[发明专利]一种基于双向循环生成网络的多孔介质三维图像重建方法

权利要求书

1.一种基于双向循环生成网络的端对端的三维图像重建方法，其特征在于：包括以下步骤：

(1)采集并制作二维图像和对应三维图像数据集，用于网络的训练和测试；

(2)设计基于二维图像重建三维图像的双向循环生成网络的网络结构(3D-BicycleGAN)；

(3)设计三维的GAN损失函数L_{GAN_3D}，以对形态进行约束；

(4)设计三维的模式分布的损失函数L_{pattern_3D}，以对重建结构的局部纹理信息进行约束；

(5)设计三维的孔隙度的损失函数L_{porosity_3D}，以对重建结构的孔隙度进行约束；

(6)基于上述的数据集、网络和损失函数，完成训练，获得图像三维重建的模型3D-BicycleGAN；

(7)基于所述的3D-BicycleGAN模型，完成二维图像的三维重建。

2.根据权利要求1所述的基于双向循环生成网络的三维图像重建方法，其特征在于步骤(2)所述的网络结构：其中G在经典的U-net架构基础上，设计了最后两个输出层Conv_N×k×k和Conv_N×1×1；设输入为x，则经过这两层网络后，它的输出被定义为：

y＝Conv_N×1×1(Conv_N×k×k(x))

其中，N表示通道数，k表示卷积核大小，Conv_N×k×k用于将数据变换到指定维度，Conv_N×1×1用于融合高层通道信息。

3.根据权利要求1所述的基于双向循环生成网络的三维图像重建方法，其特征在于步骤(3)所述的三维的GAN损失函数L_{GAN_3D}，从三个方向x，y，z分别计算，其定义为：

其中，A，B～p(A，B)表示A，B服从联合分布概率函数p(A，B)；表示log(1-D(A，G(A，z)))的数学期望；和分别表示log(1-D(A，(G(A，z))_x，log(1-D(A，(G(A，z))_y，和log(1-D(A，(G(A，z))_z的数学期望。

4.根据权利要求1所述的基于双向循环生成网络的三维图像重建方法，其特征在于步骤(4)所述的三维的模式分布的损失函数L_{pattern_3D}，它由x，y，z三个方向的模式损失函数组成，其定义为：

L_{pattern_3D}＝L_{pattern_3Dx}+L_{pattern_3Dy}+L_{pattern_3Dz}

以L_{pattern_3Dx}为例，它表示用一个N×N的模板遍历三维结构x方向的所有切面得到的模式概率分布与目标三维结构x方向模式概率分布的差异，即为：

其中，pattern(·)表示求解模式分布的函数。

5.根据权利要求1所述的基于双向循环生成网络的三维图像重建方法，其特征在于步骤(5)所述的设计三维的孔隙度损失函数L_{porosity_3D}，其定义为：

其中，porosity(·)表示求解三维孔隙度的函数，其定义为：

这里，P和V分别表示三维结构S的孔隙的数量和岩石及孔隙的总数。

6.根据权利要求1所述的基于双向循环生成网络的三维图像重建方法，其特征在于步骤(5)所述的总损失函数它为各项损失数的加权，其定义为：

其中，λ_pattern和λ_porosity分别表示损失函数L_{pattern_3D}和损失L_{porosity_3D}权重；表示GAN损失函数。