一种基于3D-CNN算法的三维探地雷达图像地下管线识别方法技术

本发明专利技术提出一种基于3D

【技术实现步骤摘要】
一种基于3D
‑
CNN算法的三维探地雷达图像地下管线识别方法


[0001]本专利技术属于探地雷达三维回波图后处理的目标检测领域，具体地，涉及一种基于3D
‑
CNN算法的三维探地雷达图像地下管线识别方法。

技术介绍

[0002]探地雷达是一种高效率的、无破坏性的用于探测浅层地下环境的探测技术。探地雷达通过发射电线不断向地层发射高频电磁波，电磁波可以穿透地下非金属介质。但是由于不同的地下介质具有不同的介电常数。电磁波在地层传播时，会在介质交替层发生反射和折射。接收天线通过接收多道反射回波(A
‑
Scan)，并对回波信号进行处理，拼接为二维B
‑
Scan图像。但是二维B
‑
Scan图像并不能完全反映地下目标的特征。比如受检测方向、图像选取方式等的影响，二维B
‑
Scan图像中的信息可能不能被识别而发生漏检的情况。如果采用的阵列式发射天线和接收天线，每个天线将会得到一个平面的二维B
‑
Scan图像，通过将空间内的多个二维B...

【技术保护点】

【技术特征摘要】
1.一种基于3D
‑
CNN算法的三维探地雷达图像地下管线识别方法，其特征在于：所述方法具体包括以下步骤：步骤1：通过探地雷达获得三维回波图像，对三维回波图像进行预处理，所述预处理包括直达波去除和小波变换；步骤2：将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；步骤3：利用步骤2的训练集和验证集对3D
‑
CNN的神经网络模型进行训练，得到训练好的权重模型；所述3D
‑
CNN的神经网络模型结构为：首先单个输入的尺度为20，40，45，1；其中20代表测道数，即B
‑
Scan图像数，40为纵向尺度，45为横向尺度，1表示只有一个三维图像经过第一层的8个3
×3×
3大小的卷积核进行三维卷积操作，最终生成8个三维特征图像，然后采用批标准化对每一批的训练数据进行归一化，再采用ReLU激活函数完成数据的非线性变换，将生成的8个三维特征图输入到下一层网络中；第二层为16个3
×3×
3大小卷积核，与第一层做相同的三维卷积操作，同样也采用批标准化和ReLU激活函数，并进行2
×
2的最大池化操作；第三层为32个3
×3×
3大小卷积核的在每个通道进行三维卷积操作，最终生成32个三维特征图像；第四层为64个3
×3×
3大小卷积核的在每个通道进行三维卷积操作，与第二层一样采用批标准化、ReLU激活函数和池化，并进行0.2的Dropout，随机删除训练过程中的一部分的隐藏神经元；然后网络经由Flatten层展平提取到的特征，送入接下来的一层全连接网络部分，经过Softmax分类输出，最终得到经过训练的权重模型；步骤4：利用步骤3获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测，最终标注出带有地下管线信息的三维回波图像。2.根据权利要求1所述方法，其特征在于：在步骤1中，利用时间门限截取的方式进行直达波滤除，是将回波数据中B
...

【专利技术属性】
技术研发人员：白旭，冯鹏飞，郭士増，张佳岩，王龙，张洋，刘金龙，温志涛，田昊翔，杨彧，崔海涛，
申请(专利权)人：大连中睿科技发展有限公司，
类型：发明
国别省市：