探地雷达多特征融合的城市空洞自动识别方法

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...