(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210905240.0 (22)申请日 2022.07.29 (65)同一申请的已公布的文献号 申请公布号 CN 114966600 A (43)申请公布日 2022.08.30 (73)专利权人 中南大学 地址 410012 湖南省长 沙市岳麓区麓山 南 路932号 (72)发明人 雷文太　毛凌青　隋浩　辛常乐　 王睿卿　罗诗光　张硕　王义为　 宋千　 (74)专利代理 机构 北京风雅颂专利代理有限公 司 11403 专利代理师 曾志鹏 (51)Int.Cl. G01S 7/41(2006.01) G01S 7/16(2006.01) G01S 7/292(2006.01) G01S 7/35(2006.01) G01S 13/88(2006.01)G01S 13/89(2006.01) G06V 10/30(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 114331890 A,202 2.04.12 CN 111626961 A,2020.09.04 CN 112819732 A,2021.0 5.18 US 2014125 509 A1,2014.0 5.08 Jiabin Luo， et al. .GPR B-Scan Ima ge Denoising via Multi-Scale Co nvolutional Autoencoder w ith Data Augmentati on. 《electro nics》 .2021,1-15. 罗兴旺 等.雷达数据处 理中的杂波抑制方 法. 《系统工程与电子技 术》 .2016,37-4 4. (续) 审查员 彭玉玲 (54)发明名称 一种探地雷达B-scan图像杂波抑制方法及 系统 (57)摘要 本发明公开了一种探地雷达B ‑scan图像杂 波抑制方法及系统， 该方法包括： 获取地下目标 区域的含杂波GPR  B‑scan图像、 无杂波GPR  B‑ scan图像和仅含杂波背景GPR  B‑scan图像， 构建 训练数据集； 构建解纠缠表示生成对抗网络； 通 过训练数据集对解纠缠表示生成对抗网络进行 训练， 并根据解纠缠表示生 成对抗网络中训练好 的目标特征编码器和杂波抑制生成器构建杂波 抑制网络； 通过杂波抑制网络对实测GPR  B‑scan 图像进行杂波抑制， 获得杂波抑制GPR  B‑scan图 像。 本发明通过不匹配的图像数据对解纠缠表示 生成对抗网络进行无监督学习， 可以有效抑制实测GPR B‑scan图像的不均匀杂波。 [转续页] 权利要求书6页 说明书12页 附图9页 CN 114966600 B 2022.10.28 CN 114966600 B (56)对比文件 Zhi-Kang N i， et al. .Declutter-GAN: GPR B-Scan Data Clut ter Removal Usi ng Conditional Generative Adversarial Nets. 《IEEE Geoscience and Remote Sensi ng Letters》 .202 2,1-5.2/2 页 2[接上页] CN 114966600 B1.一种探地雷达B ‑scan图像杂波抑制方法， 其特 征在于， 包括： 获取地下目标区域的含杂波GPR  B‑scan图像、 无杂波GPR  B‑scan图像和仅 含杂波背景 GPR B‑scan图像， 构建训练数据集； 构建解纠缠表示生成对抗网络； 所述解纠缠表示生成对抗网络包含目标特征编码器、 杂波特征编码器、 杂波抑制生成器、 杂波重建生成器、 干净域判别器、 杂波域判别器和杂波 背景判别器； 通过所述训练数据集对所述解纠缠表示生成对抗网络进行训练， 并根据 所述解纠缠表 示生成对抗网络中训练好的所述目标特征编码器和所述杂波抑制生成器构建杂波抑制网 络； 通过所述杂波抑制网络对实测GPR  B‑scan图像进行杂波抑制， 获得杂波抑制GPR  B‑ scan图像； 其中， 所述目标特征编码器由四个卷积层和三个最大池化层组成， 用于提取输入图像 的目标特征； 所述杂波特征编码器由四个卷积层和三个最大池化层组成， 用于提取输入图像的杂波 特征； 所述杂波抑制生成器由三个上采样层、 七个卷积层、 三个特征融合层和三个特征注意 力模块组成， 用于根据目标特征生成杂波抑制图像， 该杂波抑制图像包含杂波抑制GPR  B‑ scan图像、 无杂波重建图像和无杂波图像； 所述杂波重建生成器由三个上采样层、 七个卷积层、 三个特征融合层、 四个特征融合模 块和三个特征注意力模块组成， 用于根据目标特征和杂波特征生成带杂波图像， 该带杂波 图像包含带杂波GPR  B‑scan图像、 含杂波重建图像和含杂波图像； 所述杂波抑制生成器和 所述杂波重建生成器的联合损失函数为： ， ， ， ， ， 其中， 为所述杂波抑制生成器和所述杂波重建生成器的联合损失函数； 、 、 和 为所述解纠缠表 示生成对抗网络的超参数； 、 、 和 分别为对抗损失、 重建损失、 循环一致损失和杂波背景损失； 为L1范数； 为所述杂波抑制生成器根据所述含杂波 GPR B‑scan图像的目标特征生成的杂波抑制GPR  B‑scan图像； 为所述杂波 重建生成器 根 据所述无杂波GPR  B‑scan图像的目标特征和所述含杂波GPR  B‑scan图像的杂波特征生成 的带杂波GPR  B‑scan图像； 为所述杂波重建生成器根据所述含杂波GPR  B‑scan图像的目 标特征和杂波特征生成的含杂波重建图像； 为所述杂波抑制生成器根据所述无杂波GPR   B‑scan图像的目标特征生成的无杂波重建图像； 为所述杂波重建生成器根据所述杂波抑 制GPR B‑scan图像的目标特征和所述带杂波GPR  B‑scan图像的杂波特征生成 的含杂波图权　利　要　求　书 1/6 页 2 CN 114966600 B 3