探地雷达浅层钢筋网回波抑制方法、装置及设备

本技术涉及数据处理，尤其涉及一种探地雷达浅层钢筋网回波抑制方法、装置及设备。

背景技术：

1、探地雷达（ground penetrating radar，gpr）是一种无损探测方法，其通过获取地下目标的散射回波实现目标检测、定位和成像识别，具有探测效率高、分辨率高和穿透能力强等特点，已应用于土木工程、地质勘探和军事等领域。gpr发射的高频电磁波在传播过程中遇到电磁特性不同的介质时发生反射，接收天线通过获取回波波形、幅值和到达时间等信息，可用于推断地下目标的位置、结构和物理特性。

2、然而，在桥面、隧道衬砌等钢筋混凝土结构探测场景中，gpr图像容易受到浅层钢筋网强反射回波的干扰。由于密集分布的浅层钢筋网与混凝土内部的空洞、断层等地下病害目标在空间上距离较近，电磁波在浅层钢筋网、地下病害目标及周围介质之间传播时会发生多次散射和耦合，从而产生复杂的浅层钢筋网回波干扰。浅层钢筋网回波的反射幅值通常高于地下病害目标回波，并可能与地下病害目标回波在时空位置上发生交叠，容易掩盖微弱的地下病害目标回波，使gpr b扫描（b-scan）图像中的地下病害目标曲线出现局部变形、断裂或遮蔽，增加地下病害目标特征提取和自动化判读的难度。

3、在实际工程应用中，复杂场景下的gpr图像通常依赖具有经验的分析人员进行人工判读，该过程耗时较长，且判读结果容易受到主观经验影响。为降低浅层钢筋网回波对地下病害目标识别的影响，已有研究将主成分分析、独立成分分析和奇异值分解等子空间方法用于gpr浅层钢筋网回波抑制。该类方法主要依据背景回波、地下病害目标回波和干扰回波之间的幅值差异或特征分布差异进行分离。当浅层钢筋网回波与地下病害目标回波在时空位置上发生交叠时，采用能量阈值、矩阵分解或特征降维方式滤除浅层钢筋网回波，容易同时削弱地下病害目标的微弱回波，造成地下病害目标回波的边缘纹理和曲线形态信息损失。

4、低秩稀疏表示和形态成分分析等方法也被用于gpr浅层钢筋网回波抑制。该类方法通常依赖人工参数设定或预设字典。由于实际探测场景中的浅层钢筋网空间布设具有多样性，地下病害目标形态及其空间位置存在差异，且背景介质具有非均匀性，浅层钢筋网回波形态会随探测条件发生变化，固定参数或预设字典难以适应不同探测场景。同时，该类方法通常需要进行多次迭代计算，对工程现场快速处理和在线检测造成一定限制。

5、近年来，随着深度学习技术的发展，卷积神经网络逐渐被用于探地雷达浅层钢筋网回波抑制。以cyclegan为代表的浅层钢筋网回波抑制方法通过双向循环生成和双判别器对抗机制建立两类图像之间的映射关系，但在直接用于浅层钢筋网回波抑制时，主要依据整幅输入图像的整体分布进行映射，缺少对浅层钢筋网回波曲线形态和空间位置的显式特征提取与结构化引导。当浅层钢筋网回波与地下病害目标回波在时空位置上邻近、交叉或重叠时，整幅图像映射容易混淆需要抑制的浅层钢筋网回波与需要保留的地下病害目标回波，进而产生病害样伪响应或削弱地下病害目标回波。

6、此外，现有循环对抗生成方法主要利用对抗损失和循环一致性约束损失对图像生成与循环重构过程进行约束，缺少针对浅层钢筋网散射曲线特征提取和地下病害目标回波曲线形态保持的任务相关约束，容易造成浅层钢筋网散射曲线特征提取不准确，或者使地下病害目标回波的边缘纹理、曲线形态和几何拓扑特征在回波抑制过程中发生损失。

7、因此，如何显式提取表征浅层钢筋网回波曲线形态和空间位置的散射曲线特征，将基于整幅图像整体分布的直接映射转化为所述散射曲线特征引导下的定向抑制过程，并减少病害样伪响应及地下病害目标回波结构在抑制过程中的损失，是探地雷达数据处理领域需要解决的技术问题。

技术实现思路

1、本技术提出一种探地雷达浅层钢筋网回波抑制方法、装置及设备，能够解决背景技术中所存在问题之一。

2、为达到上述目的，本技术采用如下技术方案：

3、第一方面，提供了一种探地雷达浅层钢筋网回波抑制方法，包括：

4、获得含浅层钢筋网回波干扰的地下病害目标探地雷达图像；

5、将所述地下病害目标探地雷达图像输入至已训练好的探地雷达浅层钢筋网回波抑制模型yoronet进行处理，得到浅层钢筋网回波被抑制后的仅含地下病害目标图像；

6、所述yoronet包括：浅层钢筋网回波提取器、地下病害目标增强生成器、地下病害目标弱化生成器、浅层钢筋网判别器和无浅层钢筋网判别器；

7、在yoronet的训练阶段，采用双路循环对抗训练，第一路为同频段浅层钢筋网回波抑制及含同频段浅层钢筋网回波干扰图像重构路径，第二路为跨频段浅层钢筋网回波生成及仅含地下病害目标回波图像重构路径；以含浅层钢筋网回波干扰的地下病害目标仿真图像作为第一路输入，以仅含地下病害目标回波仿真图像和仅含浅层钢筋网回波仿真图像作为第二路输入；第一路以输入到，提取浅层钢筋网散射曲线特征，将与在通道维度上拼接后输入到，由在引导下抑制浅层钢筋网回波，得到仅含地下病害目标回波的虚假图像，将与在通道维度上拼接后输入到，由基于的引导重构出含浅层钢筋网回波干扰的地下病害目标重构图像；第二路以和为输入，将输入到后输出趋近于零的特征响应，将输入到，提取跨频段浅层钢筋网散射曲线特征，将与在通道维度上拼接后输入，由在引导下生成含浅层钢筋网回波干扰的地下病害目标虚假图像，输入到，提取并生成浅层钢筋网散射曲线特征，将与在通道维度上拼接后输入到，由基于的引导重构出仅含地下病害目标回波的重构图像；训练过程中，分别以和作为输入，并输出分别与和对应的局部真假预测图，分别以和作为输入，并输出分别与和对应的局部真假预测图；

8、在yoronet的应用阶段，调用训练完成的和构成浅层钢筋网回波抑制处理链路，将含浅层钢筋网回波干扰的地下病害目标探地雷达图像输入到，得到浅层钢筋网散射曲线特征，再将输入的含浅层钢筋网回波干扰的地下病害目标探地雷达图像与得到的浅层钢筋网散射曲线特征在通道维度上拼接后输入到，输出浅层钢筋网回波被抑制后的仅含地下病害目标图像。

9、在第一方面的一种可能的设计方式中，在yoronet的训练阶段，配置有生成器联合损失函数和判别器联合损失函数，所述的方法还包括：

10、配置yoronet的训练参数，设置用于优化浅层钢筋网回波提取器、地下病害目标增强生成器和地下病害目标弱化生成器的第一优化器，以及用于优化浅层钢筋网判别器和无浅层钢筋网判别器的第二优化器；

11、基于前向传播结果计算生成器联合损失值，使用所述第一优化器更新、和的网络参数；

12、基于局部真假预测图计算判别器联合损失值，使用所述第二优化器更新和的网络参数；

13、交替执行、和的网络参数更新以及和的网络参数更新，并基于验证集评估yoronet的训练状态，直至达到预设训练轮数或满足预设收敛条件，得到训练完成的yoronet。

14、在第一方面的一种可能的设计方式中，所述生成器联合损失函数为：

15、

16、式中，为所述生成器联合损失函数；、、和分别为对应损失项的权重超参数；为对抗损失，用于将各虚假图像输入对应判别器，得到局部真假预测图，并约束局部真假预测图中各预测位置的取值趋近于真实标签1，以使生成器输出的虚假图像在局部分布特征上逼近对应的真实图像；为空间一致性约束损失，用于计算真实图像与其对应的重构图像或虚假图像之间的像素级误差，以约束对应图像之间的空间形态一致性；为结合自适应阈值过滤的浅层钢筋网回波提取损失，用于约束浅层钢筋网回波提取器提取浅层钢筋网散射曲线特征，并约束其在仅含地下病害目标回波的图像输入条件下输出的特征响应趋近于零，以降低地下病害目标回波被误提取为浅层钢筋网散射曲线特征的风险；为多通道四向梯度损失，用于分别计算输出的浅层钢筋网散射曲线特征与基于自适应阈值过滤获得的浅层钢筋网回波特征之间，以及仅含地下病害目标回波的虚假图像与对应真实图像之间在水平、竖直、45度和135度四个方向上的梯度差异，以约束浅层钢筋网散射曲线特征和地下病害目标回波图像的边缘纹理及曲线形态；

17、基于所述生成器联合损失函数更新浅层钢筋网回波提取器、地下病害目标增强生成器和地下病害目标弱化生成器的网络参数。

18、在第一方面的一种可能的设计方式中，所述判别器联合损失函数为：

19、

20、式中，为无浅层钢筋网判别器损失，用于分别计算无浅层钢筋网判别器对仅含地下病害目标回波的真实图像和虚假图像输出的局部真假预测图与真实标签1和虚假标签0之间的逐位置平方误差，并分别对各预测位置的平方误差求平均，得到真实图像判别损失和虚假图像判别损失，再对两项判别损失取算术平均，得到标量损失，以约束无浅层钢筋网判别器进行真假判别；

21、为浅层钢筋网判别器损失，用于分别计算浅层钢筋网判别器对含浅层钢筋网回波干扰的地下病害目标真实图像和跨频段含浅层钢筋网回波干扰的地下病害目标虚假图像输出的局部真假预测图与真实标签1和虚假标签0之间的逐位置平方误差，并分别对各预测位置的平方误差求平均，得到真实图像判别损失和虚假图像判别损失，再对两项判别损失取算术平均，得到标量损失，以约束浅层钢筋网判别器进行真假判别；

22、基于所述判别器联合损失函数更新浅层钢筋网判别器和无浅层钢筋网判别器的网络参数。

23、在第一方面的一种可能的设计方式中，、和均采用u型网络架构的生成器。所述u型网络架构由多个级联的嵌套子模块构成，每个嵌套子模块的编码端通过步长为2的卷积层对输入特征进行下采样，解码端通过转置卷积层对编码特征进行上采样；除最外层嵌套子模块外，各嵌套子模块将解码端的输出特征与对应编码端的输入特征在通道维度上进行跳跃连接拼接，以融合不同尺度的探地雷达图像特征。

24、在第一方面的一种可能的设计方式中，和均采用基于局部图像块判别的全卷积网络架构判别器；所述全卷积网络架构包括依次级联的输入特征提取卷积层、隐藏卷积层和预测输出卷积层；所述输入特征提取卷积层和隐藏卷积层用于逐层提取输入图像的局部特征，所述预测输出卷积层通过单通道卷积操作输出二维局部真假预测图，以对输入图像中不同局部感受野对应的图像块进行真假判别。

25、在第一方面的一种可能的设计方式中，所述的方法还包括：

26、在仿真数据集构建阶段，基于电磁仿真软件配置天线激励频段、背景介质参数、浅层钢筋网空间布设参数以及地下病害目标空间位置和目标类型参数，在同一模拟探测场景下分别构建纯背景模型、仅含浅层钢筋网模型、仅含地下病害目标模型以及同时含浅层钢筋网和地下病害目标模型，并开展正演计算，得到纯背景雷达图像、初始仅含浅层钢筋网回波的仿真图像集、初始仅含地下病害目标回波的仿真图像集以及初始含浅层钢筋网回波干扰的地下病害目标仿真图像集；

27、利用所述纯背景雷达图像分别滤除各初始仿真图像集中的背景信号；

28、将滤除背景信号后的各仿真图像集分别与实测探地雷达环境背景图像进行叠加融合，生成仅含浅层钢筋网回波的仿真数据集、仅含地下病害目标回波的仿真数据集以及含浅层钢筋网回波干扰的地下病害目标仿真数据集；其中，所述含浅层钢筋网回波干扰的地下病害目标仿真数据集中的图像记为，所述仅含地下病害目标回波的仿真数据集中的图像记为；

29、按照同一模拟探测场景下地下病害目标空间位置、曲线形态和几何拓扑的对应关系，将与对应的进行配对，形成配对仿真数据集，并按照预设比例划分为训练集和验证集；

30、从不同模拟探测场景中不同天线激励频段下生成的仅含浅层钢筋网回波仿真数据集中选取部分图像进行整合，形成跨频段浅层钢筋网回波仿真数据集，并将所述跨频段浅层钢筋网回波仿真数据集中的仅含浅层钢筋网回波仿真图像记为。

31、在第一方面的一种可能的设计方式中，所述的方法采用的性能评价指标为：峰值信噪比psnr和结构相似度ssim。

32、第二方面，提供了一种探地雷达浅层钢筋网回波抑制装置，包括一种或多种功能单元或模块，用于执行如第一方面中任一种可能实现方式的所述的方法。

33、第三方面，提供了一种电子设备，所述电子设备包括：处理器，以及与所述处理器耦合的存储器，所述存储器，用于存储计算机程序；所述处理器，用于执行所述存储器中存储的所述计算机程序，以使得所述电子设备执行如第一方面中任一种可能实现方式的所述的方法。

34、有益效果：

35、基于上述技术方案，以cyclegan的双向循环生成和对抗训练机制为基础构建yoronet，增设浅层钢筋网回波提取器，并利用所述浅层钢筋网回波提取器输出的浅层钢筋网散射曲线特征引导地下病害目标增强生成器和地下病害目标弱化生成器进行浅层钢筋网回波的定向抑制与生成；同时，通过增设的结合自适应阈值过滤的浅层钢筋网回波提取损失和多通道四向梯度损失，对浅层钢筋网散射曲线特征提取和回波曲线形态保持进行约束。这样，有利于提高浅层钢筋网回波抑制的针对性，降低病害样伪响应的产生风险，并减少地下病害目标回波的边缘纹理、曲线形态和几何拓扑特征在回波抑制过程中的损失。