CN108961341A - 一种基于行方差的自动定位gpr信号病害位置方法 - Google Patents

一种基于行方差的自动定位gpr信号病害位置方法 Download PDF

Info

Publication number
CN108961341A
CN108961341A CN201810763051.8A CN201810763051A CN108961341A CN 108961341 A CN108961341 A CN 108961341A CN 201810763051 A CN201810763051 A CN 201810763051A CN 108961341 A CN108961341 A CN 108961341A
Authority
CN
China
Prior art keywords
row
disease
gpr
variance
row variance
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.)
Withdrawn
Application number
CN201810763051.8A
Other languages
English (en)
Inventor
焦良葆
曹雪虹
叶奇玲
夏天
张磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Institute of Technology
Original Assignee
Nanjing Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN201810763051.8A priority Critical patent/CN108961341A/zh
Publication of CN108961341A publication Critical patent/CN108961341A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供公开了一种基于行方差的自动定位GPR信号病害位置方法，其特征是，包括如下步骤：1)采集探地雷达数据，对所采集的数据进行重叠分割；2)对分割后的数据进行归一化处理；3)对处理后的数据计算行方差，并构成列向量；4)设置行方差的阈值，并对列向量的每个数据与阈值比较，进行判定是否该行有病害；若有病害的行段总行数小于最小行数，判定该图无病害；若有病害的行段总行数大于最小行数，判定该图有病害，并输出最大行数对应的行段；所述最小行数为判定是否有病害的阈值。本发明所达到的有益效果：根据GPR信号公路路基图像有无病害的行方差分布的区别，结合阈值法区分出图像有无病害，并提取病害位置，节省了大量时间和人力。

Description

一种基于行方差的自动定位GPR信号病害位置方法
技术领域
本发明涉及一种基于行方差的自动定位GPR(Ground-penetrating radar，探地雷达) 信号病害位置方法，属于病害提取监控技术领域。
背景技术
在GPR信号高速公路路基图像解释上，国内外目前使用最多的方法是人工解译图像。但是人工解译图像极大地依赖解译员的经验，主观性强，尤其当病害区域占整个数据一小部分时，人工解译显得费时又费力。如何自动提取出病害位置，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。而现有的其他专利如专利号 CN104268839A基于阈值分割的道路病害定位方法，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，然后利用阈值获取病害位置信息。阈值法提前对数据进行预处理，计算量大，耗费计算资源。同样专利号为CN106446919A是利用自适应 cannny边缘检测和图像处理技术提取双曲线边缘点曲线，对于其他形态的病害难以提取。另如专利号CN105844585A利用道间配准算法和道内配准算法比对不同时间采集到的雷达数据，找出差异区域进而检测路基病害发生的位置，容易受到比对样本的影响，降低检测准确率。
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基于行方差的自动定位GPR信号病害位置方法，针对GPR信号高速公路路基的不同数据，根据无病害图像和有病害图像在行方差上的分布差异，通过设置阈值自动区分有病害图像并提取病害位置，节省定位时间。
为了实现上述目标，本发明采用如下的技术方案：
一种基于行方差的自动定位GPR信号病害位置方法，包括如下步骤：
步骤1：采集GPR图像，对所采集的GPR图像按水平长度进行重叠分割，形成n 个GPR子图像，每个GPR子图像均包含矩阵尺寸为M*N的子数据块，M是每道scan 的采样数，N为探地雷达在一个所述水平长度内的采样道数；
步骤2：对所述n个子数据块分别进行归一化处理；
步骤3：分别计算归一化后的n个子数据块的行方差，行方差构成n个尺寸为M*1 的列向量；
步骤4：绘制行方差直方图，所述行方差直方图的横坐标为行方差，纵坐标为行方差的概率，以所述行方差直方图拟合正态分布曲线，该正态分布的拐点为T；
步骤5：提取所述列向量中行方差大于拐点T的行方差的行段，以及各个行段包含的行数；
步骤6：计算步骤5所得行数的总和，若总和小于阈值则判定该GPR子图像无病害，否则判定为有病害，步骤5中提取出的行段中行数最大者为该GPR子图像的病害位置。
优选的，步骤1中所述水平长度为40m。
优选的，步骤1中所述采样道数N不超过400。
优选的，步骤6中，所述阈值的计算公式为：
其中，f是天线频率，dt是每道scan的采样间隔。
本发明所达到的有益效果：本发明以当前高速公路地下混凝土结构病害的GPR信号为研究对象，设计给出一种自动定位GPR信号病害位置的算法；根据GPR信号公路路基图像有无病害的行方差分布的区别，结合阈值法区分出图像有无病害，并提取病害位置，节省了大量时间和人力。此外，行方差和阈值法不受外界固定干扰和混凝土层结构的影响，准确度高。符合当代高速公路地下混凝土结构GPR信号病害自动定位的迫切要求，有很大的经济和现实意义。
附图说明
图1是本发明病害定位流程详图；
图2为40m GPR实测数据；
图3为所有子图像行方差分布。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明涉及的一种基于行方差的自动定位GPR信号病害位置方法，包括如下步骤：
1)对40m一组GPR数据进行重叠分割，分割成矩阵尺寸为M*N的子实测数据块，M是每道采样数，N为为探地雷达在40m内的采样道数，不超过400，记每个子数据块为I1,I2,I3,…,In，每个子数据块各对应着实际环境中的某一个水平位置，一个子数据块就是一幅GPR子图像。如图2所示是在实际工程环境中采集水平距离为40m的GPR 实测数据。
2)对实测子数据块I1,I2,I3,…,In的像素归一化到0-255范围内，归一化后的数据记为NI1,N I2,N I3,…,NIn。
3)计算归一化后的子数据矩阵NI1,N I2,N I3,…,NIn的行方差，得到n个尺寸为M*1 的列向量NI1_v，NI2_v，NI3_v，…,NIn_v，列向量中每一个元素代表对应子图像中每一行的行方差。
4)阈值T依据行方差直方图分布设定。将列向量NI1_v，NI2_v，NI3_v，…,NIn_v 融合在一起形成行方差矩阵RV，画出RV的直方图分布，如图3所示。经过对大量GRP 实测数据行方差矩阵进行观察发现，发现行方差直方图分布基本呈现类正态分布。
根据正态分布中μ+σ是正态分布函数的拐点的特征，选用拐点作为行方差阈值，其中μ是正态分布函数的均值，σ是正态分布函数的标准差。对大量GPR实测数据都采用拐点作为阈值来定位病害，发现病害定位效果良好。
5)提取出各子图像行方差列向量大于阈值T的行方差所对应的多个行段。若有病害的行段总行数大于最小行数，判定该图有病害，并输出最大行数对应的行段；所述最小行数为判定是否有病害的阈值。
设某子图像Ia,a＝1,2,...,n的行方差列向量提取出的大于等于阈值T的行方差所对应的行段记为M1,M2，...,Mp′，每个行段的行数记为m1,m2,...,mp′；
若一块混凝土区域出现了病害，该病害所占行数至少为其中，f是天线频率，dt是每个scan的采样间隔；
若m1+m2+...+mp′＜m′，则判定该图无病害；
若m1+m2+...+mp′≥m′，则判定该图有病害；
对于有病害的GPR图像，找到m1,m2,...,mp′中最大的数ma，其对应的行段记为Ia′，判定为要找的病害的位置，I′a矩阵大小为ma*N。
使用上述病害定位方法的提取结果如图2所示，图中矩形框就是提取出的有病害区域。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (4)

1.一种基于行方差的自动定位GPR信号病害位置方法，其特征在于，包括如下步骤：
步骤1：采集GPR图像，对所采集的GPR图像按水平长度进行重叠分割，形成n个GPR子图像，每个GPR子图像均包含矩阵尺寸为M*N的子数据块，M是每道scan的采样数，N为探地雷达在一个所述水平长度内的采样道数；
步骤2：对所述n个子数据块分别进行归一化处理；
步骤3：分别计算归一化后的n个子数据块的行方差，行方差构成n个尺寸为M*1的列向量；
步骤4：绘制行方差直方图，所述行方差直方图的横坐标为全部子数据块的行方差，纵坐标为行方差出现的概率，以所述行方差直方图拟合正态分布曲线，该正态分布的拐点为T；
步骤5：提取所述列向量中行方差大于拐点T的行方差的行段，以及各个行段包含的行数；
步骤6：计算步骤5所得行数的总和，若总和小于阈值则判定该GPR子图像无病害，否则判定为有病害，步骤5中提取出的行段中行数最大者为该GPR子图像的病害位置。
2.根据权利要求1所述的一种基于行方差的自动定位GPR信号病害位置方法，其特征在于，步骤1中所述水平长度为40m。
3.根据权利要求1所述的一种基于行方差的自动定位GPR信号病害位置方法，其特征在于，步骤1中所述采样道数N不超过400。
4.根据权利要求1所述的一种基于行方差的自动定位GPR信号病害位置方法，其特征在于，步骤6中，所述阈值的计算公式为：
其中，f是天线频率，dt是每道scan的采样间隔。
CN201810763051.8A 2018-07-12 2018-07-12 一种基于行方差的自动定位gpr信号病害位置方法 Withdrawn CN108961341A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810763051.8A CN108961341A (zh) 2018-07-12 2018-07-12 一种基于行方差的自动定位gpr信号病害位置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810763051.8A CN108961341A (zh) 2018-07-12 2018-07-12 一种基于行方差的自动定位gpr信号病害位置方法

Publications (1)

Publication Number Publication Date
CN108961341A true CN108961341A (zh) 2018-12-07

Family

ID=64483933

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810763051.8A Withdrawn CN108961341A (zh) 2018-07-12 2018-07-12 一种基于行方差的自动定位gpr信号病害位置方法

Country Status (1)

Country Link
CN (1) CN108961341A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495293A (zh) * 2011-11-21 2012-06-13 中国民航大学 基于系统辨识理论的机场道面介质层电磁特性的反演方法
CN103986540A (zh) * 2014-06-10 2014-08-13 哈尔滨工业大学 一种基于非重构框架的频谱感知方法
CN106124454A (zh) * 2016-06-30 2016-11-16 中国交通通信信息中心 一种基于遥感影像的沥青路面老化状况监测方法
CN106646466A (zh) * 2016-11-04 2017-05-10 深圳市航天华拓科技有限公司 一种基于主成分分析的加权后向投影算法的成像方法
CN108376401A (zh) * 2018-02-13 2018-08-07 南京工程学院 一种基于行方差的自动定位gpr信号病害位置方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495293A (zh) * 2011-11-21 2012-06-13 中国民航大学 基于系统辨识理论的机场道面介质层电磁特性的反演方法
CN103986540A (zh) * 2014-06-10 2014-08-13 哈尔滨工业大学 一种基于非重构框架的频谱感知方法
CN106124454A (zh) * 2016-06-30 2016-11-16 中国交通通信信息中心 一种基于遥感影像的沥青路面老化状况监测方法
CN106646466A (zh) * 2016-11-04 2017-05-10 深圳市航天华拓科技有限公司 一种基于主成分分析的加权后向投影算法的成像方法
CN108376401A (zh) * 2018-02-13 2018-08-07 南京工程学院 一种基于行方差的自动定位gpr信号病害位置方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高永涛等: "基于GPR反射波信号多维分析的隧道病害智能辨识", 《工程科学学报》 *

Similar Documents

Publication Publication Date Title
CN105718870B (zh) 自动驾驶中基于前向摄像头的道路标线提取方法
CN103870833B (zh) 基于凹性测度的路面裂缝提取与测评方法
CN111079611B (zh) 一种道路面及其标志线的自动提取方法
CN108197583B (zh) 基于图割优化和影像结构特征的建筑物变化检测方法
CN106156758B (zh) 一种sar海岸图像中海岸线提取方法
CN104183142B (zh) 一种基于图像视觉处理技术的车流量统计方法
CN108921076B (zh) 基于图像的道面裂缝病害自适应恒虚警检测方法
Abd et al. Maximum likelihood for land-use/land-cover mapping and change detection using Landsat satellite images: A case study “South of Johor”
CN104361582A (zh) 一种对象级高分辨率sar影像洪水灾害变化检测方法
CN105719283A (zh) 一种基于Hessian矩阵多尺度滤波的路面裂缝图像检测方法
CN109801236A (zh) 一种基于混合高斯模型的光子点云去噪方法
Li et al. An improved approach of information extraction for earthquake-damaged buildings using high-resolution imagery
CN104517124B (zh) 基于sift特征点的sar图像变化检测方法
CN102567726B (zh) 极地冰盖边缘区域浮冰自动提取技术
CN109711256A (zh) 一种低空复杂背景无人机目标检测方法
CN108038856A (zh) 基于改进多尺度分形增强的红外小目标检测方法
CN112085699A (zh) 一种基于二维图像的路面裂缝提取方法
CN103279954A (zh) 一种基于土地利用数据库的遥感影像变化检测方法
CN108376401A (zh) 一种基于行方差的自动定位gpr信号病害位置方法
CN104866844A (zh) 一种面向监控视频的人群聚集检测方法
CN109978842A (zh) 一种基于摄像头图像的能见度解析方法
CN108961341A (zh) 一种基于行方差的自动定位gpr信号病害位置方法
CN112232303A (zh) 一种基于高分遥感影像的草原道路信息提取方法
CN109697418B (zh) 用于场景复原的针对遥感影像路网提取图像的后处理方法
Zhang et al. Detection of land use change in urban agglomeration using Sentinel-1 SAR data

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20181207