[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

说明书

本发明提供一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法。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。本发明解决现有方法难以检测识别地下空洞目标的问题。

技术领域

本发明属于探地雷达回波图后处理的目标检测领域；具体涉及一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法。

背景技术

探地雷达是一种用于探测浅层地下环境的非损伤性探测仪器。探地雷达利用地下介质的电磁介电常数的不同，这些参数的不同在雷达回波数据中有所体现，通过对回波数据的处理即可迅速探测并直观地理解地下环境的分布。为了直观呈现回波数据以便进行人工分析，横向列出多通道回波数据是常用的方法，在探地雷达分析中常用的B-Scan图像由此得来。

探地雷达作为一种快速、高分辨率、无损探测的重要地球物理方法，在地下塌陷空洞探测研究与工程实践中具有重要的意义与价值。探地雷达技术不会对路面产生结构性破坏，并适用于各种路况，其检测结果具有实时性和高精度性，满足公路病害检测对于高效无损、准确以及应用范围广的要求，适用于道路地下空洞的探测。探地雷达系统可由一对或多对发射和接收天线组成，每对发射机、接收机可以通过扫描感兴趣区域来采集单个B-Scan图像，通过对B-Scan图像的分析与验证即可获知地下环境分布情况。目前实际工程中采集到的B-Scan图像需要进行人工判读和解译，这种方法效率低下且常常导致漏检或虚检的问题。利用现在主流的一些深度学习方法进行地下空洞目标的检测与识别也存在问题，经过确认、验证、定位并获得相关模式信息的地下空洞获取困难，且地下空洞在B-Scan图像中没有固定的模式与形状，获取大量地下空洞样本也是很难实现的工程任务。

发明内容

本发明提供一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法，用以解决现有方法难以检测识别地下空洞目标的问题。

本发明通过以下技术方案实现：

一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法，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。

进一步的，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；