面向双曲线形态的探地雷达图像识别技术综述

探地雷达作为一种重要的无损探测技术,可以准确快速对浅层地表进行成像,以获取埋设目标的空间与几何信息.该文在分析探地雷达成像模型与目标识别基本思路的基础上,简述和归纳了七类探地雷达图像双曲线特征的检测方法,分别为基于双曲线性质、时域信号分析、数字图像分析、机器学习、数学模型、综合性方法以及深度学习方法,最后展望了深度学习在双曲线形态识别中的应用前景.     

探地雷达在地下管线探测中的应用

探地雷达技术是如今适应快速、准确、无损地探测地下障碍物而迅速发展的电磁技术。文中介绍了探地雷达的工作原理及工作方式，并通过结合工程实例来探讨探地雷达在地下管线探测中的广泛应用。     

浅地层探地雷达自动目标检测与定位研究

该文提出了一种基于图像熵变化及窗口能量检测的探地雷达自动目标检测与定位方法,该方法首先通过探地雷达未经合成孔径处理的图像与经合成孔径处理后的图像之间的熵变化来检测目标,再通过在合成孔径图像中进行窗口能量检测来判断目标所在的位置。通过对实测数据的处理,结果表明该方法取得了较好的效果。     

路用探地雷达层位回波提取算法研究

在路用探地雷达数据处理中,从采集数据中提取有效回波的时延和幅度是实现层厚和异常检测的前提.本文针对这一需要,介绍了一种基于门限检测和最小二乘法的时延和幅度估计算法,给出了算法原理和步骤.仿真表明,该算法计算简单,且运算速度快,具有较强的实用性.     

超宽带探地雷达自动目标识别研究

超宽带探地雷达由于回波信号信息丰富的特点,特征向量的选取成为了自动目标识别的关键.首先利用宽相关处理进行滤波和典型数据提取.提取纵向和横向典型数据用于目标形状识别;提取典型回波道数据进行功率谱分析用于目标材质识别,并利用RBF网络从而实现目标的自动识别.实测数据处理表明:该方法可有效的完成管状物和球状物、铝和铁的识别.     

基于时间反转的探地雷达多目标成像算法研究

时间反转成像算法用于探地雷达多目标成像时,由于各个目标体的能量聚焦时刻和聚焦能量的强度都不相同,使得智能识别局部能量聚焦时刻成为该算法的瓶颈。为了实现时间反转成像算法用于探地雷达多目标成像,首先在B-Scan 中检测到潜在目标双曲线位置,然后用窗口框出各个潜在目标体的“空间-时间”位置,之后将该“空间-时间”窗口转化为待成像区域中的“位置-埋深”窗口,并对各个潜在目标窗口分别进行时间反转成像,虚假目标不存在能量聚焦,进而剔除虚假目标,实现多目标成像。实验结果表明:该算法能较好地实现多目标成像,由于该算法只对潜在目标窗口进行成像,而不是对整个待成像区域进行成像,大大提高了成像效率。     

Clutter suppression method in GPR using particle clustering

In this paper, a novel clutter suppression method in Ground Penetrating Radar (GPR) is proposed. Time segments of hill are represented by their corresponding particle in B-scan. Those particles in B-scan are clustered to represent reflectors (such as buried targets, air-soil interface). The clusters of buried target have a particle sequence with single peak. Therefore, if the particles donot belong to the cluster of buried target, time segment they represent will be suppressed. Experimental results and simulation are provided to demonstrate that the new algorithm outperforms existing ap-proaches.     

基于深度学习的探地雷达二维剖面图像结构特征检测方法

该文针对探地雷达(GPR) 2维剖面图像中目标特征提取困难及其识别精度较低等问题,采用深度学习方法来提取2维剖面图像中目标的特征双曲线。根据GPR工作的物理机制,设计了一种级联结构的卷积神经网络(CNN),先检测并去除回波数据中的直达波干扰信号,再利用CNN得到B扫描(B-SCAN)图像的特征图,并对特征信号进行分类识别以提取目标的特征双曲线。同时,为处理各种干扰信号影响目标特征双曲线结构完整性的问题,提出了一种基于方向引导的特征数据补全方法,提高了目标特征双曲线识别的准确率。与方向梯度直方图(HOG)算法、单级式目标检测(YOLOV3)算法和更快速的区域卷积神经网络(Faster RCNN)算法相比,在综合评价指标F上该文方法的检测结果是最优的。     

基于鲁棒Capon波束形成的探地雷达成像算法

传统的探地雷达(Ground Penetrating Radar, GPR)成像算法属于非自适应方法,其成像结果中存在较强的旁瓣和杂波干扰,而自适应方法具有很强的干扰抑制能力。该文利用鲁棒Capon波束形成(Robust Capon Beamforming, RCB)理论,提出了一种自适应的基于RCB的GPR成像算法,不仅考虑了GPR工作场景下电磁波折射现象,同时研究了适用于GPR成像的协方差矩阵构造方法。所提算法可大幅降低成像结果中旁瓣和杂波能量,并在一定程度上提高成像分辨率,实测数据的实验结果证明了算法的有效性。     

地下管线渗漏环境下探地雷达信号特征分析

探地雷达(GPR)在地下水管渗漏的检测中具有良好的应用前景。前期研究表明：地下水管的渗漏会在雷达剖面中形成震荡信号,但其形成机理尚不明晰。为揭示不同材质地下管道渗漏后的探地雷达信号特征的成因,该文结合物理模型试验与渗流场-电磁场数值模拟分析干砂中PVC管和金属管渗漏前后雷达信号特征、渗漏后震荡信号的形成机理和电磁波传播路径。结果表明：地下水管发生渗漏后,管道周围区域出现一定分层状态,电磁波在传播过程中存在更多界面反射和界面间的多次波。PVC管渗漏后,管道顶部、底部反射信号和爬行波信号在渗漏区中多次反射形成复杂的震荡双曲线信号,而金属管渗漏后管壁与渗漏区间存在多次反射。研究成果可为探地雷达在地下水管渗漏探测实际应用提供技术支持。     

基于互相关的探地雷达反向投影成像算法

该文基于探地雷达(Ground Penetrating Radar, GPR)回波数据之间的互相关性,提出了一种用于抑制GPR成像中杂波干扰的反向投影(Back Projection, BP)成像算法。与标准BP算法相比,该文的互相关反向投影(Cross-correlated Back Projection, CBP)算法增加了数据间互相关运算的步骤,而且无需引入额外的参考信号通道。理论分析和实验结果均表明,CBP算法不仅抑制了标准BP算法成像结果中的杂波干扰,而且在一定程度上提高了成像分辨率。     

利用互相关和Hough变换快速检测探地雷达目标

考虑到探地雷达目标检测效率低的问题,该文基于目标回波能量空间分布的三参数双曲线模型,提出了一种快速的地下目标检测算法。算法首先利用相邻1维回波的相关性提取回波双曲线,再能量加权拟合曲线以估计出回波模型的两个参数,最后通过1维Hough变换来完成目标检测与定位。实测数据实验结果表明该文算法在不降低目标检测性能和定位精度的同时,计算时间只有传统基于Hough变换检测算法的1.5%左右,计算量的理论分析证明了该文算法在计算效率上的优势。     

伪随机序列编码脉冲信号在探地雷达中的应用研究

探测深度是探地雷达最为重要的指标之一,在一定分辨率情况下如何增加探测深度一直是国内外研究的热点问题。该文对伪随机序列编码脉冲信号在探地雷达中的应用进行了研究,分析了伪随机序列编码脉冲信号的特点以及探地雷达对发射信号的应用需求,介绍了一个采用m序列二相脉冲调制的探地雷达实验系统,给出了该系统的测试和实验结果并对实验结果进行了理论分析,实验结果与理论分析十分吻合。分析与实验结果表明：在同样条件下,伪随机序列编码脉冲探地雷达较传统的Impulse探地雷达可以实现更大的探测深度,可以满足考古、地质勘察等深层探测应用的需求。     

车载前视GPSAR序列图像浅埋目标检测新方法

由于浅埋小目标的雷达截面较小、埋设环境复杂,导致单帧检测结果中存在大量虚警,该文提出一种预筛选-交替后向跟踪-多帧确认目标检测方法。首先利用CFAR检测、形态滤波和聚类分析对图像进行预筛选;然后利用当前距离多视图像对应的聚类中心标记待跟踪的潜在目标,采用点跟踪搜索和块相关检测相结合的交替后向跟踪获得潜在目标轨迹;最后计算潜在目标轨迹的加权历史置信度,进行目标确认,剔除自然杂波。实测数据处理结果表明：该方法可快速、稳健地实现目标检测,明显减少虚警。     

基于隐Markov模型和Bresenham算法的层位追踪法

在探地雷达测量目的中,层位追踪是正确进行地质解释的基础。该文提出一种基于隐Markov模型和Bresenham算法的层位追踪法,该方法通过对探地雷达回波时延的跟踪,初步实现层位边缘检测,在此前提下进一步实现边缘连接,最终完成层位追踪。对实测数据的处理结果表明：该文提出的层位追踪法在追踪精确度上远远优于单纯利用隐Markov模型的层位追踪法。     

基于改进时频分析方法的天波雷达机动目标检测算法研究

在天波超视距雷达(OTHR)中,基于时频分析技术的机动目标检测算法具有信噪比要求低和参数估计精度高等优点。但是传统的时频分析方法计算量大,难以满足实际工程应用需要。针对该问题,该文提出一种新的时频分析方法,该方法构造时间-频率变化率的联合域并沿时间轴进行积分实现机动目标的检测和参数估计。由于该算法积分路径的特殊性,可以避免使用Hough变换,进而减小算法计算量,使其满足实际工程需要。仿真结果表明,该算法在低信噪比(SNR)下检测效果好,运算量低,且具有更高的参数估计精度;此外,该算法对不同时刻的频率变化率成分进行了积累,有效抑制了多机动目标引起的交叉项,避免了虚假目标的出现。