[发明专利]一种利用小波变换进行探地雷达属性特征融合方法在审
申请号: | 202010299956.1 | 申请日: | 2020-04-16 |
公开(公告)号: | CN111627035A | 公开(公告)日: | 2020-09-04 |
发明(设计)人: | 赵文轲;卢国泽;田钢;王帮兵 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06T7/13 | 分类号: | G06T7/13;G06K9/62;G06T7/181 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 傅朝栋;张法高 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 利用 变换 进行 雷达 属性 特征 融合 方法 | ||
1.一种利用小波变换进行探地雷达属性特征融合方法,其特征在于,该方法包括如下步骤:
S1:对探地雷达的采集数据进行预处理后,得到探地雷达的目标剖面图像;
S2:从探地雷达的目标剖面图像中提取出待融合的属性特征图像;
S3:基于小波变换对两个属性特征图像A和B进行融合,融合方法如下:
S31:分别对每个属性特征的图像进行小波变换,小波变换的公式如下:
其中:下标j表示分解尺度,Cj+1为图像信号Cj的低频分量,分别为图像信号Cj沿水平、垂直和对角线方向上的高频分量;当j=0时,C0是未经过分解的原始图像信号;H和G分别表示与尺度函数和小波函数相对应的滤波系数矩阵;H′和G′分别为H和G的共轭转置矩阵;
S32:针对两个属性特征图像经过小波变换后得到的高频分量,基于极大值融合规则进行特征融合,公式如下:
式中,Dm(i,j)为融合图像在(i,j)位置处的细节系数值;Da(i,j)、Db(i,j)分别为属性特征图像A和B在(i,j)位置处的细节系数值,即小波变换得到的图像高频分量。
S33:针对两个属性特征图像经过小波变换后得到的低频分量,基于边缘提取融合规则进行特征融合,公式如下:
式中:Cm(i,j)为融合图像在(i,j)位置处的近似系数值,Ca(i,j)和Cb(i,j)分别为属性特征A和属性特征B的图像在(i,j)位置处的近似系数值,即小波变换得到的图像低频分量;Ga和Gb分别为属性特征A和属性特征B的近似系数的梯度矩阵,Ga(i,j)和Gb(i,j)表示(i,j)位置处的梯度矩阵Ga和Gb;
属性特征A和属性特征B的梯度矩阵Gz计算通式为:
其中,z∈[a,b],“*”’表示卷积,和分别是Sobel边缘检测算子在水平和垂直方向上的模板;
S4:对融合图像的近似系数和细节系数进行小波逆变换,得到融合后的图像。
2.如权利要求1所述的利用小波变换进行探地雷达属性特征融合方法,其特征在于,所述的S1中,对探地雷达采集数据的预处理包括数据编辑、静校正、直流成分去除、增益、带通滤波和一致性噪声去除。
3.如权利要求1所述的利用小波变换进行探地雷达属性特征融合方法,其特征在于,所述的S2中,从探地雷达的目标剖面图像中提取出的属性特征为振幅一阶导数和图像纹理同质性特征。
4.如权利要求3所述的利用小波变换进行探地雷达属性特征融合方法,其特征在于,所述振幅一阶导数的提取方法如下:
S211:首先给出复道数信号:
C(t)=f(t)+ig(t)
及其希尔伯特变换为:
其中,f(t)为输入信号,虚部部分g(t)为f(t)经线性卷积变换而来,g(t)和f(t)的相位差为90°;t为信号采样时间;
S212:计算信号的瞬时振幅:
A(t)=[f(t)2+g(t)2]1/2
S213:对瞬时振幅按时间进行求导,得到振幅一阶导数,即包络线的时间变化率。
5.如权利要求3所述的利用小波变换进行探地雷达属性特征融合方法,其特征在于,所述图像纹理同质性特征通过灰度共生矩阵(GLMC)方法提取,其计算公式为:
式中,Pi,j表示所述目标剖面图像信号在(i,j)位置处的灰度共生矩阵值,N为图像的灰度级。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010299956.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种储叶箱箱盖变形检测装置
- 下一篇:一种利用转炉测试炼钢用废钢质量的方法