1.一种用于水损害检测的探地雷达图谱自适应选取方法，其特征在于，该方法根据探地雷达数据来自适应选取合适对比度的探地雷达图谱，该方法按照以下步骤进行：步骤1，读取预处理后的GPR数据：

对GPR数据进行预处理后，在设定的对比度取值范围内，随机生成不同对比度的雷达图谱，构建初始随机图谱数据集，所述的初始随机图谱数据集的大小为N张图片；

步骤2，图片分辨率调整：

初始随机图谱数据集定义为RID数据集，将RID数据集直接缩放到224×224，定义为RBD数据集；

将水损害初始图谱数据集的分辨率直接缩放到224×224，获得RBD数据集；

步骤3，将数据集输入到识别模型：

将步骤二获得的RBD数据集输入到识别模型，经过识别模型运算后，执行步骤四；

所述的识别模型的图片输入分辨率大小为224×224，图片输出分辨率大小为224×

224；

所述的识别模型为混合式深度学习模型，所述的混合式深度学习模型由两部分构成，特征提取采用ResNet50，目标检测采用YOLO V2框架；

步骤4，输出水损害结果：

对步骤三的识别模型的输出结果进行后处理，所述的后处理步骤为：步骤S41，判断输出结果中的图谱的候选框BBoxes数量，如果候选框BBoxes数量>1，则进行步骤S42，否则直接输出结果；

步骤S42：判断候选框BBoxes是否有重叠，若有重叠，则进行步骤S43，否则直接输出结果；

步骤S43：判断重叠候选框对应的标签名是否相同，若相同，则合并的候选框对应的标签名不变；若不同，则表明同时含有水损害和桥接缝两类标签名，标签名输出为桥接缝Joint；

步骤S44：合并候选框，将相交的候选框x和y方向取最小值，w和h取最大值，合并的候选框坐标为[xmin，ymin，wmax，hmax]；

步骤S45：输出结果，在识别模型的输出结果中，将输出图片分辨率调整至等于所述的损害的初始图谱数据集的图片分辨率，输出结果为带目标的标签名及目标对应的候选框位置BBoxes(x，y，w，h)的图谱；

步骤5，利用初始随机图谱数据集，进行检测目标的有无判断：步骤S51，将步骤四的输出结果转为图片上像素点对应的矩阵Ai，Ai定义为：where 1≤m≤H0,1≤n≤W0

式中：H0为识别模型输出图谱的图片高度；W0为识别模型输出图谱的图片宽度；

将RID数据集中的N张图片对应的矩阵Ai进行求和，并求其均值，获得均值矩阵A，A定义为：步骤S52，设定k1＝0.8，θ0＝0.5，对均值矩阵A进行按照以下公式进行更新，获得更新后的均值矩阵A；

A(A

k1为目标关联系数；

θ0为含有目标时，矩阵A中的最小值，低于此值，则无目标；

max(max(A))为均值矩阵中的最大值；

步骤S53，根据更新后的均值矩阵A，按照以下公式获得目标有无的判断条件T，当T＝1，则表示有目标，当T＝0，则表示没有目标；

步骤6，增量式随机生成图谱，进行合适对比度图谱的选取：当图片含有目标后，进行初始化判断：

步骤S61，若Flag＝0，则表示为第一次生成随机图谱样本集，即初始化样本集阶段，不进入后续选取判断，设置Flag＝1，然后额外增加5％·N张图片作为样随机图谱数据集的本，样本中图片的总数为N＝(1+5％)N，返回到步骤2；

步骤S62，若Flag≠0，则表示非初始化阶段，设置一个图片相关系数，选择与平均矩阵A最大相关系数的图片，即为合适对比度的图谱；

相关系数Ri定义为：

式中：Ri为第i张图谱对应的矩阵Ai与均值矩阵A的相关系数；m为高度方向上的坐标值；

n为宽度方向上的坐标值；μA为均值矩阵A的总均值； 为矩阵Ai的总均值；

选取过程的终止条件为：

STOP＝abs(F1-F1pre)<0.01&&F1>0.8；

式中：F1为深度学习的评价指标；F1Pre为上一次深度学习的评价指标，初始时为0；TP为真实的目标区域；FP为错误识别的真值，代表未识别的真值，错误判断为负值或背景；FN为错误识别的负值，即把背景当成目标；

当终止条件不满足时，将该次计算的指标F1付给变量F1Pre，然后返回步骤S61，增大样本集，重新进行选取；

当终止条件满足时，系统将输出合适对比度的图谱。

2.如权利要求1所述的用于水损害检测的探地雷达图谱自适应选取方法，其特征在于，所述的GPR数据的获取方法为：采用GPR系统对沥青路面进行现场数据采集，现场数据采集过程中，确定路面出现唧浆或泛白的损害区域，获取损害区域对应的GPR数据。

3.如权利要求1所述的用于水损害检测的探地雷达图谱自适应选取方法，其特征在于，所述的现场数据采集过程中，采样参数要求采样间距<15cm，天线频率>1.6GHz，采样频率为天线主频的10～20倍。

4.如权利要求1所述的用于水损害检测的探地雷达图谱自适应选取方法，其特征在于，所述的预处理过程为采用直流漂移校正算法、地面校正算法、背景扣除算法、带通滤波算法和进行滑动平均算法进行预处理。

5.如权利要求1所述的用于水损害检测的探地雷达图谱自适应选取方法，其特征在于，所述的设定的对比度取值范围为0.5～1.8。

6.如权利要求1所述的用于水损害检测的探地雷达图谱自适应选取方法，其特征在于，所述的N＝100。