[发明专利]一种探地雷达图像自动分类方法

权利要求书

1.一种探地雷达图像自动分类方法，其特征在于，包括：

步骤1，通过探地雷达发射雷达波实现对混凝土的扫描，雷达中的接收器捕获多个回波数据后形成扫描回波数据集；

步骤2，对所述扫描回波数据进行预处理，剔除所述扫描回波数据集中的噪声信号并增强深层目标的回波信号，得到文理信息清楚的探地雷达灰度图；

步骤3，将所述探地雷达灰度图输入到优化后的残差网络模型中，经过运算输出该图像对应的缺陷类别作为识别结果；

步骤4，在后期经过实际检验准确的情况下将所述识别结果添加到数据集内更新所述残差网络模型。

2.根据权利要求1所述的方法，其特征在于,所述步骤1具体包括：

探地雷达发射器随雷达移动不断发射预设的固定中心频率的雷达波，接受器接收多道单列回波数据，将多道所述单列回波数据拼接形成所述扫描回波数据。

3.根据权利要求1所述的方法，其特征在于,所述步骤2具体包括：

步骤2.1，对所述扫描回波数据进行去直流漂移；

步骤2.2，将去直流漂移后数据中的水平信号进行去除，静矫正处理后通过回波波形的峰值对应的深度进行裁剪；

步骤2.3，将水平信号噪声去除后的数据进行增益处理，通过增益将深层信号振幅放大以提升灰度图中纹理特征；

步骤2.4，对增益后的数据进行带通滤波处理，去除距离雷达发射天线中心频率较远的低频和高频的噪声信号；

步骤2.5，对数据转换后的灰度图做背景噪声去除处理使有效信号进一步增加；

步骤2.6，对灰度图进行滑动平均滤波处理，去除无规则突发噪声和毛刺噪声；

步骤2.7，将所述探地雷达灰度图分类标记；

步骤2.8，将全部所述探地雷达灰度图缩放至统一分辨率，并对像素值做归一化处理转换到[0,1]之间。

4.根据权利要求3所述的方法，其特征在于,所述残差网络模型包括多个堆叠串联的构建块，所述构建块包括卷积层、激活层、Batch Normalization层，内含两条传播路径；

所述构建块的旁路为直连结构，将输入直接传输到构建块末尾与主路融合后输出。

5.根据权利要求4所述的方法，其特征在于,所述步骤3之前，所述方法还包括：

对于原始的残差网络模型中卷积分组，将原本以n为步长提取特征的多个卷积核分成多组，分别用于特征图上被跳过的区域重新提取特征，然后将各组卷积的结果堆叠成新的特征图，其中，n为大于2的正整数，其输出计算式如下：

式中，表示构建块中第一层卷积的第n个分组，表示所述构建块中旁路第一层卷积的第n个分组，W₂表示所述构建块中主路的第二层卷积，W_s2表示所述构建块中旁路的第二层卷积；

在降维构建块的支路上增加卷积层使得支路的特征图维度增加并与主路特征图相同；

在降维构建块中结合旁路升维和分组卷积构建出新的构建块—区域维度匹配结构，得到优化后的残差网络模型。

6.根据权利要求5所述的方法，其特征在于,所述步骤3具体包括：

步骤3.1，将所述探地雷达灰度图输入到优化后的残差网络模型中，通过对雷达灰度图像样本进行旋转、翻转、平移、添加噪声、缩放、随机遮挡和亮度调节操作或复合操作增强所述探地雷达灰度图的丰富性；

步骤3.2，将增强后的探地雷达灰度图依次输入多组构建块，输出特征图；

步骤3.3，将所述特征图输入全局池化层；

步骤3.4，将所述全局池化层的输出输入一层含4个神经元的全连接层，得到所述识别结果。