-
公开(公告)号：CN112819732A
公开(公告)日：2021-05-18
申请号：CN202110415692.6
申请日：2021-04-19
Applicant: 中南大学
Abstract: 一种探地雷达B‑scan图像去噪方法，其中包括以下步骤：步骤1：探地雷达GPR在地表对预先埋有管线目标的单一背景介质区域进行探测，获取Z幅GPR B‑scan图像构成无噪GPR标签数据集；步骤2：利用每种含噪GPR数据集及其对应的无噪GPR标签数据集训练多尺度卷积自编码器；所述多尺度卷积自编码器包括一个编码器E、一个解码器D；步骤3：将待去噪的GPR图像输入至训练好的多尺度卷积自编码器，通过编码和解码，输出去噪后的GPR图像，并计算去噪后GPR图像的信噪比，验证多尺度卷积自编码器的去噪效果，本发明能够将低信噪比情况下的含噪GPR图像有效去噪。
-
公开(公告)号：CN114331890B
公开(公告)日：2022-09-23
申请号：CN202111616020.8
申请日：2021-12-27
Applicant: 中南大学 , 中国电波传播研究所(中国电子科技集团公司第二十二研究所)
Inventor： 雷文太 , 毛凌青 , 隋浩 , 辛常乐 , 罗诗光 , 张硕 , 王义为 , 李若楠 , 王睿卿 , 罗佳斌 , 徐龙 , 宋千 , 任强 , 王春和 , 彭正辉 , 王君超 , 王成浩 , 李少龙 , 刘闯 , 张其道 , 张友源 , 冯温雅 , 程丹丹 , 程星
Abstract: 本发明公开了一种基于深度学习的探地雷达B‑scan图像特征增强方法及系统，该方法包括：通过探地雷达对地下探测区域进行B扫描，获取GPR B‑scan图像构建无噪高分辨率GPR标签数据集；对无噪高分辨率GPR标签数据集进行行与列等间隔下采样，得到无噪低分辨率GPR标签数据集，再加入高斯白噪声，得到有噪低分辨率GPR图像数据集；利用GPR图像数据集和对应的标签数据集训练构建的双重生成对抗网络；将实测的含噪低分辨率GPR B‑scan图像输入至训练好的网络，得到清晰的高分辨率GPR B‑scan图像。本发明有效解决了GPR B‑scan图像中因噪声和分辨率低所造成的图像中目标特征模糊的问题，能够有效抑制有噪低分辨率GPR B‑scan图像中的噪声，并提高GPR B‑scan图像中目标的分辨率，实现GPR B‑scan图像特征增强。
-
公开(公告)号：CN114966560A
公开(公告)日：2022-08-30
申请号：CN202210902645.9
申请日：2022-07-29
Applicant: 中南大学
IPC: G01S7/28 , G01S7/285 , G01S7/292 , G01S7/35 , G01S13/88 , G01S13/89 , G06V10/25 , G06N3/04 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种探地雷达后向投影成像方法及系统，该方法包括：获取并预处理B‑scan数据，并根据预处理后的B‑scan数据构建标签数据集；构建YOLOX网络，通过标签数据集对YOLOX网络进行训练；通过训练好的YOLOX网络获取待成像B‑scan图像的目标潜在区域，并在目标潜在区域中进行后向投影成像，获得初始成像图像；对初始成像图像进行双阈值处理和积分聚焦处理，得到目标成像图像。本发明通过YOLOX网络将B‑scan图像中的目标潜在区域框定出来，仅在区域内进行成像，避免了全域的后向投影计算，节省了计算量；同时通过双阈值处理和积分聚焦处理来增强图像，提高了成像质量。
-
公开(公告)号：CN112198966A
公开(公告)日：2021-01-08
申请号：CN202011420741.7
申请日：2020-12-08
Applicant: 中南大学
Abstract: 本发明公开了一种基于FMCW雷达系统的笔画识别方法以及系统，该方法包括：获取基于FMCW雷达系统手写汉字包含的至少一个待识别笔画的中频信号数据；对各待识别笔画的中频信号数据进行预处理，获取各待识别笔画的特征图集合；获取训练完成的汉字基本笔画识别模型；汉字基本笔画识别模型是指以特征图集合为输入参数，以基本笔画类别为输出参数的卷积神经网络模型；将各待识别笔画的特征图集合输入至汉字基本笔画识别模型中，并获取汉字基本笔画识别模型输出的与各待识别笔画匹配的基本笔画类别。本发明降低了用于表征手势运动趋势的数据量，提高了特征提取效率，且能够精确地判别出基本笔画类别。
-
公开(公告)号：CN111273250A
公开(公告)日：2020-06-12
申请号：CN202010144276.2
申请日：2020-03-04
Applicant: 中南大学
IPC: G01S7/41
Abstract: 本发明提出了一种用于步进频率雷达的非线性频率步进方法及其系统，包括非线性频率步进准则、非线性间隔的宽带频谱合成方法和基于软件无线电平台的非线性步进频率雷达系统的实现方法。该方法通过分析均匀步进间隔下的雷达回波特征，设计了非线性的频率步进准则，对探测区域进行第二次扫描并获得雷达回波，设计了非线性频率步进下的宽带频谱合成方法，对非线性频率步进下的宽带频谱进行合成处理，获得雷达散射回波，达到提高雷达分辨力，降低一维距离像旁瓣的目的。给出了基于软件无线电平台的非线性步进频率雷达系统的实现方案，包括硬件搭建方案和平台参数配置。
-
Patent Agency Ranking
公开(公告)号：CN116106833B
公开(公告)日：2023-07-04
申请号：CN202310385701.0
申请日：2023-04-12
Applicant: 中南大学
Abstract: 本发明提供一种基于深度学习的抑制表层钢筋回波的处理方法及系统，该方法包括如下步骤：通过探地雷达对目标区域进行扫描，获取目标区域的目标回波图像；通过对目标区域的仿真探测获取图像数据集，图像数据集包括有钢筋干扰的第一回波图像数据集和无钢筋干扰的第二回波图像数据集；基于无监督的钢筋注意检测器构建初始对抗网络；利用第一回波图像数据集和第二回波图像数据集训练初始对抗网络，得到循环生成对抗网络；将目标回波图像输入至循环生成对抗网络，得到抑制表层钢筋回波干扰处理后的目标回波图像。本发明可以解决因表层钢筋对下行和上行电磁波的强干扰而导致钢筋下方的空洞回波信号变弱和难以识别的问题。
-
公开(公告)号：CN116167944A
公开(公告)日：2023-05-26
申请号：CN202310208455.1
申请日：2023-03-07
Applicant: 中南大学
Abstract: 本发明提供一种分段线性图像边缘保持的全弯曲滤波方法、装置及系统，该方法包括：构建用于使图像具有边缘保持能力的高阶几何全弯曲滤波模型；基于全弯曲滤波模型的目标函数，结合乘法策略将其一阶导数和二阶导数结合；基于梯度下降法处理全弯曲滤波模型得到欧拉‑拉格朗日类型的高阶各向异性非线性方程；基于高阶各向异性非线性方程，采用有限差分法进行求解，得到全弯曲滤波模型的解；确定图像中的目标像素；在基于全弯曲滤波模型处理图像时，结合多个滤波窗口并行处理多个目标像素，并分别选取最大差分值作为各目标像素在图像中位置处的梯度。本发明的分段线性图像边缘保持的全弯曲滤波方法能够在光滑图像的同时显著提高边缘保持能力。
-
公开(公告)号：CN115061138B
公开(公告)日：2022-10-28
申请号：CN202210992032.9
申请日：2022-08-18
Applicant: 中南大学
Abstract: 本发明提供一种探地雷达自聚焦并行掩膜后向投影成像方法、设备及介质，其中方法包括：获得B‑scan回波数据；对B‑scan回波数据归一化成像，进行二值化处理与形态学滤波，得到预掩膜矩阵；设定背景介质相对介电常数估计区间，令估计区间中值为背景介质相对介电常数估计值；根据该估计值和预掩膜矩阵，并行计算获得并行掩膜后向投影成像结果；根据二分法和并行掩膜后向投影成像结果更新估计区间，迭代运算，直至估计区间满足设定条件，获得背景介质最终估计值与自聚焦并行掩膜后向投影成像结果。本发明能够提高成像质量，缩短计算时间，在未知背景介质相对介电常数条件下实现背景介质相对介电常数估计与自聚焦并行掩膜后向投影成像。
-
公开(公告)号：CN115061138A
公开(公告)日：2022-09-16
申请号：CN202210992032.9
申请日：2022-08-18
Applicant: 中南大学
Abstract: 本发明提供一种探地雷达自聚焦并行掩膜后向投影成像方法、设备及介质，其中方法包括：获得B‑scan回波数据；对B‑scan回波数据归一化成像，进行二值化处理与形态学滤波，得到预掩膜矩阵；设定背景介质相对介电常数估计区间，令估计区间中值为背景介质相对介电常数估计值；根据该估计值和预掩膜矩阵，并行计算获得并行掩膜后向投影成像结果；根据二分法和并行掩膜后向投影成像结果更新估计区间，迭代运算，直至估计区间满足设定条件，获得背景介质最终估计值与自聚焦并行掩膜后向投影成像结果。本发明能够提高成像质量，缩短计算时间，在未知背景介质相对介电常数条件下实现背景介质相对介电常数估计与自聚焦并行掩膜后向投影成像。
-
公开(公告)号：CN111445515B
公开(公告)日：2021-06-08
申请号：CN202010219817.3
申请日：2020-03-25
Applicant: 中南大学
Abstract: 本发明提供了一种基于特征融合网络的地下圆柱体目标半径估算方法及系统，包括：获取探地雷达对地下圆柱体探测得到的训练回波数据并进行预处理，获取预处理后数据中的双曲线目标区域并且估算出地下圆柱体的埋深；建立特征融合网络，以双曲线目标区域作为特征融合网络的输入对特征融合网络进行训练得到以双曲线目标区域为输入、以地下圆柱体目标半径为输出的按照埋深范围分类的若干训练后的特征融合网络；对于实时回波数据重复上述步骤并根据待测地下圆柱体的埋深选择对应的按照埋深范围分类的特征融合网络从而得到地下圆柱体的半径。本方法能够快速检测探地雷达目标区域并精确估计地下圆柱体目标的半径。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.024 seconds)
