(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210385145.2 (22)申请日 2022.04.13 (71)申请人 苏州兴钊防务研究院有限公司 地址 215000 江苏省苏州市吴中区太湖东 路9号澹台湖大厦(武珞科技园)16楼 (72)发明人 袁瑛　毛涵秋　冯玉尧　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 杨宏泰 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G01S 13/88(2006.01) G01S 7/41(2006.01) (54)发明名称 一种探地雷达的数据可视化方法 (57)摘要 本发明涉及一种探地雷达的数据可视化方 法， 包括以下步骤： 1)建立地下介质模型， 并进行 探地雷达仿真获取多个目标参数随机的仿真数 据， 生成对应的B ‑scan图像样本集； 2)对B ‑scan 图像进行探地雷达目标检测获取目标信号的顶 点坐标， 并提取顶点附近切片， 根据切片对应目 标的材料和尺 寸参数数据建立对应数据集， 并分 别对应预训练神经网络； 3)将新提取的切片输入 到预训练后的神经网络中， 估计目标的材料和尺 寸参数， 并将对应参数信息打印在对应的顶点 上， 完成数据的可视化。 与现有 技术相比， 本发明 采用基于行连接聚类算法的探地雷达目标检测 方法， 能够更精确的检测特别是在目标信号交汇 的复杂情况下， 并识别探地雷达目标并进行可视 化展示。 权利要求书2页 说明书4页 附图3页 CN 114782728 A 2022.07.22 CN 114782728 A 1.一种探地雷达的数据可视化方法， 其特 征在于， 包括以下步骤： 1)建立地下介质模型， 并进行探地雷达仿真获取多个目标参数随机的仿真数据， 生成 对应的B‑scan图像样本集； 2)对B‑scan图像进行探地雷达目标检测获取目标信号的顶点坐标， 并提取顶点附近切 片， 根据切片对应目标的材料和尺寸参数数据建立对应数据集， 并分别对应预训练神经网 络； 3)将新提取的切片输入到预训练后的神经网络中， 估计目标的材料和尺寸参数， 并将 对应参数信息打印在对应的顶点上， 完成数据的可视化。 2.根据权利要求1所述的一种探地雷达的数据 可视化方法， 其特征在于， 所述的步骤1) 中， 通过基于光线追踪的探地雷达仿真方法进 行探地雷达仿真获取多个参数随机的仿 真数 据， 即通过gprMax软件生成B ‑scan图像样本集。 3.根据权利要求1所述的一种探地雷达的数据 可视化方法， 其特征在于， 所述的步骤2) 中， 神经网络具体为 ResNet， 该神经网络以顶 点附近切片为输入， 以目标的对应目标的材料 和尺寸参数作为输出进行训练。 4.根据权利要求1所述的一种探地雷达的数据 可视化方法， 其特征在于， 所述的步骤2) 中， 采用基于行连接聚类算法的探地雷达目标检测方法实现探地雷达目标检测以获取目标 信号顶点 坐标。 5.根据权利要求4所述的一种探地雷达的数据 可视化方法， 其特征在于， 所述的基于行 连接聚类算法的探地雷达目标检测方法具体包括以下步骤： 21)对B‑scan图像样本集 中的每张原始B‑scan图像进行预处理， 包括零时刻校正、 地杂 波移除、 幅度增强和自适应二 值化处理， 获得对应的两张二 值化图像； 22)对每张二值化图像进行目标提取， 采用行连接聚类算法， 将交汇的双曲线目标信号 分离开， 并拟合分离后的双曲线信号得到目标双曲线顶点 位置， 完成目标检测。 6.根据权利要求5所述的一种探地雷达的数据可视化方法， 其特征在于， 所述的步骤 21)中， 根据雷达信号的频率获取零时间进行零时刻校正； 通过减去每行的平均值实现地杂波移除， 则有： 其中， x(t)为一条信号在时间t处的幅值， xj(t)为第j条B ‑scan信号在时间t处的幅值， n 为B‑scan信号的条 数， x1(t)为该B ‑scan信号在去地杂波后在时间t处的幅值； 考虑传播过程中的能量衰减， 采用线性时变增益进行幅度增强， 则有： 其中， x2(t)为幅度增强后的信号在时间t处的幅值， tN为仿真总时长； 采用自适应阈值方法进行二 值化处理， 则有： 其中， threshold为阈值， mean{}为计算平均数的函数， Ie为边缘像素的强度值， 权　利　要　求　书 1/2 页 2 CN 114782728 A 2为边缘像素强度的最大值， ρb为一个介于 0到1之间的小数。 7.根据权利要求6所述的一种探地雷达的数据可视化方法， 其特征在于， 所述的步骤 21)中， 对幅度增强后的B ‑scan图像进 行两次二值化处理， 用以最大限度地减少由于 反射极 性的变化而导致的信息损失， 其中， 第一次作用于原始幅度增强后的B ‑scan图像， 另一次作 用于反转后的幅度增强后的B ‑scan图像。 8.根据权利要求5所述的一种探地雷达的数据可视化方法， 其特征在于， 所述的步骤 22)具体包括以下步骤： 221)采用cv2.findContours()函数来分离二值化图像中的潜在块， 所述的潜在块定义 为二值化图像中的相互没有连接的亮块； 222)对每一个潜在块中的行片段采用行连接聚类算法分离交汇双曲线， 所述的行片段 定义为潜在块 一行中的每段 连续点集， 具体包括： 2221)判断潜在块中的当前行片段是否满足RCC条件， 若是， 则进行步骤2222)， 若否， 则 进行步骤2 223)； 2222)将该行片段扩展连接 到当前目标集群中； 2223)将该行片段判定为新的残肢簇， 并将判断目标转移到下一个目标集群， 返回步骤 2221)继续判断是否满足 RCC条件； 2224)若该行片段与所有现有目标集群均没有连接， 则将其作为 一个新目标集群。 223)根据分离出的双曲线 进行拟合得到对应双曲线的顶点 位置坐标， 完成目标检测。 9.根据权利要求8所述的一种探地雷达的数据可视化方法， 其特征在于， 所述的RCC条 件基于双曲线的几何特征提出， 用于判断一个行片段是否为其他双曲线相交引起的新残 肢， 具体为： 若行片段的最小列在其所连接的残肢簇的左侧， 或该行片段的最大列在其所连接的残 肢簇的右侧， 则认为满足 RCC条件， 若行片段不满足 RCC条件， 则将其视为 新的残肢簇 。 10.根据权利要求1所述的一种探地雷达的数据可视化方法， 其特征在于， 所述的步骤 2)中， 为了在目标识别前进一步消除由于目标检测误检带来的坏样本， 建立正负样本数据 集， 并通过训练正负 样本判别网络过 滤掉负样本后进行神经网络的训练。权　利　要　求　书 2/2 页 3 CN 114782728 A 3