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.
深度学习、探地雷达、循环对抗生成网络、卷积运算
49
TP391.41(计算技术、计算机技术)
国家自然科学基金;广西自然科学基金;广西自然科学基金;广西自然科学基金
2021-06-21（万方平台首次上网日期，不代表论文的发表时间）
共11页
953-963
