探地雷达逆时偏移成像及地下目标智能识别算法

发布时间：2020-08-01 18:20

【摘要】：探地雷达(Ground penetrating radar,简称GPR)作为一种浅地表地球物理方法,具有无损、高分辨率、快速等优点,已广泛应用于地质勘探、土木工程检测和月球探测等领域。探地雷达数据的处理对于后期的数据解译具有关键性的作用,是分析确定地下结构的几何及电性参数的关键步骤。本文从探地雷达的逆时偏移成像方法和地下目标的智能识别两个方面展开了相关研究。逆时偏移成像可高精度地重构地下结构和目标的几何形态,而且二维逆时偏移成像在计算成本上有较大的优势。但在实际应用中,数据测量是在三维空间中进行。因此,本文提出了在频域中使用三维到二维的数据转换器来预处理雷达反射信号,再进行二维逆时偏移成像。首先,数值模型评估了此数据转换器的精度,接着,埋藏的管道仿真模型的成像结果说明了此转换器的必要性。嫦娥五号探测器搭载的月壤结构电磁探测仪的室内实测数据成像结果再次验证了此转换器的有效性以及逆时偏移算法的高分辨率的特点。本文接着开展了基于时域有限差分的逆时偏移成像与分层介质格林函数的逆时偏移成像的对比研究,分析了有着同等精度的频域逆时偏移成像在计算成本的优势,说明分层介质格林函数的逆时偏移算法可对层状结构进行快速成像。基于图像处理的智能识别对探地雷达图像进行目标检测再结合参数拟合可推算出地下目标体的真实位置等几何以及电性参数。其相比于偏移算法在效率上具有巨大优势,它可实现对探地雷达数据的实时解译。本文采用了基于深度学习Single Shot Multibox Detector(SSD)算法对探地雷达图像的双曲线特征进行智能识别。与已有的应用于探地雷达的滑动窗口特征提取结合分类器或者候选区域建议结合卷积神经网络目标检测算法相比,该方法可实现实时高精度检测。本文采用样本集HDXMU对目标网络进行训练与测试。此外,本文采用了迁移学习方法以提高检测精度并加速收敛,数据增广策略也被用来提高此网络的鲁棒性。检测结果表明,此方法可实现对探地雷达图像中的双曲线特征目标的实时检测,能很好地及时解译探地雷达数据。
【学位授予单位】：厦门大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P631.3
【图文】：

示意图,逆时偏移,基本原理,示意图

Ｖ２互－`e邋ｇ：０逦（２－１）逡逑式中５为电场强度，＂为磁导率，ｅ为介电常数。逆时偏移的基本原理如图２－１所逡逑示，对探测仪所采集的单发１１收雷达数据，它将最后采样时刻的波场（Ｘ，＾邋７）逡逑作为起始值并按时间反推。以接收天线在地表界面所采集的数据ｈ（ｘ，ｚ＝０，0作为逡逑步进时间的边界条件，得出时间／邋＝０的波场（Ｘ幻，再应用成像条件即为单发ＩＩ逡逑收数据的偏移结果《（ｘ，邋ｚ，邋／＝（；）。遍历１２个发射天线，将各个发射天线的成像结逡逑果进行叠加，得到最终的成像剖面。逡逑￣￣ＴｘＲｘＲｘ￣￣Ｒｘ逦Ｔｘ￣￣Ｒｘ￣Ｒｘ￣Ｒｘ＂＂逡逑Ｘ邋Ｘ邋Ｘ邋Ｘ逦Ｘ邋Ｘ邋Ｘ邋Ｘ逡逑■逡逑１邋ｖｊＮ邋ｒ逡逑（ａ）发射天线辐射波场正演逦（ｂ）接收天线接收波场逆时正演逡逑图２－１逆时偏移基本原理示意图逡逑５逡逑

探地雷达逆时偏移成像及地下目标智能识别算法

图２－３横电磁波场中／／ｘ，／／ｚ和办的空间位置逡逑．－

全空间,信号转换,接收信号,二维

图２－４均匀全空间中二维、三维接收信号以及三维信号转换后的比较，信号由距离源ｉ．５逡逑米的点源记录。（ａ）原始数据；（ｂ）归一化后的数据逡逑为丫更好地观察相位差，图２－４（ｂ）中画出了将数据归一化后的结果。从中可逡逑以看到，三维和二维波形之间存在明显的相位差，采用公式（２－９）计算得到两者的逡逑互相关系数为０．７７６。将三维接收信号通过本节提出的数据转换器转换后，我们逡逑很难辨别转换的三维和二维数据之间的差异，而且两者的互相关系数达到了逡逑０．９９８。由此可知此数据转换器校正了将三维数据直接用作二维数据引起的相位逡逑、口长逡逑妖差。逡逑第二个数值实验是建立二维分层模型。如图２－５（ａ）所示：发射天线与接收天逡逑线放置在离地表面０．１ｍ出的位置，且相隔１．５ｍ；第一层地下介质的厚度是０．３ｍ，逡逑其介质相对介电常数和电导率分别等于３和０．１邋ｍＳ／ｍ；第二层地下介质的厚度逡逑是０．２ｍ，其介质相对介电常数和电导率分别等于６和０．１邋ｍＳ／ｍ。图２－５（ｂ）显示逡逑归一化后的记录的仿真数据。从图中可以很容易地识别直达波、表面反射波和来逡逑自地下界面的反射信号，它们分别达到时间分别是５ｎｓ、８ｎｓ和１１ｎｓ。同样，可逡逑以观察到仿真的三维和二维数据之间存在明显的相位差。由于在逆时偏移成像算逡逑法中，强烈的直达波被认为是偏移中的噪声，因此本文仅使用弱反射信号来评估逡逑此数据转换的质量。经公式计算出

【参考文献】