[发明专利]一种构建数字岩心的方法及系统

权利要求书

1.一种构建数字岩心的方法，其特征在于，包括：

获取数字岩心训练图像；所述数字岩心训练图像为岩心已知的岩石的数字岩心样本图像；

将所述数字岩心训练图像分割为多个子样本，将所有所述子样本存储为样本集；

利用所述样本集和随机样本噪声训练生成对抗网络，得到数字岩心构建模型；所述数字岩心构建模型为通过所述样本集和所述随机样本噪声训练好的生成对抗网络，所述数字岩心构建模型用于构建目标数字岩心图像；

获取目标随机噪声；

将所述目标随机噪声输入所述数字岩心构建模型，得到目标数字岩心图像。

2.根据权利要求1所述的构建数字岩心的方法，其特征在于，所述获取数字岩心训练图像，具体包括：

利用图像扫描技术对岩心已知的岩石进行扫描，得到岩心已知的岩石灰度图像；

提取所述岩心已知的岩石灰度图像中心位置的表征单元体，并对所述表征单元体进行平滑处理，得到平滑数字岩心图像；

采用分水岭分割方法对所述平滑数字岩心图像进行分割，得到数字岩心训练图像。

3.根据权利要求2所述的构建数字岩心的方法，其特征在于，所述利用所述样本集和随机样本噪声训练生成对抗网络，得到数字岩心构建模型，具体包括：

获取所述生成对抗网络的激活函数和损失函数；所述生成对抗网络包括生成网络和判别网络；

将随机样本噪声输入至所述生成网络，得到伪样本集；所述伪样本集包括多个所述第一伪数字岩心图像；

利用所述伪样本集和所述样本集训练所述判别网络，得到判别网络模型；所述判别网络模型为训练好的判别网络，所述判别网络模型的输入为第一伪数字岩心图像，输出为所述第一伪数字岩心图像的真假概率值；

将所述随机样本噪声作为输入，利用所述判别网络模型对所述生成网络进行训练，得到生成网络模型；所述生成网络模型为训练好的生成网络，所述生成网络模型的输出为所述目标数字岩心图像；所述判别网络模型和所述生成网络模型构成数字岩心构建模型。

4.根据权利要求3所述的构建数字岩心的方法，其特征在于，所述判别网络包括：判别输入层、判别中间层和判别输出层；

所述生成网络包括：生成输入层、生成中间层和生成输出层；所述生成输入层为全连接层，所述生成中间层和所述生成输出层均为微步卷积层；

所述激活函数包括：判别中间层的激活函数、判别输出层的激活函数、生成中间层的激活函数和生成输出层的激活函数；所述判别中间层的激活函数为LeakyReLu激活函数，所述判别输出层的激活函数为Sigmoid激活函数，所述生成中间层的激活函数为ReLu激活函数，所述生成输出层的激活函数为Tanh激活函数；

所述损失函数包括：判别网络的判别损失函数和生成网络的生成损失函数。

5.根据权利要求4所述的构建数字岩心的方法，其特征在于，所述利用所述伪样本集和所述样本集训练所述判别网络，得到判别网络模型，具体包括：

从所述样本集中抽取N个子样本输入所述判别网络，计算第一判别损失函数；

利用所述第一判别损失函数计算所述判别网络每层的第一判别梯度；

从所述伪样本集中抽取N个所述第一伪数字岩心图像输入所述判别网络，计算第二判别损失函数；

利用所述第二判别损失函数计算所述判别网络每层的第二判别梯度；

将所述第一判别损失函数与所述第二判别损失函数相加得到所述判别损失函数；

利用所述第一判别梯度、所述第二判别梯度和小批量梯度下降算法优化所述判别损失函数，得到最优判别网络参数，根据所述最优判别网络参数得到判别网络模型；所述判别网络参数为所述判别网络每层的权重和偏置。