基于深度神经网络的探地雷达杂波抑制和根参数预测方法

为解决探地雷达(ground penetrating radar,GPR)异质土壤环境下树木根系检测图像存在背景杂波,影响检测精度,并且其数据的解译自动化程度低、成本高的问题,该研究提出一种基于深度神经网络(deep neural networks,DNN)的探地雷达杂波抑制和根参数预测方法。首先引入注意力机制优化U-net模型构成杂波抑制网络,更好地关注目标根系的双曲线反射,去除土壤异质性和雷达天线之间耦合带来的杂波影响,然后将杂波抑制前后的两张图像并行输入根参数估计网络,利用inception的多尺度感受野,挖掘全局特征和局部特征,同时预测根深度和根半径。利用仿真数据和合成真实数据构成的数据集验证方法的可行性,并完成了实地埋根试验。基于数据集的试验结果表明,该方法对于根半径预测的平均绝对误差为1.7 mm,R^(2)值为0.914,根深度预测的平均绝对误差为6.3 mm,R^(2)值为0.989;埋根试验的结果证明该方法对于根半径预测的最大误差为1.85 mm,根深度预测的最大误差为13.6 mm,平均相对误差为6.55%,实现了对根半径和根深度的准确预测。研究结果有助于为果树健康管理以及为古树名木保护提供决策参考。