CN108387896A - 一种基于探地雷达回波数据的自动汇聚成像方法 - Google Patents

Abstract

本发明公开了一种基于探地雷达回波数据的自动汇聚成像方法，包括：S1、采用均值去背景算法对回波图像进行滤波，去除地表杂波；S2、使用中值滤波算法去除回波图像噪声；S3、使用阈值分析得出像素点所需的雷达数量；S4、使用基于余弦距离加权的反向投影算法对回波图像进行会聚成像。本发明可以快速、自动地对探地雷达回波信号进行汇聚成像，其采用基于余弦距离的后向投影算法和阈值分析的图像分割技术，在复杂的城市环境情况下依然可以快速有效的汇聚回波信号，满足实际和应用需求。

Description

一种基于探地雷达回波数据的自动汇聚成像方法

技术领域

本发明涉及雷达成像领域，具体涉及一种基于探地雷达回波数据的自动汇聚成像方法。

背景技术

道路作为交通基础设施，其数字化的管理与建设对于城市规划、交通管理以及导航等应用具有重要的意义道路是我国国民经济建设中十分重要的基础设施之一，它的工程质量直接关系到国家财产损失和人民生命安全。在道路勘察设计和施工过程中，经常会遇到设计路基下方存在各种类型的空洞。地下空洞等不良地质现象的存在常使路基失稳，造成路基、路面、桥梁、涵洞等构筑物的破坏，对公路工程危害极大，是造成重大道路毁坏事故的重要隐患。

探地雷达(GPR)是一种利用电磁波对地下区域进行无损探测的装置，它根据电磁波在地下介质不连续处产生的反射和散射等现象来反演地下场景和目标信息，实现对地下目标的检测和识别。探地雷达图形以脉冲反射波的波形形式一记录。波形的正负峰分别以白色和黑色表示,或以灰阶或彩色表示。这样,同相轴或等灰度、等色线,即可形象地表征出地下反射界面。不仅如此，探地雷达的图形还包含着许多噪声与探地雷达杂波。探地雷达杂波定义为与目标散射特性无关,但与目标子波出现在同一采样时间窗内且与目标子波有相似的谱特性的信号。因此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、地下介质非均匀产生的回波、伪目标所产生的回波等等。探地雷达杂波严重影响了探地雷达的探测性能使得对地下目标的探测变得非常困难,对于非金属目标等浅地层埋地目标尤其如此。对于非金属目标这类浅地层埋地目标,由于其体积小,金属成分少,使得目标回波与地表回波相比是较弱的成分，因此对于探地雷达回波图像需要包含滤波会聚成像等步骤的成像方法。

时域反向投影(bp)算法是统时域成像方法中理论上最直观和简单的方法，其基本思想是将待成像区域中每一点的后向散射回波进行相干叠加从而获得该点的散射强度信息。由于bp算法的物理概念比较清晰，回波模型相对简单，在SAR成像领域得到了广泛的应用。

传统的bp算法主要存在的缺陷有：

(1)传统bp算法在每一像素点都需要计算各个雷达的时延，因此运算量大，运算速度慢；

(2)传统bp算法汇聚成像结果旁瓣和杂波能量高，点状目标在汇聚图像中表现有明显的旁瓣，因此汇聚图像成像效果较差。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种基于探地雷达回波数据的自动汇聚成像方法。

为实现上述目的，本发明采用以下技术方案：

一种基于探地雷达回波数据的自动汇聚成像方法，包括：

S1、采用均值去背景算法对回波图像进行滤波，去除地表杂波；

S2、使用中值滤波算法去除回波图像噪声；

S3、使用阈值分析得出像素点所需的雷达数量；

S4、使用基于余弦距离加权的反向投影算法对回波图像进行会聚成像。

进一步地，步骤S1具体为：

将B-Scan数据的二维矩阵每一行的每一个元素减去该行的均值,设二维矩阵为M*N的矩阵,w(i，j)表示(i，j)点的原始数据,则均值去背景算法的数学表达式为:

其中M,N分别是B-Scan数据的总行数与总列数，表示处理后的数据。

进一步地，步骤S2具体为：将回波图像中每一个像素及其邻域内的所有像素的平均灰度值赋给平滑图像中对应的像素。

进一步地，步骤S3具体为：以雷达对于像素点的时延的倒数作为包含信息的估算量，设置阈值，当某雷达的估算量小于该阈值时，则不予叠加该雷达的时延，且其后的雷达的时延也不予叠加。

进一步地，步骤S4具体为：

S41、对于成像区域中任意一点A的坐标为(x₀,z₀)，传输信号会由当前相关的雷达天线位置(x_k,-h)发射到(x₀,z₀)，发射信号在拐点处(x_r,0)转动，并沿相反方向沿同一路径返回，入射角和折射角分别由θ_i和θ_t表示，则根据斯奈尔定律有，

天线位置M到目标点A的往返时延表示为{t_A,1,t_A,2,…,t_A,M}，其中

式中c表示光速。

S42、使用时延来对每个天线位置M的回波信号A-Scan中搜索A点的响应，响应表示为S_i(t_A,i),(i＝1,…,M)，则有关A的雷达数据为M*1的数组，具体为

{S₁(t_A,1),S₂(t_A,2),…,S_M(t_A,M)}；

S43、则点A在成像图像中的振幅为：

S44、重复步骤S41-S43，最终将所有成像点计算完毕。

进一步地，步骤S43中对于每个点A的雷达数据加权相加，则点A在成像图像中的振幅变为：

λ_A,i是S_i(t_A,i)的权值。

进一步地，对于两个位置分别为i和j的天线回波信号A-Scan，S_i和S_j,使用余弦距离来描述两回波的形状的相似度，则有：

M_i及M_j分别为S_i和S_j的平均值；

以最靠近目标点的雷达数据作为依据计算其他雷达数据与其的相似度，将该相识度作为权值λ_A,i进行所述加权相加。

采用上述技术方案后，本发明与背景技术相比，具有如下优点：

1、本发明可以直接运行在探地雷达B-Scan图像上，为探地雷达回波会聚成像提供一套快速有效地自动化解决方案，需要人为设置的参数非常少，减少了人为主观干预。算法鲁棒性好，对不同场景都具有普适性，易于实际运用；

2、本发明提出了综合各种滤波和平面波去除，提出了一套简单易行的回波预处理方法可以有效的对回波信号图进行处理，从而方便对回波的汇聚；

3、本发明在后向投影算法上进行了创新优化，提出了加权相加的思想，利用余弦距离作为权值衡量回波信号包含数据点的信息多少，结合提出的阈值分析的图像分割方法，可以减少旁瓣和杂波能量并减少运算时间，在复杂的城市环境情况下依然可以快速有效的汇聚回波信号，满足实际和应用需求。

附图说明

图1为本发明流程框图；

图2为处理前的回波信号图；

图3为均值去背景后的回波信号图；

图4为GPR系统的二维成像几何模型；

图5为传统后向投影算法汇聚成像；

图6为本发明基于余弦距离的后向投影汇聚成像；

图7为实际回波图像；

图8为实际回波图像经过传统后向投影算法汇聚成像图；

图9为实际回波图像经过本发明基于余弦距离的后向投影算法汇聚成像图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例

如图1所示，一种基于探地雷达回波数据的自动汇聚成像方法，包括：

S1、采用均值去背景算法对回波图像进行滤波，去除地表杂波；

S2、使用中值滤波算法去除回波图像噪声；

S3、使用阈值分析得出像素点所需的雷达数量；

S4、使用基于余弦距离加权的反向投影算法对回波图像进行会聚成像。

探地雷达的接收信号中存在较多杂波，其中天线直耦波和媒质表面直接反射波的能量最大，一般要比目标回波大许多，由于这两种强杂波信号的存在，压缩了目标回波的动态范围，降低了系统对深层弱反射目标的探测能力。此外，浅表层目标的反射回波与直达波的到达时间相接近，能量相对较小的目标回波信号可能淹没于直达波中，不利于目标的检测与识别。天线耦合波与直达波具有相类似的特性，我们把这两类杂波统称为直达波。

他们有如下特点：

(1)直达波是能量很强的杂波，往往远强于媒质中的目标回波，在系统的动态范围一定时，目标回波受到很大的抑制，直接从回波波形中甚至很难判断出目标的存在。

(2)两者的波形相对稳定，收发天线间距不变，测量时天线与媒质表面间也相对固定，故直达波也是基本不变的。而沿测量线移动时，目标回波的到达时间和幅度都会变化。

(3)在时间上出现相对较早，一般都早于目标回波。

因此，需要去除直达波，则步骤S1具体为：

将B-Scan数据的二维矩阵每一行的每一个元素减去该行的均值,设二维矩阵为M*N的矩阵,w(i，j)表示(i，j)点的原始数据,则均值去背景算法的数学表达式为:

其中M,N分别是B-Scan数据的总行数与总列数，表示处理后的数据。如图2及图3所示的分别是处理前的回波信号图与均值去背景后的回波信号图。两图比较可知，均值去背景算法可以有效的去除地面杂波的影响，即图2中上方的条纹。

任何一幅原始图像,在获取和传输等过程中,会受到各种噪声的干扰,使图像退化,质量下降。图像平滑化的目的就是既能消除这些随机噪声又不使图像的边缘轮廓和线条变模糊。

中值滤波法是一种直接在空间域上进行平滑的技术。该技术是基于这样一种假设图像由许多灰度恒定的小块组成,相邻象素间存在很高的空间相关性,而噪声则相对独立。基于如上假设,可以将一个象素及其邻域内的所有象素的平均灰度值赋给平滑图像中对应的象素,从而达到平滑的目的。中值滤波也是一种局部平滑技术,它是一种非线性滤波。由于它在实际运算过程中并不需要图像的统计特性,所以使用比较方便。中值滤波首先是被应用在一维信号处理技术中,后来被二维图像信号处理所引用。在一定条件下,中值滤波可以克服线性滤波器所带来的图像细节模糊,而且对滤除脉冲干扰及颗粒噪声最为有效。

因此，步骤S2将回波图像中每一个像素及其邻域内的所有像素的平均灰度值赋给平滑图像中对应的像素，从而有效去除回波图像噪声。

传统的后向投影算法在计算一个像素点时需要计算所有的雷达对于该点的时延从而实现累加。然而对所有的雷达进行计算需要相当多的的计算时间和计算量，同时，距离目标点时延越长的雷达所得到的时延为t的回波信号都包含了距离该天线位置时延为t的所有点的响应，故每个待成像点相干叠加后的成像结果并不只是对应于该点的响应，而是包含了其它点的干扰。并且由于信号的衰减，距离越远的雷达回波所包含的该点的信息也越少。

因此，步骤S3以雷达对于像素点的时延的倒数作为包含信息的估算量，设置阈值，当某雷达的估算量小于该阈值时，则不予叠加该雷达的时延。由于雷达分布一字排开，确定某雷达不予计算后其以后的雷达则都不用考虑，大大节省了计算量，在图形分割的角度相当于对回波图像进行分割。

如图4所示的是GPR系统的二维成像几何模型，场景由z＝0划分为两个区域。上部分区域为空气，介电常数ε₁＝ε₀，其中ε₀是自由空间中的相对参数。下部分区域为具有介电常数ε₂＝ε_rε₀的均质土壤，其中ε₀是土壤的相对介电常数。范围和方位角的方向分别是x轴和z轴的正方向,扫描路径的方向与x轴平行。天线在每个合成孔径位置M发射和接收信号,当前相关的天线位置由具有序列号k的黑色矩形表示，其坐标为(x_k,-h),，而其他(M-1)个天线位置由空白的矩形表示。

BP算法有三个主要步骤：

S41、对于成像区域中任意一点A的坐标为(x₀,z₀)，传输信号会由当前相关的雷达天线位置(x_k,-h)发射到(x₀,z₀)，发射信号在拐点处(x_r,0)转动，并沿相反方向沿同一路径返回，入射角和折射角分别由θ_i和θ_t表示，则根据斯奈尔定律有，

天线位置M到目标点A的往返时延表示为{t_A,1,t_A,2,…,t_A,M}，其中

S42、使用时延来对每个天线位置M的回波信号A-Scan中搜索A点的响应，响应表示为S_i(t_A,i),(i＝1,…,M)，则有关A的雷达数据为M*1的数组，具体为：

{S₁(t_A,1),S₂(t_A,2),…,S_M(t_A,M)}；

S43、则点A在成像图像中的振幅为：

S44、重复步骤S41-S43，最终将所有成像点计算完毕。

为了抑制旁瓣和杂波能量，提出了加权相加的思想，对于每个点A:{S₁(t_A,1),S₂(t_A,2),…,S_M(t_A,M)}，并不仅仅只是进行叠加，而是在每个雷达数据前加入一个权值用以衡量每个雷达数据所包含数据的多少，可以按以下公式表示：

其中λ_A,i是S_i(t_A,i)的权值。

对于两个位置分别为i和j的天线回波信号A-Scan，S_i和S_j,使用余弦距离来描述两回波的形状的相似度，则有：

式中，M_i及M_j分别为S_i和S_j的平均值，其通过下式计算

^-l即为^-i或^-j；

以最靠近目标点的雷达数据作为依据计算其他雷达数据与其的相似度，将该相识度作为权值λ_A,i进行所述加权相加。

如图5所示为传统后向投影算法汇聚成像；图6所示为本发明基于余弦距离的后向投影汇聚成像；如图7所示为实际回波图像，如图8所示为实际回波图像经过传统后向投影算法汇聚成像图；图9所示为实际回波图像经过本发明基于余弦距离的后向投影算法汇聚成像图。图5和图6比较可知，本发明基于余弦距离的后向投影算法汇聚成像得到的图片旁瓣能量少，目标点更加明显。图8和图9比较可知，本发明基于余弦距离的后向投影算法对实际回波图像汇聚成像得到的图片可以更加直观的观测到地底的状况。

综上，本发明可以快速，自动对探地雷达回波信号进行汇聚成像。与现有技术相比，本发明基于余弦距离的后向投影算法和阈值分析的图像分割技术，在复杂的城市环境情况下依然可以快速有效的汇聚回波信号，满足实际和应用需求。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种基于探地雷达回波数据的自动汇聚成像方法，其特征在于，包括：

S1、采用均值去背景算法对回波图像进行滤波，去除地表杂波；

S2、使用中值滤波算法去除回波图像噪声；

S3、使用阈值分析得出像素点所需的雷达数量；

S4、使用基于余弦距离加权的反向投影算法对回波图像进行会聚成像。

2.根据权利要求1所述的一种基于探地雷达回波数据的自动汇聚成像方法，其特征在于，步骤S1具体为：

将B-Scan数据的二维矩阵每一行的每一个元素减去该行的均值,设二维矩阵为M*N的矩阵,w(i，j)表示(i，j)点的原始数据,则均值去背景算法的数学表达式为:

其中M,N分别是B-Scan数据的总行数与总列数，表示处理后的数据。

3.根据权利要求1所述的一种基于探地雷达回波数据的自动汇聚成像方法，其特征在于，步骤S2具体为：将回波图像中每一个像素及其邻域内的所有像素的平均灰度值赋给平滑图像中对应的像素。

4.根据权利要求1所述的一种基于探地雷达回波数据的自动汇聚成像方法，其特征在于，步骤S3具体为：以雷达对于像素点的时延的倒数作为包含信息的估算量，设置阈值，当某雷达的估算量小于该阈值时，则不予叠加该雷达的时延，且其后的雷达的时延也不予叠加。

5.根据权利要求1所述的一种基于探地雷达回波数据的自动汇聚成像方法，其特征在于，步骤S4具体为：

S41、对于成像区域中任意一点A的坐标为(x₀,z₀)，传输信号会由当前相关的雷达天线位置(x_k,-h)发射到(x₀,z₀)，发射信号在拐点处(x_r,0)转动，并沿相反方向沿同一路径返回，入射角和折射角分别由θ_i和θ_t表示，则根据斯奈尔定律有，

天线位置M到目标点A的往返时延表示为{t_A,1,t_A,2,…,t_A,M}，其中

式中c表示光速。

S42、使用时延来对每个天线位置M的回波信号A-Scan中搜索A点的响应，响应表示为S_i(t_A,i),(i＝1,…,M)，则有关A的雷达数据为M*1的数组，具体为

{S₁(t_A,1),S₂(t_A,2),…,S_M(t_A,M)}；

S43、则点A在成像图像中的振幅为：

S44、重复步骤S41-S43，最终将所有成像点计算完毕。

6.根据权利要求5所述的一种基于探地雷达回波数据的自动汇聚成像方法，其特征在于：步骤S43中对于每个点A的雷达数据加权相加，则点A在成像图像中的振幅变为：

λ_A,i是S_i(t_A,i)的权值。

7.根据权利要求6所述的一种基于探地雷达回波数据的自动汇聚成像方法，其特征在于：

对于两个位置分别为i和j的天线回波信号A-Scan，S_i和S_j,使用余弦距离来描述两回波的形状的相似度，则有：

M_i及M_j分别为S_i和S_j的平均值；

以最靠近目标点的雷达数据作为依据计算其他雷达数据与其的相似度，将该相识度作为权值λ_A,i进行所述加权相加。