基于三维卷积编码和MLP解码的无监督三维粒子场重建方法

来源：上海理工大学学报杂志2025年第4期北京时间：

作者：张端宇，周骛，封明军，蔡小舒

单位：上海理工大学 能源与动力工程学院，上海 200093,上海理工大学 能源与动力工程学院，上海 200093,上海理工大学 能源与动力工程学院，上海 200093,上海理工大学 能源与动力工程学院，上海 200093

摘要：深度学习技术的迅猛发展激发了一些新的方法来解决层析粒子图像测速的三维重建问题。针对有监督深度学习方法需要大量的真值数据，以及仿真数据集与实验场景一致性的问题，提出了基于三维卷积编码和MLP解码的无监督粒子重建算法, 命名为MLOS-CNN-MLP。该方法首先利用MLOS算法，从多视角二维图像生成初始三维光强分布，然后通过三维卷积编码提取特征并构建神经编码体，再采用MLP解码回归精确的三维光强分布。与有监督学习方法使用真值数据不同，MLOS-CNN-MLP通过投影函数对重建的光强分布进行不同视角的投影，并与原始二维图像进行比较，建立损失函数，这使得整个网络训练不需要真值数据从而实现无监督学习。在仿真数据集上的验证结果表明，所提出的无监督粒子重建算法在实验常用粒子浓度下的重建精度可达到0.95，远高于传统的代数重建技术。进一步对比不同粒子浓度和噪声鲁棒性方面的性能，该方法的重建质量也均优于传统的代数重建技术，并且计算速度至少快了一个数量级。

关键词：层析粒子图像测速;三维重建;无监督学习;神经网络

基金资助：国家自然科学基金资助项目（52376163）；国家航空科学与技术重点实验室项目（614220121050327）