探地雷达作为一种地球物理技术已广泛应用于树木根系的无损检测,与X射线断层扫描、声学方法和电阻率层析成像等无损检测技术相比,探地雷达具有易于操作,野外便携,可以扫描复杂根系并且能够快速、经济地进行重复测量等优点,逐渐成为根系无损检测的首选技术。由于在实地采集数据时不可避免地引入噪声干扰,导致电磁波传播速度低于理论值、雷达图像上杂波“模糊”根系目标响应等问题。本文根据偏移成像算法,结合图像处理,信号处理和深度学习等技术对偏移成像算法进行改进优化,提出了3种根系检测和定位算法。主要研究内容如下:（1）针对电磁波速度损失导致偏移图像难以聚焦的问题,本文提出了一种基于速度校正的偏移成像根系定位算法。该算法采用F-K偏移结合图像熵来校正偏移速度,首先,对采集的探地雷达数据使用奇异值分解（Singular value decomposition,SVD）进行背景去除,再设置速度搜索区间,选取图像熵值最小的波速作为F-K偏移输入。实验结果表明,无论在仿真和实测数据上,校正后的波速都能取得很好的成像效果,半径定位的相对误差为10.4%,深度定位的相对误差为12%,能够较好地完成根系位置标定。（2）针对探地雷达图像中杂波影响根系定位精度的问题,本文提出了基于鲁棒深度自动编码器（Robust deep autoencoder,RDAE）、直接最小二乘法（Direct least square,DLS）和F-K偏移相结合的树木根系定位方法。首先,通过RDAE对B-scan图像提取稀疏分量进行杂波抑制;然后使用DLS拟合目标回波形成的双曲线估算土壤的相对介电常数;最后,通过F-K偏移成像进行根系定位,获取根系的半径和深度信息完成根系定位。实验结果表明,RDAE方法在仿真和实测数据上的杂波抑制效果有更高的信杂比和改善因子,根系定位的最大半径相对误差和最大深度相对误差分别为8.5%、8.7%。（3）针对深度学习不能很好地解释B-scan数据的本质的问题,本文提出了基于DNN后向投影的根系检测与定位算法,不仅可以检测原始B-scan图像中的双曲线特征,而且可以将双曲线特征解释为地下根系目标的横截面图像。此外,为了与传统的探地雷达数据后向投影解释方法进行比较,本文引入了一个模拟真实无损检测环境的合成探地雷达数据集,使用较少的探地雷达数据重建地下根系目标,以较小的计算量产生更好的探地雷达成像结果。实验结果表明,所提算法比传统的后向投影平均耗时更少,能更精确地还原根系截面形状。本文通过偏移成像算法定位地下树木根系,改善了因波速偏差和杂波干扰造对偏移成像的影响,定位的地下根系尺寸和位置信息更加准确。并将根系算法应用于城市林木的无损检测,为古树名木的健康和养护提供决策支持。