[发明专利]一种基于复数域神经网络的太赫兹图像超分辨重建方法

权利要求书

1.一种基于复数域神经网络的太赫兹图像超分辨重建方法，其特征在于，包括以下步骤：

步骤1：制作样本图像；

步骤2：测量太赫兹成像系统的点扩散函数的幅度和相位；

步骤3：将每一个样本图像与成像系统的复数矩阵进行卷积操作，分别得到模拟太赫兹成像的模糊图像；

步骤4：将原始样本图像与模糊图像作为一组图像对，将多组训练图像对作为输入用于训练；

步骤5：构建复数域神经网络，将训练图像对输入该网络用于训练优化该网络参数，使得该网络能将模糊图像恢复成高分辨率的图像实现图像重建。

2.根据权利要求1所述的一种基于复数域神经网络的太赫兹图像超分辨重建方法，其特征在于，所述制作样本图像为采集高分辨率图像并剪裁成固定像素规格。

3.根据权利要求1所述的一种基于复数域神经网络的太赫兹图像超分辨重建方法，其特征在于，所述成像系统为太赫兹成像系统，能够获取成像数据的相位信息。

4.根据权利要求1所述的一种基于复数域神经网络的太赫兹图像超分辨重建方法，其特征在于，所述成像系统的复数矩阵psf为：

psf＝Ae^iφ

其中，A为点扩散函数的幅度信息，φ为点扩散函数的相位信息。

5.根据权利要求1所述的一种基于复数域神经网络的太赫兹图像超分辨重建方法，其特征在于，所述模拟太赫兹成像的模糊图像X：

X＝Y*psf

其中，X为模糊图像的复数域矩阵，Y为样本图像的复数域矩阵，psf为成像系统点扩散函数的复数矩阵。

6.根据权利要求1所述的一种基于复数域神经网络的太赫兹图像超分辨重建方法，其特征在于，所述构建复数域神经网络，包括依次连接的输入层、卷积层、激活层、池化层、全连接层。

7.根据权利要求6所述的一种基于复数域神经网络的太赫兹图像超分辨重建方法，其特征在于，所述训练图像对输入该网络用于训练优化该网络参数包括：

将模拟太赫兹成像系统的模糊图像输入该网络，输出恢复图像，计算恢复图像的损失函数，根据损失函数与预设阈值的比较调整该网络卷积层中的复数卷积核，从而优化该网络模型。

8.根据权利要求7所述的一种基于复数域神经网络的太赫兹图像超分辨重建方法，其特征在于，所述卷积层中采用的超分辨率重建复数模型为：

w*X＝A*x-B*y+i(B*x+A*y)

其中，X为模拟太赫兹成像的模糊图像，w＝A+iB为复数卷积核，X＝x+iy为样本的复数矩阵；转换为矩阵形式如下式：

复数域神经网络的激活层激活函数如下式：

其中，P＝angle(X)为样本的相位。