[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

权利要求书

1.一种基于二维能谱信息的三维空间矿物重建方法，其特征在于，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。

2.根据权利要求1所述的基于二维能谱信息的三维空间矿物重建方法，其特征在于，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，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；

第三步，定义鉴别器网络的输入与输出；

将步骤二得到的假数据f分别沿X、Y和Z轴以1体素为增量进行切片，得到大小为l×l的切片f_s；在C的训练过程中，对于每个假的二维切片f_s，也从与三轴相关联的真实数据集分布中采样一个真实的二维图像r^a，将f_s和r^a分别输入鉴别器中，并分别得到鉴别器网络输出C(f_s)和C(r^a)，其中C(f_s)和C(r^a)是鉴别器输出的标量值，表示真实数据和生成数据之间的Wasserstein距离；

第四步，定义损失函数和优化器；

对抗生成网络的损失函数包括生成器网络和鉴别器网络的损失函数；

将生成器网络生成的数据f_s和真实数据r^a输入鉴别器网络C，将鉴别器网络的输入与当前鉴别器网络C中的权值和偏置进行多层卷积计算，得到生成对抗网络的目标函数；

第五步，对训练数据进行特征提取；

通过对生成对抗网络的权值和偏置进行迭代更新实现对生成对抗网络的训练；根据得到的目标函数,通过反向传播算法对生成对抗网络的权值和偏置进行更新，一次更新包括，对生成器网络G中的权值和偏置更新一次,然后对鉴别器网络C中的权值和偏置更新n_D次，判断是否达到迭代次数k，如果迭代次数小于k，转到步骤三，反复执行步骤三至步骤五，进行生成对抗网络的训练，直至达到迭代次数如果迭代次数达到k，生成对抗网络训练完成；

第六步，重建三维图像；获取待重建的能谱图像数据，包括2D能谱图像、2D高分辨图像，将数据输入训练好的生成对抗网络生成器中，得到三维重建图像。