[发明专利]基于Yolo V3的探地雷达图像目标检测方法

说明书

本发明公开了一种基于Yolo V3的探地雷达图像目标检测方法，包括如下步骤：采用探地雷达设备采集相关的地质图像，并进行数据准备；对采集到的图像进行预处理；使用网络Darknet‑53来提取特征；图像处理方法为数据先经过preprocess_true_boxes()函数处理，然后输入到模型，损失函数是yolo_loss()，网络最后一个卷积层的输出作为函数yolo_head()的输入，然后再使用函数yolo_eval()得到目标检测结果。所述方法可以更好的提取出特征，提高了检测效果。

技术领域

本发明涉及雷达图像处理方法技术领域，尤其涉及一种基于Yolo V3的探地雷达图像目标检测方法。

背景技术

探地雷达作为一种基于高频电磁波的无损探测设备，当电磁波在地下介质传播时，遇到地下目标的电性差异分界面时会产生双曲线形状的反射线，称为双曲波。通过双曲波的波形、振幅强度和时间变化等特性可以推断出地下目标的空间位置、结构、形态和埋藏深度等重要信息。因此这对于理解地下目标的特点具有重要的指示作用。但是由于系统噪声和地下介质的不均匀性，会导致生成的图像非常复杂。

发明内容

本发明所要解决的技术问题是如何提供一种可以更好的提取出特征，提高检测效果的基于Yolo V3的探地雷达图像目标检测方法。

为解决上述技术问题，本发明所采取的技术方案是：一种基于Yolo V3的探地雷达图像目标检测方法，其特征在于包括如下步骤：

采用探地雷达设备采集相关的地质图像，并进行数据准备；

对采集到的图像进行预处理；

使用网络Darknet-53来提取特征；

图像处理方法为数据先经过preprocess_true_boxes()函数处理，然后输入到模型，损失函数是yolo_loss()，网络最后一个卷积层的输出作为函数yolo_head()的输入，然后再使用函数yolo_eval()得到目标检测结果。

进一步的技术方案在于，进行数据准备的方法如下：

预测特征图的anchor框集合：3个尺度的特征图，每个特征图3个anchor框，共9个框，从小到大排列；框1-3在大尺度52x52特征图中使用，框4-6是中尺度26x26，框7-9是小尺度13x13；大尺度特征图用于检测小物体，小尺度检测大物体；9个anchor来源于边界框的K-Means聚类；

图片输入尺寸：默认为416x416，选择416的原因是：图片尺寸满足32的倍数，在DarkNet网络中，执行5次步长为2卷积，降采样；

在最底层时，特征图尺寸需要满足为奇数，以保证中心点落在唯一框中。

进一步的技术方案在于，对采集到的图像进行预处理的方法如下：

灰度化：灰度化，在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值灰度范围为0-255；采用分量法、最大值法、平均值法或加权平均法对彩色图像进行灰度化；

几何变换：图像几何变换又称为图像空间变换，通过平移、转置、镜像、旋转、缩放对采集的图像进行处理，用于改正图像采集系统的系统误差和仪器位置的随机误差；使用最近邻插值、双线性插值或双三次插值算法，使得输出图像的像素被映射到输入图像的整数坐标上；

图像增强：增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。