基于探地雷达与模型空间学习的地下诊断
计算机视觉与模式识别
2022-11-29 v1
摘要
探地雷达 (GPR) 已广泛应用于管道检测和地下诊断。在实际应用中，在全面分析所获 GPR 数据之前，很少能预先知晓探测区域的 GPR 数据特征及可能的地下异常结构，这给自动识别地下结构或异常带来了挑战。本文提出了一种基于模型空间学习的 GPR B-scan 图像诊断方法。模型空间学习的思想是，将基于部分数据拟合的模型作为数据更稳定和更简约的表示。对于 GPR 图像，提出使用双向回声状态网络 (2D-ESN) 通过下一项预测来拟合图像片段。通过在水平和垂直方向上建立图像点之间的连接，2D-ESN 将 GPR 图像片段视为一个整体，能够有效捕捉 GPR 图像的动态特征。随后，可以在 2D-ESN 模型上进一步实现半监督和监督学习方法，以进行地下诊断。在真实世界数据集上进行了实验，结果证明了所提模型的有效性。
引用
@article{arxiv.2211.15480,
title = {Underground Diagnosis Based on GPR and Learning in the Model Space},
author = {Ao Chen and Xiren Zhou and Yizhan Fan and Huanhuan Chen},
journal= {arXiv preprint arXiv:2211.15480},
year = {2022}
}