| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 选题背景和研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 探地雷达试验研究现状 | 第12页 |
| 1.2.2 探地雷达属性提取技术研究现状 | 第12-13页 |
| 1.2.3 探地雷达图像目标识别技术研究现状 | 第13-15页 |
| 1.2.4 有待进一步研究的问题 | 第15-16页 |
| 1.3 研究内容和技术路线 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 技术路线 | 第17-18页 |
| 第二章 探地雷达的物理模型试验及数据预处理 | 第18-34页 |
| 2.1 试验仪器设备 | 第18-21页 |
| 2.1.1 意大利IDS公司探地雷达仪 | 第18-19页 |
| 2.1.2 数据采集和图像处理软件 | 第19-21页 |
| 2.2 物理模型试验 | 第21-24页 |
| 2.2.1 试验目的 | 第21页 |
| 2.2.2 试验模型设计 | 第21-23页 |
| 2.2.3 探测参数设置 | 第23-24页 |
| 2.3 探地雷达数据预处理 | 第24-30页 |
| 2.3.1 模型原始探测图像 | 第24-25页 |
| 2.3.2 雷达数据预处理 | 第25-30页 |
| 2.4 隧道衬砌检测病害模型试验 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 探地雷达属性提取技术及特征参数提取 | 第34-45页 |
| 3.1 振幅属性提取技术 | 第34-36页 |
| 3.2 频谱属性提取技术 | 第36-43页 |
| 3.2.1 探地雷达频谱属性的幅度谱及相位谱提取 | 第38-40页 |
| 3.2.2 探地雷达频谱属性的平均相位提取 | 第40-43页 |
| 3.3 相干性提取技术 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于高斯过程的探地雷达目标识别方法 | 第45-64页 |
| 4.1 高斯过程机器学习基本原理 | 第45-50页 |
| 4.1.1 机器学习基本理论 | 第45-47页 |
| 4.1.2 贝叶斯学习方法 | 第47页 |
| 4.1.3 高斯过程模型基本原理 | 第47-50页 |
| 4.2 模型数据雷达属性特征提取与结果分析 | 第50-59页 |
| 4.2.1 探地雷达属性的物理意义 | 第51-52页 |
| 4.2.2 探地雷达属性的标准化 | 第52-54页 |
| 4.2.3 探地雷达属性提取结果分析 | 第54-59页 |
| 4.3 基于GPC的模型各空洞不同填充物识别 | 第59-63页 |
| 4.3.1 建立模型空洞不同填充物的识别GPC模型 | 第60-61页 |
| 4.3.2 GPC模型识别结果及分析 | 第61-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 目标识别方法在隧道衬砌检测中的应用 | 第64-74页 |
| 5.1 现场工作情况介绍 | 第64-65页 |
| 5.1.1 工程概况 | 第64页 |
| 5.1.2 衬砌检测雷达的选用及参数设置 | 第64页 |
| 5.1.3 隧道检测中的测线布置 | 第64-65页 |
| 5.1.4 里程标记 | 第65页 |
| 5.2 隧道衬砌典型病害图像特征分析 | 第65-68页 |
| 5.2.1 衬砌脱空 | 第66页 |
| 5.2.2 不密实体 | 第66-67页 |
| 5.2.3 空洞积水 | 第67-68页 |
| 5.3 建立隧道衬砌病害的识别GPC模型 | 第68-72页 |
| 5.3.1 GPC模型学习样本和预测样本的选取 | 第68-70页 |
| 5.3.2 属性特征二维平面分布图 | 第70-71页 |
| 5.3.3 属性特征三维空间分布图 | 第71-72页 |
| 5.4 基于GPC的隧道衬砌病害识别结果及分析 | 第72-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 结论与展望 | 第74-76页 |
| 6.1 结论 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间参与的科研项目与发表论文 | 第81页 |