随着高速公路建设的发展,高速公路隧道的规模不断增长,隧道的长期的服务时间经常导致隧道衬砌出现各种病害,如空洞、裂缝、断层等。这不仅会影响经济的正常运行,而且对人们的生命安全造成威胁。因此,隧道内部质量检测显得尤为重要。探地雷达具有快速、无损等特点,其应用于隧道内部质量检测时,可以真实反映隧道内部结构状况,为隧道的保养维护提供参考依据。探地雷达的图像解释通常是采取人工方式,这种方式通常是费时耗力的且容易产生误判和数据的多解性,因此迫切需要开发一种探地雷达隧道图像的自动解释方法。主要内容包括：1.基于FDTD隧道病害正演模拟：文中首先通过仿真模拟探究了各频率天线的探测深度和精度,为探地雷达天线的选择提供了参考。其次采用有限时域差分(Finite-difference Time-domain Method, FDTD)算法对隧道衬砌结构和可能出现的隧道病害进行仿真模拟,获得各种病害的先验信息和GPR图像中病害信号特征,以便于病害的理解与识别,这样不仅有利于培养图像解释专家,而且可以为现场实测中采集到的GPR图像病害分析和解释提供参考依据,有效地指导隧道检测工作。2.隧道病害检测和分类：探地雷达图像中的较强杂波和噪声、目标双曲线的自动聚焦和具有代表性的特征提取为数据的自动解释带来了困难,因此文中分别对仿真数据和实测数据分别采用时域、频域和子空间域滤波方式去除杂波和噪声。在此基础上,采用偏移技术和时变增益分别实现目标双曲线的自动聚焦和突出病害信息,之后提取了具有代表性的特征向量。因此数据的预处理有效地解决了在探地雷达图像自动解释中进行提高图像信噪比和双曲线自动聚焦和具有代表性的特征提取时存在的难点。最后,分别对仿真和实测数据利用支持向量机(support vector machine, SVM)实现病害的自动检测和分类。基于仿真数据的隧道病害多类分类,正确平均分类精度达94.53%。基于实测数据的隧道病害二类分类,分类结果与专家的经验解释吻合度为84.6%,进一步的特征值中心距离分析结果表明SVM预测结果准确,产生不一致的原因是因为专家的人工经验解释是不够精确的和存在误判。因此,SVM的预测结果不仅可以指导专家进行病害解释,而且可以对专家的解释结果进行修正,并缩短了数据的解释周期和避免了数据的多解性。