[发明专利]基于主元分析BP神经网络的地质雷达图像识别方法及系统

权利要求书

1.一种基于主元分析BP神经网络的地质雷达图像识别方法，其特征在于，包括：

标注地质雷达图像的标签，所述标签包括有完整岩石、断层破碎带、裂隙带、富水带和岩溶洞穴；

对标注标签的地质雷达图像依次进行消噪、二值化和形态学边缘检测处理，得到数字图像，形成样本数据集；

利用主元分析算法来减少样本数据集的维数，同时保持样本数据集中对方差贡献最大的特征；

利用降维后的样本数据集对BP神经网络进行循环训练；

实时接收地质雷达图像，依次进行消噪、二值化和形态学边缘检测和降维处理后输入至训练完成的BP神经网络中，输出地质雷达图像识别结果。

2.如权利要求1所述的基于主元分析BP神经网络的地质雷达图像识别方法，其特征在于，对地质雷达图像进行消噪之前，还包括：对原始的地质雷达图像进行图像增强处理，增强图像中的有用信息，改善图像的视觉效果。

3.如权利要求1所述的基于主元分析BP神经网络的地质雷达图像识别方法，其特征在于，采用低通滤波将原始地质雷达图像中的噪音消除，减少由于采集以及传输过程中受到干扰而产生的噪音对雷达图像的影响；采用高通滤波增强地质雷达图像中目标体轮廓高频信号信息，突出有用图像特征。

4.如权利要求1所述的基于主元分析BP神经网络的地质雷达图像识别方法，其特征在于，利用Canny边缘检测算法对地质雷达图像进行边缘提取；其过程为：

使用高斯平滑处理降低噪音；

计算图像中每个像素点的梯度强度和方向，并且在每个点都保留最大梯度值和方向；

利用非极大值抑制消除边缘检测带来的杂散响应；

利用双阈值检测来确定真实和潜在的边缘；

通过抑制孤立的弱边缘最终完成边缘检测。

5.如权利要求1所述的基于主元分析BP神经网络的地质雷达图像识别方法，其特征在于，利用主元分析算法来减少样本数据集的维数，同时保持样本数据集中对方差贡献最大的特征的过程为：

将样本数据集中的样本归一化处理；

求样本特征的协方差矩阵；

选取k个最大的特征值，组成特征向量矩阵；其中，k为大于或等于2的正整数；

将样本数据投影到特征向量矩阵上，确定主成分。

6.如权利要求1所述的基于主元分析BP神经网络的地质雷达图像识别方法，其特征在于，利用降维后的样本数据集对BP神经网络进行循环训练的过程为：

初始化权值和阈值，权值和阈值均为(-1，1)区间内的随机值；

输入信号正向传播，计算检验误差平方，以修正权值和阈值，从输出层开始将误差信息反向传播，修正各权值使误差减小；

当误差平方小于预先给定的目标误差值时，迭代结束，输出权重向量，否则继续输入信号正向传播，直至误差平方小于预先给定的目标误差值或达到预设迭代次数。

7.一种基于主元分析BP神经网络的地质雷达图像识别系统，其特征在于，包括：

图像标签标注模块，其用于标注地质雷达图像的标签，所述标签包括有完整岩石、断层破碎带、裂隙带、富水带和岩溶洞穴；

样本数据集构建模块，其用于对标注标签的地质雷达图像依次进行消噪、二值化和形态学边缘检测处理，得到数字图像，形成样本数据集；

降维模块，其用于利用主元分析算法来减少样本数据集的维数，同时保持样本数据集中对方差贡献最大的特征；

BP神经网络训练模块，其用于利用降维后的样本数据集对BP神经网络进行循环训练；

图像实时识别模块，其用于实时接收地质雷达图像，依次进行消噪、二值化和形态学边缘检测和降维处理后输入至训练完成的BP神经网络中，输出地质雷达图像识别结果。