[发明专利]一种识别GPR图像病害类型的方法

说明书

本发明公开了一种识别GPR图像病害类型的方法，包括如下步骤：步骤1：针对存在病害反射波的GPR图像，对GPR图像像素进行归一化，得到矩阵NI；步骤2：对矩阵NI进行直方图均衡处理，得到矩阵NI_H；步骤3：对矩阵NI_H进行三值化，三值化阈值根据最大类间方差双阈值法设定，得到矩阵NI_HB；步骤4：对矩阵NI_HB的每列进行求导，然后使每列中相位相邻元素之间为异号，最终得到两种相位类型；步骤5：选取数量较多的相位类型作为GPR图像病害类型。本发明的有益效果是：实现病害特征的突出，有利于提取病害特征，实现了高速公路地下常见病害的突出，方便了病害解释过程，节约成本，符合探地雷达行业病害识别自动化的追求目标，具有很大的现实意义。

技术领域

本发明涉及一种识别GPR(Ground-penetrating radar，探地雷达)图像病害类型的方法，属于病害识别技术领域。

背景技术

在GPR信号高速公路路基病害解释上，国内外目前使用最多的方法是人工解译图像。但是人工解释图像极大地依赖解释员的经验，主观性强，当数据量较大时，人工解释周期很长，具有一定的滞后性。如何自动识别病害类型并给出反馈，节省解译时间，成为GPR信号公路路基图像解释迫切的需要之一。本发明即立足于GPR数据病害检测分类自动化给出一种新的解决方案。现有的其他专利如专利号CN104698503A为使用偏移校正和克希霍夫波动方程偏移法处理经过预处理后的雷法数据，然后结合地质、环境人工解释数据。这种方法计算量大，并且耗费大量的人力和时间。同样专利号为 CN105403883A利用振幅分量找出感兴趣区域，对感兴趣区域进行边缘提取和目标双曲线的定位。该方法适用于管状目标的寻找，且使用人工方法寻找目标体，耗费时间和人力。另如专利号为CN1595195A使用RBF神经网络自动识别雷达数据目标体类别，前提是要对目标体特征进行分析提取，并需要大量的样本数据，而在实际实施过程中大量的样本数据通常难以获得。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种突出病害特征的图像处理方法，有利于提取病害特征，实现了高速公路地下常见病害突出，节省了病害解释的时间。

为实现上述目的，本发明采用如下技术方案：

一种识别GPR图像病害类型的方法，包括如下步骤：

步骤1：针对一幅存在病害反射波的GPR图像，对GPR图像像素进行归一化，得到矩阵NI；

步骤2：对矩阵NI进行直方图均衡处理，得到矩阵NI_H；

步骤3：对矩阵NI_H进行三值化，三值化阈值根据最大类间方差双阈值法设定，得到矩阵NI_HB；

步骤4：对矩阵NI_HB的每列进行求导，然后对求导后的每列分别进行处理，使每列中相位相邻元素之间为异号，最终得到两种相位类型；

步骤5：选取数量较多的相位类型作为GPR图像病害类型。

优选的，步骤2的具体步骤包括：计算出NI的图像的灰度级数概率分布，进行直方图均衡，将原始图像的灰度直方图从0-255的灰度范围内比较集中的分布变成在0-255 灰度范围内的均匀分布，得到经过直方图均衡后的图像记为NI_H。

优选的，步骤3的具体步骤包括：利用最大类间方差双阈值法使GPR图像中病害反射波的正波部分、负波部分与背景之间的类间方差最大化，得到了两个阈值T1、T2，将矩阵NI_H中的所有像素值小于T1的像素值全部变为0，所有像素值大于T2的像素值全部变为255，其余像素值全部变为127。