【技术实现步骤摘要】
本专利技术涉及毫米波人体安检，特别涉及一种基于扩散模型的生成式单频毫米波自聚焦近场成像方法。
技术介绍
1、毫米波具有适当的穿透能力，可以透过衣物、包裹等常见材质检测隐藏物体，而不对人体健康构成威胁。以毫米波雷达为基础的主动式毫米波安检仪在方位向上能够达到毫米级分辨率，可以充分满足人体安检对安全、高精度、无接触的要求，已经在部分重点场所得到试点运用。
2、主动式毫米波安检仪的关键技术是毫米波近场成像方法。传统近场成像方法以奈奎斯特采样理论为基础，通过空域或空间频域的匹配滤波完成从回波数据到预设空间分布的反演过程，在满足空间采样和成像带宽的要求下，可以实现高方位与距离向分辨率的三维成像。然而，传统近场成像方法对成像条件的苛刻要求给成像系统的实现带来了困难。为了获得更高的距离向分辨率，在雷达设计时往往采用调频连续波作为成像雷达的波形体制，这无疑会大幅增加雷达系统的复杂性，并给具体实施过程带来挑战。此外，随着成像条件的提升，雷达采集的三维回波数据量将增加，这对实时数据传输和后续的成像过程造成不利影响。
3、使用单频率回波数据成像可以在极大降低回波数据维度的同时，摆脱宽带雷达体制的约束。但受到采样条件约束，直接使用传统毫米波近场成像方法无法得到良好的成像结果，而现有的自聚焦单频率毫米波成像方法在应对如人体等具有复杂表面或空间结构的目标物体时表现较差。
4、近场单频率毫米波成像中，传统近场成像方法仅能得到缺乏距离向分辨率的成像结果，又被称为失焦图像。图像自聚焦利用预设在失焦图像中形成特殊空间结构这一性质
5、进一步地，传统近场成像方法需要在多个参考距离平面上成像，所得成像结果是包含两个方位向维度和一个距离向维度的三维图像。通常使用二维卷积层的特征提取神经网络仅具有图像长宽和通道三个维度，若直接将距离向维度作为通道维输入，则可能会丢失图像的空间结构。此外，单一的神经网络结构拟合能力往往有限，且在训练损失函数上的选择将影响最终的成像质量。
技术实现思路
1、本专利技术提供一种基于扩散模型的生成式单频毫米波自聚焦近场成像方法，以解决传统单频率毫米波成像方法无法生成高质量聚焦图像，基于自聚焦的单频率成像方法在复杂物体场景中成像能力不足等问题。
2、本专利技术第一方面实施例提供一种基于扩散模型的生成式单频毫米波自聚焦近场成像方法，包括以下步骤：利用雷达设备获取单频率原始回波数据；对所述单频率原始回波数据成像，以得到单频成像失焦结果；将所述单频成像失焦结果输入预先构建的空间卷积神经网络中，以获得网络编码结果；将所述网络编码结果嵌入至预训练的降噪扩散模型中，以得到条件扩散模型；利用所述条件扩散模型逐步重建所述网络编码结果与预设理想宽带成像结果之间的残差值，以得到扩散模型预测结果，并将所述扩散模型预测结果与所述网络编码结果相加，获得最终单频率自聚焦成像结果。
3、可选地，所述对所述单频率原始回波数据成像，以得到单频成像失焦结果，包括：
4、基于毫米波近场成像方法中的相位偏移法，在预先选定的成像空间中的数个等间隔参考平面上，对所述单频率原始回波数据进行成像，以得到所述单频成像失焦结果。
5、可选地，所述单频成像失焦结果的求解公式为：
6、
7、其中，为二维傅里叶的逆变换，ft2d为二维傅里叶的正变换，e为自然对数，为虚数单位，kz′为空间波数域中kx′与ky′的球函数，z为多个参考距离表示的平面，σs(x,y,z)为散射点坐标的单频成像失焦结果，s(x′,′,0)为坐标(x′,′)处平面阵收发元件接收的空间波数为k0的单频原始回波数据。
8、可选地，所述将所述单频成像失焦结果输入预先构建的空间卷积神经网络中，以获得网络编码结果，包括：
9、利用宽带成像设备采集宽带回波数据，并抽取所述宽带回波数据中的单频率回波数据；
10、分别对所述宽带回波数据和所述单频率回波数据进行成像，以得到宽带成像聚焦结果和单频成像失焦结果；
11、将所述宽带成像聚焦结果转换为最大值投影结果，以作为训练标签；
12、获取所述单频成像失焦结果的幅度值，以作为训练数据；
13、利用所述训练标签和所述训练数据对所述预先构建的空间卷积神经网络进行预训练，以均方误差为损失进行监督训练，得到训练后的空间卷积神经网络；
14、将所述单频成像失焦结果输入所述训练后的空间卷积神经网络中进行训练，以获得所述网络编码结果。
15、可选地，所述网络编码结果的求解公式为：
16、xc＝θ{{(x′,′,0)}}
17、其中，xc为网络编码结果，fθ{·}为训练后的空间卷积神经网络，psm{·}为近场成像法，s(x′,′,0)为坐标(x′,′)处平面阵收发元件接收的空间波数为k0的单频原始回波数据。
18、可选地，所述扩散模型预测结果的求解公式为：
19、
20、其中，x0(x1,xc,1)为扩散模型预测结果，x1为预设扩散模型在时间步1时的输入，β1为时间步为1时的时间相关噪声增加超参数，α1、为时间步为1时的条件扩散模型超参数，∈θ(x1,xc,1)为时间步为1时条件扩散模型中的条件噪声预测器。
21、本专利技术第二方面实施例提供一种基于扩散模型的生成式单频毫米波自聚焦近场成像装置，包括：获取模块，用于利用雷达设备获取单频率原始回波数据。成像模块，用于对所述单频率原始回波数据成像，以得到单频成像失焦结果。输入模块，用于将所述单频成像失焦结果输入预先构建的空间卷积神经网络中，以获得网络编码结果。嵌入模块，用于将所述网络编码结果嵌入至预训练的降噪扩散模型中，以得到条件扩散模型。预测模块，用于利用所述条件扩散模型逐步重建所述网络编码结果与预设理想宽带成像结果之间的残差值，以得到扩散模型预测结果，并将所述扩散模型预测结果与所述网络编码结果相加，获得最终单频率自聚焦成像结果。
22、本专利技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执本文档来自技高网...
【技术保护点】
1.一种基于扩散模型的生成式单频毫米波自聚焦近场成像方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于扩散模型的生成式单频毫米波自聚焦近场成像方法，其特征在于，所述对所述单频率原始回波数据成像，以得到单频成像失焦结果，包括：
3.根据权利要求2所述的基于扩散模型的生成式单频毫米波自聚焦近场成像方法，其特征在于，所述单频成像失焦结果的求解公式为：
4.根据权利要求1所述的基于扩散模型的生成式单频毫米波自聚焦近场成像方法，其特征在于，所述将所述单频成像失焦结果输入预先构建的空间卷积神经网络中，以获得网络编码结果，包括：
5.根据权利要求4所述的基于扩散模型的生成式单频毫米波自聚焦近场成像方法，其特征在于，所述网络编码结果的求解公式为：
6.根据权利要求1所述的基于扩散模型的生成式单频毫米波自聚焦近场成像方法，其特征在于，所述扩散模型预测结果的求解公式为：
7.一种基于扩散模型的生成式单频毫米波自聚焦近场成像装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：存储器、处理器及存储在
9.一种计算机程序产品，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-6任一项所述的基于扩散模型的生成式单频毫米波自聚焦近场成像方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-6任一项所述的基于扩散模型的生成式单频毫米波自聚焦近场成像方法。
...【技术特征摘要】
1.一种基于扩散模型的生成式单频毫米波自聚焦近场成像方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于扩散模型的生成式单频毫米波自聚焦近场成像方法，其特征在于，所述对所述单频率原始回波数据成像，以得到单频成像失焦结果，包括：
3.根据权利要求2所述的基于扩散模型的生成式单频毫米波自聚焦近场成像方法，其特征在于，所述单频成像失焦结果的求解公式为：
4.根据权利要求1所述的基于扩散模型的生成式单频毫米波自聚焦近场成像方法，其特征在于，所述将所述单频成像失焦结果输入预先构建的空间卷积神经网络中，以获得网络编码结果，包括：
5.根据权利要求4所述的基于扩散模型的生成式单频毫米波自聚焦近场成像方法，其特征在于，所述网络编码结果的求解公式为：
6.根据权利要求1所述的基于扩散模型的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。