CN117115049B - 探地雷达道路内部图像的降噪方法、电子设备及存储介质 - Google Patents
探地雷达道路内部图像的降噪方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117115049B CN117115049B CN202311336938.6A CN202311336938A CN117115049B CN 117115049 B CN117115049 B CN 117115049B CN 202311336938 A CN202311336938 A CN 202311336938A CN 117115049 B CN117115049 B CN 117115049B
- Authority
- CN
- China
- Prior art keywords
- road
- image
- matrix
- domain data
- internal image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000000149 penetrating effect Effects 0.000 title claims abstract description 43
- 230000009467 reduction Effects 0.000 title claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 123
- 201000010099 disease Diseases 0.000 claims abstract description 37
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000009466 transformation Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 239000000463 material Substances 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 241000287196 Asthenes Species 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims 1
- 230000017105 transposition Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 16
- 230000008030 elimination Effects 0.000 abstract description 3
- 238000003379 elimination reaction Methods 0.000 abstract description 3
- 239000011800 void material Substances 0.000 abstract description 3
- 230000001131 transforming effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000021615 conjugation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Multimedia (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
探地雷达道路内部图像的降噪方法、电子设备及存储介质,属于路面脱空病害检测技术领域。为降低探地雷达信号处理成本,提高图像目标区域的可辨识性。本发明采用探地雷达采集道路内部图像;构建道路内部图像数据矩阵;构建道路内部图像的背景噪声频率矩阵;对道路内部图像数据矩阵进行频域转变,然后基于背景噪声频率矩阵进行遍历,得到遍历后的道路内部图像的波形频域数据矩阵转变为时域矩阵;得到的遍历后的道路内部图像的波形频域数据矩阵对应的时域矩阵进行图像重构,然后设置增益系数,得到降噪处理的道路内部图像。本发明实现了直达波与背景噪声的同时消除,提高了探地雷达图像像素质量,提高了病害识别准确率和稳定性。
Description
技术领域
本发明属于路面脱空病害检测技术领域,具体涉及探地雷达道路内部图像的降噪方法、电子设备及存储介质。
背景技术
道路是车辆安全行驶的基础。近年来,受到城市道路地下管网漏损、雨水冲刷、周边施工扰动因素的影响,道路内部会出现材料松散,并逐渐演化为脱空,进而引发道路塌陷事件,且道路塌陷事件呈逐年增加趋势,严重威胁人们的出行安全,成为社会关注的重点问题。探地雷达作为电子技术产业的新兴技术,利用电磁波在传播过程中对传输媒质不同电磁特性的物体具有不同的散射特性,打破了传统探测手段对探测环境的破坏以及探测效率低的问题,以直观、无损、高效的优势在道路内部探测应用中占据举足轻重的地位。
探地雷达应用过程中,会产生杂波,严重影响目标的成像和检测能力。产生杂波的原因有多种,例如地面的反射信号、发射天线和接收天线之间的耦合、地表直达波以及地下不同介质引起的背景噪声。由于目标信号会受到杂波噪声的干扰,而探地雷达的有效信号又往往会被杂波覆盖,因而有效提取探地雷达中的目标信号对实际勘测以及风险评估具有重要意义,抑制杂波对改善探地雷达回波信号质量和提高图像准确率非常重要。同时,图像质量提升对于提高道路内部病害检测工作效率具有促进作用。
申请号为202011275188.2、发明名称为“一种探地雷达杂波噪声去除方法”的发明专利,提出了一种基于小波变换和K-Means奇异值分解的自适应双边滤波算法,该方法具有良好的杂波抑制效果,在峰值信噪比和目标图像熵上性能更好。然而,此种方法复杂度高、计算量大,运算时间长,占用内存大,推广技术难度和成本较高。当探测环境较为复杂时,会导致剖面部分区域探测结果之间相关性较强,此类方法会滤除有用的回波信号,导致病害识别准确率下降。
申请号为201810339586.2、发明名称为“一种基于Hankel矩阵奇异值分解的探地雷达噪声抑制方法”的发明专利,通过构造Hankel矩阵和奇异值分解的方式,设置差分谱的均值作为目标信号奇异值与噪声信号奇异值的分界点,实现了对噪声信号的抑制。然而,此种方法需要对探地雷达采集到的全部通道数据进行Hankel矩阵的构造和奇异值分解,针对每一道信号均需计算出对应的分界点奇异值,计算量大、计算成本高。
发明内容
本发明要解决的问题是降低探地雷达信号处理成本,提高图像目标区域的可辨识性,提出探地雷达道路内部图像的降噪方法、电子设备及存储介质。
为实现上述目的,本发明通过以下技术方案实现:
一种探地雷达道路内部图像的降噪方法,包括如下步骤:
S1、采用探地雷达采集道路内部图像;
S2、利用步骤S1采集的道路内部图像构建道路内部图像数据矩阵;
S3、构建道路内部图像的背景噪声频率矩阵;
S4、对步骤S2得到的道路内部图像数据矩阵进行频域转变,然后基于步骤S3构建的背景噪声频率矩阵进行遍历,得到遍历后的道路内部图像的波形频域数据矩阵;
S5、将步骤S4得到的遍历后的道路内部图像的波形频域数据矩阵转变为时域矩阵;
S6、将步骤S5得到的遍历后的道路内部图像的波形频域数据矩阵对应的时域矩阵进行图像重构;
S7、将步骤S6得到的重构的道路内部图像设置增益系数,得到降噪处理的道路内部图像。
进一步的,步骤S2将采集的道路内部图像构建为道路内部图像数据矩阵A,
;
其中,为采集的道路内部图像的第i个波的时域数据,m为通道总数;
;
其中,为采集的道路内部图像的第i个波的第/>个振幅数据,n为总个数。
进一步的,步骤S3的具体实现方法包括如下步骤:
S3.1、建立直角坐标系,其中,以道路内部图像左上角的顶点为坐标原点,水平向右为x轴正方向,竖直向下为y轴正方向,并定义1个像素的长度为单位长度,设置道路内部图像尺寸为a*b,a为沿x轴方向的图像长度,b为沿y轴方向的图像长度;
S3.2、人工选定没有病害的道路区域位置,并随机框选出10*b尺寸的没有病害的道路区域,设置没有病害的道路区域的波形时域数据矩阵为R,包括10个单道波的波形时域数据,表达式为:
;
;
其中,为第i个单道波的波形时域数据,/>为第i个单道波中第g个振幅数据,T为矩阵转置;
S3.3、采用小波变换的方式,分别将单道波形时域数据转换为单道波形频域数据,计算表达式为:
;
;
;
其中,为第i个单道波的波形频域数据,/>为时间,/>为尺度,ω为频率,/>为平移量,/>为时间t、平移量/>、尺度/>对应的基本小波;
然后得到没有病害的道路区域的波形频域数据矩阵;
S3.4、根据步骤S3.2和步骤S3.3计算每个单道波的波形时域数据的频率,构建背景噪声频率矩阵,其中,/>为第i个单道波的波形时域数据计算得到的频率,m为通道总数。
进一步的,步骤S4的具体实现方法包括如下步骤:
S4.1、将步骤S2采集的道路内部图像的时域数据转换为频域数据,转换表达式为:
;
;
;
其中,为采集的道路内部图像的第i个波的频域数据,得到采集的道路内部图像的波形频域数据矩阵/>;
S4.2、根据步骤S4.1将采集的道路内部图像的波形时域数据计算频率,构建道路内部图像的频率矩阵,其中,/>为采集的道路内部图像的第i个波形时域数据计算的频率;
S4.3、以背景噪声频率矩阵C为比较对象,遍历L中所有元素,删除L中与C相同的元素,然后删除F中对应的元素,得到遍历后的道路内部图像的波形频域数据矩阵,其中Gp为第p个遍历后的道路内部图像的波形频域数据。
进一步的,步骤S5的具体实现方法为将步骤S4得到的遍历后的道路内部图像的波形频域数据矩阵中的频域数据转换为时域数据,采用小波变换的方法,计算表达式为:
;
其中,为第i个遍历后的道路内部图像的波形频域数据对应的时域数据,/>为/>的共轭;
得到遍历后的道路内部图像的波形频域数据矩阵对应的时域矩阵H为:
;
;
其中,为第i个遍历后的道路内部图像的波形频域数据对应的时域数据的第/>个振幅数据。
进一步的,步骤S6的具体实现方法包括如下步骤:
S6.1、首先将遍历后的道路内部图像的波形频域数据矩阵对应的时域矩阵H中的进行遍历,得到最大值/>和最小值/>;
S6.2、对H中的振幅数据进行标准化处理,映射到灰度图像的灰度值范围0~255区间内,计算表达式为:
;
其中,为/>标准化处理后的振幅数据;
S6.3、基于步骤S6.2标准化处理后的振幅数据构建单道矩阵,表达式为,然后基于单道矩阵构建全部通道矩阵;
S6.4、将步骤S6.3得到的全部通道矩阵K中的元素值作为灰度值,以二维图像的x轴方向作为雷达采样数据的运动方向,以二维图像的y轴方向作为道路深度方向,绘制灰度图M,得到重构的道路内部图像。
进一步的,步骤S7的具体实现方法包括如下步骤:
S7.1、将步骤S6得到的重构的道路内部图像沿图像的竖直方向进行划分,设置划分数量为Nh,每张划分图像的高度为Hh,宽度为;
S7.2、设置第i个划分图像的图像矩阵为,则得到第i个划分图像的图像矩阵的平均值/>,表达式为:
;
S7.3、基于步骤S7.2得到的划分图像的图像矩阵的平均值构建均值矩阵,然后计算/>与/>的差值矩阵/>,表达式为:
;
S7.4、对步骤S7.3得到的差值矩阵进行全部元素取绝对值运算,构建差值矩阵的绝对值矩阵,表达式为:
;
然后计算差值矩阵的绝对值矩阵的标准差,表达式为:
;
S7.5、根据步骤S7.4得到的差值矩阵的绝对值矩阵的标准差构建标准差矩阵;
S7.6、设定临界标准差为,将标准差矩阵的标准差/>与临界标准差/>进行对比,当/>时,设置增益系数为/>,/>的值根据实际地质条件、道路材料类型、雷达参数、病害类型参数确定;当/>时,设置增益系数为1;
S7.7、根据步骤S7.6计算得到的增益系数,构建标准差矩阵对应的增益系数矩阵/>,用于对道路内部病害区域位置回波图像的特征增强,得到降噪处理的道路内部图像。
电子设备,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现所述的一种探地雷达道路内部图像的降噪方法的步骤。
计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种探地雷达道路内部图像的降噪方法。
本发明的有益效果:
本发明所述的一种探地雷达道路内部图像的降噪方法,改善了探地雷达图像的直达波消除和图像降噪通常是分为两个步骤导致计算步骤多而繁琐、计算量大、运算时间长、计算成本高的问题。本发明计算方法简单,可同时消除直达波和降低图像噪声,将多个无损的单通道波形数据作为参考点,结合频域转变的方式,实现了直达波与背景噪声的同时消除,提高了探地雷达图像像素质量,提高了病害识别准确率和稳定性。
本发明所述的一种探地雷达道路内部图像的降噪方法,改善了现有探地雷达图像的降噪方法中,当探测环境较为复杂时,降噪算法不稳定,容易滤除有用回波信号,导致病害识别准确率降低的问题,本发明识别准确率高。
本发明所述的一种探地雷达道路内部图像的降噪方法,改善了雷达图像增益系数确定过程中,在增强了病害信号的同时,也增大了噪声的干扰,导致病害识别准确率不高的问题。本发明采用图像切片的方式,通过分析不同切片区域像素特征,确定整张图像对应的增益系数矩阵,降低无效图像区域对病害识别的影响,提高病害特征识别准确率,本发明可以在低成本前提下,提高图像目标区域的可辨识性,提高病害检测的准确率,尤其是实现对微小病害的识别,进而通过合理养护方案的实施,延长道路的使用寿命。同时,图像质量的提升,可以降低病害识别的难度,进而减少道路检测过程中的人力、物力,节约成本。
本发明所述的一种探地雷达道路内部图像的降噪方法,通过改善图像质量、减少噪声和干扰,简化图像处理复杂度,实现了降低计算开销,加快处理速度,提高工作效率。
附图说明
图1为本发明所述的一种探地雷达道路内部图像的降噪方法的流程图。
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,以下结合附图及具体实施方式,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方式仅用以解释本发明,并不用于限定本发明,即所描述的具体实施方式仅仅是本发明一部分实施方式,而不是全部的具体实施方式。通常在此处附图中描述和展示的本发明具体实施方式的组件可以以各种不同的配置来布置和设计,本发明还可以具有其他实施方式。
因此,以下对在附图中提供的本发明的具体实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定具体实施方式。基于本发明的具体实施方式,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他具体实施方式,都属于本发明保护的范围。
为能进一步了解本发明的发明内容、特点及功效,兹例举以下具体实施方式,并配合附图1详细说明如下:
具体实施方式一:
一种探地雷达道路内部图像的降噪方法,包括如下步骤:
S1、采用探地雷达采集道路内部图像;
S2、利用步骤S1采集的道路内部图像构建道路内部图像数据矩阵;
进一步的,步骤S2将采集的道路内部图像构建为道路内部图像数据矩阵A,
;
其中,为采集的道路内部图像的第i个波的时域数据,m为通道总数;
;
其中,为采集的道路内部图像的第i个波的第/>个振幅数据,n为总个数;
S3、构建道路内部图像的背景噪声频率矩阵;
进一步的,步骤S3的具体实现方法包括如下步骤:
S3.1、建立直角坐标系,其中,以道路内部图像左上角的顶点为坐标原点,水平向右为x轴正方向,竖直向下为y轴正方向,并定义1个像素的长度为单位长度,设置道路内部图像尺寸为a*b,a为沿x轴方向的图像长度,b为沿y轴方向的图像长度;
S3.2、人工选定没有病害的道路区域位置,并随机框选出10*b尺寸的没有病害的道路区域,设置没有病害的道路区域的波形时域数据矩阵为R,包括10个单道波的波形时域数据,表达式为:
;
;
其中,为第i个单道波的波形时域数据,/>为第i个单道波中第g个振幅数据,T为矩阵转置;
S3.3、采用小波变换的方式,分别将单道波形时域数据转换为单道波形频域数据,计算表达式为:
;
;
;
其中,为第i个单道波的波形频域数据,/>为时间,/>为尺度,ω为频率,/>为平移量,/>为时间t、平移量/>、尺度/>对应的基本小波;
然后得到没有病害的道路区域的波形频域数据矩阵;
S3.4、根据步骤S3.2和步骤S3.3计算每个单道波的波形时域数据的频率,构建背景噪声频率矩阵,其中,/>为第i个单道波的波形时域数据计算得到的频率,m为通道总数;
进一步的,小波变换的优势在于:可描述时间域上信号的局部特征;对于突变和非平稳信号,仍有很好的分析效果;
S4、对步骤S2得到的道路内部图像数据矩阵进行频域转变,然后基于步骤S3构建的背景噪声频率矩阵进行遍历,得到遍历后的道路内部图像的波形频域数据矩阵;
进一步的,步骤S4的具体实现方法包括如下步骤:
S4.1、将步骤S2采集的道路内部图像的时域数据转换为频域数据,转换表达式为:
;
;
;
其中,为采集的道路内部图像的第i个波的频域数据,得到采集的道路内部图像的波形频域数据矩阵/>;
S4.2、根据步骤S4.1将采集的道路内部图像的波形时域数据计算频率,构建道路内部图像的频率矩阵,其中,/>为采集的道路内部图像的第i个波形时域数据计算的频率;
S4.3、以背景噪声频率矩阵C为比较对象,遍历L中所有元素,删除L中与C相同的元素,然后删除F中对应的元素,得到遍历后的道路内部图像的波形频域数据矩阵,其中Gp为第p个遍历后的道路内部图像的波形频域数据;
S5、将步骤S4得到的遍历后的道路内部图像的波形频域数据矩阵转变为时域矩阵;
进一步的,步骤S5的具体实现方法包括为将步骤S4得到的遍历后的道路内部图像的波形频域数据矩阵中的频域数据转换为时域数据,采用小波变换的方法,计算表达式为:
;
其中,为第i个遍历后的道路内部图像的波形频域数据对应的时域数据,/>为/>的共轭;
得到遍历后的道路内部图像的波形频域数据矩阵对应的时域矩阵H为:
;
;
其中,为第i个遍历后的道路内部图像的波形频域数据对应的时域数据的第/>个振幅数据;
S6、将步骤S5得到的遍历后的道路内部图像的波形频域数据矩阵对应的时域矩阵进行图像重构;
进一步的,步骤S6的具体实现方法包括如下步骤:
S6.1、首先将遍历后的道路内部图像的波形频域数据矩阵对应的时域矩阵H中的进行遍历,得到最大值/>和最小值/>;
S6.2、对H中的振幅数据进行标准化处理,映射到灰度图像的灰度值范围0~255区间内,计算表达式为:
;
其中,为/>标准化处理后的振幅数据;
S6.3、基于步骤S6.2标准化处理后的振幅数据构建单道矩阵,表达式为,然后基于单道矩阵构建全部通道矩阵;
S6.4、将步骤S6.3得到的全部通道矩阵K中的元素值作为灰度值,以二维图像的x轴方向作为雷达采样数据的运动方向,以二维图像的y轴方向作为道路深度方向,绘制灰度图M,得到重构的道路内部图像;
S7、将步骤S6得到的重构的道路内部图像设置增益系数,得到降噪处理的道路内部图像;
进一步的,步骤S7的具体实现方法包括如下步骤:
S7.1、将步骤S6得到的重构的道路内部图像沿图像的竖直方向进行划分,设置划分数量为Nh,每张划分图像的高度为Hh,宽度为;
S7.2、设置第i个划分图像的图像矩阵为,则得到第i个划分图像的图像矩阵的平均值/>,表达式为:
;
S7.3、基于步骤S7.2得到的划分图像的图像矩阵的平均值构建均值矩阵,然后计算/>与/>的差值矩阵/>,表达式为:
;
S7.4、对步骤S7.3得到的差值矩阵进行全部元素取绝对值运算,构建差值矩阵的绝对值矩阵,表达式为:
;
然后计算差值矩阵的绝对值矩阵的标准差,表达式为:
;
S7.5、根据步骤S7.4得到的差值矩阵的绝对值矩阵的标准差构建标准差矩阵;
S7.6、设定临界标准差为,将标准差矩阵的标准差/>与临界标准差/>进行对比,当/>时,设置增益系数为/>,/>的值根据实际地质条件、道路材料类型、雷达参数、病害类型参数确定;当/>时,设置增益系数为1;
S7.7、根据步骤S7.6计算得到的增益系数,构建标准差矩阵对应的增益系数矩阵/>,用于对道路内部病害区域位置回波图像的特征增强,得到降噪处理的道路内部图像。
进一步的,采用增益系数确定方法,可以得到高质量雷达图像。检测人员在检测过程中,通过对高质量雷达图像的判别,人为推断出有病害的图像,并将图像传送给养护决策人员进行决策。同时,养护人员可通过统计的方式,比较不同时间、不同区域的道路病害分布情况,统筹管理区域内道路的养护决策方案。
本实施方式所述的一种探地雷达道路内部图像的降噪方法,可以在低成本前提下,提高图像目标区域的可辨识性,提高病害检测的准确率,尤其是实现对微小病害的识别,进而通过合理养护方案的实施,延长道路的使用寿命。同时,图像质量的提升,可以降低病害识别的难度,进而减少道路检测过程中的人力、物力,节约成本。
具体实施方式二:
电子设备,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现所述的一种探地雷达道路内部图像的降噪方法的步骤。
本发明的计算机装置可以是包括有处理器以及存储器等装置,例如包含中央处理器的单片机等。并且,处理器用于执行存储器中存储的计算机程序时实现上述的一种探地雷达道路内部图像的降噪方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
具体实施方式三:
计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种探地雷达道路内部图像的降噪方法。
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质,包括但不限于非易失性存储器、易失性存储器、铁电存储器等,计算机可读存储介质上存储有计算机程序,当计算机装置的处理器读取并执行存储器中所存储的计算机程序时,可以实现上述的基于CREO软件的可修改由关系驱动的建模数据的建模方法的步骤。
所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然在上文中已经参考具体实施方式对本申请进行了描述,然而在不脱离本申请的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,本申请所披露的具体实施方式中的各项特征均可通过任意方式相互结合起来使用,在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此,本申请并不局限于文中公开的特定具体实施方式,而是包括落入权利要求的范围内的所有技术方案。
Claims (7)
1.一种探地雷达道路内部图像的降噪方法,其特征在于,包括如下步骤:
S1、采用探地雷达采集道路内部图像;
S2、利用步骤S1采集的道路内部图像构建道路内部图像数据矩阵;
S3、构建道路内部图像的背景噪声频率矩阵;
步骤S3的具体实现方法包括如下步骤:
S3.1、建立直角坐标系,其中,以道路内部图像左上角的顶点为坐标原点,水平向右为x轴正方向,竖直向下为y轴正方向,并定义1个像素的长度为单位长度,设置道路内部图像尺寸为a*b,a为沿x轴方向的图像长度,b为沿y轴方向的图像长度;
S3.2、人工选定没有病害的道路区域位置,并随机框选出10*b尺寸的没有病害的道路区域,设置没有病害的道路区域的波形时域数据矩阵为R,包括10个单道波的波形时域数据,表达式为:
R=[R1,R2...Ri...R10]
Ri=[ri1,ri2...rig...rin]T
其中,Ri为第i个单道波的波形时域数据,rig为第i个单道波中第g个振幅数据,T为矩阵转置;
S3.3、采用小波变换的方式,分别将单道波形时域数据转换为单道波形频域数据,计算表达式为:
其中,Si为第i个单道波的波形频域数据,t为时间,α为尺度,ω为频率,τ为平移量,为时间t、平移量τ、尺度α对应的基本小波;
然后得到没有病害的道路区域的波形频域数据矩阵S=[S1,S2...Si...S10];
S3.4、根据步骤S3.2和步骤S3.3计算每个单道波的波形时域数据的频率,构建背景噪声频率矩阵C=[w1,w2...wi...wm],其中,wi为第i个单道波的波形时域数据计算得到的频率,m为通道总数;
S4、对步骤S2得到的道路内部图像数据矩阵进行频域转变,然后基于步骤S3构建的背景噪声频率矩阵进行遍历,得到遍历后的道路内部图像的波形频域数据矩阵;
S5、将步骤S4得到的遍历后的道路内部图像的波形频域数据矩阵转变为时域矩阵;
S6、将步骤S5得到的遍历后的道路内部图像的波形频域数据矩阵对应的时域矩阵进行图像重构;
S7、将步骤S6得到的重构的道路内部图像设置增益系数,得到降噪处理的道路内部图像;
步骤S7的具体实现方法包括如下步骤:
S7.1、将步骤S6得到的重构的道路内部图像沿图像的竖直方向进行划分,设置划分数量为Nh,每张划分图像的高度为Hh,宽度为a;
S7.2、设置第i个划分图像的图像矩阵为则得到第i个划分图像的图像矩阵的平均值/>表达式为:
S7.3、基于步骤S7.2得到的划分图像的图像矩阵的平均值构建均值矩阵 然后计算/>与/>的差值矩阵/>表达式为:
S7.4、对步骤S7.3得到的差值矩阵进行全部元素取绝对值运算,构建差值矩阵的绝对值矩阵表达式为:
然后计算差值矩阵的绝对值矩阵的标准差表达式为:
S7.5、根据步骤S7.4得到的差值矩阵的绝对值矩阵的标准差构建标准差矩阵
S7.6、设定临界标准差为STcv,将标准差矩阵的标准差与临界标准差STcv进行对比,当/>时,设置增益系数为GCi,GCi的值根据实际地质条件、道路材料类型、雷达参数、病害类型参数确定;当/>时,设置增益系数为1;
S7.7、根据步骤S7.6计算得到的增益系数,构建标准差矩阵STha对应的增益系数矩阵GC=[GC1,GC2,GC3...GCNh],用于对道路内部病害区域位置回波图像的特征增强,得到降噪处理的道路内部图像。
2.根据权利要求1所述的一种探地雷达道路内部图像的降噪方法,其特征在于,步骤S2将采集的道路内部图像构建为道路内部图像数据矩阵A,
A=[D1,D2...Di...Dm]
其中,Di为采集的道路内部图像的第i个波的时域数据,m为通道总数;
Di=[di1,di2...dil...din]T
其中,dil为采集的道路内部图像的第i个波的第l个振幅数据,n为总个数。
3.根据权利要求2所述的一种探地雷达道路内部图像的降噪方法,其特征在于,步骤S4的具体实现方法包括如下步骤:
S4.1、将步骤S2采集的道路内部图像的时域数据转换为频域数据,转换表达式为:
其中,Fi为采集的道路内部图像的第i个波的频域数据,得到采集的道路内部图像的波形频域数据矩阵F=[F1,F2...Fi...Fm];
S4.2、根据步骤S4.1将采集的道路内部图像的波形时域数据计算频率,构建道路内部图像的频率矩阵L=[wL1,wL2...wLi...wLm],其中,wLi为采集的道路内部图像的第i个波形时域数据计算的频率;
S4.3、以背景噪声频率矩阵C为比较对象,遍历L中所有元素,删除L中与C相同的元素,然后删除F中对应的元素,得到遍历后的道路内部图像的波形频域数据矩阵G=[G1,G2...Gi...Gp],其中Gp为第p个遍历后的道路内部图像的波形频域数据。
4.根据权利要求3所述的一种探地雷达道路内部图像的降噪方法,其特征在于,步骤S5的具体实现方法为将步骤S4得到的遍历后的道路内部图像的波形频域数据矩阵中的频域数据转换为时域数据,采用小波变换的方法,计算表达式为:
其中,Hi为第i个遍历后的道路内部图像的波形频域数据对应的时域数据,ψ*(t)为ψ(t)的共轭;
得到遍历后的道路内部图像的波形频域数据矩阵对应的时域矩阵H为:
H=[H1,H2...Hi...Hp]
Hi=[hi1,hi2...hil...hin]T
其中,hil为第i个遍历后的道路内部图像的波形频域数据对应的时域数据的第l个振幅数据。
5.根据权利要求4所述的一种探地雷达道路内部图像的降噪方法,其特征在于,步骤S6的具体实现方法包括如下步骤:
S6.1、首先将遍历后的道路内部图像的波形频域数据矩阵对应的时域矩阵H中的Hi进行遍历,得到最大值hmax和最小值hmin;
S6.2、对H中的振幅数据进行标准化处理,映射到灰度图像的灰度值范围0~255区间内,计算表达式为:
其中,kil为hil标准化处理后的振幅数据;
S6.3、基于步骤S6.2标准化处理后的振幅数据构建单道矩阵Ki,表达式为Ki=[ki1,ki2...kil...kin]T,然后基于单道矩阵构建全部通道矩阵K=[K1,K2...Kl...Kp];
S6.4、将步骤S6.3得到的全部通道矩阵K中的元素值作为灰度值,以二维图像的x轴方向作为雷达采样数据的运动方向,以二维图像的y轴方向作为道路深度方向,绘制灰度图M,得到重构的道路内部图像。
6.电子设备,其特征在于,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现权利要求1-5任一项所述的一种探地雷达道路内部图像的降噪方法的步骤。
7.计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-5任一项所述的一种探地雷达道路内部图像的降噪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336938.6A CN117115049B (zh) | 2023-10-17 | 2023-10-17 | 探地雷达道路内部图像的降噪方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336938.6A CN117115049B (zh) | 2023-10-17 | 2023-10-17 | 探地雷达道路内部图像的降噪方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115049A CN117115049A (zh) | 2023-11-24 |
CN117115049B true CN117115049B (zh) | 2024-03-29 |
Family
ID=88800421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311336938.6A Active CN117115049B (zh) | 2023-10-17 | 2023-10-17 | 探地雷达道路内部图像的降噪方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115049B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268839A (zh) * | 2014-09-29 | 2015-01-07 | 中国矿业大学(北京) | 一种基于阈值分割的道路病害定位方法 |
CN106204414A (zh) * | 2016-08-05 | 2016-12-07 | 蓝普金睛(北京)科技有限公司 | 一种动态图像缓存的方法及系统 |
CN108828588A (zh) * | 2018-04-16 | 2018-11-16 | 长沙理工大学 | 一种用3d探地雷达评价道路技术状况的方法 |
CN111913919A (zh) * | 2020-08-12 | 2020-11-10 | 湖北南邦创电科技有限公司 | 一种文件存储管理方法及存储介质 |
CN112882023A (zh) * | 2021-01-20 | 2021-06-01 | 西安交通大学 | 探地雷达数据中钢筋网屏蔽干扰的压制方法、介质及设备 |
CN115082802A (zh) * | 2022-08-18 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 道路病害识别方法、装置、设备及可读存储介质 |
CN115902877A (zh) * | 2022-11-11 | 2023-04-04 | 长沙理工大学 | 基于雷达的道路内部病害三维展示与特征信号确定方法 |
WO2023123568A1 (zh) * | 2021-12-29 | 2023-07-06 | 中路交科科技股份有限公司 | 一种探地雷达图像人工智能识别方法及装置 |
-
2023
- 2023-10-17 CN CN202311336938.6A patent/CN117115049B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268839A (zh) * | 2014-09-29 | 2015-01-07 | 中国矿业大学(北京) | 一种基于阈值分割的道路病害定位方法 |
CN106204414A (zh) * | 2016-08-05 | 2016-12-07 | 蓝普金睛(北京)科技有限公司 | 一种动态图像缓存的方法及系统 |
CN108828588A (zh) * | 2018-04-16 | 2018-11-16 | 长沙理工大学 | 一种用3d探地雷达评价道路技术状况的方法 |
CN111913919A (zh) * | 2020-08-12 | 2020-11-10 | 湖北南邦创电科技有限公司 | 一种文件存储管理方法及存储介质 |
CN112882023A (zh) * | 2021-01-20 | 2021-06-01 | 西安交通大学 | 探地雷达数据中钢筋网屏蔽干扰的压制方法、介质及设备 |
WO2023123568A1 (zh) * | 2021-12-29 | 2023-07-06 | 中路交科科技股份有限公司 | 一种探地雷达图像人工智能识别方法及装置 |
CN115082802A (zh) * | 2022-08-18 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 道路病害识别方法、装置、设备及可读存储介质 |
CN115902877A (zh) * | 2022-11-11 | 2023-04-04 | 长沙理工大学 | 基于雷达的道路内部病害三维展示与特征信号确定方法 |
Non-Patent Citations (3)
Title |
---|
Lane Detection With a High-Resolution Automotive Radar by Introducing a New Type of Road Marking;Zhaofei Feng等;《IEEE Transactions on Intelligent Transportation Systems》;第20卷(第7期);第2430-2447页 * |
Multi-view Road Disease Detection Based on Attention Fusion and Distillation;Jiadi Mo等;《2022 IEEE International Conference on Electrical Engineering, Big Data and Algorithms (EEBDA)》;第1332-1336页 * |
地质雷达在道路质量与病害检测中的应用研究;朱少聪;《工程技术研究》;第8卷(第14期);第92-94页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117115049A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101847257B (zh) | 基于非局部均值与多级定向图像的图像降噪方法 | |
CN107659314B (zh) | 分布式光纤传感时空二维信号的稀疏化表示及压缩方法 | |
Schmitt | Multiscale and multidirectional multilooking for SAR image enhancement | |
CN103400383A (zh) | 基于nsct和压缩投影的sar图像变化检测方法 | |
CN104182941A (zh) | 高光谱图像条带噪声去噪方法 | |
CN102509263A (zh) | 基于sar图像局部统计特性的k-svd相干斑抑制方法 | |
CN115494470A (zh) | 一种地质成像雷达综合信号处理方法、系统、终端及介质 | |
CN116908853B (zh) | 高相干点选取方法、装置和设备 | |
CN107590785A (zh) | 一种基于sobel算子的布里渊散射谱图像识别方法 | |
CN117115049B (zh) | 探地雷达道路内部图像的降噪方法、电子设备及存储介质 | |
CN112882026B (zh) | 一种树高反演的方法、装置、计算机存储介质及终端 | |
CN116343051B (zh) | 一种基于遥感影像的地质环境监测方法及系统 | |
CN102722878A (zh) | 基于目标提取和ppb算法的sar图像去斑方法 | |
CN117079147B (zh) | 一种道路内部病害识别方法、电子设备及存储介质 | |
CN110827399A (zh) | 一种三维模型数据压缩方法及系统 | |
CN113962968B (zh) | 面向复杂电磁环境下多源混合干扰雷达图像目标检测系统 | |
CN102289800A (zh) | 基于Treelet的Contourlet域图像去噪方法 | |
CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 | |
CN115935142A (zh) | 一种基于短周期密集台阵城市背景噪声的成像方法及装置 | |
CN117077448B (zh) | 道路脱空区域面积演化预测方法、电子设备及存储介质 | |
CN117077450B (zh) | 道路脱空区域体积演化预测方法、电子设备及存储介质 | |
CN115128666A (zh) | 一种提高地震数据分辨率的方法、装置及存储介质 | |
Luo et al. | A Depth-Adaptive Filtering Method for Effective GPR Tree Roots Detection in Tropical Area | |
CN112561806B (zh) | 一种微电阻率扫描测井仪图像增强方法及系统 | |
CN117079268B (zh) | 一种道路内部病害三维数据集构建方法及其使用方法 |
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 |