探地雷达自动处理软件

针对多种常见探地雷达进行常用处理和批量处理，实现真正的解放双手提高生产力……ps：穷，赚点小钱花……

支持的功能：

显示模块：

1.图像显示(伪彩图，Wiggle图，扇形图)
2.色标改变(Jet,Gray,Seismic)
3.图片拉伸(0.1-10)
4.纵坐标显示(采样点，深度，时间)
5.横坐标显示(采样点，距离)
6.纵横范围选取
7.局部放大
8.整体增益

处理模块：

1.零点校正
2.背景去除
3.自动滤波
4.自动指数增益
5.坏道修复(基于深度学习)
6.异常提取(基于深度学习)
7.杂波去除(基于深度学习)
8.层位去除(基于深度学习)
9.自动偏移
10.文件导出(相当于数据间转换，支持MALA，Impulse，EKKO，GSSI数据的相互转化，同时支持将数据直接保存为MATLAB矩阵和Python数组)
11.图片导出(任意处理步骤的图片高清导出，支持png,eps,jpg,pdf,tiff格式)

批处理模块：

1.文件分割(将一个长剖面分割为几个短剖面)
2.文件合并(将几个短剖面合并为一个长剖面)
3.一键批处理

1 显示模块

1.1 文件导入

支持MALA，IMPULSE，IDS，EKKO，GSSI等5种探地雷达格式文件的格式导入。以Impluse数据为例，其中除了GSSI数据，均需要手动输入背景相对介电常数，用于自动偏移的处理和纵坐标的转换(只有GSSI数据头文件中存在相对介电常数值)。

1.3 色标改变

默认为Gray，可改变Jet和Seismic

1.4 图片拉伸

改变图片纵横比，默认为1

1.5 纵坐标显示

默认为时间，可以选择时间和深度，其中对于任何数据而言时间一定是准确的，深度则是根据预设的相对介电常数计算的

1.6 横坐标显示

默认为采样点，可以选择距离(记录在头文件中)

1.9 整体增益

第二个滑动条即为整体增益，左边变浅，右边变深，默认为1

2 处理模块

2.1 零点校正

输入采样点数即可实现零点校正，可以将鼠标放到图上，左下角状态栏会显示鼠标的具体坐标值，根据坐标值输入即可完成

2.2 背景去除

包括平均去除和RNMF算法去除两种
平均去除：速度快，可能引入层干扰；
RNMF算法：速度慢，不会引入层干扰，rank=1即为去除直线。

2.4 自动指数增益

不再需要手动调整，只需要给定合适的指数参数即可，默认为2，不增益为0

2.5 坏道修复(基于深度学习)

对于有坏道的可以直接点击修复，分为近似模式和精确模式
Approximation为近似值，压缩了纵坐标，速度快；
Exact为精确值，未压缩纵坐标，速度快。
根据自身需要谨慎选择，不一定近似值就差，也不一定精确值就好

2.6 异常提取(基于深度学习)

二值化异常，分为近似模式和精确模式
Approximation为近似值，压缩了纵坐标，速度快；
Exact为精确值，未压缩纵坐标，速度快。
根据自身需要谨慎选择，不一定近似值就差，也不一定精确值就好

2.7 杂波去除(基于深度学习)

针对地下不规则分布引起的杂波反射，而不是Gauss噪声(个人认为雷达数据基本不存在Gauss噪声)，PS：由于思维限制，仅做了管线的数据集，而不适合用于隧道衬砌；
分为近似模式和精确模式
Approximation为近似值，压缩了纵坐标，速度快；
Exact为精确值，未压缩纵坐标，速度快。
根据自身需要谨慎选择，不一定近似值就差，也不一定精确值就好

2.8 层位去除(基于深度学习)

对于地下管线的标识，往往层位会造成干扰，因此对于不需要层位解释的数据即可直接去除，分为近似模式和精确模式
Approximation为近似值，压缩了纵坐标，速度快；
Exact为精确值，未压缩纵坐标，速度快。
根据自身需要谨慎选择，不一定近似值就差，也不一定精确值就好

2.9 自动偏移

为了获取准确位置，可以点击实现自动偏移(参数自动填充，也可以自行修改参数)，可以在处理的任意一步后实施自动偏移处理

2.10 文件导出

将处理完的数据导出成MALA、EKKO、Impulse、GSSI、MATLAB、Python等格式

2.11 图片导出

任意处理步骤的图片高清导出(1000dpi)，支持png,eps,jpg,pdf,tiff格式

3.2 文件合并(将几个短剖面合并为一个长剖面)

将几个短剖面合并为长剖面，针对MALA、IMPLUSE、GSSI、EKKO格式文件，处理后的文件在第一个文件名的基础上自动加上_Merge，PS：选择顺序即为合并顺序
PS：不用担心，相应的参数也按照合并的数据修改了
再把上边分割的组合起来，也可以处理后组合

1.选择滤波、增益、背景去除

处理前

文章知识点与官方知识档案匹配，可进一步学习相关知识OpenCV技能树首页概览11318 人正在系统学习中