CN115877465A - 考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法及系统 - Google Patents
考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法及系统 Download PDFInfo
- Publication number
- CN115877465A CN115877465A CN202211443630.7A CN202211443630A CN115877465A CN 115877465 A CN115877465 A CN 115877465A CN 202211443630 A CN202211443630 A CN 202211443630A CN 115877465 A CN115877465 A CN 115877465A
- Authority
- CN
- China
- Prior art keywords
- data
- ground penetrating
- penetrating radar
- scan
- road
- 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.)
- Pending
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法及系统,首先采集道路电磁回波信号数据,形成距离‑双程走时的二维B‑Scan探地雷达回波数据;对B‑Scan数据进行去直流预处理和去背景预处理;利用自适应计算方法,确定最佳成像阈值,保证图像背景稳定在灰度值128上下,增强缺陷信息;最后通过灰度线性转换的方式,将B‑Scan数据值转换成灰度值[0,255],生成探地雷达道路灰度图像。本发明综合考虑探地雷达数据不对称性对背景信息和缺陷信息成像效果的影响,在保证图像背景质量的前提下,使缺陷信息得到增强,克服了现有方法无法同时保证背景质量和缺陷信息增强的不足,适应各种道路检测,为检测人员或机器学习模型提供高质量探地雷达检测图像。
Description
技术领域
本发明属于探地雷达数字化成像技术领域,主要涉及了一种考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法及系统。
背景技术
随着我国国民经济的持续发展和城市进程的不断加快,道路已成为人民群众出行和陆地交通运输的重要载体,其健康状况直接影响我国人民群众的安全出行以及陆地交通运输的顺畅和安全。近年来,汽车保有量的爆发性增长和基础设施建设的迅速发展,加之恶劣天气条件影响,道路极有可能产生裂纹、脱空和不均匀沉降等病害隐患。若不能及时发现和修复这些病害隐患,随着时间的推移,这些病害将会加剧发育,甚至会造成重大安全事故,导致交通中断、财产损失和人员伤亡。因此,为避免造成这种重大事故,急需一种行之有效的道路缺陷检测技术。
探地雷达技术是一种新型的可视化道路无损检测方法,可以准确地检测出道路隐藏缺陷,具有高分辨率、高效率和可实时成像的特点。该技术利用发射天线向地下发射高频电磁波,当电磁波遇到存在电性差异的分界面时会发生反射,接收天线接收反射电磁波的回波A-Scan信号。检测车沿测线不断行进过程中,接收天线在不同位置接收到回波信号,产生一系列的A-Scan信号,进而形成距离-双程走时的二维B-Scan探地雷达回波数据,再将B-scan信号转换成图像形式,通过研究探地雷达图像的特点可以有效分析出地下介质的分布情况。但是,在探地雷达系统中,缺陷位于地下较深处,反射信号较弱,会淹藏在能量较大的天线间耦合信号、道路结构层反射信号等杂波信号中,对缺陷的检测和识别造成极大的干扰。
在探地雷达图像中,大部分像素点都是背景信息,而缺陷信息是感兴趣信息,因此,背景的质量差和不稳定以及缺陷信息的低对比度,都会降低了图像的解释性,难以为检测人员或机器学习模型提供高质量的探地雷达图像,从而容易导致道路缺陷检测的误判和漏判。
传统的探地雷达数字化成像方法主要有两种。一种方法是基于量化位数的线性转换方法,即每个像素的数据值根据硬件采集的量化位数的范围线性转化成灰度值,从而生成探地雷达灰度图像。然而这种方法经过预处理后,虽然可以有效地去除有关介质层的背景信息,但是由于数据预处理算法会使得数据矩阵值整体变小,按照量化位数的范围线性转换成图像的灰度时,可以有效地保证图像背景的质量,但是缺陷信息灰度值接近于背景灰度值,降低了缺陷信息在图像对比度。另一种方法是基于数据范围的线性转换方法,先动态地计算出B-Scan数据矩阵中的最小值和最大值,每个像素点的数据值再根据最值范围线性转换成灰度值。这种方法主要考虑使缺陷信息尽可能得到最大程度增强,因为B-Scan中缺陷信息往往是在整个数字矩阵的最值附近,采用这种成像方法可以使缺陷信息的灰度值尽量在0或255,从而使缺陷信息在图像中得到增强。但是,在实际地下介质构造中,介质层上下起伏,存在一定程度的波动,再加上地下环境众多噪声的影响,经过预处理后,依然残留很大一部分的干扰信息,这些干扰信息的数据将会导致整个B-Scan数据的最小值和最大值严重不关于零值对称。此时,采用这种成像方法会使背景存在灰暗或亮的情况,图像的背景稳定性差,影响人工判断或者机器学习模型的识别结果。
因而现有研究未涉及考虑探地雷达数据存在不对称性特点的成像方法,特别是缺乏背景质量稳定、缺陷增强效果好、适应于各种道路检测的探地雷达数据成像方法研究。
发明内容
本发明正是针对现有技术中未考虑探地雷达数据存在不对称性特点,背景质量不稳定,缺陷增强效果不佳的问题,提供一种考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法及系统,首先采集道路电磁回波信号数据,形成为距离-双程走时的二维B-Scan探地雷达回波数据;再对B-Scan数据进行去直流预处理和去背景预处理;利用自适应计算方法,确定最佳成像阈值,保证图像背景稳定在灰度值128上下,增强缺陷信息;最后通过灰度线性转换的方式,将B-Scan数据值转换成灰度值[0,255],生成探地雷达道路灰度图像。本发明综合考虑探地雷达数据不对称性对背景信息和缺陷信息成像效果的影响,在保证图像背景质量的前提下,同时使缺陷信息得到增强,可适应于各种道路检测环境,克服了现有方法缺乏有效性和适应性的不足,为检测人员或机器学习模型提供背景质量稳定且对比度高的高质量探地雷达图像,提高道路地下缺陷的检测率和识别率。
为了实现上述目的,本发明采取的技术方案是:考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法,包括以下步骤:
S1,数据采集:采集道路电磁回波信号数据,所述信号反映道路地下介质状况,形成为距离-双程走时的二维B-Scan探地雷达回波数据;
S2,数据处理:对步骤S1采集到的二维B-Scan探地雷达回波数据进行处理,所述处理至少包括去直流预处理和去背景预处理,
S3,最佳阈值计算:利用自适应计算方法,确定最佳成像阈值,保证图像背景稳定在灰度值128上下,增强缺陷信息;
S4,图像转换:通过灰度线性转换的方式,将B-Scan数据值转换成灰度值[0,255],生成探地雷达道路灰度图像。
作为本发明的一种改进,所述步骤S1中,通过检测车上的探地雷达系统采集道路电磁波信号,经过AD采样转换后,转换成数字信号,形成以A-Scan形式的信号,检测车沿测线移动,接收天线在不同位置接收到回波信号,形成距离-双程走时的二维B-Scan探地雷达回波数据。
作为本发明的一种改进,所述步骤S2的去直流预处理具体为:依次对于每一道A-Scan数据进行处理,对于第j道A-Scan,先计算当前道回波数据值的平均值,将该均值作为当前道的直流漂移量,再将该道的所有数据值都减去该平均值,即:
作为本发明的又一种改进,所述步骤S2的去背景预处理具体为:先计算整个B-Scan数据矩阵所有列的列平均值,然后每一道A-Scan数据值都减去列平均值,得到去背景后B-Scan数据,即:
作为本发明的又一种改进,所述步骤S3的自适应计算方法具体为:
S31:计算B-Scan数据的最大值和最小值,遍历整个B-Scan数据,计算求出所有数据值中的最小值min和最大值max,关系满足下式:
min≤X'(i,j)≤max
S32:计算成像的最佳阈值,所述步骤进一步包括:
S321:分别对最小值min和最大值max取绝对值,取两者最大值作为灰度线性转换的最佳阈值t;
S322:确定灰度转换的两个最佳阈值t1和t2,t1和t2两个阈值分别对应线性转换成灰度值为0和255的值,计算公式如下:
对于线性灰度值0转换的最佳阈值t1,具体操作有:
t1=-t
对于线性灰度值255转换的最佳阈值t2,具体操作有:
t2=t。
作为本发明的另一种改进,所述步骤S4的灰度线性转换中,每个像素点的灰度值G(i,j)计算公式如下:
为了实现上述目的,本发明还采取的技术方案是:考虑数据不对称性的探地雷达道路缺陷检测数字化成像系统,包括计算机程序,其特征在于:所述计算机程序被处理器执行时实现如上述任一种所述方法的步骤。
与现有技术相比,本发明具有的有益效果:
(1)本发明提出的方法考虑了B-Scan数据不对称性对成像质量的影响,在保证背景质量稳定的前提下,使缺陷信息增强,提高了探地雷达图像的质量,可以为检测人员或者机器学习模型提供背景质量稳定、缺陷信息对比度高的探地雷达图像,克服了现有方法无法同时保证背景质量和缺陷信息增强的不足;
(2)本发明提出的方法根据采集的B-Scan数据进行自适应计算最佳成像阈值,能够适用各种道路检测场景的道路缺陷检测;
(3)本发明提出的方法在数字化成像过程中提高探地雷达图像质量,避免了后续需要采用图像处理方式对图像质量进行改善,提高了整体检测效率。
附图说明
图1是本发明方法的步骤流程图;
图2是本发明方法步骤S3自适应计算最佳成像阈值的步骤流程图;
图3是本发明实施例2中数据预处理后的数据直方图;
图4是本发明实施例2生成的探地雷达图像;
图5是本发明实施例2中探地雷达图像的灰度直方图;
图6是本发明实施例2中数据预处理后的数据最小值所在道的灰度值曲线图。
具体实施方式
下面结合附图和具体实施方式,进一步阐明本发明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
实施例1
考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法,如图1所示,包括以下步骤:
步骤S1:采集道路的探地雷达原始回波数据B-Scan
为了实现有效的道路可视化无损检测,在检测车上安装探地雷达系统,包括:主控单元、发射机、接收机、发射天线、接收天线,采集反映道路地下介质状况的电磁回波信号。主机通过发送一系列控制命令控制发射机和接收机,发射机根据主机命令通过发射天线向地下发射电磁波,接收机则根据主机命令通过接收天线采集反射的电磁波信号,经过AD采样转换,最后将带有地下介质信息的电磁波信号转换成数字信号,形成以A-Scan形式的信号。检测车沿测线移动,接收天线在不同位置接收到回波信号,产生一系列的A-Scan信号,形成距离-双程走时的二维B-Scan探地雷达回波数据。
步骤S2:对探地雷达B-Scan数据进行数据处理
探地雷达系统的直流漂移量和道路结构层信息对地下缺陷反射信号产生极大的干扰,为此需要对采集的原始B-Scan数据进行预处理,消除干扰信息,突出地下缺陷信息,从而更好地对数据的异常进行解释,具体包括以下两个子步骤:
子步骤S21:去直流预处理
为有效去除探地雷达B-Scan数据中的系统直流漂移信息,对B-Scan数据进行去直流处理,依次对于每一道A-Scan进行处理。对于第j道A-Scan,先计算当前道回波数据值的平均值,将该均值作为当前道的直流漂移量,然后将该道的所有数据值都减去该平均值,具体公式如下:
子步骤S22:去背景预处理
为有效去除探地雷达B-Scan中道路结构介质层信息,对去直流处理后的B-Scan数据进行去背景处理。常用的去背景方法包括均值去背景和滑动窗口去背景两种,为了提高预处理的效率,本发明采用均值法进行去背景处理,利用直达波信号具有等时性的、稳定性的特点,去除B-Scan数据中信号幅值较大的直达波,先计算整个B-Scan数据矩阵所有列的列平均值,然后每一道A-Scan数据值都减去列平均值,得到去背景后B-Scan数据,具体公式如下:
采用去直流和去背景数据预处理方法,可以去除杂波信息,增强图像的缺陷信息,从而提高了对缺陷数据的解释性。
步骤S3:自适应计算考虑数据不对称性的最佳成像阈值
为了获取背景质量稳定且对比度高的探地雷达图像,本发明从数据不对称性的角度出发,设计了自适应计算B-Scan数字化成像的最佳阈值的计算方法,算法流程图如图2所示。该算法可以有效保证探地雷达图像背景稳定在灰度值128附近,同时使缺陷信息增强,具体包括以下2个子步骤,如图2所示:子步骤S31:计算B-Scan数据的最大值和最小值
首先,遍历整个B-Scan数据,计算求出所有数据值中的最小值min和最大值max,关系满足下式:
min≤X'(i,j)≤max
子步骤S32:计算成像的最佳阈值
为了有效解决探地雷达B-Scan数据不对称性造成难以同时满足图像背景质量和缺陷信息高对比度的问题,根据预处理后B-Scan数据中背景数据值主要集中在0附近,而缺陷信息数据值较小或较大,设计了自适应计算成像最佳阈值的算法。该算法在保证图像背景稳定的前提下,同时使缺陷信息增强,且可以适用于各种道路检测,计算过程具体如下:
子步骤S321分别对最小值min和最大值max取绝对值,取两者最大值作为灰度线性转换的最佳阈值t,具体计算公式如下;
子步骤S322确定灰度转换的两个最佳阈值t1和t2,t1和t2两个阈值分别对应线性转换成灰度值为0和255的值,计算公式如下:
对于线性灰度值0转换的最佳阈值t1,具体操作有:
t1=-t
对于线性灰度值255转换的最佳阈值t2,具体操作有:
t2=t
步骤S4:探地雷达B-Scan数据转换成灰度图像
根据计算出来的最佳阈值t1和t2,通过灰度线性转换的方式,将B-Scan数据值转换成灰度值[0,255],从而生成探地雷达道路灰度图像,每个像素点的灰度值G(i,j)计算公式如下:
实施例2
下面将上述方法应用于某一具体的实例中,以展示其技术效果。
考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法,包括以下步骤:
S1,数据采集:采集A-scan电磁回波信号数据,获取维度为512×512的B-scan探地雷达数据,所述信号反映道路地下介质状况;
S2,数据处理:对步骤S1采集到的二维B-Scan探地雷达回波数据进行处理,去除系统直流漂移信息和介质层信息,所述处理至少包括去直流预处理和去背景预处理,采用去直流和均值法去背景进行数据处理,经过数据预处理后的数据直方图如图3所示,图3显示了数据值大部分为背景信息,主要分布在0附近,数据最大值为15644,数据最小值为-25930,最大值和最小值存在明显的不对称;
S3,最佳阈值计算:利用自适应计算方法,确定最佳成像阈值,保证图像背景稳定在灰度值128上下,增强缺陷信息,本实施例中,经过自适应算法计算出来的最佳成像阈值t1为-25930,t2为25930;
S4,图像转换:通过灰度线性转换的方式,将B-Scan数据值转换成灰度值[0,255],生成探地雷达道路灰度图像,如图4所示。
由图4可以看出,图像背景整体呈灰色且缺陷信息明显。图5为本发明实施例生成的探地雷达图像的灰度直方图,由图5可以看出图像中大部分像素灰度值在128左右,即背景呈灰色,有效保证了探地雷达图像的背景质量。图6为本发明提供的实施例中数据预处理后的数据最小值所在道的灰度值曲线图,该道大部分数据点灰度值都在128左右,其中,数据最小值对应的灰度值为0,缺陷信息在图像上得到充分增强。
综上,本专利充分考虑数据的不对称性,实现探地雷达成像后图像背景质量稳定,同时使缺陷信息增强的目的,从图3可以看出,经过数据预处理后B-Scan数据存在明显的不对称性,从图4可以明显看出成像后图像背景不会过暗或过亮,证明背景质量良好且稳定,同时缺陷信息也得到了增强,缺陷信息轮廓明显。由此采用本专利方法可以有效保证探地雷达数据成像后背景质量稳定、缺陷信息增强。图5验证采用本方法后图像背景值稳定在128左右附近,即证明图像背景质量好,因为灰度值为范围为0~255,其中0为黑色,255为白色,背景越接近128,背景呈现灰色,而缺陷信息越接近0和255,缺陷信息的对比度越高,此时缺陷信息越明显。因此,图6中缺陷信息处灰度值接近为0,证明成像后缺陷信息得到增强。
需要说明的是,以上内容仅仅说明了本发明的技术思想,不能以此限定本发明的保护范围,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰均落入本发明权利要求书的保护范围之内。
Claims (7)
1.考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法,其特征在于,包括以下步骤:
S1,数据采集:采集道路电磁回波信号数据,所述信号反映道路地下介质状况,形成为距离-双程走时的二维B-Scan探地雷达回波数据;
S2,数据处理:对步骤S1采集到的二维B-Scan探地雷达回波数据进行处理,所述处理至少包括去直流预处理和去背景预处理,
S3,最佳阈值计算:利用自适应计算方法,确定最佳成像阈值,保证图像背景稳定在灰度值128上下,增强缺陷信息;
S4,图像转换:通过灰度线性转换的方式,将B-Scan数据值转换成灰度值[0,255],生成探地雷达道路灰度图像。
2.如权利要求1所述的考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法,其特征在于:所述步骤S1中,通过检测车上的探地雷达系统采集道路电磁波信号,经过AD采样转换后,转换成数字信号,形成以A-Scan形式的信号,检测车沿测线移动,接收天线在不同位置接收到回波信号,形成距离-双程走时的二维B-Scan探地雷达回波数据。
5.如权利要求3或4所述的考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法,其特征在于:所述步骤S3的自适应计算方法具体为:
S31:计算B-Scan数据的最大值和最小值,遍历整个B-Scan数据,计算求出所有数据值中的最小值min和最大值max,关系满足下式:
min≤X'(i,j)≤max
S32:计算成像的最佳阈值,所述步骤进一步包括:
S321:分别对最小值min和最大值max取绝对值,取两者最大值作为灰度线性转换的最佳阈值t;
S322:确定灰度转换的两个最佳阈值t1和t2,t1和t2两个阈值分别对应线性转换成灰度值为0和255的值,计算公式如下:
对于线性灰度值0转换的最佳阈值t1,具体操作有:
t1=-t
对于线性灰度值255转换的最佳阈值t2,具体操作有:
t2=t。
7.考虑数据不对称性的探地雷达道路缺陷检测数字化成像系统,包括计算机程序,其特征在于:所述计算机程序被处理器执行时实现如上述任一种所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211443630.7A CN115877465A (zh) | 2022-11-18 | 2022-11-18 | 考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211443630.7A CN115877465A (zh) | 2022-11-18 | 2022-11-18 | 考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115877465A true CN115877465A (zh) | 2023-03-31 |
Family
ID=85760184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211443630.7A Pending CN115877465A (zh) | 2022-11-18 | 2022-11-18 | 考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115877465A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116184401A (zh) * | 2023-04-25 | 2023-05-30 | 南京六的平方信息技术有限公司 | 一种用于工程质量检验的系统及方法 |
-
2022
- 2022-11-18 CN CN202211443630.7A patent/CN115877465A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116184401A (zh) * | 2023-04-25 | 2023-05-30 | 南京六的平方信息技术有限公司 | 一种用于工程质量检验的系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102324021B (zh) | 一种基于剪切波变换的红外弱小目标检测方法 | |
CN102279973B (zh) | 基于高梯度关键点的海天线检测方法 | |
CN103065307B (zh) | 非精确配准下sar/spot图像的区域融合检测方法 | |
CN105319537A (zh) | 基于空间相关性的航海雷达同频干扰抑制方法 | |
CN105203552A (zh) | 一种360°踏面图像检测系统及其检测方法 | |
CN112818924B (zh) | 一种基于关联规则分析的道路深层病害预警方法 | |
CN109270501B (zh) | 一种用于全固态vts雷达的海杂波抑制方法 | |
CN115877465A (zh) | 考虑数据不对称性的探地雷达道路缺陷检测数字化成像方法及系统 | |
CN107942329A (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
CN111738256B (zh) | 基于改进分水岭算法的复合材料ct图像分割方法 | |
CN104933403A (zh) | 一种基于间隔棒识别的导线舞动的监测方法 | |
CN102663385B (zh) | 一种星上点目标检测方法 | |
CN104992429A (zh) | 一种基于图像局部增强的山体裂缝检测方法 | |
CN111665517A (zh) | 一种基于密度统计的单光子激光测高数据去噪方法及装置 | |
CN112084699A (zh) | 一种含电离层斜测信息的多约束条件下的仰角返回散射电离图反演方法 | |
CN102305930B (zh) | 一种抑制雷达回波中雨雪杂波的方法 | |
CN113408547B (zh) | 一种多时相多极化sar滑坡提取方法 | |
CN104199009A (zh) | 一种基于时域特性的雷达图像杂波抑制方法 | |
CN108983194A (zh) | 一种基于地面监视雷达系统的目标提取及凝聚方法 | |
CN109544531A (zh) | 一种基于形状特征识别gpr图像病害类型的方法 | |
CN108376401B (zh) | 一种基于行方差的自动定位gpr信号病害位置方法 | |
CN113253262B (zh) | 一种基于一维距离像记录背景对比检测目标方法 | |
CN115902884A (zh) | 基于三维雷达典型振幅值的沥青路面内部状况评价方法 | |
CN114577905A (zh) | 一种适用于长大纵坡的性能监测方法、设备及可存储介质 | |
CN112666552B (zh) | 一种探地雷达数据背景杂波自适应去除方法 |
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 |