[發明專利]一種基于復值卷積的GAN增強磁感應成像方法及系統

在審

• 申請號: 202110503479.0
• 申請日: 2021-05-10
• 公開（公告）號: CN113362407A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 宣琦;宋栩杰;陳其軍;周潔韻;韓瑞鑫;張璐;翔云;邱君瀚
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵

1.一種基于復值卷積的GAN增強磁感應成像方法，其特征在于，包括如下步驟：

S1、采集電壓序列數據，構建復值神經網絡模型，將所述電壓序列數據輸入所述復值神經網絡模型進行訓練，得到初步電導率分布圖像；

S2、構建對抗生成網絡模型，將所述初步電導率分布圖像輸入所述對抗生成網絡模型進行訓練，得到用于圖像增強的生成器；

S3、將所述初步電導率分布圖像輸入所述生成器，得到高精度目標電導率分布圖。

2.根據權利要求1所述的基于復值卷積的GAN增強磁感應成像方法，其特征在于，步驟S1所述的采集所述電壓序列數據的具體過程為：通過步進電機定位目標對象，采集初始數據后，剔除干擾數據，得到所述電壓序列數據。

3.根據權利要求1所述的基于復值卷積的GAN增強磁感應成像方法，其特征在于，步驟S1將所述電壓序列數據輸入所述復值神經網絡模型包括：

S1.1、將包含實部和虛部的所述電壓序列數據轉化為復值表示后進行復值運算；

S1.2：計算損失函數，更新模型參數，反復執行此步驟；

S1.3：將輸出的1x512的向量還原為電導率分布，并進行平滑處理。

4.根據權利要求3所述的基于復值卷積的GAN增強磁感應成像方法，其特征在于，步驟S1.3所述平滑處理為對每個三角形區域的值與相鄰三角形區域的值進行平均，獲得平滑數據；

所述平滑處理的公式為：

其中，m是周圍三角形單元的數量，σ_i是電導率值。

5.根據權利要求1所述的基于復值卷積的GAN增強磁感應成像方法，其特征在于，

步驟S2所述對抗生成網絡模型至少包括生成器、判別器，通過函數L_GAN(G，D)＝E_x[logD(x)]+E_x[log(1-D(G(z)))]進行描述，其中D最大化為logD(x)，G最小化為log(1-D(G(z)))，x為標簽圖像，z為隨機噪聲；

所述生成器輸出G(z)為具有x概率分布的候選圖像，所述候選圖像為從z的先前分布映射；

所述判別器輸出D(x)或D(G(z))，用于對輸入的接近程度進行標量評分。

6.根據權利要求5所述的基于復值卷積的GAN增強磁感應成像方法，其特征在于，

步驟S2將所述初步電導率分布圖像輸入所述對抗生成網絡模型進行訓練包括：

S2.1：訓練所述生成器；

S2.2：訓練所述判別器；

S2.3：步驟S2.1-S2.2交替進行，直至所述對抗生成網絡模型穩定。

7.根據權利要求1所述的基于復值卷積的GAN增強磁感應成像方法，其特征在于，

所述S3還包括對所述高精度目標電導率分布圖進行質量評估，所述質量評估通過將所述高精度目標電導率分布圖轉化為二值圖，根據交并比和形心距離進行衡量；

所述交并比的公式為：

其中，R_obj為重建圖像中的對象，G_obj為標注圖中的對象，當IoU等于1時，表示重建的圖像與標注情況一致；

所述形心距離的公式為：

其中，x*和y*是標注圖像的x軸、y軸坐標，x、y通過公式以下計算：

8.實施權利要求1-7任一項所述的基于復值卷積的GAN增強磁感應成像方法的系統，其特征在于，包括：

數據處理模塊、復值訓練模塊、圖像增強模塊、輸出模塊；

所述數據處理模塊通過所述復值訓練模塊與所述圖像增強模塊連接，用于采集電壓序列數據；

所述復值訓練模塊通過所述圖像增強模塊與所述輸出模塊連接，用于將所述電壓序列數據輸入復值神經網絡模型進行訓練；

所述圖像增強模塊用于將所述初步電導率分布圖像輸入所述對抗生成網絡模型進行訓練，得到用于圖像增強的生成器；

所述輸出模塊用于將所述電壓序列數據輸入所述復值神經網絡模型，得到所述初步電導率分布圖像，再將所述初步電導率分布圖像輸入到所述生成器進行圖像增強，得到所述高精度目標電導率分布圖。