CN107329137B - 基于box样条小波框架的探地雷达地下目标定位方法及系统 - Google Patents
基于box样条小波框架的探地雷达地下目标定位方法及系统 Download PDFInfo
- Publication number
- CN107329137B CN107329137B CN201710539003.6A CN201710539003A CN107329137B CN 107329137 B CN107329137 B CN 107329137B CN 201710539003 A CN201710539003 A CN 201710539003A CN 107329137 B CN107329137 B CN 107329137B
- Authority
- CN
- China
- Prior art keywords
- image
- radar
- vertex
- target
- ground penetrating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000000149 penetrating effect Effects 0.000 title claims abstract description 42
- 230000004807 localization Effects 0.000 title claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 13
- 239000004615 ingredient Substances 0.000 claims description 7
- 238000012847 principal component analysis method Methods 0.000 claims description 2
- 238000000527 sonication Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 9
- 239000002184 metal Substances 0.000 abstract description 3
- 229910052755 nonmetal Inorganic materials 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种基于box样条小波框架的探地雷达地下目标定位方法及系统。本发明首先获取探地雷达的回波图像数据,并去除该图像中的直达波图像,得到预处理后的探地雷达信号;然后对预处理后的探地雷达信号采用box样条小波进行分解,并对对分解结果进行边缘定位;拟合图像的边缘曲线,选取曲线导数为零的点作为雷达图像的顶点;最后建立地下目标曲线方程,在所述雷达图像顶点的两个分支上不对称的选择边缘上的两个点,利用三点拟合法拟合地下目标曲线,从而实现地下目标的定位。本发明的定位方法提升了目标定位的精度,对于金属管线和非金属管线都可能存在的浅层探测而言,不易产生虚警;且算法简单,运行时间短,提高了目标定位的效率。
Description
技术领域
本发明涉及一种基于box样条小波框架的探地雷达地下目标定位方法及系统,属于探地雷达探测技术领域。
背景技术
探地雷达是近几十年迅速发展起来的一种有效的浅层地下目标探测技术,它是一种非破坏性探测手段,具有探测速度快、分辨率高、操作方便灵活、探测成本低等诸多优点,已被广泛应用于地下目标,如空洞、管道、地雷等的探测及定位。探地雷达探测的二维回波数据称为B-Scan数据,它是后续雷达信号处理、目标识别及解译的数据基础,探地雷达目标定位技术也要基于B-Scan数据。对实现目标准确定位影响最大的是探地雷达B-Scan数据中的“杂波”。探地雷达杂波可看作是除了目标回波以外的各种回波,通常包括天线直达波、地表回波、地下非均匀介质产生的回波、以及伪目标所产生的回波等等。探地雷达杂波使得对地下目标的准确探测变得困难,尤其对于浅层埋地目标,目标回波与地表回波相比是较弱的成分,并且目标回波与地表回波间的时延很小,目标回波易被地表强回波这类杂波所淹没。因此有效的抑制杂波方法是实现探地雷达目标准确定位的首要任务。
目前国内外常见的定位方法主要是基于B-Scan图像的双曲线提取,根据提取到的双曲线进行速度估计。目前常用的地下目标定位方法主要有以下四种:1、基于图像分割和霍夫变换的方法,应用在浅层探测管线的时候,不能有效区分较强的杂波和目标回波,且算法的计算量较大;2、基于图像分割和模板匹配的方法应用在浅层探测管线时候,由于管径的大小可能多变,从而对应的模版也较多,导致算法运算时间较长;3、基于神经网络对双曲线的提取,需要较多的数据进行训练,不易实现在线检测;4、釆用模糊聚类的模式识别方法,算法需要大量的数据库,容易产生虚警,且容易漏掉非金属管线目标。
发明内容
本发明的目的是提供一种基于box样条小波框架的探地雷达地下目标定位方法,以解决目前地下目标定位方法存在计算量大、定位不够准确的问题;本发明还提供了一种基于box样条小波框架的探地雷达地下目标定位系统。
本发明为解决上述技术问题而提供了一种基于box样条小波框架的探地雷达地下目标定位方法,该定位方法包括以下步骤:
1)获取探地雷达的回波图像数据,并去除该图像中的直达波图像,得到预处理后的探地雷达信号;
2)对预处理后的探地雷达信号采用box样条小波进行分解;
3)对分解结果进行边缘定位;
4)拟合图像的边缘曲线,选取曲线导数为零的点作为雷达图像的顶点;
5)以雷达图像顶点的水平坐标作为目标水平位置建立地下目标曲线方程,在所述雷达图像顶点的两个分支上不对称的选择边缘上的两个点,利用三点拟合法拟合地下目标曲线。
进一步地,所述步骤1)是采用SVD主成份分析法对探地雷达的回波图像数据进行分析,以得到雷达数据的至少两个成分,去掉包含有直达波图像的第一个成分,得到即为预处理后的探地雷达信号。
进一步地,所述步骤2)中的分解过程如下:
A.构造基于box样条的小波尺度函数,并在该尺度函数下得到14个紧的小波框架;
B.利用构造小波尺度函数对预处理后的探地雷达信号进行分解:
原始雷达图像为:f
其中
是样条小波的尺度函数和小波框架系数,它们在不同尺度之间的关系为:
根据pk-2m和ql k-2m构造低通滤波器P和高通滤波器Ql,图像f近似表示为Xj+1,图像下一层分解为低通滤波器P和高通滤波器Ql与图像二维卷积的结果,即:
P*Xj+1,Ql*Xj+1,l=1,...,14。
进一步地,所述步骤3)在进行边缘定位前,需对步骤2)分解后的图像进行去除噪声处理。
进一步地,去除噪声处理采用的是弱正交贪婪算法,其中f是图像,Gk(f)是k次近似的结果,Rk(f)是k次迭代的差值,假定Λ0=φ,R0(f)=f,G0(f)=0,选择迭代序列{t1,t2,···},其中tk∈(0,1],算法的步骤如下:
步骤1:对k≥1,选择
步骤2:令Λk=Λk-1∪{i,|<Rk-1(f),φi>|≥tkMk};
步骤3:是Rk-1(f)在子空间内的最优逼近;
步骤4:更新
步骤5:如果小于设定值,终止迭代,否则的话令k=k+1继续步骤1。
进一步地,所述的边缘定位是将分解信号的低频置为0,保留50%的高频系数,重构信号,采用K-means算法去除孤立的边缘。
进一步地,在拟合图像的边缘曲线前统计边缘定位后图像连通区域的面积,去掉面积小于设定数值的区域,以排除噪声干扰。
进一步地,所述步骤5)的过程如下:
a.建立双曲线方程:
其中x表示天线位置,x0表示目标的水平位置,等于步骤5所确定的顶点的水平坐标xv,y0表示目标的垂直位置;
b.在图像顶点(xv,yv)两个分支上不对称的选择边缘曲线上的两个点,其中(xl,yl)为图像顶点左分支上的一点,(xr,yr)为图像顶点右分支上且与(xl,yl)不对称的一点;
c.将顶点(xv,yv)、左分支点(xl,yl)和右分支点(xr,yr)带入步骤a所建立的双曲线方程,求解双曲线的参数y0、a和b,带入步骤a中建立的双曲线方程,以确定地下目标的双曲线方程。
本发明还提供了一种基于box样条小波框架的探地雷达地下目标定位系统,该定位系统包括采集器和处理器,所述采集器用于获取探地雷达的回波图像数据;所述处理器中执行有以下指令:
去除采集器获取的探地雷达的回波图像中直达波图像,得到预处理后的探地雷达信号;
对预处理后的探地雷达信号采用box样条小波进行分解;
对分解结果进行边缘定位;
拟合图像的边缘曲线,选取曲线导数为零的点作为雷达图像的顶点;
以雷达图像顶点的水平坐标作为目标水平位置建立地下目标曲线方程,在所述雷达图像顶点的两个分支上不对称的选择边缘上的两个点,利用三点拟合法拟合地下目标曲线。
进一步地,对预处理后的探地雷达信号采用box样条小波进行分解的过程如下:
A.构造基于box样条的小波尺度函数,并在该尺度函数下得到14个紧的小波框架;
B.利用构造小波尺度函数对预处理后的探地雷达信号进行分解。
本发明的有益效果是:本发明首先获取探地雷达的回波图像数据,并去除该图像中的直达波图像,得到预处理后的探地雷达信号;然后对预处理后的探地雷达信号采用box样条小波进行分解,并对对分解结果进行边缘定位;拟合图像的边缘曲线,选取曲线导数为零的点作为雷达图像的顶点;建立地下目标曲线方程,在所述雷达图像顶点的两个分支上不对称的选择边缘上的两个点,利用三点拟合法拟合地下目标曲线,从而实现地下目标的定位。本发明的定位方法不需要进行数据的训练,容易进行在线检测,能够较完整保留目标信息,提升了目标定位的精度,对于金属管线和非金属管线都可能存在的浅层探测而言,不易产生虚警,不易漏掉非金属管线目标;同时还能够提升杂波抑制效果,有效区分较强的杂波和目标回波,且算法简单,运行时间短,提高了目标定位的效率。
附图说明
图1是本发明的探地雷达地下目标定位方法的流程图;
图2是本发明实施例中的探地雷达实测B-Scan回波图;
图3是本发明实施例中利用SVD方法去掉直达波后的图像;
图4是采用box样条小波进行目标双曲线的边缘检测后的原理图;
图5是基于三点法定目标定位曲线图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的说明。
本发明针对现有地下目标定位过程中存在的缺陷,提供了一种探地雷达地下目标定位方法,该方法首先采用box样条小波算法对探地雷达回波信号进行样条小波框架分解,并对分解结果进行边缘定位,拟合图像边缘曲线,这一步是在去除直达波后,所以可确定目标的反射波边缘;然后计算该曲线的一阶导数,选取导数为零的点作为雷达图像的顶点(一阶导数为零的点是边缘的极大值点,这样就可以选取双曲线的顶点),并在图像顶点两个分支上不对称的选择边缘上的两个点;最后利用三点拟合发拟合地下目标的曲线。该方法的实现流程如图1所示,具体实施步骤如下:
1.获取探地雷达的图像数据,并去除该图像中的直达波图像,得到预处理后的探地雷达回波信号。
本实施例中的获取的探地雷达的图像数据为B-scan数据,利用SVD主成分法对B-scan数据进行分析,得到雷达数据的多个成分,其中直流分量在第一个成分中,去掉第一成分,即去掉了直达波,得到了去掉直达波后的图像数据,本实施例中获取的探地雷达B-scan数据如图2所示,采用SVD主成分法去掉直达波后的图像如图3所示。
2.采用box样条小波对预处理后的雷达信号进行分解。
box样条小波是具有八个方向的分解小波,为探地雷达信号的精确定位提供了前提条件,能够在较完整保留目标信息的同时提升杂波抑制效果,提升目标定位的精度。具体步骤包括:
A.构造基于box样条的小波尺度函数;
其中D8={e1,e2,e1+e2,e1-e2,2e1+e2,2e1-e2,e1+2e2,e1-2e2}。
在该尺度函数下,可得到14个紧的小波框架,这14个紧的小波框架在频率域可表示为:
其中
B.利用上述小波尺度函数对预处理后的雷达信号进行分解。
令:原始雷达图像为f,
其中
是样条小波的尺度函数和小波框架系数,它们在不同尺度之间的关系为:
故根据pk-2m和ql k-2m可构造低通滤波器P和高通滤波器Ql,假设j足够大时,图像f可以近似表示为Xj+1。则图像下一层分解可表示为低通滤波器P和高通滤波器Ql与图像二维卷积的结果,即:
P*Xj+1,Ql*Xj+1,l=1,...,14
3.对分解结果进行边缘定位。
在进行边缘定位前,先采用弱正交贪婪算法进行噪声去除处理,以降低噪声的影响。
假设是f图像,Gk(f)是k次近似的结果,Rk(f)是k次迭代的差值,采用弱正交贪婪算法进行噪声处理的过程如下:
假定Λ0=φ,R0(f)=f,G0(f)=0,选择迭代序列{t1,t2,···},其中tk∈(0,1]。
步骤1:对k≥1,选择
步骤2:令Λk=Λk-1∪{i,|<Rk-1(f),φi>|≥tkMk};
步骤3:是Rk-1(f)在子空间内的最优逼近;
步骤4:更新
步骤5:如果足够小,终止迭代,否则的话令k=k+1继续步骤1。
在实验中,采用硬阈值分解去除噪声,再利用弱正交贪婪算法集合样条小波框架去除噪声,算法中用到的阈值序列t={t0,t1,...,},其中ti=rti-1,r=0.78,t0=0.9,i=1,2…,5。在系统中,先用硬阈值分解去除噪声,再利用弱正交贪婪算法结合样条小波框架去除噪声。算法中利用阈值序列t={t0,t1,...,},其中ti=rti-1,选择参数为r=0.78,t0=0.9,i=1,...,5。利用tk形成阈值εl=tkMl,其中Ml是第l次高通分量绝对值的最大值。
在上述去噪的基础上,本发明利用紧的小波框架分解信号得到低频和各种高频信号,将低频信号置为0,保留50%的高频系数,重构信号,并采用K-Means算法去除孤立的边缘,边缘检测结果如图4所示。
4.统计连通区域面积,去掉面积小的连通区域,以进一步排除噪声的干扰,同时利用形态学方法细化图像边缘。
5.确定雷达目标的顶点。
首先利用样条法拟合图像的边缘曲线,然后计算该曲线的一阶导数,最后选取导数为零的点作为雷达图像的顶点。
6.拟合地下目标曲线,实现目标定位。
探地雷达目标定位就是提取回波图像的双曲线,利用步骤5确定的顶点以及在双曲线不同分支上选取的点来确定双曲线的参数。具体包括以下步骤:
1).建立双曲线方程:
其中x表示天线位置,x0表示目标的水平位置,等于步骤5所确定的顶点的水平坐标xv,y0表示目标的垂直位置。
2).根据步骤5中的算法确定双曲线的顶点(xv,yv),这样就有x0=xv:在图像顶点(xv,yv)两个分支上不对称的选择边缘曲线上的两个点,其中(xl,yl)为box样条提取边缘后顶点左分支上的一点,(xr,yr)为box样条提取边缘后顶点右分支上且与(xl,yl)不对称的一点。
3).将顶点(xv,yv)、左分支点(xl,yl)和右分支点(xr,yr)带入步骤1)所建立的双曲线方程,求解双曲线的参数y0、a和b,具体计算公式如下:
a2=(y0-yv)2
其中sr=(xr-xv)2,sl=(xl-xv)2。
至此,就可以确定地下目标的双曲线方式,从而实现对地下目标的定位。
本发明不需要进行数据的训练,容易进行在线检测;并且能够较完整保留目标信息,提升目标定位的精度,对于金属管线和非金属管线都可能存在的浅层探测而言,不易产生虚警,所以不易漏掉非金属管线目标;能够提升杂波抑制效果,有效区分较强的杂波和目标回波;基于的算法较为简单,算法运算时间短,保证了快速进行目标定位。
说明书中未详细说明的部分属于本领域技术人员公知的现有技术。
以上给出了具体的实施方式,但本发明不局限于所描述的实施方式。本发明的基本思路在于上述基本方案,对本领域普通技术人员而言,根据本发明的教导,设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。
Claims (6)
1.基于box样条小波框架的探地雷达地下目标定位方法,其特征在于,该定位方法包括以下步骤:
1)获取探地雷达的回波图像数据,并去除该图像中的直达波图像,得到预处理后的探地雷达信号;
2)对预处理后的探地雷达信号采用box样条小波进行分解;
3)对分解结果进行边缘定位;
4)拟合图像的边缘曲线,选取曲线导数为零的点作为雷达图像的顶点;
5)以雷达图像顶点的水平坐标作为目标水平位置建立地下目标曲线方程,在所述雷达图像顶点的两个分支上不对称的选择边缘上的两个点,利用三点拟合法拟合地下目标曲线;
所述步骤2)中的分解过程如下:
A.构造基于box样条的小波尺度函数,并在该尺度函数下得到14个紧的小波框架;
B.利用构造小波尺度函数对预处理后的探地雷达信号进行分解:
原始雷达图像为:f
其中
是样条小波的尺度函数和小波框架系数,它们在不同尺度之间的关系为:
根据pk-2m和ql k-2m构造低通滤波器P和高通滤波器Ql,图像f近似表示为Xj+1,图像下一层分解为低通滤波器P和高通滤波器Ql与图像二维卷积的结果,即:
P*Xj+1,Ql*Xj+1,l=1,...,14;
所述步骤3)在进行边缘定位前,需对步骤2)分解后的图像进行去除噪声处理,去除噪声处理采用的是弱正交贪婪算法,其中f是图像,Gk(f)是k次近似的结果,Rk(f)是k次迭代的差值,假定Λ0=φ,R0(f)=f,G0(f)=0,选择迭代序列{t1,t2,…},其中tk∈(0,1],算法的步骤如下:
步骤1:对k≥1,选择
步骤2:令Λk=Λk-1∪{i,|<Rk-1(f),φi>|≥tkMk};
步骤3:是Rk-1(f)在子空间内的最优逼近;
步骤4:更新
步骤5:如果小于设定值,终止迭代,否则的话令k=k+1继续步骤1。
2.根据权利要求1所述的基于box样条小波框架的探地雷达地下目标定位方法,其特征在于,所述步骤1)是采用SVD主成份分析法对探地雷达的回波图像数据进行分析,以得到雷达数据的至少两个成分,去掉包含有直达波图像的第一个成分,得到即为预处理后的探地雷达信号。
3.根据权利要求1所述的基于box样条小波框架的探地雷达地下目标定位方法,其特征在于,所述的边缘定位是将分解信号的低频置为0,保留50%的高频系数,重构信号,采用K-means算法去除孤立的边缘。
4.根据权利要求1所述的基于box样条小波框架的探地雷达地下目标定位方法,其特征在于,在拟合图像的边缘曲线前统计边缘定位后图像连通区域的面积,去掉面积小于设定数值的区域,以排除噪声干扰。
5.根据权利要求1所述的基于box样条小波框架的探地雷达地下目标定位方法,其特征在于,所述步骤5)的过程如下:
a.建立双曲线方程:
其中x表示天线位置,x0表示目标的水平位置,等于步骤5) 所确定的顶点的水平坐标xv,y0表示目标的垂直位置;
b.在图像顶点(xv,yv)两个分支上不对称的选择边缘曲线上的两个点,其中(xl,yl)为图像顶点左分支上的一点,(xr,yr)为图像顶点右分支上且与(xl,yl)不对称的一点;
c.将顶点(xv,yv)、左分支点(xl,yl)和右分支点(xr,yr)带入步骤a所建立的双曲线方程,求解双曲线的参数y0、a和b,带入步骤a中建立的双曲线方程,以确定地下目标的双曲线方程。
6.一种基于box样条小波框架的探地雷达地下目标定位系统,其特征在于,该定位系统包括采集器和处理器,所述采集器用于获取探地雷达的回波图像数据;所述处理器中执行有以下指令:
去除采集器获取的探地雷达的回波图像中直达波图像,得到预处理后的探地雷达信号;
对预处理后的探地雷达信号采用box样条小波进行分解;
对分解结果进行边缘定位;
拟合图像的边缘曲线,选取曲线导数为零的点作为雷达图像的顶点;
以雷达图像顶点的水平坐标作为目标水平位置建立地下目标曲线方程,在所述雷达图像顶点的两个分支上不对称的选择边缘上的两个点,利用三点拟合法拟合地下目标曲线;
对预处理后的探地雷达信号采用box样条小波进行分解的过程如下:
A.构造基于box样条的小波尺度函数,并在该尺度函数下得到14个紧的小波框架;
B.利用构造小波尺度函数对预处理后的探地雷达信号进行分解:
原始雷达图像为:f
其中
是样条小波的尺度函数和小波框架系数,它们在不同尺度之间的关系为:
根据pk-2m和ql k-2m构造低通滤波器P和高通滤波器Ql,图像f近似表示为Xj+1,图像下一层分解为低通滤波器P和高通滤波器Ql与图像二维卷积的结果,即:
P*Xj+1,Ql*Xj+1,l=1,...,14;
对分解结果进行边缘定位前,对分解后的图像进行去除噪声处理,去除噪声处理采用的是弱正交贪婪算法,其中f是图像,Gk(f)是k次近似的结果,Rk(f)是k次迭代的差值,假定Λ0=φ,R0(f)=f,G0(f)=0,选择迭代序列{t1,t2,…},其中tk∈(0,1],算法的步骤如下:
步骤1:对k≥1,选择
步骤2:令Λk=Λk-1∪{i,|<Rk-1(f),φi>|≥tkMk};
步骤3:是Rk-1(f)在子空间内的最优逼近;
步骤4:更新
步骤5:如果小于设定值,终止迭代,否则的话令k=k+1继续步骤1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710539003.6A CN107329137B (zh) | 2017-07-04 | 2017-07-04 | 基于box样条小波框架的探地雷达地下目标定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710539003.6A CN107329137B (zh) | 2017-07-04 | 2017-07-04 | 基于box样条小波框架的探地雷达地下目标定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107329137A CN107329137A (zh) | 2017-11-07 |
CN107329137B true CN107329137B (zh) | 2019-08-23 |
Family
ID=60196255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710539003.6A Expired - Fee Related CN107329137B (zh) | 2017-07-04 | 2017-07-04 | 基于box样条小波框架的探地雷达地下目标定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107329137B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710115B (zh) * | 2018-05-14 | 2021-07-20 | 桂林电子科技大学 | 基于小波分解的探地雷达目标的检测方法 |
CN110648343B (zh) * | 2019-09-05 | 2022-09-23 | 电子科技大学 | 基于六阶样条尺度函数的图像边缘检测方法 |
CN111796263B (zh) * | 2020-07-01 | 2021-07-20 | 哈尔滨工业大学 | 一种基于5g基站信号的低空目标分布式测距方法 |
CN112433209A (zh) * | 2020-10-26 | 2021-03-02 | 国网山西省电力公司电力科学研究院 | 基于广义似然比的探地雷达对地下目标检测方法及系统 |
CN112862888A (zh) * | 2021-01-29 | 2021-05-28 | 广东电网有限责任公司 | 一种电缆的定位方法、装置、计算机设备和存储介质 |
CN114359369B (zh) * | 2021-12-28 | 2024-05-03 | 华南农业大学 | 一种基于深度学习和探地雷达的果树根系识别与定位方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7310060B2 (en) * | 2003-08-15 | 2007-12-18 | L-3 Communications Cyterra Corporation | Multi-mode landmine detector |
CN101236245A (zh) * | 2008-01-24 | 2008-08-06 | 上海交通大学 | 子波域多传感器修正加权最优信息融合方法 |
CN101551456A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 基于改进剪切波变换的sar图像水域边缘检测方法 |
CN104020495A (zh) * | 2014-06-24 | 2014-09-03 | 中国矿业大学(北京) | 一种基于探地雷达的地下管线参数自识别方法 |
CN105005042A (zh) * | 2015-07-27 | 2015-10-28 | 河南工业大学 | 一种探地雷达地下目标定位方法 |
CN105182328A (zh) * | 2015-09-09 | 2015-12-23 | 河南工业大学 | 一种探地雷达地下目标定位方法 |
-
2017
- 2017-07-04 CN CN201710539003.6A patent/CN107329137B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7310060B2 (en) * | 2003-08-15 | 2007-12-18 | L-3 Communications Cyterra Corporation | Multi-mode landmine detector |
CN101236245A (zh) * | 2008-01-24 | 2008-08-06 | 上海交通大学 | 子波域多传感器修正加权最优信息融合方法 |
CN101551456A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 基于改进剪切波变换的sar图像水域边缘检测方法 |
CN104020495A (zh) * | 2014-06-24 | 2014-09-03 | 中国矿业大学(北京) | 一种基于探地雷达的地下管线参数自识别方法 |
CN105005042A (zh) * | 2015-07-27 | 2015-10-28 | 河南工业大学 | 一种探地雷达地下目标定位方法 |
CN105182328A (zh) * | 2015-09-09 | 2015-12-23 | 河南工业大学 | 一种探地雷达地下目标定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107329137A (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107329137B (zh) | 基于box样条小波框架的探地雷达地下目标定位方法及系统 | |
CN105005042B (zh) | 一种探地雷达地下目标定位方法 | |
CN105182328B (zh) | 一种基于二维经验模态分解的探地雷达地下目标检测方法 | |
CN110837768B (zh) | 一种面向珍稀动物保护的在线检测与识别方法 | |
CN110866545A (zh) | 一种探地雷达资料中管线目标的自动识别方法及系统 | |
CN104793253B (zh) | 基于数学形态学的航空电磁数据去噪方法 | |
CN108564005A (zh) | 一种基于卷积神经网络的人体跌倒辨识方法 | |
CN105403883A (zh) | 一种探地雷达地下目标位置检测方法 | |
CN104851097B (zh) | 基于目标形状与阴影辅助的多通道sar‑gmti方法 | |
CN104880160B (zh) | 一种工件表面轮廓的二维激光实时探测方法 | |
CN103714541A (zh) | 一种利用山体轮廓区域约束识别定位建筑物的方法 | |
EP3506148A1 (en) | Millimetre wave image-based human body foreign matter detection method and system | |
CN110263646A (zh) | 一种基于卷积神经网络的海面弱目标探测方法和系统 | |
CN107403438A (zh) | 改进模糊聚类算法的超声图像病灶区分割方法 | |
CN105447867B (zh) | 基于isar图像的空间目标姿态估计方法 | |
CN110501683B (zh) | 一种基于四维数据特征的海陆杂波分类方法 | |
CN108333634A (zh) | 一种基于频谱残余显著性检测方法的探地雷达地下目标定位方法 | |
CN107220628B (zh) | 红外干扰源检测的方法 | |
CN104899892A (zh) | 一种快速的星图图像星点提取方法 | |
CN106019254A (zh) | 一种uwb冲击生物雷达多人体目标距离向分离辨识方法 | |
CN104268877A (zh) | 一种红外图像海天线自适应检测方法 | |
CN110133643A (zh) | 植物根系探测方法及装置 | |
CN105389799A (zh) | 基于素描图与低秩分解的sar图像目标检测方法 | |
CN105068062A (zh) | 基于稀疏散射中心提取的距离像数据外推方法 | |
CN106997460A (zh) | 基于深度曲线波卷积网络的sar目标识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190823 |