[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

说明书

本发明公开一种太赫兹图像的超分辨率方法及其系统和装置，包括：获取训练标签图像；删除训练标签图像中与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；将训练输入图像输入由若干卷积层、激活函数层和反卷积层构成的神经网络，得到网络输出图像；利用网络输出图像和训练标签图像计算损失函数，并反向传播更新网络参数。本发明使用高分辨率图像作为训练图像，原正式设备不变，传感器数量不变，使用神经网络替代传统拉伸算法，使用神经网络生成图像更真实和清楚，解决了传统拉伸算法在大比例缩放情况下造成边缘模糊和失真的问题，输入图像变为单通道图像，其大小减少2倍，所需神经网络规模更小，神经网络尺寸更精简，网络计算速度更快。

技术领域

本发明属于太赫兹图像超分辨率技术领域，具体涉及一种太赫兹图像的超分辨率方法及其系统和装置。

背景技术

毫米波/太赫兹安检技术是近年来兴起的一种新型人体安检技术，可利用毫米波/太赫兹波对人体进行非接触式安检。

现有的毫米波/太赫兹安检设备受限于传感器规格和分辨率，只会布置少量传感器，图像的采样率低，需要通过拉伸算法处理后成像。例如，在竖直和水平方向各放置100个传感器，最终成像为500像素的情况下需要拉伸5倍，传统的拉伸算法在大比例放大时会造成图像边缘模糊并且失真。

发明内容

为解决现有技术中存在的技术问题，本发明的目的在于提供一种太赫兹图像的超分辨率方法及其系统和装置。

为实现上述目的，达到上述技术效果，本发明采用的技术方案为：

一种太赫兹图像的超分辨率方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。