太阳风中存在高价态的重离子,这些高价态的重离子可从磁鞘区直接进入极尖区并与从地球大气逃逸出的中性大气碰撞辐射能量,这些辐射能量叠加在太阳本体辐射能量后,对地球大气圈层的影响程度很大,这些辐射能量携带了地球磁层大尺度结构的相关信息,对磁层物理学研究具有重要作用。近年来对地球磁层进行软X射线成像探测是磁层研究的前沿方向。由二维X射线成像图重构磁层边界的方法研究是与成像探测相关的重要研究课题。因此,中国科学院和欧洲航天局共同提出了中欧联合空间科学卫星项目:太阳风-磁层全景成像卫星计划(SMILE),星上的X射线成像仪将会对地球磁层进行成像。使用图形学方法可以对不透明物体进行重构,但磁层是透明物体,视觉重构理论在此并不适用,所以需要借助计算机断层成像技术(CT)对磁层结构进行重构。由于当前SMILE卫星任务的轨道设计很难满足扫描角度的全方位覆盖,只能从有限角度观测磁层,是一类有限角度的CT重构问题,而传统的CT重构方法在投影数据很少时无法得到较好的重构结果,所以并不适用。由于目前深度学习方法在特征提取、深度估计、图像补全等多方面有着显著效果,所以作为三维重构研究的基础,本文基于生成式对抗网络(GAN)提出了一个简化的二维磁层结构重构方法。首先提出了一个改进的生成式对抗网络来对有限角度的磁层能量积分拼接图像进行图像补全,并通过定义一个上下文损失和一个先验损失来对补全的图像进行约束,由于考虑到图像缺失位置周围的像素与缺失部分的像素相关性最大,所以在上下文损失中设置了权重项来区分每个像素的重要程度,这样就可以确保补全的图像更接近真实情况。最后对补全之后的磁层积分拼接图使用代数迭代重构方法(ART)重构二维磁层边界,并使用峰值信噪比(PSNR)来衡量补全后的积分拼接图的重构效果。实验选用了磁层MHD模型和另一个简化版的Jorgensen辐射模型。实验表明,当扫描角度大于50%时,图像补全网络能有效准确地补全缺失图像,重构效果较好;当扫描角度小于50%时,依然能学习到磁层的大致特征,相比于传统的ART算法也有着较大的提升。并且该方法具有一定由简化数据到复杂数据的学习能力,在更为复杂的MHD模型上进行测试后表明,在未对MHD模型进行训练的情况下,当扫描角度大于50%时依然有十分显著的重构效果,从侧面印证了学习简化磁层模型的特征数据分布对重构真实磁层有较大作用,对以后使用SMILE卫星采集到的真实有限角度的磁层能量积分图进行磁层重构具有很大的借鉴意义。