一种基于深度学习的太赫兹图像优化方法.pdf
瀚玥****魔王
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于深度学习的太赫兹图像优化方法.pdf
本发明公开了一种基于深度学习的太赫兹图像优化方法,包括以下步骤:构建一个20层,包括3种不同类型网络层的神经网络;预处理太赫兹图像;输出预测图像,判定优化质量。本发明针对噪声较大情况下太赫兹成像系统成像图像质量低的问题,在太赫兹图像优化方面提供了解决方案。该方案可以利用深度学习,提升图像优化质量,提高图像优化效率。
一种基于深度学习的太赫兹图像识别方法及系统.pdf
本发明公开了一种基于深度学习的太赫兹图像识别方法及系统,属于太赫兹图像识别技术领域,包括以下步骤:S1:设计并训练卷积神经网络;S2:检测太赫兹原始图像中的危险目标信息;S3:对目标信息进行结构化处理;S4:将图像信息显示出来。在所述步骤S1中,在对太赫兹原始图像存在的危险目标进行检测前将所述卷积神经网络的权重文件载入检测设备。本发明实现了自动、高效的检测过程,有效地提高了安检速度和精度,可大大减少人工判图的时间,能够减少工作人员的数量;能够对大量信息进行有效过滤,保留有效信息,剔除冗余报警信息,将完整且
一种滤波增强深度学习的被动式太赫兹图像目标检测方法.pdf
本发明公开了一种滤波增强深度学习的被动式太赫兹图像目标检测方法,涉及被动式太赫兹图像目标检测领域,其技术要点是:采用多尺度滤波去除样本噪声,采用多方位空间几何变换,联合生成多尺度滤波增强样本;采用卷积神经网络提取特征,训练模型参数,进行深度学习训练;对去噪样本进行多通道特征预测,对多通道的预测结果进行融合,得到最终的目标检测结果,该方法针对噪声严重、目标大小不一、细节模糊的被动式太赫兹图像,通过多尺度滤波模型改良YOLO深度学习网络,不仅可以滤除严重的条纹噪声,又可避免过度去噪导致的图像细节丢失,从而实现
一种太赫兹图像去噪方法.pdf
本发明公开了一种太赫兹图像去噪方法,其包括以下步骤:(1)对采集的太赫兹时域信号进行中值滤波处理;(2)采用小波变换对中值滤波处理后的太赫兹时域信号进行去噪处理;(3)对小波变换处理后的太赫兹时域信号进行卷积去噪处理。其从噪声本质和太赫兹时域信号各个频段上进行噪声消除,再引入卷积消除噪声,很好的将太赫兹时域信号引入的噪声消除掉,提升信号的信噪比和频谱动态范围,并且极大程度的保留了原始的太赫兹时域脉冲信息不被消除,最后将信号比和动态范围进行了大幅度提升,使得三维层析成像质量进一步提升。
一种高分辨太赫兹图像处理方法.pdf
本发明涉及一种高分辨太赫兹图像处理方法,包括以下过程:获取成像样品的幅度和相位矩阵,获取成像系统的点扩散函数的幅度和相位矩阵;将成像样品的幅度和相位矩阵组合成成像样品的复数矩阵,将点扩散函数的幅度和相位矩阵组合成点扩散函数的复数矩阵;对成像样品的复数矩阵和点扩散函数的复数矩阵进行非盲去卷积计算,得到高分辨图像。本发明不需要采用昂贵的近场成像方法,可以利用传统传感器及光学器件实现高分辨成像,基于电磁场的波动特性,我们引入了相位信息来实现较好的重建进而实现了低成本高分辨成像,使成像分辨率超越传统探测器和光斑的