[发明专利]一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法

权利要求书

1.一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法，其特征在于，所述自动识别方法包括以下步骤：

步骤1：利用SinGAN算法对已获取的地下空洞目标的探地雷达回波图像进行图像增广处理，得到处理后的具有相似分布的探地雷达回波图像；

步骤2：对步骤1生成的探地雷达回波图像进行标注明确相关目标像素位置；

步骤3：将步骤2中已标注的数据随机分配至训练集和验证集；

步骤4：利用步骤3的训练集和验证集对深度学习目标识别算法进行训练，得到权重模型；

步骤5：将步骤4获得的权重模型输入已有深度学习算法模型，对地下空洞目标探地雷达回波图像进行目标识别检测。

2.根据权利要求1所述一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法，其特征在于，所述步骤1利用SinGAN算法对已获取的地下空洞目标的探地雷达回波图像进行图像增广处理具体为，所述SinGAN算法包含n个不同尺度的GAN，分别为G_n～G₀，尺度依次增加，第G_n个生成器的输入是一张噪声图像，训练其输出的结果接近下采样过后的原图x_n，之后的每一个GAN，输入都是G_n+1输出的结果加上一张噪声图，除了G_n，剩下每一个GAN学习的是补充上一个GAN输出结果的细节信息；

由上述可知，SinGAN算法由金字塔结构{G₀,...,G_N}组成，针对x:{x0,...,xN}的图像金字塔进行训练，其中x_n是x的降采样版本，其乘数为rⁿ，对于某个r＞1，每个生成器G_n负责产生真实的图像样本w.r.t，相应图像x_n中的色块分布；

由上述可知，所有的生成器和鉴别器都具有相同的接收域，因此在生成过程中捕获的结构尺寸都在减小；G_n映射空间高斯白噪声z_N到图像样本即

除了空间噪声z_n外，每个生成器G_n还接受较粗尺度图像的上采样版本，即

G_n执行操作

其中ψ_n是一个有着5个Conv(3x3)-BatchNorm-LeakyReLu的卷积块；

对第n个GAN的训练损失包括一个对抗性公式，即

3.根据权利要求1所述一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法，其特征在于，所述步骤2标注明确相关目标像素位置具体为，得到处理后的具有相似分布的探地雷达回波图像具体为，通过使用labelimg工具对生成的探地雷达回波图像进行相关像素位置标记，明确每个子像素是否属于空洞标签并进行全局标注。

4.根据权利要求1所述一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法，其特征在于，所述步骤4对深度学习目标识别算法进行训练，得到权重模型具体为，对深度学习目标识别算法YOLOv5进行训练，训练参数为16batch和1000epochs，最终得到经过训练的权重模型。

5.根据权利要求1所述一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法，其特征在于，所述步骤5对地下空洞目标探地雷达回波图像进行目标识别检测具体为，根据训练过的深度学习算法模型，将未输入过该系统的地下空洞目标探地雷达回波图像输入该框架中，自动对地下空洞目标探地雷达回波图像进行目标识别检测，最终输出经过处理的图像，其中包含框选框选中的疑似地下空洞目标及其置信度。