[发明专利]一种基于二维能谱信息的三维空间矿物重建方法

说明书

本发明涉及一种基于二维能谱信息的三维空间矿物重建方法，属于图像处理技术领域，本发明通过使用真实成对的多模态能谱图像数据设计结构约束的图像三维重建网络，从不同模态的高分辨率图像提取空间重要特征重建更高分辨率的能谱图像。将2D高分辨能谱图像作为主要模态使用图像全部信息，2D高分辨图像作为补充模态。通过比较重建图像与真实的高分辨图像之间的RGB信息和结构相似性来确定网络的学习方向，同时通过损失函数获取重建图像和高分辨率图像的空间结构信息，并将其作为重要约束条件来让重建模型自适应的学习图像的空间结构特征，从而有效提升模型的重建性能。对于相同的任务，我们的方法明显比以前的方法更加准确和高效。

技术领域

本发明涉及一种基于二维能谱信息的三维空间矿物重建方法，属于图像处理技术领域。

背景技术

随着我国对能源的需求量越来越大，岩石矿物的勘探与开发越来越备受关注。在能源和矿物的勘探与开发中，岩石的矿物组成成分和空间结构十分复杂，仅依靠现存的技术无法做到精准的三维重建。

三维空间矿物重建方法包括物理实验方法和数值重建方法两大类。数值重建方法的一项重要步骤就是对岩心二维图像进行图像分割，从而提取建模信息进行三维重建。本方法亦是通过X射线能谱仪(Energy Dispersive Spectroscopy)得到岩石各种矿物和孔隙分布的彩色图像，利用垂直于x轴、y轴和z轴的二维EDS彩色图像进行重建，得到三维彩色矿物图像。

能谱图像三维重建技术大多数是从彩色图像三维重建技术演变而来，对于彩色图像三维重建，近几十年来提出了许多研究，最近，彩色图像三维重建问题由于使用了卷积神经网络而取得了很大的进展。但与彩色图像不同的是，能谱图像由X射线能谱仪(EnergyDispersive Spectroscopy)采集而来，空间分辨率低，仅仅将卷积神经网络框架直接应用于能谱图像三维重建，容易使得重建的三维能谱图像效果不佳。

发明内容

针对现有技术的不足，为解决直接使用卷积神经网络实现能谱图像超分处理的方式导致重构的三维能谱图像出现空间分辨率低的问题，本发明提供一种基于二维能谱信息的三维空间矿物重建方法，使用以无监督的对抗生成网络为基础的三维重建方法，解决现有的三维重建空间信息重建效果不佳的问题。

本发明的技术方案如下：

一种基于二维能谱信息的三维空间矿物重建方法，步骤包括：通过使用真实成对的多模态能谱图像数据(2D能谱图像，2D高分辨图像)设计结构约束的图像三维重建网络，从不同模态的高分辨率图像提取空间重要特征重建更高分辨率的能谱图像；将2D高分辨能谱图像作为主要模态使用图像全部信息，2D高分辨图像作为补充模态；通过比较三维重建图像与真实的高分辨图像之间的RGB信息和结构相似性来确定网络的学习方向，同时通过损失函数获取重建图像和高分辨率图像的空间结构信息，并将其作为重要约束条件来让重建模型自适应的学习图像的空间结构特征，从而有效提升模型的重建性能。

具体包括步骤如下：

第一步，初始化对抗生成网络的参数；

初始化生成器网络G以及生成器网络可训练参数θ，缩放因子sf(需要重建放大的倍数)，根据所需重建数据大小设定生成器网络结构；初始化鉴别器网络C以及鉴别器网络可训练参数ω₁、ω₂和ω₃；每个生成器迭代的鉴别器迭代次数n_D；C和G反向传播的批处理大小分别为m_D和m_G；梯度惩罚系数：λ；体积边长度：l；和Adam超参数：α，β₁，β₂；

第二步，定义生成器网络的输入与输出；

首先从一个正态分布中抽样一个潜在的向量z～P(z)作为随机噪声，并将潜在向量z作为生成器G(z)的输入，通过与当前生成器中的权值和偏置进行多层转置卷积操作，生成一个符合正态分布的假数据f；