| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-21页 |
| 1.1 引言 | 第9-10页 |
| 1.2 课题研究目的与意义 | 第10页 |
| 1.3 课题研究现状 | 第10-20页 |
| 1.3.1 太赫兹安检成像研究现状 | 第10-19页 |
| 1.3.2 图像超分辨算法研究现状 | 第19-20页 |
| 1.4 本文的研究内容和章节安排 | 第20-21页 |
| 2 太赫兹波成像光学系统 | 第21-42页 |
| 2.1 太赫兹成像系统分析 | 第21-24页 |
| 2.1.1 结构选择及分析 | 第21-22页 |
| 2.1.2 太赫兹波波长分析及选择 | 第22页 |
| 2.1.3 太赫兹材料分析及选择 | 第22-23页 |
| 2.1.4 成像方式选择分析 | 第23-24页 |
| 2.2 太赫兹成像光学系统设计 | 第24-34页 |
| 2.3 太赫兹安检方案 | 第34-35页 |
| 2.4 太赫兹成像仿真及分析 | 第35-38页 |
| 2.5 太赫兹实验 | 第38-41页 |
| 2.5.1 实验方案 | 第38-39页 |
| 2.5.2 实验结果及分析 | 第39-41页 |
| 2.6 本章小结 | 第41-42页 |
| 3 超分辨算法理论基础 | 第42-49页 |
| 3.1 神经网络概述 | 第42-43页 |
| 3.2 卷积神经网络学习算法 | 第43-44页 |
| 3.3 基于卷积神经网络学习的超分辨重建算法原理 | 第44-46页 |
| 3.4 改进的Lucy-Richardson算法 | 第46-47页 |
| 3.5 图像质量评价方法 | 第47-48页 |
| 3.6 本章小结 | 第48-49页 |
| 4 利用超分辨算法改善太赫兹图像的图像质量 | 第49-61页 |
| 4.1 基于卷积神经网络的超分辨算法对可见光图像重建 | 第49-53页 |
| 4.2 基于卷积神经网络的超分辨算法对太赫兹图像重建 | 第53-54页 |
| 4.3 Lucy-Richardson算法图像超分辨重建结果及分析 | 第54-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-62页 |
| 6 参考文献 | 第62-66页 |
| 硕士在读期间发表的论文 | 第66页 |
