1 绪 论
1.1 课题研究背景、目的和意义
1.2 国内外研究现状
1.2.1 基于探地雷达数据的病害识别研究现状
1.2.2 深度学习技术的研究现状
1.2.3 探地雷达回波信号处理研究现状
1.2.4 独立成分分析国内外研究现状
1.3 主要研究内容
2 公路结构病害数值模拟与深度学习理论
2.1 探地雷达原理
2.2 探地雷达数据形式
2.3 公路结构病害数值模拟
2.3.1 GprMax
2.3.2 脱空病害
2.3.3 含水脱空病害
2.3.4 不密实病害
2.3.5 空洞
2.4 深度学习理论
2.5 卷积神经网络
2.6 本章小结
3 基于Faster R-CNN的公路结构病害快速识别算法
3.1基于深度学习的图像识别方法
3.1.1 R-CNN
3.1.2 Fast R-CNN
3.1.3 Faster R-CNN
3.2公路结构病害快速识别算法
3.2.1特征提取网络
3.2.2 RPN
3.2.3 分类识别
3.2.4 Soft-NMS
3.2.5 数据增强
3.3实验分析
3.3.1 实验数据准备
3.3.2 实验设置与模型训练
3.3.3 实验结果
3.3.4 模型性能评估
3.3.5 对比实验分析
3.4实测数据验证
3.5 本章小结
4 基于Mask R-CNN的公路结构病害定量识别算法
4.1 Mask R-CNN
4.2 探地雷达目标定位原理
4.3电磁波速度估计方法
4.4公路结构病害定量识别算法
4.4.1特征提取与候选区域生成
4.4.2 目标检测与实例分割
4.4.3 获取特征曲线和电磁波速度估计
4.5实验分析
4.5.1 实验数据准备
4.5.2 实验设置与模型训练
4.5.3 病害识别和形态特征提取结果分析
4.5.4 定位结果分析
4.6 本章小结
5 基于独立成分分析的探地雷达信号处理方法
5.1 独立成分分析
5.2 FastICA
5.3 工频干扰滤除
5.3.1 基于和差角公式构造输入信号
5.3.2 仿真实验
5.4 随机噪声滤除
5.4.1 分形维数
5.4.2 高斯滤波
5.4.3 基于分形维数约束的FastICA对比实验分析
5.4.4 高斯滤波对比实验
5.4.5 改进算法去噪性能分析
5.5 本章小结
6 结论与展望
6.1 总结
6.2 展望
参考文献
附录
A. 作者在攻读学位期间发表的论文目录
B. 作者在攻读学位期间取得的科研成果目录
C. 学位论文数据集
致谢
重庆大学;