[发明专利]基于图卷积网络的电容层析成像重建方法与装置

权利要求书

1.一种基于图卷积网络的电容层析成像重建方法，其特征在于，所述方法包括：

根据有限元法剖分目标图像待测区域中的每个节点，确定与所述每个节点距离最近的两个领域节点，根据所述每个节点和所述两个领域节点之间的连接边构建拓扑图；

根据所述拓扑图中每个节点以及对应的两个领域节点构建像素单元，通过数值分析法计算每个像素单元的介电常数分布，根据所述介电常数分布计算对应的电容值，得到拓扑图中每个节点的特征；

根据所述拓扑图中每个节点的特征计算所述特征图的拉普拉斯矩阵，将所述拉普拉斯矩阵输入图卷积网络模型，通过所述预设图卷积网络模型的卷积层进行特征提取，得到特征信息；

将所述特征信息输入激活函数进行处理，得到输出特征图；

将所述输出特征图在所述预设图卷积网络模型的全连接层进行降维，得到介质分布灰度图像；其中，所述预设图卷积网络模型基于电容层析成像数据集训练得到。

2.根据权利要求1所述的方法，其特征在于，所述预设图卷积网络模型的训练过程包括：

构建电容层析成像数据集；

将所述电容层析成像数据集输入初始图卷积网络模型进行重建，得到预测图像灰度值；

根据所述预测灰度图像值与样本灰度图像值之间的误差进行计算，得到损失值；

获取所述损失值小于所述预设损失阈值时对应的模型，得到预设图卷积网络模型。

3.根据权利要求2所述的方法，其特征在于，所述构建电容层析成像数据集包括：

根据流型类型以及对应的描述参数随机生成样本待测区域；

根据电容层析成像正问题模型对所述样本待测区域进行计算，得到电容层析成像数据集。

4.根据权利要求3所述的方法，其特征在于，所述电容层析成像正问题模型的构建过程包括：

根据有限元法计算样本待测区域每个像素单元的介电常数分布，得到样本介电常数分布；

通过数值分析法计算所述样本介电常数分布对应的样本电容值和样本灵敏度；

根据计算得到的样本介电常数分布、样本电容值以及待测区域的样本图像灰度值之间的关系得到电容层析成像正问题模型。

5.根据权利要求4所述的方法，其特征在于，所述根据电容层析成像正问题模型对所述样本待测区域进行计算，得到电容层析成像数据集，包括：

根据所述电容层析成像正问题模型计算所述样本待测区域的样本电容值以及样本图像灰度值，构建得到电容层析成像数据集。

6.根据权利要求3所述的方法，其特征在于，所述将所述电容层析成像数据集输入初始图卷积网络模型进行重建，得到预测图像灰度值，包括：

将所述样本电容值输入初始图卷积网络模型进行重建，得到预测图像灰度值。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

当所述样本电容值的数据维度小于输出数据时，对数据维度进行扩充。

8.一种基于图卷积网络的电容层析成像重建装置，其特征在于，所述装置包括：

构建模块，用于根据有限元法剖分目标图像待测区域中的每个节点，确定与所述每个节点距离最近的两个领域节点，根据所述每个节点和所述两个领域节点之间的连接边构建拓扑图；

计算模块，用于根据所述拓扑图中每个节点以及对应的两个领域节点构建像素单元，通过数值分析法计算每个像素单元的介电常数分布，根据所述介电常数分布计算对应的电容值，得到拓扑图中每个节点的特征；

重建模块，用于根据所述拓扑图中每个节点的特征计算所述特征图的拉普拉斯矩阵，将所述拉普拉斯矩阵输入图卷积网络模型，通过所述预设图卷积网络模型的卷积层进行特征提取，得到特征信息；将所述特征信息输入激活函数进行处理，得到输出特征图；将所述输出特征图在所述预设图卷积网络模型的全连接层进行降维，得到介质分布灰度图像；其中，所述预设图卷积网络模型基于电容层析成像数据集训练得到。