[發明專利]一種基于生成網絡的多孔介質圖像重建方法

有效

• 申請號: 201910221978.3
• 申請日: 2019-03-22
• 公開（公告）號: CN111724331B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 滕奇志;馮俊羲;何小海;卿粼波;吳小強;吳曉紅
• 申請（專利權）人: 四川大學
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于生成網絡的多孔介質圖像重建方法，其特征在于：包括以下步驟：

(1)制作二維圖像數據集，用于網絡的訓練和測試；

(2)設計基于模式分布的約束函數，目的是對重建結果的模式分布進行約束；設計的基于模式分布的約束函數計算過程如下：①用一個固定模板逐點掃描圖像，得到所有的模式；②為方便后續計算，將每一個模式拉平為二進制數，并轉為對應的十進制數；③計算每一個模式出現的次數并歸一化到0～1，得到圖像的模式分布；這個模式分布就是作為重建時候的約束；需要注意的是，在整個訓練的過程當中，神經網絡的輸出可能有除了0和255灰度值之外的值，中間需要做二值化處理；通過設定一個閾值進行分割，得到的二值圖再進行模式的獲取和模式分布的計算；

(3)設計基于孔隙度的約束函數，目的是對重建結果的孔隙度進行約束；

(4)提出的兩個約束函數聯合GANloss和L1loss，共同約束整個重建過程；

(5)重建中，引入高斯噪聲以確保生成樣本的多樣性；

(6)訓練和測試神經網絡，調整參數，直到重建結果符合真實預期。

2.根據權利要求1所述的基于生成網絡的多孔介質圖像重建方法，其特征在于：

所述步驟(1)中，由于沒有現成的數據集，根據不同的任務，共制作了600-800個樣本，每一個樣本對由一幅孔隙局部圖像和一幅對應的完整圖像組成；其中隨機選擇70％的數據作為訓練，剩下的30％作為測試；

所述步驟(3)中，設計了基于孔隙度的約束函數對重建結果的孔隙度進行約束；通過設定的閾值對圖像進行分割，再計算其孔隙度與目標值的差異；

所述步驟(4)中，總的代價函數由GAN損失、L1損失、基于模式的損失和基于孔隙度的損失構成，它們的權重設定通過多次實驗得出；

所述步驟(5)中，引入高斯噪聲確保生成樣本的多樣性；通過設定不同的噪聲數值，可以產生不同的樣本，保證了重建結果的多樣性。