[发明专利]基于残差通道注意力网络的太赫兹图像重建方法及系统

权利要求书

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；

训练后的残差通道注意力网络，其训练步骤包括：

构建训练集；所述训练集包括：已知高分辨率图像的低分辨率图像；所述低分辨率图像是对已知高分辨率图像采用退化图进行退化得到的；

将高分辨率图像和高分辨率图像对应的低分辨率图像，输入到残差通道注意力网络中；对网络进行训练，当训练满足设定次数时，停止训练，得到训练后的残差通道注意力网络；

所述退化图的构建过程包括：

设置模糊核大小为N*N，首先将模糊核向量化为N²*1维的向量；

然后通过主成分分析方法投影到t维线性空间中，再与取值范围为[c,d]的随机噪声连接形成t+1维向量v；

将向量v拉伸为W*H*(t+1)维的张量，即为退化图；

模糊核如式(1)所示：

其中，0xN，0yN；z为物体与成像设备的焦距；f为波束的频率；c为光速；k为波数；Iref为太赫兹成像设备在没有目标情况下的参考波束强度，NA为孔径， x为被测目标点的x轴坐标，y为被测目标点的y轴坐标，α(f)为被测目标的在f频率点处的吸收系数，π为圆周率；

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，用于形成尺寸为rH*rW的高分辨率图像。

6.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，所述训练集的构建过程包括：

对开源图像训练数据集train400中的高分辨率图像HR的尺寸为W*H，按照设定的尺度scale进行下采样；

采用插值方式将图像扩展为原HR图像相同尺寸大小，获得插值后的图像，对插值后的图像采用退化图进行退化处理，得到低分辨率图像LR，进而形成高分辨率图像HR与低分辨率图像LR图像对。