一种太赫兹单像素成像方法与系统与流程

技术特征：
1.一种太赫兹单像素成像方法，其特征在于，包括以下步骤：s1.构建图像重建网络模型，选择采样方案，基于所述采样方案对所述图像重建网络模型进行训练；s2.根据所述采样方案，生成相应的掩膜图案；s3.通过所述掩膜图案调制太赫兹激光，调制后的太赫兹激光和目标物相互作用，形成的调制信号被探测器接收，并获得欠采样的一维数据；s4.将所述欠采样的一维数据导入到训练好的图像重建网络模型中，得到重建图像；所述图像重建网络模型包括全连接块和三角密集块，其中所述三角密集块包括卷积块、下采样层、上采样层和残差密集连接。2.如权利要求1所述的太赫兹单像素成像方法，其特征在于，所述卷积块包括带有激活层的卷积层、普通卷积层和残差连接。3.如权利要求1所述的太赫兹单像素成像方法，其特征在于，所述采样方案为哈达玛编码、傅里叶编码和小波变换编码。4.如权利要求1所述的太赫兹单像素成像方法，其特征在于，所述步骤s3包括：将所述掩膜图案发送到数字微镜器件，用激光照射所述数字微镜器件，并把所述掩膜图案反射到目标图案区域的调制器上，之后发射太赫兹激光并利用太赫兹调制器调制激光光强，同时通过太赫兹单点探测器进行太赫兹激光接收，获得欠采样和全采样的一维数据。5.如权利要求4所述的太赫兹单像素成像方法，其特征在于，所述步骤s4还包括：将所述全采样的一维数据做逆变换的图像处理，将其与所述重建图像对比，进行图像质量评价。6.如权利要求1所述的太赫兹单像素成像方法，其特征在于，所述步骤s1还包括：对所述图像重建网络模型进行预训练之前，根据重建图像的场景选择相应的数据集，并且给输入图像数据加入一定程度的随机噪声或额外的图像处理。7.如权利要求1所述的太赫兹单像素成像方法，其特征在于，所述步骤s1包括：根据所述采样方案生成训练集，所述训练集包括原始图像，以及根据所述采样方案对所述图像进行逆变换转换成的一维信号。8.一种端到端网络的太赫兹单像素成像系统，其特征在于，包括：训练单元，构建图像重建网络模型，选择采样方案，基于所述采样方案对所述图像重建网络模型进行训练；生成单元，根据所述采样方案，生成相应的掩膜图案；获取单元，通过所述掩膜图案调制太赫兹激光，调制后的太赫兹激光和目标物相互作用，形成的调制信号被探测器接收，并获得欠采样的一维数据；重建单元，将所述欠采样的一维数据导入到训练好的图像重建网络模型中，得到重建图像；所述图像重建网络模型包括全连接块和三角密集块组成，其中所述三角密集块包括卷积块、下采样层、上采样层和残差密集连接。9.如权利要求8所述的太赫兹单像素成像系统，其特征在于，所述卷积块包括带有激活层的卷积层、普通卷积层和残差连接。10.如权利要求8所述的太赫兹单像素成像系统，其特征在于，所述采样方案为哈达玛编码、傅里叶编码和小波变换编码。

技术总结
本发明涉及一种太赫兹单像素成像方法和系统，属于光学成像和深度学习领域。包括：S1.选择采样方案，构建图像重建网络模型，并对图像重建网络模型进行训练，得到训练好的图像重建网络模型；S2.根据采样方案，生成相应的掩膜图案；S3.通过掩膜调制太赫兹激光，调制后的太赫兹激光和目标物相互作用，形成的调制信号被探测器接收，并获得欠采样的一维数据；S4.将欠采样的一维数据导入到训练好的图像重建网络模型中，得到重建图像。本发明把端到端卷积深度神经网络结合到太赫兹单像素成像上，同时将网络模型中残差密集连接和深度压缩相结合成为三角密集块，能够减少系统的算法冗余性，并且能够适应目前采用的大多数单像素成像算法。且能够适应目前采用的大多数单像素成像算法。且能够适应目前采用的大多数单像素成像算法。


技术研发人员：鲁远甫 祝永乐 佘荣斌
受保护的技术使用者：深圳先进技术研究院
技术研发日：2022.04.06
技术公布日：2022/8/12