(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111485669.0 (22)申请日 2021.12.07 (65)同一申请的已公布的文献号 申请公布号 CN 114283235 A (43)申请公布日 2022.04.05 (73)专利权人 中国科学院国家空间科 学中心 地址 100190 北京市海淀区中关村南 二条1 号 (72)发明人 王荣聪　李大林　彭晓东　孙天然　 (74)专利代理 机构 北京方安思达知识产权代理 有限公司 1 1472 专利代理师 陈琳琳　刘振 (51)Int.Cl. G06T 17/00(2006.01) G06N 3/08(2006.01)G06N 3/04(2006.01) G06K 9/62(2022.01) G06F 30/27(2020.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (56)对比文件 CN 110555811 A,2019.12.10 CN 111260741 A,2020.0 6.09 审查员 赵恒昌 (54)发明名称 一种基于有限角度投影数据的三维磁层重 构方法及系统 (57)摘要 本发明公开了一种基于有限角度投影数据 的三维磁层重构方法及系统。 所述方法包括： 接 收有限角度的三维磁层X辐射投影数据， 输入预 先建立和训练好的3D生成对抗网络， 得到缺失角 度的三维投影数据； 基于投影寻优补全网络从3D 生成对抗网络生成的三维投影数据中进行优选， 实现对三维投影数据缺失角度的数据补全； 基于 补全的三维投影数据实现三维重建。 相比现有技 术是利用单个角度积分投影数据， 本发明利用多 角度积分投影信息对磁层进行三维CT重构； 弥补 了三维磁层计算机断层成像(CTA)的研究空白， 提升三维重构的准确度； 本发明采用的投影补全 寻优网络的评价函数完全创新， 在保持结构相似 性的同时使得均方误差最小化。 权利要求书2页 说明书10页 附图11页 CN 114283235 B 2022.08.23 CN 114283235 B 1.一种基于有限角度投影数据的三维磁层重构方法， 所述方法包括： 接收有限角度的三维磁层X辐射投影数据， 输入预先建立和训练好的3D生成对抗网络， 得到缺失角度的三维投影数据； 基于投影寻优补全网络从3D生成对抗网络生成的三维投影数据中进行优选， 实现对三 维投影数据缺失角度的数据补全； 基于补全的三维投影数据实现三维重建； 所述基于投影寻优补全网络从3D生成对抗网络生成的三维投影数据中进行优选， 实现 对三维投影数据缺失角度的数据补全； 具体包括： 由下式得到上 下文丢失损失函数Lc： 其中， SSIM为结构相似度， MSE为均方误差； 由下式得到先验损失函数Lp(z)： Lp(z)＝log(1‑D(G(z))) 其中， D(·)表示判别器， G(z)表示 生成器输入潜在空间z向量 生成的图像； 根据下式计算总损失函数L(z)： L(z)＝Lc(G(z)⊙M|y)+λLp(z) 其中， M为一个有限角度部分为1， 其余部分为0的0 ‑1矩阵， y是有限角 度投影数据， λ为 上下文丢失损失函数Lc和先验损失函数Lp(z)之间平衡的参数； 根据总损失函数L(z)， 通过基于梯度下降的优化方法寻找与缺失角度投影最佳匹配的 G(z)， 从而实现对三维投影数据缺失角度的数据补全。 2.根据权利要求1所述的基于有限角度投影数据的三维磁层重构方法， 其特征在于， 所 述3D生成对抗网络包括生成器和判别器， 生成器的输出与判别器的输入相连， 判别器的判 别结果再反馈 至生成器。 3.根据权利要求2所述的基于有限角度投影数据的三维磁层重构方法， 其特征在于， 所 述生成器为完全卷积的前馈神经网络， 包括6层级联， 前4层和第6层均为转置卷积层， 转置 卷积运算对每一层中的图像进 行上采样； 第5层为单个卷积层， 用于减少由于上采样而产生 的伪影； 前5层的激活函数均为 LeakyReLU函数， 第6层的激活函数为Tanh函数。 4.根据权利要求2所述的基于有限角度投影数据的三维磁层重构方法， 其特征在于， 所 述判别器包括6层级联的卷积层， 前5层的激活函数均为LeakyReLU函数， 第6层的激活函数 为Sigmoid函数。 5.根据权利要求2所述的基于有限角度投影数据的三维磁层重构方法， 其特征在于， 所 述方法还 包括3D生成对抗网络的训练步骤， 具体包括： 步骤A1)建立作为真实数据的训练样本集， 标签Label∈[0.9,1.0]； 步骤A2)固定生成器G的参数， 将训练样本集的潜在空间z向量依次输入生成器G， 得到 标签Label∈[0,0.1]的 “虚假”样本， 与训练样 本集代表的 “真实”样本共同输入判别器以训 练判别器； 步骤A3)固定判别器D的参数， 通过判别器的反馈信息更新生成器G的参数， 以达到训练 生成器的目的；权　利　要　求　书 1/2 页 2 CN 114283235 B 2步骤A4)重 复步骤A2)和A3)， 反复交替训练判别器和生成器， 直到两者的代价函数逼近 纳什均衡点， 得到训练好的3D生成对抗网络， 从而得到训练好的生成器。 6.根据权利要求5所述的基于有限角度投影数据的三维磁层重构方法， 其特征在于， 所 述建立作为真实数据的训练样本集； 具体包括： 采用Jorgensen辐射模型在太阳风速度Vx＝400km/s， 行星际磁场Z方向的分量Bz＝5nT， 太阳风数密度N分别为N＝5cm‑3、 N＝20cm‑3和N＝35cm‑3条件下各产生Q份X轴范围为 ‑6.2～ 29.8RE， RE为地球半径， Y和Z轴范 围为‑18～18RE的三维磁层X辐射数据， 并对这些数据进行 锥形束CT投影， 得到3Q份64 ×64×64的三维磁层X辐射投影数据， 构成作为真实数据的训练 样本集。 7.一种基于有限角度投影数据的三维磁层重构系统， 其特征在于， 所述系统包括： 缺失 角度三维投影数据生成模块、 补全 模块和三维重建模块； 其中， 所述缺失角度三维投影数据生成模块， 用于接收有限角度的三维磁层X辐射投影数据， 输入预先建立和训练好的3D生成对抗网络， 得到缺失角度的三维投影数据； 所述补全模块， 用于基于投影寻优补全网络从3D生成对抗网络生成的三维投影数据中 进行优选， 实现对三维投影数据缺失角度的数据补全； 所述三维重建模块， 用于基于补全的三维投影数据实现三维重建； 所述补全 模块的处 理过程包括： 由下式得到上 下文丢失损失函数Lc： 其中， SSIM为结构相似度， MSE为均方误差； 由下式得到先验损失函数Lp(z)： Lp(z)＝log(1‑D(G(z))) 其中， D(·)表示判别器， G(z)表示 生成器输入潜在空间z向量 生成的图像； 根据下式计算总损失函数L(z)： L(z)＝Lc(G(z)⊙M|y)+λLp(z) 其中， M为一个有限角度部分为1， 其余部分为0的0 ‑1矩阵， y是有限角 度投影数据， λ为 上下文丢失损失函数Lc和先验损失函数Lp(z)之间平衡的参数； 根据总损失函数L(z)， 通过基于梯度下降的优化方法寻找与缺失角度投影最佳匹配的 G(z)， 从而实现对三维投影数据缺失角度的数据补全。权　利　要　求　书 2/2 页 3 CN 114283235 B 3