基于残差通道注意力网络的太赫兹图像重建方法及系统技术方案

本发明专利技术公开了基于残差通道注意力网络的太赫兹图像重建方法及系统，包括：获取待处理的太赫兹图像；将待处理的太赫兹图像，输入到训练后的残差通道注意力网络中，得到待处理太赫兹图像的超分辩率重建图像；其中，残差通道注意力网络，基于残差网络结构增加通道注意力机制，用于改善待处理的太赫兹图像质量。结合太赫兹成像原理对基于卷积神经网络的超分辨算法进行改进，基于残差网络结构，增加通道注意力机制，通过自适应的调整个通道的特征响应值，加强有用信息的特征抑制无用特征，提高网络性能，从而解决太赫兹图像模糊、重建效果差的问题，实现太赫兹图像的去噪、边缘特征提升，改善太赫兹图像质量。改善太赫兹图像质量。改善太赫兹图像质量。

【技术实现步骤摘要】
基于残差通道注意力网络的太赫兹图像重建方法及系统


[0001]本专利技术涉及太赫兹图像数据处理
，特别是涉及基于残差通道注意力网络的太赫兹图像重建方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]由于太赫兹波具有良好的穿透性、安全性等优良特性，太赫兹成像在医学影像、安全检查、环境监测等方面具有广泛的应用前景。然而在实际应用中，受到成像信号频率、成像环境、探测器、器件制造工艺等因素的影响，利用实际太赫兹成像系统采集的太赫兹图像往往存在信噪比低，边缘模糊严重等现象。提高太赫兹图像质量的方法有两种，一种是提高硬件系统的性能，但是该方法成本高，开发周期长。因此，通过图像处理的方法提高已有太赫兹图像的分辨率，能够在一定程度上弥补现有系统的不足，传统的数字图像处理方法对太赫兹图像质量改善有限，2014年Dong Chao等人提出了超分辨卷积神经网络方法对低分辨率图像进行重建，在此基础上又出现了多种类型的卷积神经网络方法，对自然图像的降噪、分辨率提升效果显著，但是将超分辨算法直接应用于太赫兹图像，并不能取得好的改善效果。

技术实现思路

[0004]为了解决现有技术的不足，本专利技术提供了基于残差通道注意力网络的太赫兹图像重建方法及系统；目的在于结合太赫兹成像原理对基于卷积神经网络的超分辨算法进行改进，基于残差网络结构，增加通道注意力机制，通过自适应的调整个通道的特征响应值，加强有用信息的特征抑制无用特征，提高网络性能，从而解决太赫兹图像模糊、重建效果差的问题，实现太赫兹图像的去噪、边缘特征提升，改善太赫兹图像质量。
[0005]第一方面，本专利技术提供了基于残差通道注意力网络的太赫兹图像重建方法；
[0006]基于残差通道注意力网络的太赫兹图像重建方法，包括：
[0007]获取待处理的太赫兹图像；
[0008]将待处理的太赫兹图像，输入到训练后的残差通道注意力网络中，得到待处理太赫兹图像的超分辩率重建图像；
[0009]其中，残差通道注意力网络，基于残差网络结构增加通道注意力机制，用于改善待处理的太赫兹图像质量。
[0010]第二方面，本专利技术提供了基于残差通道注意力网络的太赫兹图像重建系统；
[0011]基于残差通道注意力网络的太赫兹图像重建系统，包括：
[0012]获取模块，其被配置为：获取待处理的太赫兹图像；
[0013]重建模块，其被配置为：将待处理的太赫兹图像，输入到训练后的残差通道注意力网络中，得到待处理太赫兹图像的超分辩率重建图像；
[0014]其中，残差通道注意力网络，基于残差网络结构增加通道注意力机制，用于改善待
处理的太赫兹图像质量。
[0015]第三方面，本专利技术还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。
[0016]第四方面，本专利技术还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
[0017]与现有技术相比，本专利技术的有益效果是：
[0018]本专利技术提供了一种基于残差通道注意力网络的太赫兹图像重建方法，本专利技术利用太赫兹时域光谱成像原理构建了退化图模型，使得训练过程更加适用于太赫兹图像，利用残差网络与通道注意力机制相结合，充分发挥残差学习，和通过对通道进行加权，强调有效信息，抑制无效信息，提高了网络运行时间，减少了参数计算，重建出具有清晰边缘信息的太赫兹图像，相比于已有技术，能够有效提升网络性能。
[0019]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0020]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0021]图1为本专利技术实施例的网络结构图；
[0022]图2为本专利技术实施例的特征提取单元；
[0023]图3为本专利技术实施例的残差通道注意力机制单元；
[0024]图4为本专利技术实施例的特征重建单元；
[0025]图5为待重建的太赫兹图像；
[0026]图6为本专利技术实施例的重建后的太赫兹图像。
具体实施方式
[0027]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0028]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0029]另外，为了便于清楚描述本专利技术实施例的技术方案，在本专利技术实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字
样也并不限定一定不同。
[0030]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0031]实施例一
[0032]本实施例提供了基于残差通道注意力网络的太赫兹图像重建方法；
[0033]基于残差通道注意力网络的太赫兹图像重建方法，包括：
[0034]S101：获取待处理的太赫兹图像；
[0035]S102：将待处理的太赫兹图像，输入到训练后的残差通道注意力网络中，得到待处理太赫兹图像的超分辩率重建图像；
[0036]其中，残差通道注意力网络，基于残差网络结构增加通道注意力机制，用于改善待处理的太赫兹图像质量。
[0037]进一步地，如图1所示，所述残差通道注意力网络，其网络结构包括：
[0038]依次连接的特征提取单元、第一残差通道注意力机制单元、第二残差通道注意力机制单元、第三残差通道注意力机制单元、第四残差通道注意力机制单元、第五残差通道注意力机制单元、第六残差通道注意力机制单元和特征图重建单元。
[0039]进一步地，所述第一残差通道注意力机制单元、第二残差通道注意力机制单元、第三残差通道注意力机制单元、第四残差通道注意力机制单元、第五残差通道注意力机制单元、第六残差通道注意力机制单元，均用于解决网络收敛慢的问题，建立通道间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于残差通道注意力网络的太赫兹图像重建方法，其特征是，包括：获取待处理的太赫兹图像；将待处理的太赫兹图像，输入到训练后的残差通道注意力网络中，得到待处理太赫兹图像的超分辩率重建图像；其中，残差通道注意力网络，基于残差网络结构增加通道注意力机制，用于改善待处理的太赫兹图像质量。2.如权利要求1所述的基于残差通道注意力网络的太赫兹图像重建方法，其特征是，所述残差通道注意力网络，其网络结构包括：依次连接的特征提取单元、第一残差通道注意力机制单元、第二残差通道注意力机制单元、第三残差通道注意力机制单元、第四残差通道注意力机制单元、第五残差通道注意力机制单元、第六残差通道注意力机制单元和特征图重建单元。3.如权利要求2所述的基于残差通道注意力网络的太赫兹图像重建方法，其特征是，所述特征提取单元，其结构包括：依次串联的九个卷积单元，每个卷积单元均包括依次连接的卷积层和ReLU函数层；相邻两个卷积单元中，前一个卷积单元的ReLU函数层与后一个卷积单元的卷积层连接；第一个卷积单元的输入端用于输入待处理的太赫兹图像；最后一个卷积单元的输出端与第一残差通道注意力机制单元连接。4.如权利要求2所述的基于残差通道注意力网络的太赫兹图像重建方法，其特征是，第一残差通道注意力机制单元，包括：依次连接的Resnet残差网络的基本组块、自适应平均池化层、第一全连接层、ReLU函数层、第二全连接层、Sigmoid函数层、乘法器和加法器；其中，Resnet残差网络的基本组块的输出端与乘法器的输入端连接；其中，Resnet残差网络的基本组块的输入端与加法器的输入端连接。5.如权利要求2所述的基于残差通道注意力网络的太赫兹图像重建方法，其特征是，所述特征图重建单元，包括：依次连接的卷积层D1、ReLU函数层、卷积层D2和上采样层；其中，卷积层D1，用于减小参数数量；ReLU函数层，用于进行非线性映射；卷积层D2，用于减小参数数量；上采样层，用于...

【专利技术属性】
技术研发人员：杨秀蔚，李向东，张延波，赵兴文，颜广，
申请(专利权)人：山东省科学院自动化研究所，
类型：发明
国别省市：