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。     

基于深度学习的GPR B-SCAN图像双曲线检测方法

利用深度学习方法来处理探地雷达(Ground Penetrating Radar,GPR)数据以提高GPR B-SCAN双曲线检测准确率.为了解决数据集样本不够的问题采用循环生成对抗网络(Cycle Generative Adversarial Networks,Cy-cleGAN)算法对GPR B-SCAN图像数据进行增强.采用Faster R-CNN算子来定位双曲线图像区域,充分利用双曲线结构对称性及其方向差异性特征,设计与之对应的卷积核模板,通过卷积运算实现对B-SCAN图像中双曲线目标的有效分割.对双曲线目标采用最小二乘法进行二次曲线拟合得到精确的双曲线图像.与基于迁移学习的方法、HOG算法以及基于Hough变换的B-SCAN检测算法等相比,本文方法得到的结果在综合指标度量F上是最优的.     

地表探测雷达图像ROI的人工神经网络提取方法

双曲线特征是探地雷达二维回波图像中的小目标的一个先验知识,本文根据这一特征提出了一种利用人工神经网络（ANN）进行感兴趣区域（ROI）提取的方法。根据探地雷达（GPR）数据解译的特点,设计了相应的B-SCAN图像预处理方法和ANN的结构、训练及测试方法,进而用塑料管和其他目标的B-SCAN实测数据对ANN进行训练和测试,并将检测结果与人工判读结果加以比较,结果表明此法可行而有效。     

探地雷达中双曲线的提取及在波速估计中的应用

探地雷达(GPR)应用中,电磁波在地下传播速度的估计是一个重要的研究课题.波速是影响目标深度估计精度争合成孔径成像(SAD效果的关键参数之一.本文根据B-scan中点目标形成双曲线的机理,利用双曲线的对称特性及目标回波主峰跟踪法等,提取双曲线及顶点.分析了双曲线顶点区域对波速估计的误差影响,提出加权估计波速的方法,并给出相应的估计方差.实测数据处理结果显示该方法具有良好效果.     

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.     

基于深度学习的GPR时频域联合电磁反演方法

对探地雷达(ground penetrating radar, GPR)数据进行电磁反演可以获得探测区域中目标的几何参数和电磁参数.本文针对GPR时域数据与频域数据在图像域的特征差异,首先设计了基于深度学习的GPR维度变换自编码器提取GPR回波数据的时域特征,并对GPR时频域特征进行一致化处理;然后设计了基于时频融合数据的电磁反演处理框架GPR-EInet,并分别使用2 000和200个GPR B-Scan数据对GPR-EInet进行训练和测试.仿真实验结果表明,GPR-EInet可以在SNR=-10 dB、目标介电常数与背景介电常数的相对偏差为50%的情况下实现单/双目标的电磁反演,介电常数反演结果与真实值的结构相似性指数（structure similarity index measure, SSIM）达到了0.995 64.分别运用GPR-EInet、ünet与PINet对仿真数据进行电磁反演,结果表明：GPREInet的抗噪性能要优于PINet与ünet.对实测的GPR数据也开展了电磁反演实验,获得了探测区域的目标参数信息.与单独的时域或频域数据反演相比,时频融合数据提升了GP...     

基于GPR的机场跑道钢筋回波检测与抑制

钢筋强反射回波及其多次波严重影响探地雷达在机场跑道灾害目标检测与识别的应用.本文研究机场跑道钢筋回波检测及抑制的方法.首先利用Hyp-curvelet变换将GPR时空二维回波信号投影到尺度空间,目标回波的能量将聚集且与其他目标分离,进而基于尺度空间中的局部峰值进行目标检测.然后结合目标回波的初始相位及时频特征,在尺度空间中消除钢筋回波分量.最后将数据反变换回时空域,得到只含有灾害目标回波的数据.仿真实验表明,本文所提算法在低信噪比的情况下对钢筋回波检测与抑制能取得很好的效果,重构的结果中灾害目标回波保存完整且钢筋回波罕有残余.     

面向探地雷达 B-scan图像的目标检测算法综述

利用无损探测技术来获取地下目标的信息是当前研究的热点，探地雷达(GPR)作为一种重要的无损工具，已被广泛用于检测，定位和特征化地下目标。然而，从GPR成像中探测掩埋物体并评估其位置既费时又费力。因此，实现地下目标的自动化探测对实际应用是必要的。为此，该文在综合分析地下目标回波特征的基础上，讨论了使用GPR评估目标位置的可行性，并回顾了国内外学者在GPR成像中对双曲线特征自动化检测的研究进展。该文还在国内外典型实例剖析的基础上，总结并比较了目标检测的处理方法。最后指出，未来的研究应集中于开发新的深度学习检测框架，用以自动检测和估计真实场景中的地下特征。     

地下埋藏目标与分层粗糙面复合散射探地雷达回波特性研究

为了更好地解译探地雷达（ground-penetrating radar，GPR）回波数据，建立了一种二维时域有限差分模型，用于模拟地下分层结构（混凝土层/粘土层）和多个埋藏目标（金属板/条、空洞、水/油管）的GPR探测.对于该模型，地下分层结构中的分界面设置为粗糙界面，采用电磁微分高斯脉冲作为GPR源，并用单轴完全匹配层介质对计算区域边界进行截断以模拟无界区域.通过数值计算得到了探地雷达B-scan扫描的回波仿真结果，并讨论了埋藏深度、几何形状、介电常数、电导率等对回波散射特性的影响，以及目标受其上方不同粗糙度的粗糙界面影响而产生的回波形态的改变.该结果中显示的各个回波的形态、方位、振幅强弱以及到达的时间均与模型中各个结构的外形、位置、媒质特性及埋藏深度相一致，验证了该计算模型的有效性.     

基于区域多帧联合处理的LFMCW雷达强散射源环境下微弱目标回波信号特征增强技术

在强散射干扰源存在的条件下,线性调频连续波(linear frequency modulated continuous wave,LFMCW)雷达回波在距离维呈现回波信号频谱扩散现象,给雷达微弱目标检测带来严重的技术挑战.基于对检测目标中心区域多个相邻雷达波束回波数据各分量之间的相关性分析,提出基于区域多帧联合处理的L...     

基于F-K偏移及最小熵技术的探地雷达成像法

地下目标位置和形状的确定是探地雷达实际工程应用中需要解决的主要问题之一,地震信号处理技术中的偏移方法是比较有效的地下目标图像归位方法,介质中的波速度是影响目标图像归位精度的最主要因素。该文在利用图像最小熵方法对介质中波速度进行估计基础上,借助于频率-波数域偏移技术对探地雷达图像进行了处理。分别通过数值模拟图像和探地雷达系统实际探测图像验证了该文方法的有效性。     

超宽带探地雷达多目标压缩感知成像研究

压缩感知成像要求信号在某个域上能满足稀疏性要求,地下多目标在空域上降低了信号的稀疏性,导致成像出现散焦和虚像。扩大成像背景保证了稀疏性要求但又使得成像计算量上升,实时性不足。提出一种根据探地雷达回波特征预提取出潜在目标位置的压缩感知成像方法。通过对数据进行去噪、滑动矩阵过滤来确定目标的水平位置,再对水平位置处的几道A-Scan 数据进行极值搜索,从而可以提取出成像区域目标位置信息,进而在建立成像冗余字典时只需考虑目标位置处的字典元素,无目标处字典元素直接剔除,减少字典建立所需的元素,降低了压缩感知求解计算量。该方法由于只对潜在目标区域进行成像,因此在保证成像实时性的同时也保证了成像精度。实验结果表明算法可行、有效。     

空间瞬变光辐射目标定位方法

基于瞬变光辐射目标的时空特性,提出了一种基于模板的光辐射目标检测与定位方法.该方法采用加权平均法进行背景估计,并利用Robinson滤波器对残差图像进行二次滤波,有效降低了交叉投影法生成的模板数量.结合瞬变光辐射目标在空间上的局部特性和时间上的瞬时特性,对备选模板进行了多级假设检验.最后利用模板提取了目标区域,求得了目...     

基于变形模板的多目标识别与定位

典型目标的识别与定位是无人机应用系统的关键技术之一,但实现完全地自动目标识别和定位存在一定的困难。该文提出一种采用变形模板进行多个目标的识别和定位方法,以机载传感器的融合图像为基础,并引入人在回路的思想,设计了基于变形模板的多目标识别和定位算法,重点研究了多目标变形模板库的构造和相应能量函数的定义,而变形模板的优化采用具有保优策略的遗传算法实现。仿真实验表明该方法具有较高的目标识别与定位能力,可以有效解决无人机图像中多个典型目标的识别与定位问题。     

一种利用SAR和可见光图像融合检测目标的方法

本文利用军事目标在SAR图像中具有较大的雷达散射截面,后向散射强以及在可见光图像中几何外形清晰的特点,提出一种利用SAR图像和可见光图像多维特征检测目标的方法。该方法分为图像预处理,目标检测和融合检测三部分。首先,利用基于特征匹配的方法对多传感器图像进行配准。其次,利用全局双参数恒虚警(CFAR)方法检测SAR图像中的目标,经过滤波处理后,确定感兴趣区域(Region Of Interesting,ROI)并提取目标的SAR图像特征;将ROI映射到可见光图像中,对该区域进行边缘检测、滤波、连通性分析、提取目标的可见光图像特征。最后,在特征层利用特征向量距离准则融合检测目标。实验结果表明该方法性能优于单传感器检测方法,且能有效的改进目标检测性能。      

一种基于变化检测技术的SAR图像舰船目标鉴别方法

该文引入变化检测思想,利用SAR图像中海杂波和目标之间的灰度差异,通过对潜在舰船目标切片的目标像素和背景像素进行分离,计算目标像素聚集度(TPAM)特征,实现对高亮像素在图像切片中聚集程度的定量评估,从而鉴别目标切片中是否包含有舰船目标,有效去除杂波虚警。首先,基于感兴趣区域(ROI)切片中心为目标像素及四周为海杂波的合理假设,构建似然比变化检测量获取差异图像;然后,利用KSW熵阈值选择方法实现差异图像中目标像素和海杂波像素的自动分离,生成二值图像;最后,利用切片中心像素为种子点,对二值图像进行区域生长,计算目标像素聚集度特征,并判断目标切片是否包含舰船目标。基于RADARSAT-1 SAR实测数据的实验结果表明,该文方法得到的目标像素聚集度特征计算简单、稳健性好、可区分度高,具有良好的鉴别性能,能够去除大部分海杂波干扰产生的虚警,有效地降低目标检测虚警率。     

Noniterative techniques for GPR imaging through a nonplanar air-ground interface

It is often advantageous to acquire pulse-echo ground-penetrating radar (GPR) measurements from antennas that are offset from the air-ground interface by a nonnegligible distance, either because the ground's surface is rough, or because measurements must be collected remotely. This paper describes the effects of incorrectly estimating the location of the air-ground interface on GPR images created with the plane-to-plane backpropagation (PPB) method. To compensate for a nonplanar air-ground interface, the wideband time-domain synthetic aperture method is reviewed and reformulated, using Snell's law of refraction, to account for measurements taken some distance above an undulating interface. A modification of the PPB algorithm that accounts for a nonplanar interface is also formulated, and examples of imaging with both methods are given to validate, the algorithms' performance for surface variations that are relatively smooth with respect to the radar waveform wavelengths. Additionally, a method for inferring the surface topography from the radar returns is described. Finally, the modified PPB is demonstrated by imaging buried targets sensed in field-acquired data.     

航天发射场电力传输线WSN定位算法与仿真

为了准确、快速地查找航天发射场电力传输线故障的位置,在电力传输线上安装传感器用于故障定位。由于这些传感器呈线性分布,所以采用传统的DV-Hop算法进行传感器节点定位时,会导致定位失效。为此,提出一种改进的DV-Hop定位算法,该算法将电力传输线上的传感器等间距分布,计算最小跳步获得未知节点到信标节点的物理距离,采用双曲线定位算法求解出未知节点的坐标位置。最后,通过应用仿真,结果表明：改进的DV-HOP算法比传统的其他传感器定位算法的定位精确度高,且性能更加稳定,能够实现发射场电力传输线故障的快速、准确定位。     

基于小波的感兴趣区域无人机侦察图像的压缩

由于无人机飞行高度高、速度快,所以无人机侦察图像的目标和细节多、数据量大。为了实现图像数据的高速实时传输,需要对无人机侦察图像进行高压缩比压缩;但是在实际应用中,往往只对某些细节和目标感兴趣,要求这些区域清晰可见,这与图像的高压缩比压缩相矛盾,因此,本文提出了一种基于小波的无人机侦察图像压缩方法。该方法将感兴趣的军事目标从原图像中分离开来,对ROI（感兴趣区域）采用低压缩比甚至无损压缩,而对BG（背景区域）采用高压缩比压缩,最后合成两幅图像,解决了无人侦察机图像高压缩比和高质量之间的矛盾。