CN104268839B - 一种基于阈值分割的道路病害定位方法 - Google Patents

Abstract

本发明提供一种基于阈值分割的道路病害定位方法，该方法以探地雷达数据为基础，首先对B扫描得到的雷达数据，通过卡尔曼滤波去除噪声。在去噪的过程中，要对数据进行延拓，并通过不断迭代预测方程和卡尔曼增益，得到去噪后的雷达数据。通过均值滤波和信号减损得到平滑后的雷达数据。通过阈值分割获取病害位置，当分割结果在一定范围内时，认为是同一病害，计算同一病害的区域位置，实现道路病害的定位。本发明具有适应性强、实现简单、计算速度快的特点。

Description

一种基于阈值分割的道路病害定位方法

技术领域

本发明属于计算机数字图像处理领域，算法以探地雷达数据为基础，采用阈值分割的方法，实现道路病害的定位。

背景技术

探地雷达向地下发送脉冲形式的高频宽带电磁波，一部分经发射天线直接到达接收天线形成耦合波；经发射天线发射后遇空气与路面分界面后未进入地下而直接反射回来被接收天线接收，形成直达波，耦合波和直达波常常被合称直耦波，常常用来判断时间零点，作为地下目标体深度的判断参考依据，另一部分电磁波进入地下，在地下介质中传播，当遇到存在电性差异的地下目标体(如空洞、水囊及疏松等)或不同介质界面时，电磁波便产生反射，反射电磁波返回到地面时由接收天线所接收。接收信号经过采集、处理、存储，就成为包含有地下介质信息的探地雷达数据。

阈值分割是图像处理的基本问题，在图像分析和识别中起着重要作用。其目的是按照灰度级，将图像空间划分成与现实景物相对应的一些有意义的区域。探地雷达数据可以看成是一类特殊的图像，因此也可以用阈值分割的方法处理雷达数据。找到通用的分割算法是一件困难的事情，这是因为一方面分割结果的好坏在很大程度上取决于数据本身的质量，当数据的质量较差如受到噪声干扰时，分割结果就会比较差，而雷达数据的获取、传输过程中不可避免的要受到噪声的干扰。这就需要首先对数据进行滤波，去除存在于雷达数据中的噪声，再利用阈值分割，实现病害区域的识别和定位。

发明内容

本发明的目的是根据探地雷达数据的特点，以探地雷达数据为基础，采用卡尔曼滤波和均值滤波对原始数据进行预处理并去除干扰信号，然后再利用阈值获取病害位置信息。

本方法按照以下步骤对探地雷达数据进行卡尔曼滤波：

步骤(A1)：对雷达数据D(i',j')，i'＝1,2,……,n-k，j'＝1,2,……,m-k的边界进行延拓，其中k是延拓范围，延拓后的雷达数据D(i,j)，i＝1,2,……,n，j＝1,2,……,m；

步骤(A2)：设系统预测矩阵分别为P(i,j)，P1(i,j)，初始为零矩阵，系统预测方程P1(i,j)＝a²×P(i-1,j)+b²×P(i,j-1)+c²×P(i-1,j-1)+Q，其中a，b，c是亮度系数，通常a+b+c＝1，Q是随机噪声信号N1(i,j)的方差；

步骤(A3)：通过系统预测方程，得到卡尔曼增益其中h是输入系数，决定滤波的带通大小，R是随机噪声信号N2(i,j)的方差，然后再更新系统预测方程，P(i,j)＝P1(i,j)-h×Kg(i,j)×P1(i,j)；

步骤(A4)：得到滤波后雷达数据T(i,j)＝a×T(i-1,j)+b×T(i,j-1)+c×T(i-1,j-1)+Kg(i,j)×(Z(i,j)-a×h×T(i-1,j)-b×h×T(i,j-1)-c×h×T(i-1,j-1))，其中Z(i,j)＝h×D(i,j)+N2(i,j)。

雷达数据均值滤波的具体步骤如下：

步骤(B1)：设均值滤波窗口宽度为w×w，滤波后得到的雷达数据为T'；

步骤(B2)：对雷达数据T'进行指数减损，减损后的数据T”＝T'×E，其中E＝[e₁,e₂,…,e_n]，e₁(j)＝e₂(j)＝…＝e_n(j)＝a^j，j＝1,2,……,m，a∈(0,1)。

病害定位的具体步骤如下：

步骤(C1)：设定阈值λ，窗口宽度为τ，从雷达数据第一个位置开始扫描，当T”(i,j)>λmax(T″)时，T”(k₁,j)＝0，其中k₁＝1,2,…,n，j＝j-τ,j-τ+1,…,j-1,j+1,j+2,…,j+τ，T”(i+k₂,j)＝0，其中k₂＝-j+1,-j+2,…,-1,1,2,…,m-j；

步骤(C2)：对于得到的一系列大于阈值的数据T”(i,j)，依据相邻数据之间的距离判断是否是同一病害，当距离D_t＝j₁-j₂≤2×τ时，将数据T”(i₁,j₁)与T”(i₂,j₂)合并为同一病害；

步骤(C3)：当道路病害的数据识别完成以后，再设雷达数据道间距为d，雷达波波速为v，时间窗为T_w，道路病害范围Rx＝d(i_b-i_a)，其中T”(i_a,j_a)与T”(i_b,j_b)分别为某一病害对角方向两端的边缘数据。

本发明有以下优点：

1、采用了多种滤波，本发明对各类数据的适应性强。

2、本发明计算量小，实现简单，病害定位速度快。

附图说明

图1本发明病害定位流程详图

图2本发明病害定位流程图

具体实施方式

本发明采用共偏置模式探地雷达，针对B扫描得到的雷达数据，以探地雷达数据为基础，采用卡尔曼滤波和均值滤波对原始数据进行预处理并去除干扰信号，然后再利用阈值获取病害位置信息。

雷达数据配准流程如下：

(1)如图1所示，首先对B扫描得到的雷达数据，通过卡尔曼滤波去除噪声。在去噪的过程中，要对数据进行延拓，并通过不断迭代预测方程F(P,P1)和卡尔曼增益Kg，得到去噪后的雷达数据。

(2)通过均值滤波和信号减损得到平滑后的雷达数据。

(3)通过阈值分割获取病害位置，当分割结果在一定范围内时，认为是同一病害，计算同一病害的区域位置(Rx,Ry)，实现道路病害的定位。

Claims (3)

1.一种基于阈值分割的道路病害定位方法，该方法以探地雷达数据为基础，采用卡尔曼滤波和均值滤波对原始数据进行预处理并去除干扰信号，然后再利用阈值获取病害位置信息，在对原始数据进行预处理的过程中，首先采用二维卡尔曼滤波去除背景噪声，具体步骤如下：

步骤(A1)：对雷达数据D(i',j')，i'＝1,2,……,n-k，j'＝1,2,……,m-k的边界进行延拓，其中k是延拓范围，延拓后的雷达数据D(i,j)，i＝1,2,……,n，j＝1,2,……,m；

步骤(A2)：设系统预测矩阵分别为P(i,j)，P1(i,j)，初始为零矩阵，系统预测方程P1(i,j)＝a²×P(i-1,j)+b²×P(i,j-1)+c²×P(i-1,j-1)+Q，其中a，b，c是亮度系数，通常a+b+c＝1，Q是随机噪声信号N1(i,j)的方差；

步骤(A3)：通过系统预测方程，得到卡尔曼增益其中h是输入系数，决定滤波的带通大小，R是随机噪声信号N2(i,j)的方差，然后再更新系统预测方程，P(i,j)＝P1(i,j)-h×Kg(i,j)×P1(i,j)；

步骤(A4)：得到滤波后雷达数据T(i,j)＝a×T(i-1,j)+b×T(i,j-1)+c×T(i-1,j-1)+Kg(i,j)×(Z(i,j)-a×h×T(i-1,j)-b×h×T(i,j-1)-c×h×T(i-1,j-1))，其中Z(i,j)＝h×D(i,j)+N2(i,j)。

2.通过权利要求1所述方法，可以去除雷达数据采集过程中的部分噪声，再对得到的雷达数据T作均值滤波，使数据连续且平滑，再通过指数减损，去除由于信号叠加产生的假信号，依次含有以下步骤：

步骤(B1)：设均值滤波窗口宽度为w×w，滤波后得到的雷达数据为T'；

步骤(B2)：对雷达数据T'进行指数减损，减损后的数据T”＝T'×E，其中E＝[e₁,e₂,…,e_n]，e₁(j)＝e₂(j)＝…＝e_n(j)＝a^j，j＝1,2,……,m，a∈(0,1)。

3.通过权利要求2所述方法，得到减损后的雷达数据为T”，再将大于阈值的数据保存下来，减损周围一定范围内数据，逐步确定所有大于阈值的病害位置，具体步骤如下：

步骤(C1)：设定阈值λ，窗口宽度为τ，从雷达数据第一个位置开始扫描，当T”(i,j)>λmax(T″)时，T”(k₁,j)＝0，其中k₁＝1,2,…,n，j＝j-τ,j-τ+1,…,j-1,j+1,j+2,…,j+τ，T”(i+k₂,j)＝0，其中k₂＝-j+1,-j+2,…,-1,1,2,…,m-j；

步骤(C2)：对于得到的一系列大于阈值的数据T”(i,j)，依据相邻数据之间的距离判断是否是同一病害，当距离D_t＝j₁-j₂≤2×τ时，将数据T”(i₁,j₁)与T”(i₂,j₂)合并为同一病害；

步骤(C3)：当道路病害的数据识别完成以后，再设雷达数据道间距为d，雷达波波速为v，时间窗为T_w，道路病害范围Rx＝d(i_b-i_a)，其中T”(i_a,j_a)与T”(i_b,j_b)分别为某一病害对角方向两端的边缘数据。