探地雷达机场跑道灾害目标检测与识别进展与未来研究

该硕士论文主要探讨了基于探地雷达（Ground Penetrating Radar, GPR）的机场场道灾害目标检测与识别技术。研究由天津市智能信号与图像处理重点实验室进行，由钟羽中撰写，导师为吴仁彪，于2012年3月17日进行了答辩。研究背景部分着重阐述了探地雷达在机场中的应用挑战，尤其是钢筋等强反射体导致的干扰问题，使得灾害目标检测和识别成为一个难题。 研究内容包括三个核心部分： 1. 基于Hyp-curvelet变换的灾害目标检测：论文介绍了一种利用广义Hough变换、双曲线Radon变换和Hyp-curvelet变换的灾害目标检测方法，这些变换有助于提高检测的精度和效率，尤其是在处理复杂背景下的目标定位。 2. 基于时频分析的目标识别：论文讨论了针对一维和多维数据（A-scan, B-scan, C-scan）的目标特征提取，以及几种常用的分类器设计，如最小距离分类器、人工神经网络和支撑向量机。这涉及到特征选择和分类算法的研究，旨在提高目标识别的准确性。 3. 机场场道灾害检测与识别系统：论文还构建了一个全面的系统框架，旨在整合上述技术，以实现对机场场道灾害的高效检测和识别，同时强调了高检测率和低虚警率的重要性。 展望部分提出了未来的研究方向： - 灾害回波补偿算法：论文指出当前补偿算法仍有待改进，可能需要开发新的方法来减少强反射体如钢筋对灾害目标检测的影响。 - Hyp-curvelet算法特色去噪算法：进一步研究如何结合Hyp-curvelet算法特性，开发更有效的噪声抑制技术，以提升信号质量。 - 自适应放弃分类的分类器：提出一种能根据具体情况自动调整策略的分类器，以适应不同场景下的目标识别需求。 这篇论文深入探讨了探地雷达在机场场道灾害目标检测中的关键问题，并提出了一些创新的解决方案，同时也为后续的研究工作指明了方向。通过结合信号处理和机器学习技术，论文在实际应用中展示了其潜在的价值。