基于深度学习的黑土CT图像的重建方法

本发明公开了基于深度学习的黑土CT图像的重建方法，包括：S1、获取黑土CT图像并进行预处理形成数据集；S2、建立包含双向生成器的CycleGAN循环一致性网络模型，所述生成器包含编码器、残差器和解码器，在残差器中集成方向感知注意力模块；S3、将数据集输入所述网络模型，通过方向感知注意力机制优化生成器，输出重建的高分辨率黑土CT图像；S4、基于统计分布相似性与感知保真度指标评估重建图像质量。本发明利用深度学习模型实现对黑土CT图像中不同尺度特征的精准提取与高效融合，提升图像分析的准确性与全面性，从而为黑土特性研究及相关保护修复策略制定提供可靠数据支持。