【技術(shù)實現(xiàn)步驟摘要】
本申請涉及白蟻巢穴探測，尤其涉及一種基于探地雷達的堤壩白蟻巢穴三維成像方法及系統(tǒng)。
技術(shù)介紹
1、由于白蟻巢穴的隱蔽性與結(jié)構(gòu)的復(fù)雜性，堤壩白蟻巢穴探測一直是水利工程中的難題。目前白蟻巢穴探測主要分為人工探查、地球物理探測和生物特性探測等3種，其中，三維雷達探測通過多個發(fā)射天線與多個接收天線協(xié)同工作，生成高分辨率的地下結(jié)構(gòu)圖像，在白蟻巢穴探測方面具有一定優(yōu)勢。通過多頻次的掃描，三維雷達能夠獲取堤壩內(nèi)部的立體數(shù)據(jù)。但是目前三維雷達的數(shù)據(jù)處理方法存在一定的局限性，首先三維數(shù)據(jù)的數(shù)據(jù)量較大，因此數(shù)據(jù)處理耗費時間多，處理步驟較為繁復(fù)，并且三維雷達技術(shù)獲取的是三維的電磁波反射信號，在圖像上表現(xiàn)為波形特征而非物體的形態(tài)。因此目前的基于聚類或閾值化的三維雷達成像方法得到的蟻巢三維成像不準確。
2、綜上，相關(guān)技術(shù)中存在的技術(shù)問題有待得到改善。
技術(shù)實現(xiàn)思路
1、本申請實施例的主要目的在于提出一種基于探地雷達的堤壩白蟻巢穴三維成像方法及系統(tǒng)，能夠更精確地確定蟻巢地位置和形狀以及捕捉蟻巢和堤壩結(jié)構(gòu)在三維探地雷達圖像上的復(fù)雜特征，進而提升蟻巢成像的效率和準確度。
2、為實現(xiàn)上述目的，本申請實施例的一方面提出了一種基于探地雷達的堤壩白蟻巢穴三維成像方法，所述方法包括：
3、獲取目標區(qū)域的三維探地雷達數(shù)據(jù)并進行數(shù)據(jù)預(yù)處理，得到預(yù)處理后的三維探地雷達數(shù)據(jù)；
4、對所述預(yù)處理后的三維探地雷達數(shù)據(jù)進行特征提取處理與加密處理，得到多通道雷達數(shù)據(jù)體；
5、基于
6、基于所述蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型對所述多通道雷達數(shù)據(jù)體進行數(shù)據(jù)成像處理，得到三維探地雷達蟻巢成像結(jié)果。
7、在一些實施例中，所述獲取目標區(qū)域的三維探地雷達數(shù)據(jù)并進行數(shù)據(jù)預(yù)處理，得到預(yù)處理后的三維探地雷達數(shù)據(jù)，包括：
8、確定目標區(qū)域，通過三維雷達對所述目標區(qū)域進行掃描，得到目標區(qū)域的二維雷達圖像；
9、將所述目標區(qū)域的二維雷達圖像在垂直測線方向上進行組合，得到所述目標區(qū)域的三維探地雷達數(shù)據(jù)；
10、對所述目標區(qū)域的三維探地雷達數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到所述預(yù)處理后的三維探地雷達數(shù)據(jù)。
11、在一些實施例中，所述對所述目標區(qū)域的三維探地雷達數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到所述預(yù)處理后的三維探地雷達數(shù)據(jù)，包括：
12、對所述目標區(qū)域的三維探地雷達數(shù)據(jù)進行零時校正處理，得到校正后的三維探地雷達數(shù)據(jù)；
13、對所述校正后的三維探地雷達數(shù)據(jù)進行信號增益處理，得到增益后的三維探地雷達數(shù)據(jù)；
14、通過帶通濾波器對所述增益后的三維探地雷達數(shù)據(jù)進行濾波與背景噪聲去除處理，得到所述預(yù)處理后的三維探地雷達數(shù)據(jù)。
15、在一些實施例中，所述對所述預(yù)處理后的三維探地雷達數(shù)據(jù)進行特征提取處理與加密處理，得到多通道雷達數(shù)據(jù)體，包括：
16、對所述預(yù)處理后的三維探地雷達數(shù)據(jù)進行希爾伯特變換解析處理，獲取雷達瞬時頻率；
17、通過k均值聚類方法對所述預(yù)處理后的三維探地雷達數(shù)據(jù)進行聚類處理，得到雷達聚類數(shù)據(jù)；
18、對所述預(yù)處理后的三維探地雷達數(shù)據(jù)進行偏移處理，得到雷達偏移數(shù)據(jù)；
19、結(jié)合所述預(yù)處理后的三維探地雷達數(shù)據(jù)、所述雷達瞬時頻率、所述雷達聚類數(shù)據(jù)與所述雷達偏移數(shù)據(jù)并進行插值加密，得到所述多通道雷達數(shù)據(jù)體。
20、在一些實施例中，所述對所述預(yù)處理后的三維探地雷達數(shù)據(jù)進行偏移處理，得到雷達偏移數(shù)據(jù)，包括：
21、對所述預(yù)處理后的三維探地雷達數(shù)據(jù)的時空域進行轉(zhuǎn)換為頻率波數(shù)域，得到轉(zhuǎn)換后的三維探地雷達數(shù)據(jù)；
22、根據(jù)所述轉(zhuǎn)換后的三維探地雷達數(shù)據(jù)，確定所述轉(zhuǎn)換后的三維探地雷達數(shù)據(jù)的頻率波數(shù)信息；
23、對所述頻率波數(shù)信息進行偏移補償，得到校正后的頻率波數(shù)域數(shù)據(jù)；
24、對所述校正后的頻率波數(shù)域數(shù)據(jù)進行逆二維傅里葉變換與轉(zhuǎn)換時空域處理，得到所述雷達偏移數(shù)據(jù)。
25、在一些實施例中，所述蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型包括若干三維卷積模塊和深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，若干所述三維卷積模塊與所述深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)成u形網(wǎng)絡(luò)結(jié)構(gòu)，其中，所述三維卷積模塊包括三維卷積層、批量歸一化層和激活函數(shù)，所述深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括數(shù)據(jù)輸入模塊、編碼器、解碼器、跳躍連接和卷積輸出模塊。
26、在一些實施例中，所述蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型的損失函數(shù)具體如下所示：
27、loss＝bce+focal
28、bce(p，y)＝-[y·log(p)+(1-y)·log(1-p)]
29、focal(pt)＝-αt(1-pt)2log(pt)
30、上式中，loss表示蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型，bce(·)表示交叉熵損失函數(shù)，focal(·)表示焦點損失函數(shù)，y表示標簽，p表示預(yù)測為正類的概率，pt表示調(diào)制因子，αt表示常數(shù)。
31、在一些實施例中，所述基于所述蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型對所述多通道雷達數(shù)據(jù)體進行數(shù)據(jù)成像處理，得到三維探地雷達蟻巢成像結(jié)果，包括：
32、將所述多通道雷達數(shù)據(jù)體輸入至所述蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型；
33、基于所述蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型的三維卷積模塊，對所述多通道雷達數(shù)據(jù)體進行自動化特征提取處理，得到多通道雷達特征數(shù)據(jù)；
34、基于所述蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對所述多通道雷達特征數(shù)據(jù)進行數(shù)據(jù)成像處理，得到所述三維探地雷達蟻巢成像結(jié)果。
35、在一些實施例中，所述基于所述蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對所述多通道雷達特征數(shù)據(jù)進行數(shù)據(jù)成像處理，得到所述三維探地雷達蟻巢成像結(jié)果，包括：
36、將所述多通道雷達特征數(shù)據(jù)輸入至所述蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；
37、基于所述深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)輸入模塊獲取所述多通道雷達特征數(shù)據(jù)；
38、基于所述深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的編碼器，對所述多通道雷達特征數(shù)據(jù)進行特征空間分辨率減少處理，得到減小后的多通道雷達特征數(shù)據(jù)；
39、基于所述深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的解碼器，對所述減小后的多通道雷達特征數(shù)據(jù)進行空間分辨率恢復(fù)處理，得到恢復(fù)后的多通道雷達特征數(shù)據(jù)；
40、基于所述深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的跳躍連接，對所述減小后的多通道雷達特征數(shù)據(jù)與所述恢復(fù)后的多通道雷達特征數(shù)據(jù)進行融合與下采樣處理，得到融合后的多通道雷達特征數(shù)據(jù)；
41、基于所述深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的卷積輸出模塊，對所述融合后的多通道雷達特征數(shù)據(jù)進行二分類，得到所述三維探地雷達蟻巢成像結(jié)果。
42、為實現(xiàn)上述目的，本申請實施例的另一方面提出了一種基于探地雷達的堤壩白蟻巢穴三維成像系統(tǒng)，所述系統(tǒng)包括：
43、第一模塊，用于獲取目標區(qū)域的三維探地雷達數(shù)本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于探地雷達的堤壩白蟻巢穴三維成像方法，其特征在于，所述方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取目標區(qū)域的三維探地雷達數(shù)據(jù)并進行數(shù)據(jù)預(yù)處理，得到預(yù)處理后的三維探地雷達數(shù)據(jù)，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述目標區(qū)域的三維探地雷達數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到所述預(yù)處理后的三維探地雷達數(shù)據(jù)，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述預(yù)處理后的三維探地雷達數(shù)據(jù)進行特征提取處理與加密處理，得到多通道雷達數(shù)據(jù)體，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對所述預(yù)處理后的三維探地雷達數(shù)據(jù)進行偏移處理，得到雷達偏移數(shù)據(jù)，包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型包括若干三維卷積模塊和深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，若干所述三維卷積模塊與所述深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)成U形網(wǎng)絡(luò)結(jié)構(gòu)，其中，所述三維卷積模塊包括三維卷積層、批量歸一化層和激活函數(shù)，所述深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括數(shù)據(jù)輸入模塊、編碼器、解碼器、跳躍連接和卷積輸出模塊。
<...【技術(shù)特征摘要】
1.一種基于探地雷達的堤壩白蟻巢穴三維成像方法，其特征在于，所述方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取目標區(qū)域的三維探地雷達數(shù)據(jù)并進行數(shù)據(jù)預(yù)處理，得到預(yù)處理后的三維探地雷達數(shù)據(jù)，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述目標區(qū)域的三維探地雷達數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到所述預(yù)處理后的三維探地雷達數(shù)據(jù)，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述預(yù)處理后的三維探地雷達數(shù)據(jù)進行特征提取處理與加密處理，得到多通道雷達數(shù)據(jù)體，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對所述預(yù)處理后的三維探地雷達數(shù)據(jù)進行偏移處理，得到雷達偏移數(shù)據(jù)，包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述蟻巢成像三維深度學(xué)習(xí)網(wǎng)絡(luò)模型包括若干三維卷積模塊和深度神經(jīng)網(wǎng)絡(luò)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：譚彩，黃本勝，劉達，袁明道，秦雁，張旭輝，吉紅香，史永勝，黃文康，
申請(專利權(quán))人：廣東省水利水電科學(xué)研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。