[发明专利]一种RefineDet网络模型的探地雷达地下空洞目标自动检测方法

说明书

本发明提出一种RefineDet网络模型的探地雷达地下空洞目标自动检测方法。所述方法包括对已获取的探地雷达地下空洞目标的回波图像进行背景消除，得到横向波纹受到抑制的探地雷达回波图像；对生成的探地雷达回波图像进行增益，突出空洞目标像素位置特征；利用增益后的图像进行降噪处理，抑制杂波影响；对处理后的探地雷达回波图像进行预筛选，参照人工识别并实地确认的结果，利用labelimg对图像中的空洞进行标注；将获得的数据制成图像检测数据集；用获得的检测数据集训练RefineDet网络模型，得到网络权重参数；利用训练后的网络模型对地下空洞目标探地雷达回波图像进行目标检测。本发明解决现有方法难以检测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技术领域，特别是涉及一种RefineDet网络模型的探地雷达地下空洞目标自动检测方法。

背景技术

探地雷达是一种用于在浅层地下环境进行无损探测的探测仪器。探地雷达利用地下介质中电磁介电常数的差异，将这些差异作为参数的不同在雷达回波数据中进行体现，通过对回波数据进行处理即可实现高效探测并直观地认识地下环境的分布。为了直观呈现回波数据从而进行人工分析，常用的方法是横向列出多通道回波数据，在探地雷达分析中常用的数据形式B-Scan图像正基于此。

探地雷达作为一种速度快、分辨率高且无损的重要地球物理方法，在地下空洞隐患探测研究与工程实践中具有重要的意义与价值。探地雷达技术能够适用于各种路况，且不会对探测目标产生不可逆破坏，其检测结果具有实时性好和精度高的特点，满足公路病害检测对于应用范围广、无损以及高效准确的要求，贴合道路地下空洞的探测任务。探地雷达系统可由单一或复数对发射和接收天线组成，每对发射机、接收机可以通过扫描候选区域来采集单张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图像需要人工进行判读和解译，这种方法效率低下且漏检或虚检的问题屡见不鲜。图像的检测是是图像识别进阶的工作，不仅需要识别探地雷达回波图像是否存在空洞目标，同时还需要框选出目标的粗略位置及的大小等信息。利用目前主流的部分深度学习方法对地下空洞目标进行检测与识别也存在问题。经过确认、验证、定位以获得地下空洞的相关模式信息，在工程上是困难的，且地下空洞在B-Scan图像中的模式与形状并非固定，此外，获取大量地下空洞的探地雷达回波图像样本也是要求较高的工程任务。

发明内容

本发明目的是为了解决现有方法难以检测识别地下空洞目标的问题，提出了一种RefineDet网络模型的探地雷达地下空洞目标自动检测方法。

本发明是通过以下技术方案实现的，本发明提出一种RefineDet网络模型的探地雷达地下空洞目标自动检测方法，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，得到横向波纹受到抑制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增益，对背景进行抑制，提取淹没在图像中的空洞特征；

步骤3：对步骤2中已增益处理后的图像数据进行降噪，抑制杂波的影响；

步骤4：对步骤3中处理后的探地雷达回波图像进行预筛选，参照人工识别并实地确认的结果，利用labelimg对图像中的空洞进行标注；

步骤5：将步骤4得到的图像数据制成PASCAL VOC数据集格式的检测网络数据集；

步骤6：将步骤5中得到的数据集中的训练集输入RefineDet网络中，对其进行训练，得到权重模型；

步骤7：将步骤5得到的数据集中的测试集输入得到的权重模型，对地下空洞目标探地雷达回波图像进行目标检测。

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。