探地雷达多特征融合的城市空洞自动识别方法

来源：中国血液净化杂志2023年第3期北京时间：

作者：杜豫川, 岳光华, 刘成龙, 李峰, 蔡文才

单位：1. 同济大学 道路与交通工程教育部重点实验室, 上海 201804;2. 河南万里交通科技集团股份有限公司, 河南 许昌 461000;3. 北京航空航天大学 交通科学与工程学院, 北京 100191"],"fundList_en":["National Natural Science Foundation of China (52108411); Scientific and Technology Program of Qinghai Province (2022-GX-157); Key Research and Development Project of Science and Technology Department of Henan Province (221111321300); Science Research Project of Henan Provincial Department of Transportation (2022-4-1)

摘要：探地雷达发射的电磁波容易受外部环境干扰，城市中复杂的地下市政设施进一步增加了空洞的识别难度，目前利用时域振幅特征图不能全面反映空洞病害的结构和介电参数，自动识别时容易出现误判和漏判。为了能够充分利用探地雷达信号中的多维信息，提升城市空洞自动识别的精度和效率，考虑提取反射信号特定时刻的振幅、频率和相位特征，通过特征融合解译改善空洞的识别精度。首先使用希尔伯特变换将信号从时域转换为时频域，在时频域计算得到特定瞬间的振幅图（IA）、频率图（IF）和相位图（IP），建立包含原始特征图（OP）的4个单特征数据集；然后基于二维小波变换的方法分别将IA+IF、IA+IP、IF+IP、IA+IF+IP融合，其中图像的高频部分采用最大值融合规则，低频部分采用均值融合策略，建立4个特征融合数据集；最后使用YOLOv7算法在8个数据下进行训练，对比研究模型的性能。结果表明：在IA+IP和IA+IF+IP数据集下训练的模型，相比OP数据集下性能均有所提升，其中IA+IP数据下训练的模型表现出最佳的性能，相比OP数据集模型的精确率提升5.0%，召回率提升7.6%，F1值提升7.8%，AP_0.5提升5.9%。该方法可以刻画空洞病害处除振幅强度值外蕴藏的其他细节信息，强化信号在空洞病害位置处的反射特征，进而提升病害处信号特征的辨别能力。

关键词：道路工程,自动识别,特征融合,城市空洞,希尔伯特变换,YOLOv7

基金资助：国家自然科学基金项目（52108411）；青海省科技计划项目（2022-GX-157）；河南省科技厅重点研发专项项目（221111321300）；河南省交通厅科研项目（2022-4-1）