【技术实现步骤摘要】
本专利技术涉及计算机人工智能及地质图像处理和图像重建，尤其涉及一种地下目标图像的识别方法、装置、电子设备及存储介质。
技术介绍
1、虽然地质雷达（gpr）技术可以高分辨率快速地探测地下结构和目标物体，但在噪声环境下，gpr目标的识别面临着一系列挑战，包括噪声干扰、复杂背景等问题。
2、在gpr图像处理领域，最初采用了时间频率转换算法，以及基于像素处理的方法来处理地质雷达探测（gpr）图像。时间频率转换算法利用数学变换从gpr图像的时间或频率域中提取信息，但可能导致图像失真和模糊。后来出现的像素处理方法，例如l1、l2损失等，旨在消除图像中的噪声并保留图像边缘和纹理信息。然而，这些方法在处理复杂背景和强噪声时的效果有限，可能导致图像失真和信息缺失。
3、现有技术存在以下缺陷：
4、（1）图像质量问题，传统处理方法容易在复杂环境和强噪声情况下导致gpr图像的模糊失真，影响了目标的准确识别和定位。这些方法尤其在处理强噪声和复杂背景时表现不佳。
5、（2）目标特征提取困难，现有算法在提取复杂目标（...
【技术保护点】
1.一种地下目标图像的识别方法，其特征在于，包括：
2.根据权利要求1所述的地下目标图像的识别方法，其特征在于，所述对所述训练数据采用基于CycleGAN的神经网络进行训练，得到第一模型，包括：
3.根据权利要求1所述的地下目标图像的识别方法，其特征在于，所述对所述GPR B-SCAN图像对执行垂直灰度梯度搜索，得到包括有识别目标的定位信息的第一图像，包括：
4.根据权利要求3所述的地下目标图像的识别方法，其特征在于，所述对所述第一图像执行聚类分析，得到包括聚类数据的第二图像，包括：
5.根据权利要求1所述的地下目标图像...
【技术特征摘要】
1.一种地下目标图像的识别方法，其特征在于，包括：
2.根据权利要求1所述的地下目标图像的识别方法，其特征在于，所述对所述训练数据采用基于cyclegan的神经网络进行训练，得到第一模型，包括：
3.根据权利要求1所述的地下目标图像的识别方法，其特征在于，所述对所述gpr b-scan图像对执行垂直灰度梯度搜索，得到包括有识别目标的定位信息的第一图像，包括：
4.根据权利要求3所述的地下目标图像的识别方法，其特征在于，所述对所述第一图像执行聚类分析，得到包括聚类数据的第二图像，包括：
5.根据权利要求1所述的地下...
【专利技术属性】
技术研发人员：侯斐斐，方孟奇，王艳辉，董健，崔广炎，
申请(专利权)人：中南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。