GPR图像的数据集构建及其DRDU-Net去噪算法

摘要

为了解决生成对抗网络（Generative Adversarial Network,GAN）在生成探地雷达（Ground Penetrating Radar,GPR）图像时存在训练不稳定的问题，提出利用带有梯度惩罚的Wasserstein距离生成对抗网络（WGAN-GP）生成GPR图像，并结合时域有限差分法和实地采集图像提出了一种构建GPR图像数据集的方法 .相较于原始GAN与Wasserstein GAN等方法，WGAN-GP具有更好的稳定性，而且生成的GPR图像更接近真实图像.在此基础之上，将密集残差块和U-Net相结合提出了一种适合于GPR图像的密集残差去噪U-Net方法 .该方法利用U-Net中编码-解码结构提高了GPR图像的去噪性能；同时，密集残差块的引入加强了GPR图像的特征复用，且使U-Net训练更加稳定.最后，利用仿真实验验证了所提去噪方法的性能，并与三维块匹配（BM3D）和U-Net方法进行了对比.结果表明：所提方法与BM3D以及U-Net去噪方法相比，具有更好的去噪效果.当σ等于20时，在模拟和实测数据上取平均值，其峰值信噪比分别提升了约6.5 dB和2.4 dB；结构相似性分别提升了约0.09和0.04.

关键词

GPR数据集构建 / GPR图像去噪 / WGAN-GP / 密集残差块