Imagerie Micro ondes

Depuis les premières propositions de systèmes d’imagerie par micro-ondes [2] – [3] – [4], l’imagerie micro-ondes a été considérée comme ayant un fort potentiel pour différentes applications. Récemment, l’imagerie micro-ondes a reçu un intérêt considérable par rapport à d’autres techniques d’imagerie. Un grand nombre d’études s’appuyer sur micro onde comme un outil puissant électromagnétiques pour récupérer les propriétés physiques et électriques des objets pénétrables et impénétrables.

Les systèmes d’imagerie micro-ondes sont généralement des systèmes actifs, qui signifient que le signal d’éclairage est généré par le système de mesure. Les systèmes passifs ne sont pas largement utilisés car il n’y a qu’un faible rayonnement dans la gamme de fréquence micro ondes de la plupart des objets.
Les fréquences utilisées dans l’imagerie micro-ondes actives sont comprises entre moins de 1 GHz à 40 GHz, On sait que les basses fréquences réduit l’effet du problème de la non-linéarité et la stabilisation de l’algorithme, tandis que les hautes fréquences augmente la résolution de l’image. La plupart des applications fonctionnent dans la gamme de 2 GHz à 8 GHz. Cette gamme est prévue pour donner un bon compromis entre la résolution spatiale (des fréquences plus élevées) et la pénétration (basses fréquences).

L’objectif de l’imagerie micro-ondes est la reconstruction d’un objet ou plus précisément, déduire les paramètres physiques d’un objet à partir de mesure des champs électromagnétiques dispersés ou réfléchi qui se produit lorsque l’objet est éclairé par une incidence micro ondes connue. Un système typique de l’imagerie active à micro-ondes est représenté sur la figure (I. 2). L’émetteur génère un signal micro-ondes (la génération du champ d’éclairage) qui sera diffusé par l’objet, le champ diffracté ou réfléchie est mesuré par les récepteurs.

Techniques d’imagerie micro-ondes confocale

L’approche générale dans de tels systèmes est de concentrer un signal micro-ondes d’éclairage à un point particulier dans le volume d’analyse, puis de recentrer le signal réfléchie vers le point d’éclairage. En balayant systématiquement le point focal dans un ensemble de voxels (un pixel en 3D) présélectionnés dans tout le volume d’objet, une image 3D peut être construite.

Selon la façon dont les données sont acquises, il existe trois approches d’imagerie micro-ondes confocale (CMI) qui sont : les mono-statiques [11], bi-statiques [12] et multistatiques [13]. Dans l’approche mono-statique, l’émetteur est utilisé comme un récepteur et se déplace pour former une synthèse d’ouverture. Pour l’approche bi-statique, une antenne de transmission et une autre de réception sont utilisées. Pour multistatique CMI, une large ouverture réelle (figure I. 3) est utilisé pour la collecte des données. Chaque antenne dans le tableau se relaye pour transmettre une impulsion de sondage, et toutes les antennes (dans certains cas, tous sauf l’antenne de transmission) sont utilisées pour recevoir les signaux rétrodiffusés. Multistatique CMI peut être considérée comme un cas particulier de la large bande multi-entrées multi-sorties (MIMO) radar [14] – [15] avec les multiples formes d’ondes transmises étant soit des impulsions UWB ou des zéros.

Les algorithmes de reconstruction

Le défi à l’imagerie CMI est de concevoir des algorithmes de traitement du signal pour améliorer la résolution et de supprimer les fortes interférences. Les Algorithmes de traitement du signal peuvent être classés en deux méthodes des données dépendantes (donnéesadaptative) et des données indépendantes.

Pour les mono et bi-statique à ultralarge bande CMI, les algorithmes de formation d’image sont DAS (Delay-And-Sum) [11] – [13] et le MIST (Microwave Imaging Space-Time) [16], deux algorithmes de la méthode des données indépendantes. Par contre la méthode des données adaptatives utilise le RCB [12] (Robust Capon Beamforming) et l’APES (Amplitude and Phase EStimation) [12] algorithmes pour la formation des images. Les méthodes d’adaptation des données en général sont plus performantes que leurs homologues de données indépendantes. Pour le cas multistatique ultra-large bande CMI, les méthodes DAS [13] etRCB-adaptative [17] ont été envisagées.

Il est bien connu que l’imagerie radar UWB classique ne parvient pas à atteindre la résolution désirée due à la limité d’ouverture d’antenne [18]. Cette limitation peut être surmontée en utilisant la technique de retournement temporel, car elle offre une meilleure résolution focale [18] – [19] en augmentant l’ouverture d’antenne virtuellement. La méthode de retournement temporel a été largement utilisé dans de nombreuses applications qui utilisent la propriété de recentrage pour détecter et localiser une cible au moyen de la simulation numérique ou virtuelle imagerie [18].

Technique adaptative Multistatique d’imagerie micro-ondes confocale

La technique adaptative Multistatique d’imagerie micro-ondes (MAMI) est une méthode qui permet de former des images à travers l’énergie rétrodiffusée captée par un réseau d’antennes. Une étude comparative entre les différentes techniques montre que la méthode MAMI a une résolution meilleure et une grand capacité de rejeté les interférences et les bruits que les autres méthodes.

Pour un endroit d’intérêt (ou point focal), les données complètes multistatique enregistrées peuvent être représentées par un cube, comme le montre la figure (I. 4). MAMI emploie les données adaptatives d’algorithme RCB [21] en deux stades. Au premier, MAMI-1 coupes le cube des données correspondant à chaque indice de temps, et traite la tranche des données par le formateur de faisceau robuste Capon (RCB) [21] – [22] ; pour obtenir des estimations de forme d’onde rétrodiffusées à chaque instant. Selon ces estimations, à l’étape II une forme scalaire d’onde est récupérée au moyen du même l’algorithme, l’énergie est utilisée comme une estimation de l’énergie rétrodiffusée du point focal.

Technique d’imagerie micro ondes tomographique

Le contraste entre les propriétés diélectriques de l’objet crée la diffusion multiple de l’onde dans l’objet, cela pose un problème non linéaire de diffusion inverse. Les méthodes tomographiques sont basées sur la résolution de ce problème, et ils sont divisés en deux groupes différents. Premièrement, la tomographie par diffraction, une approche linéaire, qui utilise l’approximation de Born ou Rytov, est une méthode de calcul très efficace pour obtenir des quasis imageries en temps réel [24] – [25] – [26], et dans les situations des objets à faibles pertes et à faible contraste. Dans les situations des objets à contraste élevé, des méthodes non linéaires sont nécessaires.

Le deuxième groupe, est une approche non linéaire déterministe introduite par « Joachimowicz » et « Chew » dans le début des années 90 [6] – [27]. De plus, « Caorsi » a contribué très tôt dans ce domaine [28]. La méthode est basée sur une optimisation itérative d’une fonction d’objet pour résoudre le problème inverse d’imagerie micro ondes. En raison de la non-linéarité du problème de diffusion inverse Eq (I.1), un algorithme de reconstruction itératif dans lequel une fonction de coût est réduite au minimum est nécessaire. Le champ diffusé dépend de deux types d’inconnues, la permittivité complexe et la totalité du champ à l’intérieur de l’objet, qui sont liés par une contrainte de domaine d’intégration de l’équation. En ce qui concerne ces inconnues, la plupart des méthodes de reconstruction peut être divisé en deux catégories.

Imagerie micro ondes tomographique par diffraction

La tomographie par diffraction a été la première tentative de créer des images quantitatives utilisant les micro-ondes. La méthode tente de reconstituer les courants induits, J, qui génèrent le champ mesuré dispersés, en se rapprochant le champ l’intérieur de l’objet au champ incident. Cette approximation est appelée l’approximation de Born..

Imagerie micro ondes tomographique itérative

Dans cette approche le problème non linéaire de diffusion inverse résolut en deux parties, problème direct et problème inverse. La méthode est basée sur un processus itératif d’optimisation d’une fonction de coût Eq (I. 1), ce qui représente la différence entre le champ dispersé mesuré et simulé.

Problème direct

Problème direct dans notre domaine de recherche correspond au calcul du champ électrique Edisp(r) qui est dispersé à partir d’une distribution connue de permittivité complexe.
On peut supposer que le problème direct peut toujours être résolu en utilisant des méthodes numériques comme la méthode des Moments [6] – [28], la méthode des éléments finis (FEM) en hybride avec les éléments de frontière (BE) [38], ou dans certains cas les méthodes des différences finies (FDM)[39]. L’avancement des machines de calculs et le développement des algorithmes avancés FDTD (Finite Difference Time Domain) permettre de donner une solution exacte du problème direct dans un schéma itératif [40] – [41]. C’est pour quoi l’utilisation des modèles simplistes pour la solution du problème direct peut être évitée.

Problème inverse

Le problème de diffusion inverse consiste à récupérer la distribution de la permittivité complexe d’un objet, à partir d’un champ électromagnétique incident connu et le champ diffusé mesuré autour de l’objet. En général multi-vue est nécessaire, afin de recueillir suffisamment de données indépendantes. En outre, la répartition des points de réception, par exemple le long d’une ligne ou un cercle figure (I. 6), a un impact sur la reconstruction d’image. Toutefois, plusieurs études de comparaison [42] – [43] entre différentes configurations d’antennes de réception; montrent qu’une configuration circulaire a généralement plus d’avantage qu’une configuration plane, car des informations plus importantes peuvent être perçues.

Champ de polarisation et permittivité

Lorsqu’on applique un champ électrique E à un objet, les dipôles permanents qu’il contient s’alignent dans la direction du champ appliqué. D’autre part les charges liées positives et négatives des molécules neutres se déplacent légèrement et en sens opposé le long du champ appliqué, par suite des forces électriques provoquées : le champ appliqué fait apparaître dés lors des dipôles induits. Tous ces dipôles sont caractérisés par un moment électrique dipolaire, dont l’amplitude est le produit de la charge par la distance séparant les charges. Le champ de polarisation P est défini comme étant la densité volumique des moments dipolaires lorsque l’élément de volume devient très petit.

Aimantation et perméabilité

Les propriétés magnétiques des matériaux sont dues à une propriété quantique de l’électron et que l’on appelle le moment magnétique de spin (L’électron effectue un mouvement de rotation autour de lui-même). En présence d’une inductance B les moments magnétiques s’alignent sur le champ appliqué. Dans la plus part des matériaux, les atomes possèdent le même nombre d’électrons à moment magnétique de spin positif et d’électron à moment magnétique de spin négatif.
Dans le cas contraire là ou les atomes possèdent des nombres différents d’électrons à moment magnétique de spin positif et d’électrons à moment magnétique négative, il apparaît une aimantation M provoquée par ce déséquilibre. Cette aimantation M est définie par la densité volumique des moments magnétiques résultants et est mesurée en (A/m). Le champ magnétique H est défini à partir de l’induction magnétique B et de l’aimantation M , par la relation.