基于深度学习的探地雷达正演求解器用于预测地下目标 B 扫描
图像与视频处理
2022-10-05 v1
摘要
探地雷达（GPR）的正演全波建模有助于理解和解释 GPR 数据。传统的正演求解器需要过多的计算资源，尤其是在信号处理及/或机器学习算法中为实现 GPR 数据反演而需反复执行时。为减轻计算负担，本文提出一种基于深度学习的二维 GPR 正演求解器，用于预测埋于非均匀土壤中的地下目标的 GPR B 扫描。所提求解器构建为一个双模态编码器-解码器神经网络。设计了两个编码器及一个自适应特征融合模块，以从地下介电常数和电导率图中提取信息特征。解码器随后从融合的特征表示中构建 B 扫描。为增强网络的泛化能力，采用迁移学习对网络进行微调，以适应与训练集差异极大的新场景。数值结果表明，所提求解器达到了 1.28% 的平均相对误差。在预测一个地下目标的 B 扫描时，所提求解器耗时 12 毫秒，比经典基于物理的求解器所需时间少 22500 倍。
引用
@article{arxiv.2207.06527,
title = {A Deep Learning-Based GPR Forward Solver for Predicting B-Scans of Subsurface Objects},
author = {Qiqi Dai and Yee Hui Lee and Hai-Han Sun and Jiwei Qian and Genevieve Ow and Mohamed Lokman Mohd Yusof and Abdulkadir C. Yucel},
journal= {arXiv preprint arXiv:2207.06527},
year = {2022}
}