[发明专利]一种连续太赫兹图像非均匀性校正方法

说明书

本发明公开了一种连续太赫兹图像非均匀性校正方法，涉及太赫兹成像技术领域，所述方法将连续太赫兹探测器像元产生的太赫兹强度信号看作时序信号，利用LSTM网络对时序信号的预测能力，依据像元探测产生的部分太赫兹强度信号预测接下来的太赫兹强度信号，预测数据即当前太赫兹图像对应的非均匀性背景数据，最后利用预测数据对当前图像进行旋转平移式的非均匀性校正。本发明无需增加额外的硬件设备，无需中断探测器的正常工作，无需重复大量复杂的统计计算和相关信息计算分析；本发明利用了LSTM网络对时序信号的预测功能，克服了环境波动带来的影响，泛化能力强，提高了连续太赫兹图像的信噪比。

技术领域

本发明涉及太赫兹成像技术领域，尤其是涉及一种连续太赫兹图像非均匀性校正方法。

背景技术

太赫兹成像技术及其应用是太赫兹技术研究的重要方向之一，在无损检测、安检、食药品安全检测、医疗和生物成像等方面有着广泛的应用前景。太赫兹波成像系统的成像质量取决于太赫兹源、太赫兹探测器和成像技术的发展，目前虽然通过改进太赫兹波成像系统硬件得到了图像质量的部分改善，但受限于太赫兹探测器制作工艺、成像光路和工作环境等因素，造成不同像素之间响应度不均匀，甚至出现盲元等一系列问题，因此需要对太赫兹图像进行非均匀性校正处理。

目前，太赫兹图像非均匀性校正方法主要为基于定标的方法和基于场景的方法。基于定标的方法包括一点定标、两点定标和多点定标，然而此三者都需要周期性地中断探测器的工作，用特定功率太赫兹源进行照射，从而进行标定校正。基于场景的方法利用采集到的图像估计探测器的校正系数，如时域高通滤波器法、神经网络校正法等。基于场景的方法利用多场景中的成像信息，能够有效地估计实际场景下的校正参数，不需要重新定标，但场景发生变化时，会残留固定模式噪声，影响成像质量。

为了克服以上技术问题，亟需提出一种新的校正方法，针对连续太赫兹探测器的非均匀性问题，进行非均匀性校正处理，进而更好地实现太赫兹成像效果。

发明内容

有鉴于此，有必要针对上述的问题，提供一种连续太赫兹图像非均匀性校正方法，将连续太赫兹探测器像元产生的太赫兹强度信号看作时序信号，利用LSTM网络对时序信号的预测能力，依据像元探测产生的部分太赫兹强度信号预测接下来的太赫兹强度信号，预测数据即当前太赫兹图像对应的非均匀性背景数据，最后利用预测数据对当前图像进行旋转平移式的非均匀性校正。

为实现上述目的，本发明是根据以下技术方案实现的：

一种连续太赫兹图像非均匀性校正方法，包括以下步骤：

步骤S1：利用连续太赫兹成像系统采集无检测对象情况下的非均匀性太赫兹强度图像，构建背景图像样本集y；采集关闭太赫兹源时的太赫兹强度图像，构成图像样本集z，样本集z的个数为M；集合y与z中的图像大小均为m×n，其中m为连续太赫兹探测器成像单元个数即单幅图像的行数，n为单幅图像的列数；

步骤S2：对连续太赫兹探测器各成像单元构建LSTM网络模型，共计m个LSTM网络模型；

步骤S3：以背景样本图像集y中各图像第i行前n₁个强度数据为输入，第i行后n-n₁个强度数据为期望值，对第i个LSTM网络模型进行训练；重复上述步骤，直至完成连续太赫兹探测器m个像素对应的LSTM网络模型训练；

步骤S4：对尺寸为m×n的待非均匀性校正图像x，取第i行前n₁个强度数据作为训练后的第i个LSTM网络模型的输入，预测生成n-n₁个强度数据；

步骤S5：对图像x的各行重复步骤S4，生成m×(n-n₁)预测强度图像，并将图像x前m×n₁图像和预测生成的m×(n-n₁)预测图像合并为m×n大小的图像

步骤S6：对图像第i行进行均值计算，得到均值