBzdWEgcHVibGljYcOnw6NvIChpbmNsdWluZG8gbyByZXN1bW8pIHBvciB0b2RvIG8gbXVuZG8gbm8gZm9ybWF0byBpbXByZXNzbyBlIGVsZXRyw7RuaWNvIGUgZW0gcXVhbHF1ZXIgbWVpbywgaW5jbHVpbmRvIG9zIGZvcm1hdG9zIMOhdWRpbyBvdSB2w61kZW8uCgpWb2PDqiBkZWNsYXJhIHF1ZSBjb25oZWNlIGEgcG9sw610aWNhIGRlIGNvcHlyaWdodCBkYSBlZGl0b3JhIGRvIHNldSBkb2N1bWVudG8gZSBxdWUgY29uaGVjZSBlIGFjZWl0YSBhcyBEaXJldHJpemVzIGRvIFJJLVVGTUcuCgpWb2PDqiBjb25jb3JkYSBxdWUgbyBSZXBvc2l0w7NyaW8gSW5zdGl0dWNpb25hbCBkYSBVRk1HIHBvZGUsIHNlbSBhbHRlcmFyIG8gY29udGXDumRvLCB0cmFuc3BvciBhIHN1YSBwdWJsaWNhw6fDo28gcGFyYSBxdWFscXVlciBtZWlvIG91IGZvcm1hdG8gcGFyYSBmaW5zIGRlIHByZXNlcnZhw6fDo28uCgpWb2PDqiB0YW1iw6ltIGNvbmNvcmRhIHF1ZSBvIFJlcG9zaXTDs3JpbyBJbnN0aXR1Y2lvbmFsIGRhIFVGTUcgcG9kZSBtYW50ZXIgbWFpcyBkZSB1bWEgY8OzcGlhIGRlIHN1YSBwdWJsaWNhw6fDo28gcGFyYSBmaW5zIGRlIHNlZ3VyYW7Dp2EsIGJhY2stdXAgZSBwcmVzZXJ2YcOnw6NvLgoKVm9jw6ogZGVjbGFyYSBxdWUgYSBzdWEgcHVibGljYcOnw6NvIMOpIG9yaWdpbmFsIGUgcXVlIHZvY8OqIHRlbSBvIHBvZGVyIGRlIGNvbmNlZGVyIG9zIGRpcmVpdG9zIGNvbnRpZG9zIG5lc3RhIGxpY2Vuw6dhLiBWb2PDqiB0YW1iw6ltIGRlY2xhcmEgcXVlIG8gZGVww7NzaXRvIGRlIHN1YSBwdWJsaWNhw6fDo28gbsOjbywgcXVlIHNlamEgZGUgc2V1IGNvbmhlY2ltZW50bywgaW5mcmluZ2UgZGlyZWl0b3MgYXV0b3JhaXMgZGUgbmluZ3XDqW0uCgpDYXNvIGEgc3VhIHB1YmxpY2HDp8OjbyBjb250ZW5oYSBtYXRlcmlhbCBxdWUgdm9jw6ogbsOjbyBwb3NzdWkgYSB0aXR1bGFyaWRhZGUgZG9zIGRpcmVpdG9zIGF1dG9yYWlzLCB2b2PDqiBkZWNsYXJhIHF1ZSBvYnRldmUgYSBwZXJtaXNzw6NvIGlycmVzdHJpdGEgZG8gZGV0ZW50b3IgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIHBhcmEgY29uY2VkZXIgYW8gUmVwb3NpdMOzcmlvIEluc3RpdHVjaW9uYWwgZGEgVUZNRyBvcyBkaXJlaXRvcyBhcHJlc2VudGFkb3MgbmVzdGEgbGljZW7Dp2EsIGUgcXVlIGVzc2UgbWF0ZXJpYWwgZGUgcHJvcHJpZWRhZGUgZGUgdGVyY2Vpcm9zIGVzdMOhIGNsYXJhbWVudGUgaWRlbnRpZmljYWRvIGUgcmVjb25oZWNpZG8gbm8gdGV4dG8gb3Ugbm8gY29udGXDumRvIGRhIHB1YmxpY2HDp8OjbyBvcmEgZGVwb3NpdGFkYS4KCkNBU08gQSBQVUJMSUNBw4fDg08gT1JBIERFUE9TSVRBREEgVEVOSEEgU0lETyBSRVNVTFRBRE8gREUgVU0gUEFUUk9Dw41OSU8gT1UgQVBPSU8gREUgVU1BIEFHw4pOQ0lBIERFIEZPTUVOVE8gT1UgT1VUUk8gT1JHQU5JU01PLCBWT0PDiiBERUNMQVJBIFFVRSBSRVNQRUlUT1UgVE9ET1MgRSBRVUFJU1FVRVIgRElSRUlUT1MgREUgUkVWSVPDg08gQ09NTyBUQU1Cw4lNIEFTIERFTUFJUyBPQlJJR0HDh8OVRVMgRVhJR0lEQVMgUE9SIENPTlRSQVRPIE9VIEFDT1JETy4KCk8gUmVwb3NpdMOzcmlvIEluc3RpdHVjaW9uYWwgZGEgVUZNRyBzZSBjb21wcm9tZXRlIGEgaWRlbnRpZmljYXIgY2xhcmFtZW50ZSBvIHNldSBub21lKHMpIG91IG8ocykgbm9tZXMocykgZG8ocykgZGV0ZW50b3IoZXMpIGRvcyBkaXJlaXRvcyBhdXRvcmFpcyBkYSBwdWJsaWNhw6fDo28sIGUgbsOjbyBmYXLDoSBxdWFscXVlciBhbHRlcmHDp8OjbywgYWzDqW0gZGFxdWVsYXMgY29uY2VkaWRhcyBwb3IgZXN0YSBsaWNlbsOnYS4KRepositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2023-11-23T14:58:27Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|