CN115619786B - 磁场图像处理方法、装置 - Google Patents
磁场图像处理方法、装置 Download PDFInfo
- Publication number
- CN115619786B CN115619786B CN202211629185.3A CN202211629185A CN115619786B CN 115619786 B CN115619786 B CN 115619786B CN 202211629185 A CN202211629185 A CN 202211629185A CN 115619786 B CN115619786 B CN 115619786B
- Authority
- CN
- China
- Prior art keywords
- magnetic field
- magnetic
- target
- round
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000005291 magnetic effect Effects 0.000 title claims abstract description 644
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 80
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012216 screening Methods 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 71
- 239000013598 vector Substances 0.000 description 23
- 238000005259 measurement Methods 0.000 description 18
- 238000004590 computer program Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 239000000126 substance Substances 0.000 description 11
- 230000015654 memory Effects 0.000 description 9
- 239000000523 sample Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 239000006249 magnetic particle Substances 0.000 description 5
- 230000002238 attenuated effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Measuring Magnetic Variables (AREA)
Abstract
本发明提供了一种磁场图像处理方法、装置，可以应用于图像处理技术领域。该方法包括：按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，磁场预测图像集中包括不同延拓距离分别对应的多个磁场预测图像，磁场预测图像表征目标位置处磁场的预测图像；提取多个磁场预测图像的第一磁场特征；并基于相对熵选择策略，根据第一磁场特征，从磁场预测图像集中筛选得到目标磁场预测图像；提取目标磁场预测图像的第二磁场特征；并基于磁偶极子反演策略，对第二磁场特征进行处理，得到目标磁场特征；根据目标磁场特征，生成目标磁场图像。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种磁场图像处理方法、装置。
背景技术
磁场图像是基于磁场成像技术通过获取样品附近平面上的磁场单一分量图来表明样品内部的磁性物质分布的图像， 其广泛应用于古地磁分析领域。基于磁场图像，利用磁颗粒反演技术可以定量反演三维区域内部磁源颗粒的具体分布情况。
在实际测量过程中，磁场通常复杂得多，产生磁场的场源可能为分布于多个深度的不同磁颗粒，磁场图像中存在复杂的短波长干扰信号，影响了磁颗粒的反演精度。
发明内容
鉴于上述问题，本发明提供了一种磁场图像处理方法、装置。
根据本发明的一个方面，提供了一种磁场图像处理方法，包括：
按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，磁场预测图像集中包括不同延拓距离分别对应的多个磁场预测图像，磁场预测图像表征目标位置处磁场的预测图像，其中，目标位置表征与磁场图像的采集位置的距离为预定延拓距离的位置；
提取多个磁场预测图像的第一磁场特征；并基于相对熵选择策略，根据第一磁场特征，从磁场预测图像集中筛选得到目标磁场预测图像；
提取目标磁场预测图像的第二磁场特征；并基于磁场反演策略，对第二磁场特征进行处理，得到目标磁场特征；
根据目标磁场特征，生成目标磁场图像。
根据本发明的实施例，按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，包括：
根据预定延拓距离序列，确定延拓距离变化参数，延拓距离变化参数表征在预定延拓距离序列中，相邻两个预定延拓距离的差；
根据延拓距离变化参数，构建目标卷积函数；
基于目标卷积函数，对磁场图像进行处理，得到磁场预测图像集。
根据本发明的实施例，磁场预测图像集中包括M个磁场预测图像，其中，M为大于1的整数；提取多个磁场预测图像的第一磁场特征；并基于相对熵选择策略，根据第一磁场特征，从磁场预测图像集中筛选得到目标磁场预测图像，包括：
分别提取第m个磁场预测图像、第m+1个磁场预测图像、第m+2个磁场预测图像的子磁场特征，得到第一子磁场特征、第二子磁场特征和第三子磁场特征，m为整数且1≤m≤M；
根据第一子磁场特征、第二子磁场特征和第三子磁场特征，得到磁场损失信息的相对熵；以及
在确定相对熵不满足预设阈值的情况下，返回执行子磁场特征的提取操作，并递增m；在确定相对熵满足预设阈值的情况下，将第m+2个磁场预测图像确定为目标磁场预测图像。
根据本发明的实施例，根据第一子磁场特征、第二子磁场特征和第三子磁场特征，得到磁场损失相对熵，包括：
根据第一子磁场特征和第二子磁场特征，得到第一磁场损失信息；
根据第二子磁场特征和第三子磁场特征，得到第二磁场损失信息；
根据第一磁场损失信息和第二磁场损失信息，得到磁场损失信息的相对熵。
根据本发明的实施例，根据第一子磁场特征和第二子磁场特征，得到第一磁场损失信息，包括：
将第一子磁场特征和第二子磁场特征输入磁场信息损失函数，得到第一磁场损失信息。
根据本发明的实施例，磁场反演策略包括I轮反演过程，其中，I为大于1的整数，基于磁场反演策略，对第二磁场特征进行处理，得到目标磁场特征，包括：
针对第i+1轮反演过程，根据磁偶极子磁场的第i轮的方向信息，基于第一目标函数对第二磁场特征进行处理，得到磁偶极子磁场的第i+1轮的磁矩信息和第i+1轮的背景磁场信息，其中，第一目标函数是根据第二磁场特征参数、磁偶极子磁场的磁矩特征参数、磁偶极子磁场的方向特征参数和背景磁场特征参数构建得到的，i为整数且1≤i≤I；
将第i+1轮的磁矩信息和第i+1轮的背景磁场信息输入第一目标函数，得到第二目标函数；
基于第二目标函数，得到磁偶极子磁场的第i+1轮的方向信息；
在确定第i+1轮的方向信息不满足预设条件的情况下，返回执行基于第一目标函数的处理操作，并递增i；在确定第i+1轮的方向信息满足预设条件的情况下，得到目标磁场特征。
根据本发明的实施例，根据磁偶极子磁场的第i轮的方向信息，基于第一目标函数对第二磁场特征进行处理，得到磁偶极子磁场的第i+1轮的磁矩信息和第i+1轮的背景磁场信息，包括：
将第i轮的方向信息输入第一目标函数，得到第三目标函数；
利用极值算法，基于第三目标函数的极值，得到磁偶极子磁场的第i+1轮的磁矩信息和第i+1轮的背景磁场信息。
根据本发明的实施例，基于第二目标函数，得到磁偶极子磁场的第i+1轮的方向信息，包括：
利用差分算法，基于第二目标函数，得到第四目标函数；
利用优化器算法，基于第四目标函数，得到磁偶极子磁场的第i+1轮的方向信息。
根据本发明的实施例，根据目标磁场特征，生成目标磁场图像，包括：
将目标磁场特征输入磁场重建模型，输出目标磁场图像。
本发明的另一个方面提供了一种磁场图像处理装置，包括：处理模块、筛选模块、反演模块和生成模块。处理模块，用于按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，磁场预测图像集中包括不同延拓距离的多个磁场预测图像，磁场预测图像表征目标位置处磁场的预测图像，其中，目标位置表征与磁场图像的采集位置的距离为预定延拓距离的位置。筛选模块，用于提取多个磁场预测图像的第一磁场特征；并基于相对熵策略，对第一磁场特征进行处理，从磁场预测图像集中筛选得到目标磁场预测图像。反演模块，用于提取目标磁场预测图像的第二磁场特征；并基于磁场反演策略，对第二磁场特征进行处理，得到目标磁场特征。生成模块，用于根据目标磁场特征进行处理，生成目标磁场图像。
根据本发明提供的磁场图像处理方法、装置，通过按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，并基于相对熵选择策略，根据多个磁场预测图像的第一磁场特征，筛选得到目标磁场预测图像。由于随着延拓距离的增大，浅源短波长信号对目标磁场的干扰逐渐衰减，基于相对熵选择策略，得到的目标磁场预测图像中深源长波长信号被最大限度保留。再基于磁场反演策略对目标磁场预测图像的第二磁场特征进行处理，生成目标磁场图像，有效提高了反演精度。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
图1示出了根据本发明实施例的磁场图像处理方法、装置、设备、介质和程序产品的应用场景图；
图2示出了根据本发明实施例的磁场图像处理方法的流程图；
图3示出了根据本发明实施例的从磁场预测图像集中筛选得到目标磁场预测图像的方法流程图；
图4示出了根据本发明实施例的得到目标磁场特征的方法流程图；
图5示意性示出了根据本发明实施例的磁场图像处理装置的结构框图；
图6示意性示出了根据本发明实施例的适于实现磁场图像处理方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本发明的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本发明实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等）。
磁颗粒反演技术是基于磁成像得到的磁场数据及其空间变化等信息，定量反演三维区域内部磁源颗粒的净磁矩和具体分布，其关键点在于获得精确的净磁矩，即样品体积中所有铁磁磁化量的矢量和。
当样品的空间尺度相对于测量距离较小时，可以将样品近似为点源。但一般测量间距受限于仪器的灵敏度，探头与样品间距离较近。因此，测量得到的磁场图通常是明显非偶极的，从而使计算净磁矩所需的假设失效。将偶极模型拟合到这种复杂的磁场图，所得结果无法反映样品的真实净磁矩。利用向上延拓技术可以计算生成测量间距较远处的预期磁场图，使其符合磁偶极子模型。
向上延拓是将某一平面上测量得到的磁场转换为离磁源更远的另一平面处的预期磁场测量图，一般用于比较或合并在不同距离测量得到的场强，它可以将这些在不同平面单独测量的场强转换至同一平面。这种转换会使磁场信号发生一定的衰减，且更倾向于削减靠近测量面的小尺度短波长信号，对于较深的大尺度长波长的信号衰减幅度较小，因此向上延拓也被广泛应用于深源长波长信号和浅源短波长信号的分离。例如测量火山地形的磁场信号会受到近地表火山岩产生的短波长信号影响，此时可以使用向上延拓，通过滤除浅源信号，凸显深源信号。
向上延拓的关键点在于其延拓距离的选择，这直接关系到后续反演的准确性。如果延拓距离选取得过小，会导致上延后的深源磁场中残留过多的浅源信息，这样与叠加场相减而得到的浅源磁场会丢失部分信息。一般可以取不超过测量区域边长四分之一的距离，或者通过观察比较延拓至各个不同距离的结果来进行选择，但这样的解决方案缺少客观的判定标准。
重力场和磁场同为势场，在进行向上延拓的过程中，它们具有类似的性质。由于实际测量过程中，产生重力场的场源可能为分布于多个深度的多个不同密度的地质体，这会导致最佳向上延拓距离较难确定。同时，在实际测量过程中，背景磁场的存在，也会影响磁颗粒反演的精度。
有鉴于此，本发明的实施例提供了一种磁场图像处理方法，包括：通过按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，并基于相对熵选择策略，根据多个磁场预测图像的第一磁场特征，筛选得到目标磁场预测图像。由于随着延拓距离的增大，浅源短波长信号对目标磁场的干扰逐渐衰减，基于相对熵选择策略，得到的目标磁场预测图像中深源长波长信号被最大限度保留。再基于磁场反演策略对目标磁场预测图像的第二磁场特征进行处理，生成目标磁场图像，有效提高了反演精度。
图1示意性示出了根据本发明实施例的磁场图像处理方法的应用场景图。
如图1所示，根据该实施例的应用场景100可以包括图像采集终端设备101、图像处理终端设备102、网络103和服务器104。网络103用以在图像采集终端设备101、图像处理终端设备102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用图像采集终端设备101采集磁场图像，图像采集终端设备101通过网络103与服务器104和图像处理终端设备102交互，以向服务器104发送待处理的磁场图像。图像处理终端设备102可以通过网络103与服务器104交互，以向服务器104发送待处理的磁场图像。
服务器104可以是提供各种服务的服务器，例如服务器104可以向图像处理终端设备102转发由图像采集终端设备101接收到的磁场图像。服务器104还可以对接收到的图像处理请求等数据进行分析等处理，并将处理结果反馈给图像处理终端设备102。
需要说明的是，本发明实施例所提供的磁场图像处理方法一般可以由服务器104执行。相应地，本发明实施例所提供的磁场图像处理装置一般可以设置于服务器104中。本发明实施例所提供的磁场图像处理方法也可以由不同于服务器104且能够与图像处理终端设备102和/或服务器104通信的服务器或服务器集群执行。相应地，本发明实施例所提供的磁场图像处理装置也可以设置于不同于服务器104且能够与图像处理终端设备102和/或服务器104通信的服务器或服务器集群中。
本发明实施例所提供的磁场图像处理方法也可以由图像处理终端设备102执行。相应地，本发明实施例所提供的磁场图像处理装置也可以设置于图像处理终端设备102中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景，通过图2~图4对发明实施例的磁场图像处理方法进行详细描述。
图2示意性示出了根据本发明实施例的磁场图像处理方法的流程图。
如图2所示，该实施例的磁场图像处理方法包括操作S210~操作S240。
在操作S210，按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，磁场预测图像集中包括不同延拓距离分别对应的多个磁场预测图像，磁场预测图像表征目标位置处磁场的预测图像，其中，目标位置表征与磁场图像的采集位置的距离为预定延拓距离的位置。
在操作S220，提取多个磁场预测图像的第一磁场特征；并基于相对熵选择策略，根据第一磁场特征，从磁场预测图像集中筛选得到目标磁场预测图像。
在操作S230，提取目标磁场预测图像的第二磁场特征；并基于磁场反演策略，对第二磁场特征进行处理，得到目标磁场特征。
在操作S240，根据目标磁场特征，生成目标磁场图像。
根据本发明的实施例，深源磁物质可以为目标磁偶极子，浅源磁物质可以为重力场中不同深度的多个不同密度的地质体。利用测量传感器测量得到的磁场图像，提取磁场图像的第一磁场特征，第一磁场特征表征的是在深源磁物质产生的磁场、浅源磁物质磁场的磁场和测量环境中的背景磁场叠加的情况下的磁场情况。
根据本发明的实施例，预定延拓距离序列可以为（h1，h2，…hn）当前磁场图的采集位置距离磁源的距离可以为h0。目标位置表征与磁场图的采集位置的距离为预定延拓距离的位置，则目标位置距离磁源的距离可以为（h0＋h1，h0＋h2，…h0＋hn）。通过对磁场图像进行处理，可以得到与每一个目标位置相对应的磁场的预测图像。
根据本发明的实施例，由于在深源磁物质和浅源磁物质分布叠加的情况下，随着向上延拓距离的增加，浅源磁物质产生的短波长信息会快速衰减。当达到一定的延拓距离时，向上延拓的信息损失只由深源磁物质决定，在延拓距离相同的情况下信息损失趋向于恒定。因此，当信息损失趋向于恒定时，该延拓距离对应的磁场预测图像即为去除浅源磁物质干扰后的磁场图像。
根据本发明的实施例，基于相对熵选择策略，根据多个磁场预测图像的磁场特征，当随着延拓距离的增加，磁场特征特征值趋于恒定时，该磁场特征特征值对应的磁场预测图像，即为目标磁场预测图像。提取目标磁场预测图像的第二磁场特征，第二磁场特征表征的是在深源磁物质（目标磁偶极子）产生的磁场和测量环境中的背景磁场叠加的情况下的磁场情况。
根据本发明的实施例，目标磁偶极子产生的磁场特征可以如公式（1）所示：
（1）
其中，表示磁偶极子产生的磁场特征，表示测量过程中真空环境下的磁导率；表示磁矩，表示测量传感器的方位矢量；表示磁偶极子的方位矢量。
根据本发明的实施例，在实际测量过程中，测量环境中的背景磁场一般是恒定的，可以通过引入恒定且未知的背景磁场参数，构建目标磁偶极子模型磁场，如公式（2）所示：
（2）
其中，表示目标磁偶极子的模型磁场，表示目标磁偶极子的真实磁场，表示测量环境下的背景磁场。
根据本发明的实施例，基于磁场反演策略，可以利用目标磁场预测图对应的磁场与目标磁偶极子的模型磁场，构建损失函数。当损失函数值趋于最小化时，得到损失函数值最小值对应的目标磁偶极子的方位矢量和磁矩，即目标磁场特征。损失函数如公式（3）所示：
（3）
其中，表示损失函数，表示目标磁场预测图对应的磁场，R3表示三维实数向量。
根据本发明的实施例，根据目标磁偶极子的方位矢量、磁矩和背景磁场，可以利用磁场重建模型，生成目标磁场图像。
根据本发明的实施例，通过按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，并基于相对熵选择策略，根据多个磁场预测图像的第一磁场特征，筛选得到目标磁场预测图像。由于随着延拓距离的增大，浅源短波长信号对目标磁场的干扰逐渐衰减，基于相对熵选择策略，得到的目标磁场预测图像中深源长波长信号被最大限度保留。再基于磁场反演策略对目标磁场预测图像的第二磁场特征进行处理，生成目标磁场图像，有效提高了反演精度。
根据本发明的实施例，按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，可以包括如下操作：
根据预定延拓距离序列，确定延拓距离变化参数，延拓距离变化参数表征在预定延拓距离序列中，相邻两个预定延拓距离的差；
根据延拓距离变化参数，构建目标卷积函数；
基于目标卷积函数，对磁场图像进行处理，得到磁场预测图像集。
根据本发明的实施例，预定延拓距离序列可以按照延拓步长进行延拓，例如：初始延拓距离可以为h0，延拓步长可以为，延拓步长即为延拓距离变化参数。
根据本发明的实施例，利用延拓距离变化参数，构建目标卷积函数如公式（4）所示：
（4）
其中，表示与延拓距离相对应的磁场预测图像的磁场特征；表示与初始延拓距离（即采集位置）相对应的磁场预测图像的磁场特征；表示延拓距离变化参数。
图3示出了根据本发明实施例的从磁场预测图像集中筛选得到目标磁场预测图像的方法流程图。
如图3所示，该实施例包括操作S310~S350。
在操作S310，分别提取第m个磁场预测图像、第m+1个磁场预测图像、第m+2个磁场预测图像的子磁场特征，得到第一子磁场特征、第二子磁场特征和第三子磁场特征，m为整数且1≤m≤M。
在操作S320，根据第一子磁场特征、第二子磁场特征和第三子磁场特征，得到磁场损失信息的相对熵。
在操作S330，确定相对熵是否满足预设阈值，若是，则执行操作S350，若不是，则执行操作S340。
在操作S340，返回执行子磁场特征的提取操作，并递增m.
在操作S350，将第m+2个磁场预测图像确定为目标磁场预测图像。
根据本发明的实施例，根据第一子磁场特征、第二子磁场特征和第三子磁场特征，得到磁场损失信息的相对熵，包括如下操作：
根据第一子磁场特征和第二子磁场特征，得到第一磁场损失信息。根据第二子磁场特征和第三子磁场特征，得到第二磁场损失信息。根据第一磁场损失信息和第二磁场损失信息，得到磁场损失信息的相对熵。
根据本发明的实施例，根据第一子磁场特征和第二子磁场特征，得到第一磁场损失信息，可以包括如下操作：将第一子磁场特征和第二子磁场特征输入磁场信息损失函数，得到第一磁场损失信息。
根据本发明的实施例，磁场信息损失函数可以如公式（5）所示：
（5）
其中， 表示相邻延拓距离的两个磁场预测图像的磁场损失信息，可以如公式（6）所示：
(6)
其中，表示第m+1个磁场预测图像的归一化后的磁场信息，表示第m个磁场预测图像的归一化后的磁场信息。
根据本发明的实施例，可以根据第一磁场损失信息和第二磁场损失信息，按照公式（7）得到磁场损失信息的相对熵：
(7)
其中，表示磁场损失信息的相对熵，表示第m+2个磁场预测图像与第m+1个磁场预测图像之间的第二损失信息；表示第m+1个磁场预测图像与第m个磁场预测图像之间的第一损失信息。
根据本发明的实施例，可以通过给定的预设阈值确定磁场损失信息的相对熵是否恒定。当磁场损失信息的相对熵趋于恒定时，磁场损失信息的相对熵小于预设阈值，可以确定第m+2个磁场预测图像确定为目标磁场预测图像。
根据本发明的实施例，在浅源磁偶极子数量较多，且呈多层分布的情况下，相关技术中提供的判定参数与距离的关系曲线会较为复杂，转折点模糊，难以判定最佳延拓距离，而基于相对熵的方法可较为准确的确定出最佳延拓距离。对于背景噪声影响较大、多个磁偶极子分布的复杂磁偶极子数据，提高了磁场反演的精度。
图4示出了根据本发明实施例的得到目标磁场特征的方法流程图。
如图4所示，该实施例包括操作S410~S460。
在操作S410，针对第i+1轮反演过程，根据磁偶极子磁场的第i轮的方向信息，基于第一目标函数对第二磁场特征进行处理，得到磁偶极子磁场的第i+1轮的磁矩信息和第i+1轮的背景磁场信息，其中，第一目标函数是根据第二磁场特征参数、磁偶极子磁场的磁矩特征参数、磁偶极子磁场的方向特征参数和背景磁场特征参数构建得到的，i为整数且1≤i≤I。
在操作S420，将第i+1轮的磁矩信息和第i+1轮的背景磁场信息输入第一目标函数，得到第二目标函数。
在操作S430，基于第二目标函数，得到磁偶极子磁场的第i+1轮的方向信息。
在操作S440，确定第i+1轮的方向信息是否满足预设条件，若不是，则执行操作S450，若是，则执行操作S460。
在操作S450，返回执行基于第一目标函数的处理操作，并递增i。
在操作S460，得到目标磁场特征。
根据本发明的实施例，在测量过程中，测量传感器的方位矢量、测量环境中的真空磁导率均为已知量，结合公式（1）和公式（3），可以看出磁偶极子的方位矢量相对于目标磁偶极子的模型磁场呈非线性关系；磁矩和背景磁场相对于呈线性关系。
根据本发明的实施例，根据磁偶极子磁场的第i轮的方向信息，基于第一目标函数对第二磁场特征进行处理，得到磁偶极子磁场的第i+1轮的磁矩信息和第i+1轮的背景磁场信息，可以包括如下操作：
将第i轮的方向信息输入第一目标函数，得到第三目标函数。利用极值算法，基于第三目标函数的极值，得到磁偶极子磁场的第i+1轮的磁矩信息和第i+1轮的背景磁场信息。
根据本发明的实施例，基于第二目标函数，得到磁偶极子磁场的第i+1轮的方向信息，可以包括如下操作：
利用差分算法，基于第二目标函数，得到第四目标函数；
利用优化器算法，基于第四目标函数，得到磁偶极子磁场的第i+1轮的方向信息。
例如：目标磁场预测图像为边长为a的正方形，坐标系原点位于其中心处，可以以该原点的磁场特征作为磁偶极子方位矢量的初始值，即（0，0，-a/8），结合公式（1）和公式（3）可以得到如公式（8）所示的线性映射：
（8）
根据本发明的实施例，将磁偶极子方位矢量的初始值输入公式（3）可以得到一个关于磁矩和背景磁场的二次函数。
根据本发明的实施例，可以极值算法，例如最小二乘法，对第二目标函数求极值，即得到磁偶极子方位矢量的初始值对应的磁矩矢量和背景磁场。
根据本发明的实施例，将得到的磁矩矢量和背景磁场代入公式，并利用差分算法，近似求解损失函数的导数得到第四目标函数。第四目标函数包括损失函数在不同矢量方向上的导数。再利用优化器算法，基于第四目标函数，得到磁偶极子磁场的第i+1轮的方向信息。第i+1轮的方向信息为当前磁偶极子的方向矢量。
根据本发明的实施例，预设条件可以为损失函数收敛，当损失函数收敛时，迭代结束，得到磁矩、背景磁场和目标磁偶极子的方向矢量、。
需要说明的是，由于差分算法和优化器算法均为相关技术中较为成熟的算法，在此不做赘述。
根据本发明的实施例，根据目标磁场特征，生成目标磁场图像，可以包括如下操作：将目标磁场特征输入磁场重建模型，输出目标磁场图像。
根据本发明的实施例，磁场重建模型可以如公式（9）所示：
（9）
其中，表示目标磁场图像的磁场特征，表示测量过程中真空环境下的磁导率；表示磁矩，表示测量传感器的方位矢量；表示磁偶极子的方位矢量，表示单位矢量。
需要说明的是，磁场图像中的任一点对应的磁场特征均可以沿着单位矢量分解为三维矢量方向上的磁场特征。可以根据实际测量需要进行设置。
根据本发明的实施例，以上实施例均是以单颗磁偶极子作为示例进行的说明，对于多颗磁偶极子分布的测量区域，也同样适用，上述公式中的磁偶极子的方位矢量、磁矩转换为磁偶极子的方位矢量的多维矩阵、磁矩的多维矩阵即可，在此不做赘述。
根据本发明的实施例，利用最佳延拓距离的目标磁场预测图像，将测量环境中的背景磁场引入模型磁场，基于非线性最小二乘问题的可分性，将损失函数分为线性和非线性部分，使用非线性优化算法在三维空间中求解磁偶极子位置，对于优化算法的每次迭代，求解线性最小二乘问题得到磁矩和背景磁场。由于将线性和非线性部分分开求解，使得迭代求解的未知数维度降低，降低了误差，提升了反演精度，以适应多个磁偶极子分布的复杂测量区域。
基于上述磁场图像处理方法，本发明还提供了一种磁场图像处理装置。以下将结合图5对该装置进行详细描述。
图5示意性示出了根据本发明实施例的磁场图像处理装置的结构框图。
如图5所示，该实施例的磁场图像处理装置500包括处理模块510、筛选模块520、反演模块530和生成模块540。
处理模块510用于按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，磁场预测图像集中包括不同延拓距离的多个磁场预测图像，磁场预测图像表征目标位置处磁场的预测图像，其中，目标位置表征与磁场图像的采集位置的距离为预定延拓距离的位置。在一实施例中，处理模块510可以用于执行前文描述的操作S210，在此不再赘述。
筛选模块520用于提取多个磁场预测图像的第一磁场特征；并基于相对熵策略，对第一磁场特征进行处理，从磁场预测图像集中筛选得到目标磁场预测图像。在一实施例中，筛选模块520可以用于执行前文描述的操作S220，在此不再赘述。
反演模块530用于提取目标磁场预测图像的第二磁场特征；并基于磁场反演策略，对第二磁场特征进行处理，得到目标磁场特征。在一实施例中，反演模块530可以用于执行前文描述的操作S230，在此不再赘述。
生成模块540用于根据目标磁场特征进行处理，生成目标磁场图像。在一实施例中，生成模块540可以用于执行前文描述的操作S240，在此不再赘述。
根据本发明的实施例，处理模块包括第一确定单元、构建单元和处理单元。其中，确定单元，用于根据预定延拓距离序列，确定延拓距离变化参数，延拓距离变化参数表征在预定延拓距离序列中，相邻两个预定延拓距离的差。构建单元，用于根据延拓距离变化参数，构建目标卷积函数。处理单元，用于基于目标卷积函数，对磁场图像进行处理，得到磁场预测图像集。
根据本发明的实施例，筛选模块包括提取单元、第一获得单元和第二确定单元。其中，提取单元，用于分别提取第m个磁场预测图像、第m+1个磁场预测图像、第m+2个磁场预测图像的子磁场特征，得到第一子磁场特征、第二子磁场特征和第三子磁场特征，m为整数且1≤m≤M。获得单元，用于根据第一子磁场特征、第二子磁场特征和第三子磁场特征，得到磁场损失信息的相对熵。第二确定单元，用于在确定相对熵不满足预设阈值的情况下，返回执行子磁场特征的提取操作，并递增m；在确定相对熵满足预设阈值的情况下，将第m+2个磁场预测图像确定为目标磁场预测图像。
根据本发明的实施例，第一获得单元包括第一获得子单元、第二获得子单元和第三获得子单元。其中，第一获得子单元，用于根据第一子磁场特征和第二子磁场特征，得到第一磁场损失信息。第二获得子单元，用于根据第二子磁场特征和第三子磁场特征，得到第二磁场损失信息。第三获得子单元，用于根据第一磁场损失信息和第二磁场损失信息，得到磁场损失信息的相对熵。
根据本发明的实施例，第一获得子单元用于将第一子磁场特征和第二子磁场特征输入磁场信息损失函数，得到第一磁场损失信息。
根据本发明的实施例，反演模块包括第二获得单元、第三获得单元、第四获得单元和第三确定单元。其中，第二获得单元，用于针对第i+1轮反演过程，根据磁偶极子磁场的第i轮的方向信息，基于第一目标函数对第二磁场特征进行处理，得到磁偶极子磁场的第i+1轮的磁矩信息和第i+1轮的背景磁场信息，其中，第一目标函数是根据第二磁场特征参数、磁偶极子磁场的磁矩特征参数、磁偶极子磁场的方向特征参数和背景磁场特征参数构建得到的，i为整数且1≤i≤I。第三获得单元，用于将第i+1轮的磁矩信息和第i+1轮的背景磁场信息输入第一目标函数，得到第二目标函数。第四获得单元，用于基于第二目标函数，得到磁偶极子磁场的第i+1轮的方向信息。第三确定单元，用于在确定第i+1轮的方向信息不满足预设条件的情况下，返回执行基于第一目标函数的处理操作，并递增i；在确定第i+1轮的方向信息满足预设条件的情况下，得到目标磁场特征。
根据本发明的实施例，第二获得单元包括第四获得子单元和第五获得子单元。其中，第四获得子单元，用于将第i轮的方向信息输入第一目标函数，得到第三目标函数。第五获得子单元，用于利用极值算法，基于第三目标函数的极值，得到磁偶极子磁场的第i+1轮的磁矩信息和第i+1轮的背景磁场信息。
根据本发明的实施例，第四获得单元包括第六获得子单元和第七获得子单元。其中，第六获得子单元，用于利用差分算法，基于第二目标函数，得到第四目标函数。第七获得子单元，用于利用优化器算法，基于第四目标函数，得到磁偶极子磁场的第i+1轮的方向信息。
根据本发明的实施例，生成模块用于将目标磁场特征输入磁场重建模型，输出目标磁场图像。
根据本发明的实施例，处理模块510、筛选模块520、反演模块530和生成模块540中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，处理模块510、筛选模块520、反演模块530和生成模块540中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上系统、基板上的系统、封装上的系统、专用集成电路（ASIC），或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，处理模块510、筛选模块520、反演模块530和生成模块540中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图6示意性示出了根据本发明实施例的适于实现磁场图像处理方法的电子设备的方框图。
如图6所示，根据本发明实施例的电子设备600包括处理器601，其可以根据存储在只读存储器（ROM）602中的程序或者从存储部分608加载到随机访问存储器（RAM）603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器（例如CPU）、指令集处理器和/或相关芯片组和/或专用微处理器（例如，专用集成电路（ASIC））等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中，存储有电子设备600操作所需的各种程序和数据。处理器 601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例，电子设备600还可以包括输入/输出（I/O）接口605，输入/输出（I/O）接口605也连接至总线604。电子设备600还可以包括连接至I/O接口605的以下部件中的一项或多项：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本发明实施例的方法。
根据本发明的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本发明的实施例，计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
本发明的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本发明实施例所提供的物品推荐方法。
在该计算机程序被处理器601执行时执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分609被下载和安装，和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时，执行本发明实施例的系统中限定的上述功能。根据本发明的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本发明的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本发明中。特别地，在不脱离本发明精神和教导的情况下，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本发明的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本发明的范围由所附权利要求及其等同物限定。不脱离本发明的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本发明的范围之内。
Claims (10)
1.一种磁场图像处理方法，包括：
按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，所述磁场预测图像集中包括不同延拓距离分别对应的多个磁场预测图像，所述磁场预测图像表征目标位置处磁场的预测图像，其中，所述目标位置表征与所述磁场图像的采集位置的距离为预定延拓距离的位置；
提取所述多个磁场预测图像的第一磁场特征；并基于不同延拓距离的磁场损失信息的相对熵选择策略，根据所述第一磁场特征，从所述磁场预测图像集中筛选得到目标磁场预测图像；
提取所述目标磁场预测图像的第二磁场特征；并基于磁偶极子反演策略，对所述第二磁场特征进行处理，得到目标磁场特征；
根据所述目标磁场特征，生成目标磁场图像。
2.根据权利要求1所述的方法，其中，所述按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，包括：
根据所述预定延拓距离序列，确定延拓距离变化参数，所述延拓距离变化参数表征在所述预定延拓距离序列中，相邻两个预定延拓距离的差；
根据所述延拓距离变化参数，构建目标卷积函数；
基于所述目标卷积函数，对所述磁场图像进行处理，得到所述磁场预测图像集。
3.根据权利要求1所述的方法，其中，所述磁场预测图像集中包括M个磁场预测图像，其中，M为大于1的整数；所述提取所述多个磁场预测图像的第一磁场特征；并基于相对熵选择策略，根据所述第一磁场特征，从所述磁场预测图像集中筛选得到目标磁场预测图像，包括：
分别提取第m个磁场预测图像、第m+1个磁场预测图像、第m+2个磁场预测图像的子磁场特征，得到第一子磁场特征、第二子磁场特征和第三子磁场特征，m为整数且1≤m≤M；
根据所述第一子磁场特征、所述第二子磁场特征和所述第三子磁场特征，得到磁场损失信息的相对熵；以及
在确定所述相对熵不满足预设阈值的情况下，返回执行子磁场特征的提取操作，并递增m；在确定所述相对熵满足预设阈值的情况下，将第m+2个磁场预测图像确定为所述目标磁场预测图像。
4.根据权利要求3所述的方法，其中，所述根据所述第一子磁场特征、所述第二子磁场特征和所述第三子磁场特征，得到磁场损失信息的相对熵，包括：
根据所述第一子磁场特征和所述第二子磁场特征，得到第一磁场损失信息；
根据所述第二子磁场特征和所述第三子磁场特征，得到第二磁场损失信息；
根据所述第一磁场损失信息和所述第二磁场损失信息，得到所述磁场损失信息的相对熵。
5.根据权利要求4所述的方法，其中，所述根据所述第一子磁场特征和所述第二子磁场特征，得到第一磁场损失信息，包括：
将所述第一子磁场特征和所述第二子磁场特征输入磁场信息损失函数，得到所述第一磁场损失信息。
6.根据权利要求1所述的方法，其中，所述磁偶极子反演策略包括I轮反演过程，其中，I为大于1的整数，所述基于磁偶极子反演策略，对所述第二磁场特征进行处理，得到目标磁场特征，包括：
针对第i+1轮反演过程，根据磁偶极子磁场的第i轮的方向信息，基于第一目标函数对所述第二磁场特征进行处理，得到磁偶极子磁场的第i+1轮的磁矩信息和第i+1轮的背景磁场信息，其中，所述第一目标函数是根据第二磁场特征参数、磁偶极子磁场的磁矩特征参数、磁偶极子磁场的方向特征参数和背景磁场特征参数构建得到的，i为整数且1≤i≤I；
将所述第i+1轮的磁矩信息和所述第i+1轮的背景磁场信息输入所述第一目标函数，得到第二目标函数；
基于所述第二目标函数，得到磁偶极子磁场的第i+1轮的方向信息；
在确定所述第i+1轮的方向信息不满足预设条件的情况下，返回执行基于第一目标函数的处理操作，并递增i；在确定所述第i+1轮的方向信息满足预设条件的情况下，得到目标磁场特征。
7.根据权利要求6所述的方法，其中，所述根据磁偶极子磁场的第i轮的方向信息，基于第一目标函数对所述第二磁场特征进行处理，得到磁偶极子磁场的第i+1轮的磁矩信息和第i+1轮的背景磁场信息，包括：
将所述第i轮的方向信息输入所述第一目标函数，得到第三目标函数；
利用极值算法，基于所述第三目标函数的极值，得到磁偶极子磁场的第i+1轮的磁矩信息和第i+1轮的背景磁场信息。
8.根据权利要求6所述的方法，其中，所述基于所述第二目标函数，得到磁偶极子磁场的第i+1轮的方向信息，包括：
利用差分算法，基于所述第二目标函数，得到第四目标函数；
利用优化器算法，基于所述第四目标函数，得到磁偶极子磁场的第i+1轮的方向信息。
9.根据权利要求1所述的方法，其中，所述根据所述目标磁场特征，生成目标磁场图像，包括：
将所述目标磁场特征输入磁场重建模型，输出所述目标磁场图像。
10.一种磁场图像处理装置，包括：
处理模块，用于按照预定延拓距离序列，对磁场图像进行处理，得到磁场预测图像集，所述磁场预测图像集中包括不同延拓距离的多个磁场预测图像，所述磁场预测图像表征目标位置处磁场的预测图像，其中，所述目标位置表征与所述磁场图像的采集位置的距离为预定延拓距离的位置；
筛选模块，用于提取所述多个磁场预测图像的第一磁场特征；并基于不同延拓距离的磁场损失信息的相对熵策略，对所述第一磁场特征进行处理，从所述磁场预测图像集中筛选得到目标磁场预测图像；
反演模块，用于提取所述目标磁场预测图像的第二磁场特征；并基于磁偶极子反演策略，对所述第二磁场特征进行处理，得到目标磁场特征；
生成模块，用于根据所述目标磁场特征进行处理，生成目标磁场图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211629185.3A CN115619786B (zh) | 2022-12-19 | 2022-12-19 | 磁场图像处理方法、装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211629185.3A CN115619786B (zh) | 2022-12-19 | 2022-12-19 | 磁场图像处理方法、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115619786A CN115619786A (zh) | 2023-01-17 |
| CN115619786B true CN115619786B (zh) | 2023-04-21 |
Family
ID=84880496
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211629185.3A Active CN115619786B (zh) | 2022-12-19 | 2022-12-19 | 磁场图像处理方法、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115619786B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2020103579A4 (en) * | 2020-11-20 | 2021-02-04 | Shenzhen Technology University | Magnetic induction imaging method and system thereof |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2283373B1 (en) * | 2008-04-28 | 2021-03-10 | Cornell University | Accurate quantification of magnetic susceptibility in molecular mri |
| CN108983296B (zh) * | 2018-06-19 | 2020-05-22 | 长安大学 | 一种瞬变电磁和激发极化效应解耦方法 |
| CN112329762A (zh) * | 2019-12-12 | 2021-02-05 | 北京沃东天骏信息技术有限公司 | 图像处理方法、模型训练方法、装置、计算机设备和介质 |
| US20220012853A1 (en) * | 2020-07-09 | 2022-01-13 | Technoimaging, Llc | Joint minimum entropy method for simultaneous processing and fusion of multi-physics data and images |
| CN115460534A (zh) * | 2021-05-21 | 2022-12-09 | 大唐移动通信设备有限公司 | 定位方法、装置及处理器可读存储介质 |
| CN113887137A (zh) * | 2021-10-08 | 2022-01-04 | 中国人民解放军海军工程大学 | 基于融合式神经网络的多磁性材料参数反演方法及系统 |
| CN114818281B (zh) * | 2022-04-07 | 2024-07-02 | 华中科技大学 | 一种基于卷积神经网络的剖面反演方法及系统 |
| CN114781254B (zh) * | 2022-04-14 | 2023-04-18 | 成都理工大学 | 一种电磁法勘探反演模型的构建方法、装置及存储介质 |
-
2022
- 2022-12-19 CN CN202211629185.3A patent/CN115619786B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2020103579A4 (en) * | 2020-11-20 | 2021-02-04 | Shenzhen Technology University | Magnetic induction imaging method and system thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115619786A (zh) | 2023-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Feeney et al. | First observational tests of eternal inflation: analysis methods and WMAP 7-year results | |
| US8566069B2 (en) | Method for geologically modeling seismic data by trace correlation | |
| KR20100029214A (ko) | 지하 구조 영상화를 위해 라플라스 도메인에서의 파형 역산을 이용한 속도 분석 방법 | |
| US9652684B2 (en) | Image processing for classification and segmentation of rock samples | |
| CN113096118A (zh) | 晶圆表面粗糙度测量的方法、系统、电子设备和存储介质 | |
| CN105044722A (zh) | 合成孔径雷达目标的全贝叶斯特征提取方法 | |
| CN107076865A (zh) | 用于为地震勘测选择候选线的偏移脚印分析 | |
| CN108931776A (zh) | 一种高精度的匹配场定位方法 | |
| CN118348326A (zh) | 一种面向三维复杂城市环境的电磁频谱地图测绘方法 | |
| Zhang et al. | Anomaly detection of complex magnetic measurements using structured Hankel low-rank modeling and singular value decomposition | |
| CN115619786B (zh) | 磁场图像处理方法、装置 | |
| WO2022093036A1 (en) | Method of estimating polymetallic nodule abundance | |
| Shen et al. | Parallel tempered trans-dimensional Bayesian inference for the inversion of ultra-deep directional logging-while-drilling resistivity measurements | |
| US9411031B2 (en) | Hypothesis-driven classification of materials using nuclear magnetic resonance relaxometry | |
| Coletti et al. | Bayesian backcalculation of pavement properties using parallel transitional Markov chain Monte Carlo | |
| US9557394B2 (en) | Classification of materials using nuclear magnetic resonance dispersion and/or x-ray absorption | |
| Lei et al. | Multi-feature fusion sonar image target detection evaluation based on particle swarm optimization algorithm | |
| Salama et al. | Optimized deep learning/kalman filter-based underwater localization in VLC systems | |
| CN118011405B (zh) | 海底地质成像方法、装置、设备及介质 | |
| WO2022044326A1 (ja) | 信号処理装置、信号処理方法および記録媒体 | |
| CN118330605B (zh) | 基于卷积神经网络和辅助器的激光雷达风速反演方法 | |
| CN115951402B (zh) | 基于向量反射率正演算子的偏移成像方法、系统及介质 | |
| CN115598639B (zh) | 隧道环境下毫米波雷达收集掌子面地质情况的设备与方法 | |
| US11397271B2 (en) | Systems and methods to correct seismic data for undesired effects caused by near surface velocity variations by correcting for long-wavelength statics | |
| Khaitov et al. | Active mode radiosounding on ionosonde” TOMION |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |