【技术实现步骤摘要】
本专利技术属于一种探地雷达数据处理方法，具体是涉及到一种探地雷达b-scan图像超分辨率处理方法及装置。
技术介绍
1、探地雷达(ground penetrating radar，gpr)是一种利用雷达脉冲探测地表以下状况并成像的仪器，是一种非侵入性的地下检测方法。它常用于探测混凝土、沥青、金属、管道、电缆或砖石等地下设施。这种无损方法使用无线电频谱上的微波(uhf/vhf频率)波段电磁波探测，并接收因地下物体的电磁参数变化引起的电磁回波。在适当的条件下，从业者可以使用探地雷达来检测地下物体、材料特性的变化以及空隙与裂缝等。
2、探地雷达使用宽带电磁波进行探测，一般在10mhz至2.6ghz范围之间。探地雷达发射天线向地面发射电磁波，当电磁波遇到埋在地表下的物体或到达介电常数变化的边界时，它可能被反射、折射或散射。接收天线收到回波会记录下回波信号的变化差异。所涉及的原理与地震学类似，不同之处在于探地雷达方法使用电磁能而不是声能，并且电磁波的能量会在地下物体电特性发生变化的边界处反射，而不是像地震能量那样在地下机械特性发生变化的边界产生阻抗。
3、探地雷达b-scan数据信息以二维矩阵的方式直观地呈现了地下结构的特征。然而，一方面在实际测量中，受限于硬件设备，例如接收机、发射机的问题，致使各a-scan不具备完全一致性，造成b-scan的不一致性。另一方面受限于非均匀地下媒介的影响，以及在实际测量中的效率，不便设置很密的空间采样间隔进行采样。这些因素导致b-scan数据通常具有较低的空间分辨率，从而限制了b
4、目前，基于卷积神经网络(convolutional neural networks，cnn)的方法和基于生成对抗网络(generative adversarial nets，gan)的超分辨率方法均在探地雷达b-scan数据的超分辨率重建上有一定的应用，但仍然存在一定的局限性。例如，自然回归模型对于高分辨率图像生成是非常昂贵的，变分自动编码器和标准化流通常会产生次优的样本质量，而gan需要精心设计正则化和优化技巧来驯服优化不稳定性与模态崩溃。由此可知，现有技术仍存在探地雷达b-scan数据空间分辨率不足，噪声覆盖严重与细节信息不够的问题。
技术实现思路
1、本专利技术要解决的技术问题是现有技术常用的上述方法存在探地雷达b-scan数据空间分辨率不足，噪声覆盖严重与细节信息不够的问题，为了解决上述问题，本专利技术提供一种探地雷达b-scan图像超分辨率处理方法及装置。
2、本专利技术的内容包括：
3、第一方面，本专利技术实施例提供了一种探地雷达b-scan图像超分辨率处理方法，包括：
4、构建探地雷达数据集，所述探地雷达数据集包括多个原始b-scan数据；
5、对于所述多个原始b-scan图像中的每一个原始b-scan图像，对所述原始b-scan数据进行预处理，得到所述原始b-scan数据对应的高分辨率数据、低分辨率数据和推理数据；
6、构建条件去噪扩散模型，所述条件去噪扩散模型包括高斯噪声扩散阶段和推理阶段，所述高斯噪声扩散阶段包括残差自注意力u-net网络；
7、基于目标数据集训练所述条件去噪扩散模型，得到训练好的条件去噪扩散模型，所述目标数据集包括所述多个原始b-scan图像对应的高分辨率数据、低分辨率数据和推理数据；
8、利用所述训练好的条件去噪扩散模型对待处理图像进行超分辨率重建处理。
9、可选地，所述高斯噪声扩散阶段用于：
10、生成t个与输入的图像尺寸相同且噪声强度依次增加的高斯噪声，t为大于1的正整数；
11、将所述输入的图像与t个所述高斯噪声分别相加，得到t个单通道带噪声图像；
12、将t个所述单通道带噪声图像分别与所述输入的图像对应的推理数据进行通道合并，得到t个双通道带噪声图像数据；
13、将t个所述双通道带噪声图像数据输入所述残差自注意力u-net网络进行噪声估计，得到估计噪声。
14、可选地，所述推理阶段用于：
15、生成一个与输入的图像尺寸相同的纯噪声图像；
16、对所述纯噪声图像进行t次迭代处理，得到噪声抑制后的图像，其中，第i次迭代处理包括：
17、基于所述残差自注意力u-net网络对所述第i-1次迭代处理得到的图像进行噪声估计，得到第i次估计噪声；
18、从所述第i-1次迭代处理得到的图像中减去所述第i次估计噪声，得到第i次迭代处理得到的图像，i和t均为大于1的正整数，i小于或等于t。
19、可选地，所述残差自注意力u-net网络包括：
20、编码阶段，所述编码阶段包括第一卷积层、第一处理块和残差模块，所述第一卷积层用于将数据映射到一个高维特征空间，所述第一处理块用于减少空间维度，增加特征通道数，提取输入数据的多尺度特征，增加特征表示的抽象程度；
21、中间阶段，所述中间阶段包括两个设有自注意力机制的残差模块，所述中间阶段用于提取全局上下文信息，通过自注意力机制捕捉长距离依赖关系；
22、解码阶段，所述解码阶段包括第二处理块和第二卷积层，所述第二处理块用于逐步恢复空间维度，同时减少特征通道数，所述第二卷积层用于将解码阶段的特征通道数转换为最终输出的通道数，输出结果。
23、可选地，所述设有自注意力机制的残差模块包括：
24、两个目标模块，所述目标模块包括组归一化层、激活函数和第三卷积层，一个所述目标模块用于处理低级特征，另一个所述目标模块用于处理高层次特征；
25、特征调整层，所述特征调整层位于两个所述目标模块之间，
26、第四卷积层，所述第四卷积层用于调整特征图的通道数。
27、可选地，所述对所述原始b-scan数据进行预处理，得到所述原始b-scan数据对应的高分辨率数据、低分辨率数据和推理数据，包括：
28、使用双三次插值方法对所述原始b-scan图像进行插值处理，得到所述高分辨率数据；
29、采用双线性降采样方法对所述原始b-scan图像进行降采样处理，得到所述低分辨率数据；
30、使用双三次插值方法对所述低分辨率数据进行插值处理，得到所述推理数据，所述推理数据的尺寸与所述高分辨率数据的尺寸相同。
31、可选地，所述探地雷达数据集包括仿真数据集和实测数据集，所述构建探地雷达数据集，包括：
32、建立地下目标的探测场景，在可仿真运算情况下调试参数，获取参数的临界值，生成低分辨率的探地雷达仿真数据；
33、搭建砂箱用于模拟真实场景的探测环境，通过控制环境条件和目标配置，捕捉到多种真实场景中的回波信号，生成低分辨率的探地雷达实测数据；
34、基于所述探地雷达仿真数据构建所述仿真数据集，以及基本文档来自技高网...
【技术保护点】
1.一种探地雷达B-scan图像超分辨率处理方法，其特征是，包括：
2.如权利要求1所述的方法，其特征是，所述高斯噪声扩散阶段用于：
3.如权利要求1所述的方法，其特征是，所述推理阶段用于：
4.如权利要求1-3中任一项所述的方法，其特征是，所述残差自注意力U-net网络包括：
5.如权利要求4所述的方法，其特征是，所述设有自注意力机制的残差模块包括：
6.如权利要求1所述的方法，其特征是，所述对所述原始B-scan数据进行预处理，得到所述原始B-scan数据对应的高分辨率数据、低分辨率数据和推理数据，包括：
7.如权利要求1所述的方法，其特征是，所述探地雷达数据集包括仿真数据集和实测数据集，所述构建探地雷达数据集，包括：
8.一种探地雷达B-scan图像超分辨率处理装置，其特征是，包括：
9.一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；其特征是，所述处理器，用于读取存储器中的程序实现如权利要求1至7中任一项所述的探地雷达B-scan图像超分辨率
10.一种可读存储介质，用于存储程序，其特征是，所述程序被处理器执行时实现如权利要求1至7中任一项所述的探地雷达B-scan图像超分辨率处理方法中的步骤。
...【技术特征摘要】
1.一种探地雷达b-scan图像超分辨率处理方法，其特征是，包括：
2.如权利要求1所述的方法，其特征是，所述高斯噪声扩散阶段用于：
3.如权利要求1所述的方法，其特征是，所述推理阶段用于：
4.如权利要求1-3中任一项所述的方法，其特征是，所述残差自注意力u-net网络包括：
5.如权利要求4所述的方法，其特征是，所述设有自注意力机制的残差模块包括：
6.如权利要求1所述的方法，其特征是，所述对所述原始b-scan数据进行预处理，得到所述原始b-scan数据对应的高分辨率数据、低分辨率数据和推理数据，包括：
7...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。