近日，金沙集团888881博士生导师胡伟东、博士生李雅德，与俄罗斯外籍院士、荷兰代尔夫特理工大学Leo P.Ligthart教授合作，基于太赫兹雷达超宽带实孔径成像，提出了基于成像距离的卷积神经网络模型来进行超宽带图像复原，实现了不同成像距离下太赫兹方位图像的更好复原效果。相关结果以《Adaptive terahertz image super-resolution with adjustable convolutional neural network》为题，发表于光学领域顶级期刊Optics Express (影响影子IF:3.669)。

图1.太赫兹方位图像自适应复原示意

　　太赫兹实孔径雷达具有较强的穿透能力和较高的分辨力，被广泛用于材料无损检测、艺术品保护、人体安检等多个领域。但受限于其前端的聚焦透镜、反射镜，太赫兹方位图像在不同的成像距离下具有不同的分辨率。虽已有多种方法被用于太赫兹方位图像的图像复原，但是其复原效果和方法适用性难以同时兼顾。因此，本研究提出一种复原能力直接依赖于成像距离的卷积神经网络模型，利用雷达在成像的同时可以精确获取图像的成像距离这一独特优势，对不同成像距离下的太赫兹方位图像进行自适应的图像复原，方法示意如图1所示。

　　图2.不同复原能力网络对特定成像距离下太赫兹方位图像的复原效果对比

　　当网络的复原能力与图像的退化等级不匹配时，会引起图像的欠复原或过复原。如图2所示，随着网络复原能力的提升，图像复原效果从欠复原向过复原逐渐过渡(b)-(f)。为了解决这个问题，引入可调卷积层，通过插值系数来调节卷积神经网络的复原能力，而无需对网络进行再训练；同时，将方位图像的成像距离与网络的插值系数对应起来，便可以对太赫兹方位图像实现自适应的图像复原。该项工作为基于实孔径太赫兹成像的图像复原研究提供了新的思路。对于超高分辨率的材料无损检测、太赫兹人体安检成像以及太赫兹雷达反隐身等应用具有重要意义。

　　论文链接：https://doi.org/10.1364/OE.394943

　　供稿：金沙集团888881 编辑：刘苏仪 审核：司黎明