公开(公告)号：CN114842100A

公开(公告)日：2022-08-02

申请号：CN202210377201.8

申请日：2022-04-12

Applicant: 桂林电子科技大学 ,  桂林航天工业学院

Inventor： 胡聪 ,  权慧 ,  周甜 ,  朱爱军 ,  许川佩 ,  黄喜军 ,  万春霆 ,  陈涛 ,  周洪斌

IPC: G06T11/00 ,  G06T5/50 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了一种太赫兹图像重建的模型训练方法、太赫兹图像重建方法、装置、系统及计算机可读存储介质，太赫兹光谱仪采集到的初始太赫兹图像和与初始太赫兹图像不同类别的高分辨率图像经过将分辨率处理后得到的低分辨率图像共同输入到卷积网络模型中，通过卷积网络模型对低分辨率图像进行特征信息的提取。通过在卷积网络模型的最后一层设置残差融合层，使得卷积网络模型对低分辨率图像进行特征信息的提取更加全面，减少梯度下降对图像分辨率重建的影响，从而使卷积网络模型对太赫兹图像重建出更高的分辨率。

公开(公告)号：CN114820308A

公开(公告)日：2022-07-29

申请号：CN202210377676.7

申请日：2022-04-12

Applicant: 桂林电子科技大学 ,  桂林航天工业学院

Inventor： 胡聪 ,  权慧 ,  周甜 ,  朱爱军 ,  许川佩 ,  黄喜军 ,  万春霆 ,  陈涛 ,  周洪斌

IPC: G06T3/40 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征卷积神经网络的太赫兹超分辨重建方法、系统及计算机可读存储介质，特征卷积神经网络包括边缘检测模块、下采样模块和超分辨重构模块，太赫兹超分辨重建方法包括：获取训练样本集，将训练样本集中的缺陷图像集输入边缘检测模块生成二值边缘图像集；将二值边缘图像集输入下采样模块进行下采样处理，得到特征卷积核算子；将训练样本集输入超分辨重构模块，使得超分辨重构模块根据特征卷积核算子对高分辨率图像集以及低分辨率图像集进行训练，生成权重矩阵；根据权重矩阵生成与训练样本集对应的目标缺陷图像。在本发明实施例中,基于特征卷积神经网络实现太赫兹超分辨重建，能够提高太赫兹缺陷轮廓分辨率。

公开(公告)号：CN114820308B

公开(公告)日：2024-11-08

申请号：CN202210377676.7

申请日：2022-04-12

Applicant: 桂林电子科技大学 ,  桂林航天工业学院

Inventor： 胡聪 ,  权慧 ,  周甜 ,  朱爱军 ,  许川佩 ,  黄喜军 ,  万春霆 ,  陈涛 ,  周洪斌

IPC: G06T3/4053 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于特征卷积神经网络的太赫兹超分辨重建方法、系统及计算机可读存储介质，特征卷积神经网络包括边缘检测模块、下采样模块和超分辨重构模块，太赫兹超分辨重建方法包括：获取训练样本集，将训练样本集中的缺陷图像集输入边缘检测模块生成二值边缘图像集；将二值边缘图像集输入下采样模块进行下采样处理，得到特征卷积核算子；将训练样本集输入超分辨重构模块，使得超分辨重构模块根据特征卷积核算子对高分辨率图像集以及低分辨率图像集进行训练，生成权重矩阵；根据权重矩阵生成与训练样本集对应的目标缺陷图像。在本发明实施例中,基于特征卷积神经网络实现太赫兹超分辨重建，能够提高太赫兹缺陷轮廓分辨率。