幅值和梯度约束的磁化向量反演方法、装置和存储介质制造方法及图纸

本申请提供一种幅值和梯度约束的磁化向量反演方法、装置和存储介质，属于数据处理的技术领域。所述方法包括获取三分量模型的观测数据，并确定所述三分量模型的预测数据；计算数据加权矩阵、灵敏度加权矩阵，以及基于三分量模型的幅值约束的稀疏Lp约束矩阵后，确定目标函数；对目标函数进行最小化求解，得到更新后的三分量模型；基于更新后的三分量模型进行迭代求解，直至迭代过程达到预设迭代状态时，输出训练完毕的三分量模型，并用训练完毕的三分量模型生成观测模型的反演结果。本申请旨在提高反演结果的准确性。提高反演结果的准确性。提高反演结果的准确性。

【技术实现步骤摘要】
幅值和梯度约束的磁化向量反演方法、装置和存储介质


[0001]本申请实施例涉及数据处理的
，具体而言，涉及一种幅值和梯度约束的磁化向量反演方法、装置和存储介质。

技术介绍

[0002]磁化向量反演(Magnetic vector inversion，MVI)可用于获取地球物理学中的地质、矿产勘探等具有剩磁的磁性目标的形状、位置和磁化强度的三维分布，在航天器磁分布研究、重要军事目标准确识别、地下铁磁管道探测、未爆弹药探测、无损检测等方面具有重要的实用价值，特别是对于未爆弹等危险物体的判别，高精度3D重建的形状可以辅助准确识别，降低损坏风险。
[0003]在反演过程中，反演模型的边缘精度对于判别反演模型的形状至关重要，但是目前笛卡尔坐标系下的3D MVI精度不够高，尤其是模型边缘的处理远远不能满足要求，特别是对于MVI中边缘的精度，目前的方法还是无能为力的，进而得到的反演结果的准确性仍然不足。

技术实现思路

[0004]本申请实施例提供一种幅值和梯度约束的磁化向量反演方法、装置和存储介质，旨在提高反演结果的准确性。
[0005]第一方面，本申请实施例提供一种基于幅值和梯度约束的磁化向量反演方法，所述方法包括：
[0006]获取三分量模型的观测数据，并确定所述三分量模型的预测数据，其中，所述三分量模型用于描述三个笛卡尔方向的磁化强度；
[0007]分别计算用于描述数据噪声水平的数据加权矩阵、用于抵消磁数据随深度衰减的灵敏度加权矩阵，以及基于所述三分量模型的幅值约束的稀疏Lp约束矩阵；
[0008]根据所述三分量模型的观测数据、所述数据加权矩阵、所述灵敏度加权矩阵以及基于所述三分量模型的幅值约束的稀疏Lp约束矩阵，确定目标函数，其中，所述目标函数应用于所述三分量模型的梯度求解过程中；
[0009]对所述目标函数进行最小化求解，得到更新后的所述三分量模型；
[0010]基于所述更新后的所述三分量模型进行迭代求解，直至迭代过程达到预设迭代状态时，输出训练完毕的三分量模型，并用所述训练完毕的三分量模型生成所述观测模型的反演结果。
[0011]可选地，所述方法还包括：
[0012]根据所述训练完毕的三分量模型，生成反演结果；
[0013]结合均方根误差和交并比对所述反演结果进行评价。
[0014]可选地，确定三分量模型的预测数据包括：
[0015]计算三个笛卡尔方向的前向算子；
[0016]根据所述三个笛卡尔方向的前向算子与所述三分量模型的乘积，得到所述观测模型的预测数据。
[0017]可选地，计算基于所述三分量模型的幅值约束的稀疏Lp约束矩阵，包括：
[0018]计算所述三分量模型的幅值；
[0019]结合所述三分量模型的幅值以及稀疏Lp范数约束函数，生成所述三分量模型的幅值约束的稀疏Lp约束矩阵。
[0020]可选地，所述三分量模型的幅值约束的稀疏Lp约束矩阵的公式为：
[0021][0022]其中，m
amp
为所述三分量模型的幅值；ε为第二阈值因子；p为稀疏性参数。
[0023]可选地，所述灵敏度加权矩阵的公式为：
[0024][0025]其中，
[0026][0027]其中，J
mn
为矩阵J中第m行第n列的元素；δ为第一阈值因子，其为一个比较小的数；F[m]为正演算子；m为所述三分量模型；v
j
为第j个立方体单元的体积。
[0028]可选地，根据所述数据加权矩阵、所述灵敏度加权矩阵以及基于所述三分量模型的幅值约束的稀疏Lp约束矩阵，确定目标函数的公式为：
[0029][0030]其中，φ指所述目标函数；W
d
为所述数据加权矩阵；W
P
为所述灵敏度加权矩阵；W
L_A
为基于所述三分量模型的幅值约束的稀疏Lp约束矩阵；F为三个笛卡尔方向的前向算子；m为所述三分量模型；d
obs
为所述三分量模型的观测数据；为各项正则化项系数，为积分体积，为离散差分算子；m
ref
为参考模型。
[0031]可选地，基于所述更新后的所述三分量模型进行迭代求解，直至迭代过程达到预设迭代状态时，输出训练完毕的三分量模型，包括：
[0032]基于所述更新后的所述三分量模型进行迭代求解，直到迭代次数为所述三分量模型的最大迭代次数时，输出训练完毕的三分量模型；
[0033]或，基于所述更新后的所述三分量模型进行迭代求解，直到所述三分量模型的变化最小时，输出训练完毕的三分量模型。
[0034]第二方面，本申请实施例提供一种基于幅值和梯度约束的磁化向量反演装置，所述装置包括：
[0035]获取模块，用于获取三分量模型的观测数据；
[0036]预测数据计算模块，用于确定三分量模型的预测数据，其中，所述三分量模型用于描述三个笛卡尔方向的磁化强度；
[0037]计算模块，用于分别计算用于描述数据噪声水平的数据加权矩阵、用于抵消磁数据随深度衰减的灵敏度加权矩阵，以及基于所述三分量模型的幅值约束的稀疏Lp约束矩阵；
[0038]目标函数确定模块，用于根据所述三分量模型的观测数据、所述数据加权矩阵、所述灵敏度加权矩阵以及基于所述三分量模型的幅值约束的稀疏Lp约束矩阵，确定目标函数，其中，所述目标函数应用于所述三分量模型的梯度求解过程中；
[0039]更新模块，用于对所述目标函数进行最小化求解，得到更新后的所述三分量模型；
[0040]迭代求解模块，用于基于所述更新后的所述三分量模型进行迭代求解，直至迭代过程达到预设迭代状态时，输出训练完毕的三分量模型，并用所述训练完毕的三分量模型生成所述观测模型的反演结果。
[0041]第三方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如实施例第一方面所述的基于幅值和梯度约束的磁化向量反演方法。
[0042]有益效果：
[0043]本方法在磁化向量反演的过程中，基于三分量模型将磁化向量分为三个方向同时进行反演，并且将三分量模型基于目标函数进行迭代求解，目标函数不仅包括了抵消磁数据随深度衰减的灵敏度加权约束，还包括三分量模型的幅值约束的稀疏Lp约束矩阵，通过将该目标函数应用在三分量模型的梯度中可以显著提高通过三分量模型最终得到的反演模型的边缘精度，即可以使得反演结果产生锐利的边缘，反演结果的准确性更高。
附图说明
[0044]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0045]图1是本申请一实施例提出的基于幅值和梯度约束的磁化向量反演本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于幅值和梯度约束的磁化向量反演方法，其特征在于，所述方法包括：获取三分量模型的观测数据，并确定所述三分量模型的预测数据，其中，所述三分量模型用于描述三个笛卡尔方向的磁化强度；分别计算用于描述数据噪声水平的数据加权矩阵、用于抵消磁数据随深度衰减的灵敏度加权矩阵，以及基于所述三分量模型的幅值约束的稀疏Lp约束矩阵；根据所述三分量模型的观测数据、所述数据加权矩阵、所述灵敏度加权矩阵以及基于所述三分量模型的幅值约束的稀疏Lp约束矩阵，确定目标函数，其中，所述目标函数应用于所述三分量模型的梯度求解过程中；对所述目标函数进行最小化求解，得到更新后的所述三分量模型；基于所述更新后的所述三分量模型进行迭代求解，直至迭代过程达到预设迭代状态时，输出训练完毕的三分量模型，并用所述训练完毕的三分量模型生成所述观测模型的反演结果。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述训练完毕的三分量模型，生成反演结果；结合均方根误差和交并比对所述反演结果进行评价。3.根据权利要求1或2所述的方法，其特征在于，确定三分量模型的预测数据包括：计算三个笛卡尔方向的前向算子；根据所述三个笛卡尔方向的前向算子与所述三分量模型的乘积，得到所述观测模型的预测数据。4.根据权利要求1所述的方法，其特征在于，计算基于所述三分量模型的幅值约束的稀疏Lp约束矩阵，包括：计算所述三分量模型的幅值；结合所述三分量模型的幅值以及稀疏Lp范数约束函数，生成所述三分量模型的幅值约束的稀疏Lp约束矩阵。5.根据权利要求4所述的方法，其特征在于，所述三分量模型的幅值约束的稀疏Lp约束矩阵的公式为：其中，m
amp
为所述三分量模型的幅值；ε为第二阈值因子；p为稀疏性参数。6.根据权利要求1所述的方法，其特征在于，所述灵敏度加权矩阵的公式为：其中，其中，
其中，J
mn
为矩阵J中第m行第n列的元素；δ为第一阈值因子，其为一个比较小的数；F[m]为正演算子；m为所述三分量模型；v
j
为第j个立方体单元的体积。7.根据权利要求1所述的方法，其特征在于，根据所述数据加权矩阵、所述灵敏度加权矩阵以及基于所述...

【专利技术属性】
技术研发人员：耿华，侍小青，
申请(专利权)人：清华大学，
类型：发明
国别省市：