基于卷积神经网络的地下目标定位与介电常数估计研究

论文摘要

探地雷达主要应用于地下目标的定位、几何形状识别、电性能参数估计和分类。传统机器学习方法对地下目标分类、定位和参数估中,探地雷达信号特征的提取需要人工设计,其中涉及到实验人员的主观经验,给实验结果带来了很多不确定性。因此如何构建特征自动提取的地下目标分类、定位和参数估计框架具有重要意义。针对以上问题,本文提出了基于卷积神经网络（Convolutional Neural Networks,CNN）的地下目标形状分类、定位和介电常数估计方法。本文的主要内容为:首先,研究了基于CNN的地下目标形状分类方法。对于传统人工设计特征提取方法的不足,鉴于CNN具有自动学习特征的优势,采用CNN框架对浅层地下目标形状分类。利用支持向量机（Support Vector Machine,SVM）代替softmax层,采用CNN-SVM对地下目标形状识别。相比于传统特征提取方法联合SVM的分类结果,CNN-SVM方法具有更高的分类准确率和精度。其次,研究了基于全卷积网络（Fully Convolutional Networks,FCN）的地下目标定位方法。对于地下目标定位中特征提取方法的缺陷,鉴于AlexNet网络模型具有强大的特征提取能力,通过把AlexNet的全连接层使用卷积层代替,将其改为全卷积网络,联合改进的非极大值抑制方法对地下目标定位。与传统的特征提取方法相比,FCN具有更好的定位性能。最后,研究了基于级联CNN的地下目标介电常数估计方法。传统方法对地下目标的定位和参数估计都是独立进行,对此本文在全卷积网络地下目标定位的基础上,通过级联一个CNN实现地下目标介电常数估计。相比于单个CNN的介电常数估计结果,级联CNN模型具有更低的估计误差,并实现了地下目标的定位和介电常数估计一体化。因此,本文的CNN方法在地下目标的分类、定位和参数估计领域具有参考价值。

论文目录

摘要

abstract

第1章绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 本文的研究内容和工作安排

第2章基于传统特征提取方法的地下目标形状分类

2.1 传统特征提取方法的地下目标形状分类基础

2.1.1 方向梯度直方图理论

2.1.2 主成分分析理论

2.1.3 支持向量机理论

2.2 实验数据集准备

2.2.1 探地雷达原理及模型

2.2.2 光滑地表面地下目标模型模拟

2.2.3 粗糙地表面地下目标模型模拟

2.2.4 数据预处理

2.3 基于HOG-SVM的地下目标形状分类

2.3.1 HOG-SVM地下目标形状分类框架

2.3.3 GPR图像HOG特征提取

2.3.4 HOG-SVM的地下目标形状分类实验

2.4 基于PCA-SVM的地下目标形状分类

2.4.1 PCA-SVM地下目标形状分类框架

2.4.2 GPR图像PCA降维特征提取

2.4.3 PCA-SVM地下目标形状分类实验

2.5 实验结果分析

2.6 本章小结

第3章基于卷积神经网络的地下目标形状分类

3.1 卷积神经网络理论框架

3.1.1 卷积神经网络理论基础

3.1.2 卷积神经网络权值学习算法

3.1.3 卷积神经网络优化策略

3.2 基于卷积神经网络地下目标形状分类

3.2.1 卷积神经网络地下目标分类架构

3.2.2 卷积神经网络地下目标形状分类实验

3.3 基于CNN-SVM地下目标形状分类

3.3.1 CNN-SVM地下目标分类架构

3.3.2 CNN-SVM地下目标形状分类实验

3.4 实验结果分析

3.5 本章小结

第4章基于卷积神经网络的地下目标定位

4.1 实验数据集及预处理

4.2 基于HOG-SVM地下目标定位

4.3 基于全卷积神经网络的地下目标定位

4.3.1 AlexNet网络模型

4.3.2 全卷积网络模型

4.4 全卷积网络地下目标定位

4.5 实验结果与分析

4.6 本章小结

第5章基于级联CNN的地下目标介电常数估计

5.1 支持向量回归理论

5.2 级联CNN地下目标介电常数估计框架

5.3 地下目标介电常数估计

5.3.1 数据集准备

5.3.2 地下目标介电常数估计实验

5.3.3 实验结果分析

5.4 本章小结

第6章全文总结与工作展望

6.1 全文总结

6.2 工作展望

致谢

参考文献

攻读学位期间的研究成果

文章来源

类型: 硕士论文

作者: 张天助

导师: 周辉林

关键词: 探地雷达,支持向量机,卷积神经网络,目标定位,介电常数估计

来源: 南昌大学

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,信息科技

专业: 地质学,地球物理学,矿业工程,自动化技术

单位: 南昌大学

分类号: TP18;P631.3

DOI: 10.27232/d.cnki.gnchu.2019.000531

总页数: 75

文件大小: 3311K

下载量: 86

基于卷积神经网络的地下目标定位与介电常数估计研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢