一种基于复数域零样本学习的太赫兹图像超分辨重建方法技术

本发明专利技术从物理和数学的角度出发，利用复振幅信息以及复数域神经网络的信息表征能力，并考虑到有监督CNN在不同大小、不同成像系统以及样品放置不同焦平面条件下的自适应问题，提出一种基于复数域零样本学习的太赫兹图像超分辨重建方法，通过复数域图像降质模型依次得到仿真的低分辨THz图像、更低分辨THz图像，通过复数域零样本学习的神经网络学习图像的映射关系；从而由得到的映射关系将输入的低分辨THz图像恢复到高分辨图像。本发明专利技术提高了THz图像超分辨的自适应能力，相对于移植的光学领域CNN超分辨算法在提高太赫兹系统的成像分辨率方面得到了更好的效果；在恢复幅值信息的同时对相位信息也进行了恢复，提高太赫兹成像系统的分辨率，提升了成像系统的性能。提升了成像系统的性能。提升了成像系统的性能。

【技术实现步骤摘要】
一种基于复数域零样本学习的太赫兹图像超分辨重建方法


[0001]本专利技术涉及太赫兹超分辨率成像领域，具体地说是一种通过零样本学习的复数域神经网络实现重建太赫兹超分辨成像的方法。

技术介绍

[0002]得益于太赫兹波较强的穿透性、安全性以及谱信息，太赫兹(Terahertz,THz)成像在无损检测、安检、生物医学成像等领域具有广泛的应用前景。太赫兹成像是将太赫兹波通过光学器件照射到检测样品，通过探测器采集样品透射或反射的太赫兹波信息进行成像。由于太赫兹波的波长较长，成像系统的焦平面处成像分辨率受限于物理聚焦光束尺寸，且在硬件上很难提升。因此，通过图像处理的方法克服成像系统的物理限制，对得到的太赫兹图像数据进行超分辨率重建是十分必要的。
[0003]考虑到成像系统的降质原理，许多基于去卷积的超辨率重建算法被提出用于提高太赫兹图像的分辨率，如Lucy
‑
Richardson、Wiener等。虽然去卷积的方法可以生成相对高质量的太赫兹图像，但如果图像统计量与图像先验值存在差异时，会导致时间复杂度增加、系统噪声放大、分辨率提升本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于复数域零样本学习的太赫兹图像超分辨重建方法，其特征在于，包括以下步骤：步骤1：测量或计算太赫兹成像系统的点扩散函数的幅度和相位；步骤2：通过复数域图像降质模型与实际测量的点扩展函数进行卷积操作，依次仿真低分辨THz图像i、更低分辨的图像l；步骤3：构建轻量级的复值CNN学习网络，学习低分辨THz图像i与更低分辨的图像l之间的映射关系，得到网络模型；步骤4：将实际的低分辨THz图像输入步骤3得到的网络模型中，获取对应恢复的高分辨率的图像。2.根据权利要求1所述的一种基于复数域零样本学习的太赫兹图像超分辨重建方法，其特征在于，所述的太赫兹成像系统为反射式或透射式，均能够同时获取成像数据的幅值和相位信息。3.根据权利要求1所述的一种基于复数域零样本学习的太赫兹图像超分辨重建方法，其特征在于，所述仿真的THz图像来源于采集的高分辨率图像，适用于不同的像素规格。4.根据权利要求1所述的一种基于复数域零样本学习的太赫兹图像超分辨重建方法，其特征在于，所述复数域图像降质模型可以表示为：相对低分辨率图像＝相对高分辨率图像的幅值o*实际测量的点扩展函数PSF(a+jb)；其中，a为点扩散函数PSF的实部，b为PSF的虚部；o为采集的高分辨率图像的幅值。5.根据权利要求4所述的一种基于复数域零样本学习的太赫兹图像超分辨重建方法，其特征在于，所述仿真的低分辨THz图像i：i(x+jy)＝o*PSF(a+jb)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，a为点扩散函数PSF的实部，b为PSF...

【专利技术属性】
技术研发人员：祁峰，王莹，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：