太赫兹因为其透射能力以及低单光子能量等特性,常用于太赫兹成像,其成像技术已经在无损检测、安检等方面拥有广阔的应用。然而,与X射线相比,太赫兹虽然具有安全性高的优点,但因为其波长比X射线长,导致其所成图像模糊。为了解决相比于焦平面处图像更模糊的离焦图像去模糊问题,文本在太赫兹调频连续波成像系统的实验条件下,使用基于深度学习的图像去模糊算法提高图像的空间分辨率。根据图像模糊模型,研究了太赫兹离焦图像的模糊原因。利用测取点源成像的方式估算出本文成像系统中离焦处的点扩散函数,同时说明本文使用盲去模糊而不使用非盲去模糊的原因。设计了一种运算效率高且具备较高性能的卷积神经网络,使用编解码器搭配循环结构解决了网络结构没有扩展能力的问题,同时使用长跳跃连接解决了梯度爆炸以及梯度消失问题。使用本文太赫兹调频连续波系统不同离焦距离的模糊图像,构建了具有针对性的太赫兹离焦图像数据集,使用多种方法进行数据集扩充以保证训练结果不会欠拟合。为了证明本方法的高性能,分别改变编码器个数、循环次数以及离焦距离数据集,来验证模型性能。模型性能优劣的定性与定量分别通过观察训练时长、图像结果和无参考评价指标展示。用实验证明了本方法的优越性与实用性。基于Python的Tkinter GUI库设计开发了一款图像去模糊软件。软件的用户界面简洁,操作简单且运行速度快,对用户友好,并且实现常见图像处理功能。同时使用该软件处理非测试集图像,与传统去模糊算法进行定性以及定量的比较,证明本方法的优越性。