典型文献
基于WGAN的多孔材料三维重建
文献摘要：
为探索多孔材料在孔径尺度下的相关性质,充分了解材料内部孔隙结构,采用深度学习的方法近似多孔材料的真实概率分布,并利用随机数进行三维重建.首先,对已有的二值图像进行分割以获得大小合适、数量充足的数据集.然后,将WGAN(Wasserstein Generative Adversarial Networks)改造成能处理三维数据的生成对抗模型,并利用生成模型和服从高斯正态分布的随机噪声生成数据.最后,通过生成数据和真实数据对WGAN进行训练.通过生成图像计算两点相关函数、Minkowski泛函和渗透率,考察孔隙率、比表面积与函数曲线的拟合情况等相关参数,并采用不同数据集进行测试.结果表明,基于WGAN的三维重建模型在不同的输入条件下均具有较高准确性,同时该算法还具有低时间复杂度的特性,而且生成模型可以存储,并能得到重复利用.
文献关键词：
三维重建;多孔材料;Wasserstein距离;生成对抗网络
中图分类号：
作者姓名：
张傲克;钱宇航;齐红
作者机构：
吉林大学计算机科学与技术学院,长春130012
文献出处：
引用格式：
[1]张傲克;钱宇航;齐红-.基于WGAN的多孔材料三维重建)[J].吉林大学学报（信息科学版）,2022(05):884-892
A类：
B类：
WGAN,多孔材料,三维重建,孔隙结构,概率分布,二值图像,Wasserstein,Generative,Adversarial,Networks,能处,三维数据,生成模型,服从,高斯正态分布,随机噪声,真实数据,成图,两点,相关函数,Minkowski,渗透率,孔隙率,比表面积,输入条,时间复杂度,重复利用,生成对抗网络
AB值：
0.391014
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
