张鹏程，何明霞，陈 硕，张洪桢，张欣欣

（1.天津大学 测试计量技术及仪器国家重点实验室，天津 300072；2.天津大学 天津大学精密仪器与光电子工程学院，天津 300072）

0 引言

太赫兹成像是一种利用太赫兹波作为信号源的成像技术[1-2]，与X 射线相比，太赫兹波对生物体没有电离辐射，所以非常适用于安检、无损检测等非接触式成像应用。由于成像过程中激光器功率的波动以及其他因素的影响，如今的太赫兹成像系统得到的图像分辨率、对比度都比较低。通过改进硬件设备来提高成像质量成本比较高昂，而利用图像处理技术来提高成像质量已经成为一种高效实用的方法[3]。

目前，太赫兹图像的降噪增强算法还停留在传统算法阶段，如经常使用的小波变换、非局部均值滤波[4]、双边滤波[5]等算法。这些传统算法虽有一定的效果，但缺点也比较明显。如经小波变换处理后的图像灰度级会偏离原始图像的灰度级，会造成边界模糊和噪声放大；双边滤波仅考虑了图像的局部信息，处理后的图像整体效果欠佳；非局部均值滤波虽考虑了图像的整体信息，但不能根据具体情况自适应调节滤波参数。

随着深度学习领域的快速发展，利用神经网络进行图像处理已经成为了研究热点。Dong 等人于2014年提出了一个基于卷积神经网络的图像超分辨率框架 SRCNN（super-resolution convolutional neural network），该框架通过学习低分辨率图像到高分辨率图像之间的映射关系，可有效提高图像的分辨率[6]。Christian Ledig 等人通过优化损失……