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……
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
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)
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
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)。
默认为伪彩图,可以切换为Wiggle图或者扇形图(90°-360°,可选择内外)
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
输入起始采样点和终止采样点即可看局部放大数据,按Ese即可还原
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
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。
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
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
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
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
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
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
将处理完的数据导出成MALA、EKKO、Impulse、GSSI、MATLAB、Python等格式
任意处理步骤的图片高清导出(1000dpi),支持png,eps,jpg,pdf,tiff格式
图片太大了,差点导不进来了,尴尬,看看属性得了……
将长剖面尽量平均地分割为几个短剖面,针对MALA、IMPLUSE、GSSI、EKKO格式文件,处理后的文件自动加上_Clip_number
PS:不用担心,相应的参数也按照分割的数据修改了
原图长这样
分割0
分割1
分割2
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
对于多个文件,可以直接批量处理,按照需求选择合适的参数即可
以GSSI数据为例,与Radan7软件处理后进行对比