买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学;北京机电工程总体设计部

摘要：本发明提出一种基于2.5D‑CNN算法的三维探地雷达图像地下管线识别方法，所述方法包括步骤1：对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；步骤2：将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；步骤3：利用步骤2的训练集和验证集对2.5D‑CNN的神经网络模型进行训练，得到训练好的权重模型；步骤4：利用步骤3获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测。本发明解决了传统方法识别地下管线目标效率低以及准确率低的问题。

主权项：1.一种基于2.5D-CNN算法的三维探地雷达图像地下管线识别方法，其特征在于：所述方法包括以下步骤：步骤1：对已经得到的探地雷达的三维回波图像进行预处理，所述预处理包括直达波去除以及小波去噪；步骤2：将已预处理的探地雷达的三维回波图像进行标注，标注的类别分别为横向管线、纵向管线、地下空洞和无目标四类，并将标注完类别的三维回波图像进行打乱，随机分配至训练集和验证集；步骤3：利用步骤2的训练集和验证集对2.5D-CNN的神经网络模型进行训练，得到训练好的权重模型；步骤4：利用步骤3获得的训练好的权重模型，对探地雷达三维回波图像进行管线目标识别检测；所述2.5D-CNN的神经网络模型结构为：首先经过第一层的8个20×3×3大小的卷积核进行二维卷积操作，这里的20是输入通道数，也是输入的B-Scan图像个数，在单个通道上通过3×3的卷积核来提取B-Scan图像的特征，然后在20个输入通道上进行全连接操作，来提取空间结构特征，最终生成8个二维图像，然后采用批标准化对每一批的训练数据进行归一化，再采用ReLU激活函数完成数据的非线性变换，以增强网络模型的适配性并解决网络模型梯度爆炸的问题，然后作为8通道输入到下一层网络中；第二层为16个8×3×3大小的卷积核在每个通道上进行二维卷积操作，然后在所有通道进行全连接操作，同样也采用批标准化和ReLU激活函数，并进行2×2的最大池化操作，从而减少最后连接层中的参数数量；第三层为32个16×3×3大小的卷积核在每个通道进行二维卷积操作，然后在所有通道上进行全连接操作，其余与第一层的参数和步骤相同；第四层为64个32×3×3大小的卷积核在每个通道进行二维卷积操作，然后在所有通道上进行全连接操作，与第二层一样采用批标准化、ReLU激活函数和池化，并进行0.2的Dropout，随机删除训练过程中的一部分的隐藏神经元，用来减少训练时间和减少过拟合；然后网络经由Flatten层展平提取到的特征，送入接下来的一层全连接网络部分，经过Softmax分类输出。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 北京机电工程总体设计部 一种基于2.5D-CNN算法的三维探地雷达图像地下管线识别方法