[发明专利]一种基于ResNet网络模型的探地雷达地下空洞目标自动识别方法

说明书

本发明提出一种基于ResNet网络模型的探地雷达地下空洞目标自动识别方法。所述方法包括对已获取的地下空洞目标的探地雷达回波图像进行预处理，分别包含背景消除、增益和降噪；对生成的探地雷达回波图像进行增益；对增益后的图像进行降噪；之后，对已降噪后的图像数据进行预筛选和人工分类，然后基于水平镜像翻转对图像进行增广，得到处理后的具有相似分布的增广图像数据集；将得到增广图像数据分为训练集和测试集，对ResNet网络模型进行训练，得到网络权重模型；将得到的测试集输入得到的权重模型，对图像进行目标识别分类；采用本发明的方法能有效的提高探地雷达地下空洞目标识别率，将识别率提高到90％以上。

技术领域

本发明属于探地雷达回波图后处理的目标检测技术领域，特别是涉及一种基于ResNet网络模型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。探地雷达利用地下不同介质的电磁介电常数的不同以及电磁波在传播遇到不同介质分界面时会发生反射，雷达的回波数据会对介质的不同参数有所体现，通过对回波数据的处理分析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-扫(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

本发明目的是为了解决现有方法难以检测识别三维探地雷达图像中地下空洞的问题，减少漏检和误检测的情况，提出了一种基于ResNet网络模型的探地雷达地下空洞目标自动识别方法。

本发明是通过以下技术方案实现的，本发明提出一种基于ResNet网络模型的探地雷达地下空洞目标自动识别方法，所述方法具体包括：

步骤1：对已获取的地下空洞目标的探地雷达回波图像进行背景消除，抑制探地雷达回波图像的横向波纹；

步骤2：对步骤1生成的探地雷达回波图像进行增益，突出回波图像中空洞目标像素特征；

步骤3：对步骤2中已增益的图像数据进行降噪，抑制杂波干扰；

步骤4：对步骤3处理后的图像进行预筛选和人工分类，然后基于水平镜像翻转对图像进行增广，得到处理后的具有相似分布的增广图像数据集；

步骤5：将步骤4得到的图像数据集分为训练集和验证集，利用训练集对ResNet网络模型进行训练，得到网络权重模型；

步骤6：将步骤5得到的验证集输入得到的已训练结束的网络权重模型中，对地下空洞目标探地雷达回波图像进行目标识别分类。

进一步地，在步骤1中，通过横向波纹抑制滤波方法进行图像背景消除，得到横向波纹受到抑制的探地雷达回波图像。

进一步地，使用节点式均值线性增益方法，从冗余的背景信息中提取空洞目标特征，节点式均值线性增益能在背景中凸显空洞的曲线特征，更清晰的得到空洞目标的位置和形状特征。

进一步地，所述节点式均值线性增益方法具体为：