-
公开(公告)号：CN113780362A
公开(公告)日：2021-12-10
申请号：CN202110945451.2
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 本发明提出一种基于隐马尔可夫模型的探地雷达地下空洞目标自动识别方法，所述方法共6个步骤：对已获取的地下空洞目标的探地雷达回波图像进行预处理得到处理后的横向波纹得到抑制的图像；对生成的图像进行预筛选标注明确空洞目标像素位置；利用已标注的数据进行图像增广处理得到处理后的具有相似分布的图像；利用增广图像数据集，使用三种方法进行特征提取得到特征向量数据集；将获得的特征向量分为训练集和验证集，对隐马尔可夫模型进行训练得到权重模型；将获得的验证集输入得到的权重模型，对地下空洞目标探地雷达回波图像进行目标识别分类。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN113780361B
公开(公告)日：2024-09-13
申请号：CN202110944158.4
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: G06V10/764 , G06V20/64 , G06V10/82 , G06N3/0464
Abstract: 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。
-
公开(公告)号：CN113780362B
公开(公告)日：2024-04-02
申请号：CN202110945451.2
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: G06V10/764 , G06V10/774 , G06V10/762 , G06V10/44 , G06V10/50
Abstract: 本发明提出一种基于隐马尔可夫模型的探地雷达地下空洞目标自动识别方法，所述方法共6个步骤：对已获取的地下空洞目标的探地雷达回波图像进行预处理得到处理后的横向波纹得到抑制的图像；对生成的图像进行预筛选标注明确空洞目标像素位置；利用已标注的数据进行图像增广处理得到处理后的具有相似分布的图像；利用增广图像数据集，使用三种方法进行特征提取得到特征向量数据集；将获得的特征向量分为训练集和验证集，对隐马尔可夫模型进行训练得到权重模型；将获得的验证集输入得到的权重模型，对地下空洞目标探地雷达回波图像进行目标识别分类。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN113780361A
公开(公告)日：2021-12-10
申请号：CN202110944158.4
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
Abstract: 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。
-
公开(公告)号：CN115291210A
公开(公告)日：2022-11-04
申请号：CN202210881070.7
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
Abstract: 本发明提出一种结合注意力机制的3D‑CNN探地雷达三维图像管线识别方法。所述方法包括对所获得的探地雷达的实际三维回波图像进行预处理；对得到的探地雷达的三维回波图像进行人工标注，并进行置乱，然后随机分配至训练集和验证集，但是需要保证每次置乱后的训练集中每个类别的样本数保持相同；利用生成的训练集对添加注意力机制的3D‑CNN的神经网络模型进行训练，获得训练好的神经网络模型；利用得到的神经网络模型，对探地雷达三维图像进行管线识别。本发明解决了传统识别方法以及基于2D‑CNN的神经网络识别方法识别准确率低和效率低的问题，同时通过添加注意力机制对3D‑CNN进行了改进，提高了网络模型对探地雷达三维图像的识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN115311531A
公开(公告)日：2022-11-08
申请号：CN202210881472.7
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06V10/30 , G06V10/26 , G06N3/04 , G06N3/08 , G01S7/292 , G01S7/35 , G01S7/41 , G01S13/88
Abstract: 本发明提出一种RefineDet网络模型的探地雷达地下空洞目标自动检测方法。所述方法包括对已获取的探地雷达地下空洞目标的回波图像进行背景消除，得到横向波纹受到抑制的探地雷达回波图像；对生成的探地雷达回波图像进行增益，突出空洞目标像素位置特征；利用增益后的图像进行降噪处理，抑制杂波影响；对处理后的探地雷达回波图像进行预筛选，参照人工识别并实地确认的结果，利用labelimg对图像中的空洞进行标注；将获得的数据制成图像检测数据集；用获得的检测数据集训练RefineDet网络模型，得到网络权重参数；利用训练后的网络模型对地下空洞目标探地雷达回波图像进行目标检测。本发明解决现有方法难以检测地下空洞目标的问题。
-
公开(公告)号：CN114169411A
公开(公告)日：2022-03-11
申请号：CN202111384746.3
申请日：2021-11-22
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于3D‑CNN算法的三维探地雷达图像地下管线识别方法，通过探地雷达获得三维回波图像，对三维回波图像进行预处理，将已预处理的探地雷达的三维回波图像进行标注，并将其打乱，随机分配至训练集和验证集；利用的训练集和验证集对3D‑CNN的神经网络模型进行训练，得到训练好的权重模型；利用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，最终标注出带有地下管线信息的三维回波图像；本发明可以将地下管线目标识别概率提高到95％以上，且对探地雷达三维回波图像的地下管线目标进行检测可以有效提高识别概率并且可以大幅降低管线虚检概率。
-
公开(公告)号：CN114169402B
公开(公告)日：2024-10-18
申请号：CN202111354267.7
申请日：2021-11-16
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/50 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于门控循环单元的探地雷达地下空洞目标自动识别方法。所述门控循环神经网络的GRU有两个门：重置门和更新门；重置门主要决定了到底有多少过去的信息需要遗忘，根据输入xt，当前重置门的输出rt和上一时间步隐藏状态ht‑1得到候选隐藏状态#imgabs0#如果重置门近似0，上一个隐藏状态将被丢弃；而更新门帮助模型决定到底要将多少信息传递到未来，或到底前一时间步和当前时间步的信息有多少是需要继续传递的，更新门zt根据上一时间步的隐藏状态ht‑1和当前时间步的候选隐藏状态#imgabs1#得到当前的隐藏状态ht；重置门和更新门的激活函数σ是sigmoid函数。本发明解决现有方法难以检测识别地下空洞目标的问题。
-
公开(公告)号：CN115343703A
公开(公告)日：2022-11-15
申请号：CN202210881029.X
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G01S13/88 , G01S7/41 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于自训练的3D‑CNN探地雷达三维图像的管线识别方法。所述方法包括对所获得的探地雷达三维回波图像进行预处理；将探地雷达三维回波图像划分成训练集和验证集，对验证集中的全部数据以及训练集中的一部分数据进行人工标注；利用训练集对结合注意力机制的3D‑CNN的神经网络模型进行自训练，得到训练好的权重模型；利用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。本发明解决了传统的神经网络依赖于大量、准确的标记样本的问题，仅用少量的标记样本和大量的无标记样本使得识别准确率有了较大的提高，同时也节省了人工标注样本的时间，提高了效率。
-
公开(公告)号：CN115311532A
公开(公告)日：2022-11-08
申请号：CN202210881642.1
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06V10/82 , G06V10/72 , G06V10/764 , G06V10/30 , G06V10/26 , G06N3/04 , G06N3/08 , G01S13/88 , G01S13/89 , G01S7/41 , G01V3/12 , G01V3/38
Abstract: 本发明提出一种基于ResNet网络模型的探地雷达地下空洞目标自动识别方法。所述方法包括对已获取的地下空洞目标的探地雷达回波图像进行预处理，分别包含背景消除、增益和降噪；对生成的探地雷达回波图像进行增益；对增益后的图像进行降噪；之后，对已降噪后的图像数据进行预筛选和人工分类，然后基于水平镜像翻转对图像进行增广，得到处理后的具有相似分布的增广图像数据集；将得到增广图像数据分为训练集和测试集，对ResNet网络模型进行训练，得到网络权重模型；将得到的测试集输入得到的权重模型，对图像进行目标识别分类；采用本发明的方法能有效的提高探地雷达地下空洞目标识别率，将识别率提高到90％以上。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.035 seconds)
