太赫茲無源成像(Terahertz/THz Passive Imaging)利用太赫茲頻段的高穿透性,并收集目標本身輻射的太赫茲波進行成像,能夠?qū)崿F(xiàn)對隱匿物體的成像,并根據(jù)成像結果判定隱匿目標的類別,實現(xiàn)對隱匿目標的識別,是安檢技術的研究熱點,為國際反恐維穩(wěn)提供重要的技術支撐。太赫茲無源成像獲取的太赫茲無源圖像分辨率有限,在對其進行目標檢測識別之前,需要利用一些圖像處理算法對其進行處理,如圖像去噪算法,圖像融合算法,圖像超分辨算法和圖像目標邊緣提取算法等。本論文依托實際項目,主要研究圖像超分辨算法(super-resolution algotihm,SR)和目標邊緣提取(contour extraction algotihm,CE)算法。針對這些算法,本文開展了相關的理論分析,方法研究及實驗仿真等工作,主要有:(1)基于太赫茲無源成像技術的基礎理論,分析研究了太赫茲無源成像的輻射測量原理,形成了本論文算法研究的技術路線,為太赫茲無源成像圖像超分辨算法和目標邊緣提取算法提供理論支撐。(2)研究提出了一種基于去噪殘差網(wǎng)絡的太赫茲無源成像圖像超分辨算法。針對太赫茲無源圖像受到多種降質(zhì)因素(這其中主要有受天線孔徑影響帶來的下采樣、高頻細節(jié)丟失和噪聲帶來的模糊等)的影響而帶來的部分圖像信息丟失的現(xiàn)象,使得采用傳統(tǒng)卷積神經(jīng)網(wǎng)絡效果不好的問題,結合卷積操作的濾波功能和反卷積操作的逆濾波功能,可以實現(xiàn)卷積神經(jīng)網(wǎng)絡的去模糊功能。該方法相比于加深網(wǎng)絡層數(shù)提高網(wǎng)絡性能的方式,能加快網(wǎng)絡的訓練速度且重建效果比加深網(wǎng)絡層數(shù)的方式更好。(3)基于主動輪廓模型,研究提出了一種針對太赫茲無源成像的目標邊緣提取算法。針對主動輪廓模型對初始輪廓位置敏感,對凹陷區(qū)域收斂不好的問題,先利用局部最大類間方差法對太赫茲無源圖像進行一次閾值分割,再在閾值分割的基礎上對太赫茲圖像進行主動輪廓提取,該方法能有效收斂到太赫茲無源圖像凹陷的邊緣部分,能進一步提高目標邊緣提取的準確性。以上工作已通過實際實驗仿真驗證,結果表明,這些方法能夠有效實現(xiàn)高分辨率圖像的重構以及目標邊緣的提取。
【學位單位】：電子科技大學
【學位級別】：碩士
【學位年份】：2020
【中圖分類】：O441;TP391.41
【部分圖文】：

第一章緒論3圖1-1Hu和Nuss等人建立的太赫茲有源成像裝置的結構圖圖1-2封裝的半導體集成電路的太赫茲圖像2002年，Millivision公司在美國政府的支持下研制出手持式毫米波頻段無源照相機Vela125[5]，該照相機的工作頻率為94GHz，該工作頻率接近太赫茲頻段，通過旋轉(zhuǎn)光學系統(tǒng)獲得的視場范圍為26°×26°，在1m距離處，獲得的空間分辨率為1.5cm，采用64通道的焦平面陣列進行成像，圖1-3給出了Vela125的焦平面陣列、實體系統(tǒng)和成像結果圖。圖1-3Vela125焦平面陣列、實體系統(tǒng)和成像結果圖

第一章緒論3圖1-1Hu和Nuss等人建立的太赫茲有源成像裝置的結構圖圖1-2封裝的半導體集成電路的太赫茲圖像2002年，Millivision公司在美國政府的支持下研制出手持式毫米波頻段無源照相機Vela125[5]，該照相機的工作頻率為94GHz，該工作頻率接近太赫茲頻段，通過旋轉(zhuǎn)光學系統(tǒng)獲得的視場范圍為26°×26°，在1m距離處，獲得的空間分辨率為1.5cm，采用64通道的焦平面陣列進行成像，圖1-3給出了Vela125的焦平面陣列、實體系統(tǒng)和成像結果圖。圖1-3Vela125焦平面陣列、實體系統(tǒng)和成像結果圖

第一章緒論3圖1-1Hu和Nuss等人建立的太赫茲有源成像裝置的結構圖圖1-2封裝的半導體集成電路的太赫茲圖像2002年，Millivision公司在美國政府的支持下研制出手持式毫米波頻段無源照相機Vela125[5]，該照相機的工作頻率為94GHz，該工作頻率接近太赫茲頻段，通過旋轉(zhuǎn)光學系統(tǒng)獲得的視場范圍為26°×26°，在1m距離處，獲得的空間分辨率為1.5cm，采用64通道的焦平面陣列進行成像，圖1-3給出了Vela125的焦平面陣列、實體系統(tǒng)和成像結果圖。圖1-3Vela125焦平面陣列、實體系統(tǒng)和成像結果圖
【參考文獻】

相關期刊論文 前2條

1 李福利;任榮東;王新柯;周斌權;;太赫茲輻射原理與若干應用[J];激光與紅外;2006年S1期

2 劉盛綱;;太赫茲科學技術的新發(fā)展[J];中國基礎科學;2006年01期

本文編號：2882930