一种太赫兹图像重构方法及系统
阅读：1发布：2023-02-19
专利汇可以提供一种太赫兹图像重构方法及系统专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种太赫兹图像重构方法及系统，包括图像去噪：对接收的太赫兹图像 信号 采用中值滤波和均值滤波除去信号噪声；图像重构：对太赫兹图像信号进行连续傅里叶变换得到多幅未知场景的位移图像，对所述位移图像进行周期 采样 得到低 分辨率 图像，对多 帧 低分辨率图像进行混频的离散傅里叶变换，根据多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变化之间的关系得到原始场景 频率 域系数，然后进行傅里叶逆变换得到重构的图像；非局部滤波、边缘处理、 叠加 处理。本发明一种太赫兹图像重构方法及系统，主要是基于傅里叶变换和反变换来进行的图像复原，获得更高分辨率的太赫兹图像，并缩短成像时间，解决图像分辨率低的问题。，下面是一种太赫兹图像重构方法及系统专利的具体信息内容。
1.一种太赫兹图像重构方法，步骤如下：
图像去噪：对接收的太赫兹图像信号采用中值滤波和均值滤波除去信号噪声，所述中值滤波将太赫兹图像中一点的值以一个领域中的中值代替，所述均值滤波将太赫兹图像中用各像素邻域均值代替原像素值；
图像重构：对太赫兹图像信号进行连续傅里叶变换得到多幅未知场景的位移图像，对所述位移图像进行周期采样得到低分辨率图像，对多帧低分辨率图像进行混频的离散傅里叶变换，根据多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变化之间的关系得到原始场景频率域系数，然后进行傅里叶逆变换得到重构的图像；
非局部滤波：由全空间域像素点的加权平均值求得像素点的估计值，获取两个像素点之间的相似性，然后对其进行加权平均；
边缘处理：采用水平和垂直算子对非局域滤波处理后的图像进行边缘处理；
叠加处理：将边缘处理后的图像与非局部滤波处理的图像进行叠加，将叠加后的毫米波图像进行图像锐化得到最终处理图像。
2.根据权利要求1所述太赫兹图像重构方法，其特征在于，在进行离散傅里叶变换变换时，包括对多帧低分辨率图像的配准和运动估计。
3.根据权利要求1所述太赫兹图像重构方法，其特征在于，在获取位移图像过程中，对图像进行全局位移。
4.根据权利要求1所述太赫兹图像重构方法，其特征在于，对位移图像以不同周期采样得到多帧低分辨率图像。
5.根据权利要求1所述太赫兹图像重构方法，其特征在于，在非局部滤波步骤中，包括确定搜索窗口、相似性窗口以及滤波深度参数。
6.根据权利要求1所述的太赫兹图像重构方法，其特征在于，在非局部滤波步骤中，两个像素点之间的相似性根据灰度向量之间的相似性获取。
7.根据权利要求5所述的太赫兹图像重构方法，其特征在于，所述相似性窗口为以带噪声像素为中心，固定大小的方形领域。
8.一种太赫兹图像重构系统，其特征在于，包括图像去噪模块、图像重构模块、非局部滤波模块、边缘处理模块、叠加处理模块，所述图像去噪模块对接收的太赫兹图像信号采用中值滤波和均值滤波除去信号噪声，所述中值滤波将太赫兹图像中一点的值以一个领域中的中值代替，所述均值滤波将太赫兹图像中用各像素邻域均值代替原像素值；所述图像重构模块对太赫兹图像信号进行连续傅里叶变换得到多幅未知场景的位移图像，对所述位移图像进行周期采样得到低分辨率图像，对多帧低分辨率图像进行混频的离散傅里叶变换，所述图像重构模块根据多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变化之间的关系得到原始场景频率域系数，然后进行傅里叶逆变换得到重构的图像；所述非局部滤波模块由全空间域像素点的加权平均值求得像素点的估计值，获取两个像素点之间的相似性，然后对其进行加权平均；所述边缘处理模块采用水平和垂直算子对非局域滤波处理后的图像进行边缘处理，所述叠加处理模块将边缘处理后的图像与非局部滤波处理的图像进行叠加，将叠加后的毫米波图像进行图像锐化得到最终处理图像。
9.根据权利要求8所述太赫兹图像重构系统，其特征在于，所述非局部滤波模块包括确定搜索窗口、相似性窗口以及滤波深度参数，所述相似性窗口为以带噪声像素为中心，固定大小的方形领域。
10.根据权利要求1所述的太赫兹图像重构系统，其特征在于，所述非局部滤波模块中，两个像素点之间的相似性根据灰度向量之间的相似性获取。
一种太赫兹图像重构方法及系统
技术领域
[0001] 本发明涉及一种太赫兹图像重构方法及系统，尤其涉及一种基于频域法的太赫兹图像重构方法及系统。
背景技术
[0002] 随着技术的发展，太赫兹成像越来越多地应用于人们的生产和生活。太赫兹辐射成像技术因特有的光谱特性使其在安全检查领域具有良好的应用前景，该技术能对人体隐蔽携带的违禁品实施无损伤的检测，能及早发现潜在的危险，因此可广泛应用于安全检查领域。目前，无论是脉冲还是连续太赫兹非近场成像都较难获得高分辨率图像。要获得较高分辨率可以使用更小的扫描步长，但这样会增加扫描成像时间，而且扫描步长由于受到衍射极限限制，不能够无限减小，因此，其图像分辨率低，成像效果不佳。
发明内容
[0003] 本发明解决的技术问题是：构建一种太赫兹图像重构方法及系统，克服现有技术的太赫兹图像分辨率低，成像不佳的技术问题。
[0004] 本发明的技术方案是：提供一种太赫兹图像重构方法，步骤如下：
[0006] 图像重构：对太赫兹图像信号进行连续傅里叶变换得到多幅未知场景的位移图像，对所述位移图像进行周期采样得到低分辨率图像，对多帧低分辨率图像进行混频的离散傅里叶变换，根据多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变化之间的关系得到原始场景频率域系数，然后进行傅里叶逆变换得到重构的图像；
[0007] 非局部滤波：由全空间域像素点的加权平均值求得像素点的估计值，获取两个像素点之间的相似性，然后对其进行加权平均；
[0008] 边缘处理：采用水平和垂直算子对非局域滤波处理后的图像进行边缘处理；
[0009] 叠加处理：将边缘处理后的图像与非局部滤波处理的图像进行叠加，将叠加后的毫米波图像进行图像锐化得到最终处理图像。
[0010] 本发明的进一步技术方案是：在进行离散傅里叶变换变换时，包括对多帧低分辨率图像的配准和运动估计。
[0011] 本发明的进一步技术方案是：在获取位移图像过程中，对图像进行全局位移。
[0012] 本发明的进一步技术方案是：对位移图像以不同周期采样得到多帧低分辨率图像。
[0013] 本发明的进一步技术方案是：在非局部滤波步骤中，包括确定搜索窗口、相似性窗口以及滤波深度参数。
[0014] 本发明的进一步技术方案是：在非局部滤波步骤中，两个像素点之间的相似性根据灰度向量之间的相似性获取。
[0015] 本发明的进一步技术方案是：所述相似性窗口为以带噪声像素为中心，固定大小的方形领域。
[0016] 本发明的技术方案是：构建一种太赫兹图像重构系统，包括图像去噪模块、图像重构模块、非局部滤波模块、边缘处理模块、叠加处理模块，所述图像去噪模块对接收的太赫兹图像信号采用中值滤波和均值滤波除去信号噪声，所述中值滤波将太赫兹图像中一点的值以一个领域中的中值代替，所述均值滤波将太赫兹图像中用各像素邻域均值代替原像素值；所述图像重构模块对太赫兹图像信号进行连续傅里叶变换得到多幅未知场景的位移图像，对所述位移图像进行周期采样得到低分辨率图像，对多帧低分辨率图像进行混频的离散傅里叶变换，所述图像重构模块根据多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变化之间的关系得到原始场景频率域系数，然后进行傅里叶逆变换得到重构的图像；所述非局部滤波模块由全空间域像素点的加权平均值求得像素点的估计值，获取两个像素点之间的相似性，然后对其进行加权平均；所述边缘处理模块采用水平和垂直算子对非局域滤波处理后的图像进行边缘处理，所述叠加处理模块将边缘处理后的图像与非局部滤波处理的图像进行叠加，将叠加后的毫米波图像进行图像锐化得到最终处理图像。
[0017] 本发明的进一步技术方案是：所述非局部滤波模块包括确定搜索窗口、相似性窗口以及滤波深度参数，所述相似性窗口为以带噪声像素为中心，固定大小的方形领域。
[0018] 本发明的进一步技术方案是：所述非局部滤波模块中，两个像素点之间的相似性根据灰度向量之间的相似性获取。
[0019] 本发明的技术效果是：提供一种太赫兹图像重构方法及系统，包括图像去噪：对接收的太赫兹图像信号采用中值滤波和均值滤波除去信号噪声，所述中值滤波将太赫兹图像中一点的值以一个领域中的中值代替，所述均值滤波将太赫兹图像中用各像素邻域均值代替原像素值；图像重构：对太赫兹图像信号进行连续傅里叶变换得到多幅未知场景的位移图像，对所述位移图像进行周期采样得到低分辨率图像，对多帧低分辨率图像进行混频的离散傅里叶变换，根据多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变化之间的关系得到原始场景频率域系数，然后进行傅里叶逆变换得到重构的图像；非局部滤波：由全空间域像素点的加权平均值求得像素点的估计值，获取两个像素点之间的相似性，然后对其进行加权平均；边缘处理：采用水平和垂直算子对非局域滤波处理后的图像进行边缘处理；叠加处理：将边缘处理后的图像与非局部滤波处理的图像进行叠加，将叠加后的毫米波图像进行图像锐化得到最终处理图像。本发明一种太赫兹图像重构方法及系统，主要是基于傅里叶变换和反变换来进行的图像复原，获得更高分辨率的太赫兹图像，并缩短成像时间，解决图像分辨率低的问题。附图说明
[0020] 图1为本发明的流程图。
[0021] 图2为本发明图像重构流程图。
[0022] 图3为本发明的结构示意图。
具体实施方式
[0023] 下面结合具体实施例，对本发明技术方案进一步说明。
[0024] 如图1所示，本发明的具体实施方式是：提供一种太赫兹图像重构方法，步骤如下：
[0025] 图像去噪：对接收的太赫兹图像信号采用中值滤波和均值滤波除去信号噪声，所述中值滤波将太赫兹图像中一点的值以一个领域中的中值代替，所述均值滤波将太赫兹图像中用各像素邻域均值代替原像素值。
[0026] 具体实施过程如下：先用中值滤波消除孤立噪点，再用均值滤波平滑图像噪声。
[0027] 中值滤波：它是一种常用的非线性平滑滤波，把数字图像中一点的值用该点的一个领域中各点值的中值代替。二维中值滤波输出为：
[0028] f(x,y)＝med{p(x-k,y-l)},(k,l∈W) (1)
[0029] p(x,y)、f(x,y)分别为原始图像和滤波后图像，W为二维模板。
[0030] 均值滤波：均值滤波用各像素邻域均值代替原像素值，
[0031]
[0032] n为二维模板像素总个数。
[0033] 图像重构：对太赫兹图像信号进行连续傅里叶变换得到多幅未知场景的位移图像，对所述位移图像进行周期采样得到低分辨率图像，对多帧低分辨率图像进行混频的离散傅里叶变换，根据多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变化之间的关系得到原始场景频率域系数，然后进行傅里叶逆变换得到重构的图像。
[0034] 如图2所示，具体实施过程如下：假设在原始场景中信号带宽是有限的，设x(t1,t2)为一副连续高分辨率图像，X(w1,w2)为其连续傅里叶变换，频域方法中只考虑全局位移，产生第k个位移图像xk(t1,t2)＝x(t1+μk1,t2+μk2),其中，μk1和μk2为任意已知值，k＝1,2,…,p,由连续傅里叶变换的位移性质，位移图像Xk(w1,w2)的连续傅里叶变换为：
[0035] Xk(w1,w2)＝exp[j2π(μk1w1+μk2w2)]X(w1,w2) (3)
[0036] 对位移图像xk(t1,t2)分别以T1和T2为周期采样，得到低分辨率图像yk[n1,n2]。根据频谱混叠性质，以及X(w1,w2)的宽带有限性，高分辨率图像的连续傅里叶变换与第k个观测LR图像的离散傅里叶变换之间的关系为：
[0037]
[0038] 上式用矩阵表示为：Y＝ФX。其中，Y是一个p×1的列向量，第k个元素为yk[n1,n2]的DFT系数，X为一个L1L2×1的列向量，为x(t1,t2)的连续傅里叶变换系数，Ф是一个p×L1L2矩阵。这样，将多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变换，以方程组的形式联系起来，通过解方程组得到原始场景的频率域系数。
[0040]
[0041] 根据原始场景的频率域系数进行傅里叶逆变换得到原始场景的复原。
[0042] 通过频率域消除频谱混叠而改善图像的空间分辨率，由于图像的细节靠高频信息来表现，而通过消除频谱混叠，就可以获得更多的被淹没掉的高频信息，因此依靠在频率域解频谱混叠就是增加图像的细节，提高分辨率。
[0043] 非局部滤波：由全空间域像素点的加权平均值求得像素点的估计值，获取两个像素点之间的相似性，然后对其进行加权平均。
[0044] 具体实施过程如下：是指当前像素点的灰度值是由全空间域与其结构相似的像素点的灰度值加权平均获得，权重取决于结构相似性程度。假设给定离散的被噪声污染的数字图像v＝{v(i)∣i∈I}，对像素点i的估计值NL[v](i)可以由全空间域像素点的加权平均求得：
[0045] NL[v](i)＝Σw(i，j)v(j) (5)
[0046] 权重{w(i,j)}j依赖于像素点i和j的相似性，并满足：
[0047] 0≤w(i，j)≤1；
[0048] Σjw(i，j)＝1. (6)
[0049] 两个像素点i和j之间的相似性依赖于灰度向量v(Ni)和v(Nj)之间的相似性。Nk2
表示中心位于k的固定大小的方块领域。这种相似性由加权欧氏距离‖v(Ni)-v(Nj)‖2,a的降函数表示。其中a是高斯核的标准差。图像的噪声像素点间的欧氏距离期望值可由下式求得：
表示中心位于k的固定大小的方块领域。这种相似性由加权欧氏距离‖v(Ni)-v(Nj)‖2,a的降函数表示。其中a是高斯核的标准差。图像的噪声像素点间的欧氏距离期望值可由下式求得：
[0050]
[0051] v和u的关系为：v＝u+n,v是图像像素观测值，u是图像真实值，n是叠加的噪声。σ是两灰度向量之间距离的标准差。这种欧氏距离的期望保持了不同像素点之间的相似性。与v(Ni)相似的灰度领域内的像素总体上具有较大的权重，由下式定义：
[0052]
[0053] 归一化常数因子Z(i)定义为：
[0054]
[0055] 其中h代表滤波程度，控制指数函数的衰减，或进一步控制权重因子的衰减速度。
[0056] 一般为计算方便，Ni取以像素i为中心，固定大小(2m+1)×(2m+1)的方形领域，w(i,j)和Z(i)可表示为：
[0057]
[0058]
[0059]
[0060] 非局部滤波比较的是两个单点的整个领域的几何结构，所以对噪声更具有抵抗性，并且滤出的部分含有较少的几何结构信息。
[0061] 边缘处理：采用Roberts边缘检测算子实现水平和垂直方向对非局域滤波处理后的图像进行边缘处理。设f(x，y)是图像灰度分布函数，则其Reberts边缘检测算子为[0062]
[0063] Roberts边缘检测算子分别实现水平和垂直方向的边缘检测，算子形式为：
[0064]
[0065] 叠加处理：基于灰度信息法的图像配准将边缘处理后的图像与二阶高通滤波处理的图像进行叠加,具体方法是定义一个基准图像I(x，y)和模板图像T(x，y)，令模板图像在基准图像上移动，并计算两者之间的相似程度，峰值出现的地方即是配准位置，每个确定的位移点(i，j)上的相似度计算公式为
[0066]
[0067] 图像锐化：将叠加后的毫米波图像进行图像锐化，利用Roberts算子进行锐化，Roberts算子模板是一个2*2的模板，对于当前待处理像素f(x，y)，Roberts算子定义如下：
[0068]
[0069] 模板的具体表示为
[0070]
[0071] ξ1＝D1(f(x,y)) ξ2＝D2(f(x,y))
[0072]
[0073] 得到最终处理图像。
[0074] 本发明的优选实施方式是：在进行离散傅里叶变换变换时，包括对多帧低分辨率图像的配准和运动估计。对于多帧低分辨率图像，在使用时先通过多点定位进行配准，将多帧低分辨率图像后进行后续傅里叶变换，以使重构图像的效果更好。在获取位移图像过程中，更进一步的方法是需要考虑运动估计，通过进行运动估计，可以得到更佳的位移图像。
[0075] 如图3所示，本发明的具体实施方式是：构建一种太赫兹图像重构系统，包括图像去噪模块1、图像重构模块2、非局部滤波模块3、边缘处理模块4、叠加处理模块5，所述图像去噪模块1对接收的太赫兹图像信号采用中值滤波和均值滤波除去信号噪声，所述中值滤波将太赫兹图像中一点的值以一个领域中的中值代替，所述均值滤波将太赫兹图像中用各像素邻域均值代替原像素值；所述图像重构模块2对太赫兹图像信号进行连续傅里叶变换得到多幅未知场景的位移图像，对所述位移图像进行周期采样得到低分辨率图像，对多帧低分辨率图像进行混频的离散傅里叶变换，所述图像重构模块2根据多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变化之间的关系得到原始场景频率域系数，然后进行傅里叶逆变换得到重构的图像；所述非局部滤波模块3由全空间域像素点的加权平均值求得像素点的估计值，获取两个像素点之间的相似性，然后对其进行加权平均；所述边缘处理模块4采用水平和垂直算子对非局域滤波处理后的图像进行边缘处理，所述叠加处理模块5将边缘处理后的图像与非局部滤波处理的图像进行叠加，将叠加后的毫米波图像进行图像锐化得到最终处理图像。
[0076] 如图3所示，本发明的具体实施过程是：图像去噪模块1对接收的太赫兹图像信号采用中值滤波和均值滤波除去信号噪声，所述中值滤波将太赫兹图像中一点的值以一个领域中的中值代替，所述均值滤波将太赫兹图像中用各像素邻域均值代替原像素值。
[0077] 具体实施过程如下：先用中值滤波消除孤立噪点，再用均值滤波平滑图像噪声。
[0078] 中值滤波：它是一种常用的非线性平滑滤波，把数字图像中一点的值用该点[0079] 的一个领域中各点值的中值代替。二维中值滤波输出为：
[0080] f(x,y)＝med{p(x-k,y-l)},(k,l∈W) (1)
[0081] p(x,y)、f(x,y)分别为原始图像和滤波后图像，W为二维模板。
[0082] 均值滤波：均值滤波用各像素邻域均值代替原像素值，
[0083]
[0084] n为二维模板像素总个数。
[0085] 图像重构模块2对太赫兹图像信号进行连续傅里叶变换得到多幅未知场景的位移图像，对所述位移图像进行周期采样得到低分辨率图像，对多帧低分辨率图像进行混频的离散傅里叶变换，根据多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变化之间的关系得到原始场景频率域系数，图像重构模块2进行傅里叶逆变换得到重构的图像。
[0086] 如图2所示，具体实施过程如下：假设在原始场景中信号带宽是有限的，设x(t1,t2)为一副连续高分辨率图像，X(w1,w2)为其连续傅里叶变换，频域方法中只考虑全局位移，产生第k个位移图像xk(t1,t2)＝x(t1+μk1,t2+μk2),其中，μk1和μk2为任意已知值，k＝1,2,…,p,由连续傅里叶变换的位移性质，位移图像Xk(w1,w2)的连续傅里叶变换为：
[0087] Xk(w1,w2)＝exp[j2π(μk1w1+μk2w2)]X(w1,w2) (3)
[0088] 对位移图像xk(t1,t2)分别以T1和T2为周期采样，得到低分辨率图像yk[n1,n2]。根据频谱混叠性质，以及X(w1,w2)的宽带有限性，高分辨率图像的连续傅里叶变换与第k个观测LR图像的离散傅里叶变换之间的关系为：
[0089]
[0090] 上式用矩阵表示为：Y＝ФX。其中，Y是一个p×1的列向量，第k个元素为yk[n1,n2]的DFT系数，X为一个L1L2×1的列向量，为x(t1,t2)的连续傅里叶变换系数，Ф是一个p×L1L2矩阵。这样，将多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变换，以方程组的形式联系起来，通过解方程组得到原始场景的频率域系数。
[0091] 傅里叶逆变换也是傅里叶变换中的通常算法：
[0092]
[0093] 根据原始场景的频率域系数进行傅里叶逆变换得到原始场景的复原。
[0094] 通过频率域消除频谱混叠而改善图像的空间分辨率，由于图像的细节靠高频信息来表现，而通过消除频谱混叠，就可以获得更多的被淹没掉的高频信息，因此依靠在频率域解频谱混叠就是增加图像的细节，提高分辨率。
[0095] 非局部滤波模块3由全空间域像素点的加权平均值求得像素点的估计值，获取两个像素点之间的相似性，然后对其进行加权平均。
[0096] 具体实施过程如下：是指当前像素点的灰度值是由全空间域与其结构相似的像素点的灰度值加权平均获得，权重取决于结构相似性程度。假设给定离散的被噪声污染的数字图像v＝{v(i)∣i∈I}，对像素点i的估计值NL[v](i)可以由全空间域像素点的加权平均求得：
[0097] NL[v](i)＝Σw(i，j)v(j) (5)
[0098] 权重{w(i,j)}j依赖于像素点i和j的相似性，并满足：
[0099] 0≤w(i，j)≤1；
[0100] Σjw(i，j)＝1. (6)
[0101] 两个像素点i和j之间的相似性依赖于灰度向量v(Ni)和v(Nj)之间的相似性。Nk表示中心位于k的固定大小的方块领域。这种相似性由加权欧氏距离‖v(Ni)-v(Nj)‖22,a的降函数表示。其中a是高斯核的标准差。图像的噪声像素点间的欧氏距离期望值可由下式求得：
[0102]
[0103] v和u的关系为：v＝u+n,v是图像像素观测值，u是图像真实值，n是叠加的噪声。σ是两灰度向量之间距离的标准差。这种欧氏距离的期望保持了不同像素点之间的相似性。与v(Ni)相似的灰度领域内的像素总体上具有较大的权重，由下式定义：
[0104]
[0105] 归一化常数因子Z(i)定义为：
[0106]
[0107] 其中h代表滤波程度，控制指数函数的衰减，或进一步控制权重因子的衰减速度。
[0108] 一般为计算方便，Ni取以像素i为中心，固定大小(2m+1)×(2m+1)的方形领域，w(i,j)和Z(i)可表示为：
[0109]
[0110]
[0111]
[0112] 非局部滤波比较的是两个单点的整个领域的几何结构，所以对噪声更具有抵抗性，并且滤出的部分含有较少的几何结构信息。
[0113] 边缘处理模块4采用Roberts边缘检测算子实现水平和垂直方向对非局域滤波处理后的图像进行边缘处理。设f(x，y)是图像灰度分布函数，则其Reberts边缘检测算子为[0114]
[0115] Roberts边缘检测算子分别实现水平和垂直方向的边缘检测，算子形式为：
[0116]
[0117] 叠加处理模块5基于灰度信息法的图像配准将边缘处理后的图像与二阶高通滤波处理的图像进行叠加,具体方法是定义一个基准图像I(x，y)和模板图像T(x，y)，令模板图像在基准图像上移动，并计算两者之间的相似程度，峰值出现的地方即是配准位置，每个确定的位移点(i，j)上的相似度计算公式为
[0118]
[0119] 图像锐化：将叠加后的毫米波图像进行图像锐化，利用Roberts算子进行锐化，Roberts算子模板是一个2*2的模板，对于当前待处理像素f(x，y)，Roberts算子定义如下：
[0120]
[0121] 模板的具体表示为
[0122]
[0123] ξ1＝D1(f(x,y)) ξ2＝D2(f(x,y))
[0124]
[0125] 得到最终处理图像。
[0126] 本发明的技术效果是：提供一种太赫兹图像重构方法及系统，包括图像去噪：对接收的太赫兹图像信号采用中值滤波和均值滤波除去信号噪声，所述中值滤波将太赫兹图像中一点的值以一个领域中的中值代替，所述均值滤波将太赫兹图像中用各像素邻域均值代替原像素值；图像重构：对太赫兹图像信号进行连续傅里叶变换得到多幅未知场景的位移图像，对所述位移图像进行周期采样得到低分辨率图像，对多帧低分辨率图像进行混频的离散傅里叶变换，根据多帧观察图像经混频的离散傅里叶变换与未知场景的连续傅里叶变化之间的关系得到原始场景频率域系数，然后进行傅里叶逆变换得到重构的图像；非局部滤波：由全空间域像素点的加权平均值求得像素点的估计值，获取两个像素点之间的相似性，然后对其进行加权平均；边缘处理：采用水平和垂直算子对非局域滤波处理后的图像进行边缘处理；叠加处理：将边缘处理后的图像与非局部滤波处理的图像进行叠加，将叠加后的毫米波图像进行图像锐化得到最终处理图像。本发明一种太赫兹图像重构方法及系统，主要是基于傅里叶变换和反变换来进行的图像复原，获得更高分辨率的太赫兹图像，并缩短成像时间，解决图像分辨率低的问题。
[0127] 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于三维构造张量的航磁数据地质体边界识别方法 | 2020-05-13 | 0 |
| 一种预警探测系统自动化接口测试方法 | 2020-12-08 | 1 |
| 用于微生物早期检测的装置 | 2021-02-19 | 0 |
| 一种内嵌式触摸屏及显示装置 | 2021-05-18 | 1 |
| 一种基于超宽带雷达的呼吸信号检测算法 | 2021-06-14 | 2 |
| 一种夜雾天况下的舰船进出港导航系统及其构建方法 | 2022-09-01 | 1 |
| 一种基于压缩感知理论的四维天线阵DOA估计方法 | 2020-09-15 | 0 |
| 一种集成式粉尘检测仪 | 2020-06-10 | 1 |
| Wide range, high resolution frequency monitor | 2023-02-17 | 0 |
| 一种高精度航测相机 | 2020-12-22 | 1 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈