[发明专利]一种太赫兹图像的超分辨率方法及其系统和装置

权利要求书

1.一种太赫兹图像的超分辨率方法，其特征在于，包括以下步骤：

S1、获取训练标签图像；

S2、删除掉训练标签图像中与太赫兹安检正式设备相比多余的像素点，得到的图像作为训练输入图像；

S3、将训练输入图像输入由若干层卷积层、若干层激活函数层和若干层反卷积层构成的神经网络，用于得到网络输出图像；

S4、利用网络输出图像和训练标签图像计算得到损失函数，并反向传播更新网络参数。

2.根据权利要求1所述的一种太赫兹图像的超分辨率方法，其特征在于，步骤S1中，所述训练标签图像采用以下步骤制备得到：

沿太赫兹安检正式设备的水平方向和竖直方向分别布置若干个传感器；

设，太赫兹安检正式设备水平布置W个传感器，竖直方向布置H个传感器，太赫兹安检采样设备设置mW个传感器，竖直方向设有nH个采样点；

随后，通过太赫兹安检采样设备采样得到高分辨率的mW×nH像素的训练标签图像。

3.根据权利要求1所述的一种太赫兹图像的超分辨率方法，其特征在于，步骤S2中，所述训练输入图像采用以下步骤制备得到：

首先，沿太赫兹安检正式设备的水平方向和竖直方向分别布置若干个传感器，设，太赫兹安检正式设备水平布置W个传感器，竖直方向布置H个传感器，太赫兹安检采样设备设置mW个传感器，竖直方向设有nH个采样点；

随后，通过太赫兹安检采样设备采样得到高分辨率的mW×nH像素的训练标签图像；

最后，删除掉训练标签图像中与太赫兹安检正式设备相比多余的像素点，得到W×H像素的图像，并将其作为训练输入图像。

4.根据权利要求1所述的一种太赫兹图像的超分辨率方法，其特征在于，所述神经网络包括依次连接的卷积与激活函数层组及反卷积与激活函数层组，卷积与激活函数层组包括依次连接的若干组第一层组，每组第一层组均由依次连接的一层卷积层和一层激活函数层构成，反卷积与激活函数层组包括依次连接的若干组第二层组，每组第二层组均由依次连接的反卷积层和激活函数层构成。

5.根据权利要求4所述的一种太赫兹图像的超分辨率方法，其特征在于，所述第一层组共设有五组，第一层组的卷积层和激活函数层均有五层，所述第二层组共设有五组，第二层组的反卷积层和激活函数层均有五层。

6.根据权利要求4所述的一种太赫兹图像的超分辨率方法，其特征在于，所述第一层组共设有六组，第一层组的卷积层和激活函数层均有六层，所述第二层组共设有六组，第二层组的反卷积层和激活函数层均有六层。

7.根据权利要求4所述的一种太赫兹图像的超分辨率方法，其特征在于，所述第一层组共设有六组，第一层组的卷积层和激活函数层均有六层，所述第二层组共设有五组，第二层组的反卷积层和激活函数层均有五层。

8.一种太赫兹图像的超分辨率系统，其特征在于，采用权利要求1-7任一所述的一种太赫兹图像的超分辨率方法，包括：

太赫兹安检正式设备，所述太赫兹安检正式设备水平布置W个传感器，竖直方向布置H个传感器；

太赫兹安检采样设备，所述太赫兹安检采样设备设置mW个传感器，竖直方向设有nH个采样点；通过太赫兹安检采样设备采样得到高分辨率的mW×nH像素的训练标签图像；

太赫兹图像处理模块，所述太赫兹图像处理模块用于删除掉训练标签图像中与太赫兹安检正式设备相比多余的像素点，得到W×H像素的图像并将其作为训练输入图像；

网络输出模块，所述网络输出模块包括由若干层卷积层、若干层激活函数层和若干层反卷积层构成的神经网络，网络输出模块处理输入的训练输入图像，输出网络输出图像；

损失计算模块，所述损失计算模块利用网络输出图像和训练标签图像计算得到损失函数，并反向传播更新网络参数。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，所述计算机程序被执行时进行权利要求1-7任一所述的一种太赫兹图像的超分辨率方法的步骤。

10.一种装置，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器执行或调用存储器中的计算机程序时进行权利要求1-7任一所述的一种太赫兹图像的超分辨率方法的步骤。