随着国家交通和城市地下交通基础设施的不断发展,使得公路、铁路和地铁隧道的规模和数量不断增长,但隧道的长期运营会导致隧道衬砌(地铁隧道为注浆层)出现各种病害,如空洞、断层或裂缝等。为保证隧道整体质量达标和排除运营安全隐患,需要实现隧道内部病害检测。探地雷达具有快速、无损和实时成像的特点,已被广泛应用于交通基础设施的无损检测,但它是电磁探测设备,不能直接反映待成像区域目标的特征。现在主要利用专家经验解译探地雷达图像,而该方式存在结果解释不一致性和解释周期很长且工作量巨大的缺点。因此,需迫切开发一种探地雷达数据自动解译方法,实现隐蔽工程内部病害的自动定位与识别检测。主要内容包括:1.以地铁隧道为例介绍基于探地雷达的隧道检测方法、流程与雷达图像的人工解释。通过检测注浆层厚度及其内部的病害存在与分布来评估注浆效果。其中通过实验室技术得到的管片与注浆体介电常数来帮助达到目标。2.对仿真数据和杂波抑制后的高速公路隧道实测数据进行样本分类,对训练样本进行时频变换得到其时频分布并变维为列向量,构建时频(冗余)字典。之后提取训练样本的最大幅值、能量、时频熵等特征,用于支持向量机分类,同时这些特征值可构成特征字典用于稀疏分解分类。3.构造基于稀疏分解的分类器用于实现高速公路隧道病害分类:本文基于时频字典使用OMP方法及其变形SAMP进行稀疏分解分类,并对分类结果进行对比。支持向量网络由提取的特征值输入SVM得到,再将测试集输入SVM实现分类,并将SVM分类结果与稀疏分类结果比对。基于特征字典实现稀疏分类并与基于时频字典的分类效果进行比对。最后,实现病害区域的深度定位。