[发明专利]基于级联条件生成对抗网络的灰度岩心图像三维重建方法

权利要求书

1.一种基于级联条件生成对抗网络的灰度岩心图像三维重建方法，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，用于网络的训练和重建；

(2)将步骤(1)中获取的每个三维样本作为训练样本；为了在信息对等的情况下建立二维到三维的映射，并采用三维卷积学习三维空间信息，对网络的Input，Target设置为两个待重建三维空间大小的三维结构，并对每层CCGAN网络中Input，Target结构中嵌入的输入输出信息进行设计；在第一层网络中，已知信息为CT单张二维灰度参考图像，其target为CT序列中连续的下一张图像；基于此，Input三维结构其内部第一层为参考图像，该三维结构其它层用灰度值127的像素进行填充，然后将这些序列在z方向上concatenate；Target三维结构内部第一层为参考图像，第二层CT序列中连续的下一张图像，该三维结构其它层用灰度值127的像素进行填充，然后将这些序列在z方向上concatenate；CCGAN级联网络的第二层为CT序列中的某两张连续图像作为输入条件，它的后两张连续图像为目标的网络；以此类推，除Input，Target在不同层的三维空间大小不同之外，同样的CCGAN网络的其它层的训练阶段与其相同；

(3)在步骤(2)设计好单个网络的基础上，设计针对图像三维空间像素灰度级模式分布的损失函数L_{greylevel_3D}，用一个N×N×N的模板遍历三维结构得到的像素灰度级模式概率分布与目标三维结构模式概率分布的差异，量化生成器G的输出G(x,z)和目标系统y的灰度级分布的均方误差(MSE)，从而保持重建过程中灰度级分布的一致性，以达到更好地重建效果；

(4)在步骤(3)针对每个网络的灰度岩心图像重建的损失函数L_{greylevel_3D}进行设计的基础上，基于上述的数据集、网络和损失函数，完成训练，获得多层图像三维重建的模型及其中训练好的生成器及辨别器；

(5)在步骤(4)完成训练的基础上，将以上已经训练好的生成器进行级联构成进行单张二维灰度岩心图像的重建网络；

(6)在步骤(5)建立完成重建阶段的级联条件生成网络过程基础上，基于所述的模型，完成二维灰度岩心图像的三维重建。

2.根据权利要求1所述的方法，其特征在于步骤(3)中所述设计针对图像三维空间像素灰度级模式分布的损失函数L_{greylevel_3D}，即用一个N×N×N的模板遍历三维结构得到的像素灰度级模式概率分布与目标三维结构模式概率分布的差异，量化生成器G的输出G(x,z)和目标系统y的灰度级分布的均方误差(MSE)，从而保持重建过程中灰度级分布的一致性；其表达式如下式所示：

其中，L_{greylevel_3D}灰度级模式分布的损失，y_greylevel目标系统y的灰度级分布，(G(x,z))_greylevel表示生成器G的输出的灰度级分布；具体地，通过扫描图像并获取所有的灰度级，统计0-255这256个灰度级像素出现的频率并进行归一化，从而获得灰度级的分布；然后，通过计算目标系统和重建结果灰度级分布之间的欧氏距离，得到该灰度级分布损失函数。

3.根据权利要求1所述的方法，其特征在于步骤(5)中所述将已经训练好的生成器进行级联构成进行单张二维灰度岩心图像的重建网络，即将以上已经训练好的生成器进行级联；以参考图像为第一层，其它层由127像素值填充的三维结构作为输入，先送入前向第一层网络，其输出结果一起作为下一层网络的输入；以此类推，可以重建输入参考图像之后的128张图像；将这128张图像进行堆叠，即可重建出整个三维结构。