买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东华理工大学申请的专利结合多尺度融合与卷积神经网络的地下空洞识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119511230B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411660014.6，技术领域涉及：G01S7/41；该发明授权结合多尺度融合与卷积神经网络的地下空洞识别方法及系统是由丁文蔷;麻昌英;欧阳天杰;蒋琪设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本结合多尺度融合与卷积神经网络的地下空洞识别方法及系统在说明书摘要公布了：本发明公开了一种结合多尺度融合与卷积神经网络的地下空洞识别方法及系统，该方法包括以下步骤：首先，采用Hilbert变换处理探地雷达时间序列数据，提取探地雷达信号的瞬时属性：瞬时幅值IA、瞬时相位IP和瞬时频率IF，从而获得精确的局部信号特征；其次，应用双树复数小波变换对IA、IP和IF进行多尺度特征融合，有效应对B‑scan剖面BP中地球物理特征信息不足问题。最后，将融合后的数据集输入到卷积神经网络进行训练，训练结果表明：该融合方法可以捕获多尺度和多方向特征，有效减少BP的信号模糊度，具有更高的识别准确率和鲁棒性，为地下空洞异常体检测提供了一种有效的新策略。

本发明授权结合多尺度融合与卷积神经网络的地下空洞识别方法及系统在权利要求书中公布了：1.一种结合多尺度融合与卷积神经网络的地下空洞识别方法，其特征在于，包括以下步骤： 步骤1：对探地雷达时间序列数据，提取探地雷达信号的瞬时属性：瞬时振幅IA、瞬时相位IP和瞬时频率IF； 步骤2：利用双树复小波变换DT-CWT对瞬时振幅IA、瞬时相位IP和瞬时频率IF进行特征融合； 步骤3：将瞬时属性特征融合后的数据集IAF-datasets及其空洞标签输入到卷积神经网络模型进行训练，利用训练好的基于多尺度融合的卷积神经网络模型对实时采集的地下空洞的探地雷达信号进行分类识别； 识别过程中，将实时采集的地下空洞的探地雷达信号按照步骤1和步骤2进行处理，得到瞬时属性特征融合数据输入训练好的基于多尺度融合的卷积神经网络模型； 利用双树复小波变换将IA、IP和IF进行特征融合的过程如下： 步骤B1：假设探地雷达时间序列信号xt为实值信号，其中t表示时间上的索引，构建xt的复数小波表达式； xt＝ψht+iψgt 其中，ψht和ψgt分别为实部树小波和复部树小波，i为虚部单位； 步骤B2：从每幅图像中提取不同尺度和方向的小波系数，每幅图像是指瞬时振幅图像、瞬时相位图像和瞬时频率图像； 通过实部和虚部树变换到双树复小波变换的小波系数和尺度系数： 实部双树复小波变换的小波系数和尺度系数： j＝1,2,…,J 其中，与分别为实部双树复小波变换的小波系数和尺度系数，j为尺度因子，J为最大尺度因子，k为小波滤波器长度； 虚部双树复小波变换的小波系数和尺度系数 步骤B3：针对每个小波系数位置，计算三幅图像中相应小波系数的差值，确定三幅图像的融合权重，将融合权重进行线性组合，以形成新的融合权重； 利用新的融合权重代入下面公式，获得融合后的小波系数，具体为：根据双树复小波变换的小波系数和尺度系数，获取捕捉高频细节的小波系数djt和表示低频趋势的尺度系数cJt： 步骤B4：通过双树复小波逆变换对融合后的高频部分小波系数进行合成处理，同时使用三幅图像低频部分的小波系数的平均值来重建最终的融合图像，即按照下面公式进行重构融合图像； 对捕捉高频细节的小波系数djt和表示低频趋势的尺度系数cJt进行重构，则重构信号如下： 其中，表示重构信号。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东华理工大学，其通讯地址为：330000 江西省南昌市经开区广兰大道418号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。