[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

说明书

本发明提供了一种基于主元分析BP神经网络的地质雷达图像识别方法及系统。其中，基于主元分析BP神经网络的地质雷达图像识别方法，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。

技术领域

本发明属于的地质雷达图像处理领域，尤其涉及一种基于主元分析BP神经网络的地质雷达图像识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

在现在众多隧道超前地质预报方法中，地质雷达具有效率高、对目标无破坏性、探测资料分辨率高和抗干扰能力较强等特点，被广泛的应用。地质雷达探测的原理是当异常介质与其周围介质存在电性差异时，地质雷达发射的脉冲电磁波传播至异常界面时会发生反射，反射信号将被接收天线接收并记录。通过对反射信号的分析，便可推断异常的空间位置、埋藏深度等信息。

发明人发现，在地质雷达实际探测过程中，作业环境通常较为杂乱，加之噪声的影响，雷达成像质量较低，往往很难对异常进行精确的辨识，导致异常探测的精度过于依赖技术人员的经验和水平；且在隧道较长或数据量较大时，异常辨识往往需要耗费大量时间和人力，这在一定程度上限制了地质雷达技术的应用和推广。

发明内容

为了解决上述问题，本发明提供一种基于主元分析BP神经网络的地质雷达图像识别方法及系统，其实现了对地质雷达图像异常的智能识别，大幅提高了识别的准确性，避免了依靠经验进行识别的缺陷，同时节约了时间，提高了效率。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一方面提供了一种基于主元分析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。

本发明的第二方面提供了一种基于主元分析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。