[發(fā)明專利]一種探地雷達記錄剖面中目標頂點的檢測方法

有效

• 申請?zhí)枺?/td>: 201710667148.4
• 申請日: 2017-08-07
• 公開（公告）號: CN107358617B
• 公開（公告）日: 2020-03-20
• 發(fā)明（設(shè)計）人: 雷文太;滿敏;施榮華;左逸瑋;彭楠;梁瓊
• 申請（專利權(quán)）人: 中南大學(xué)
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06K9/38;G06K9/62
• 代理公司: 長沙市融智專利事務(wù)所(普通合伙) 43114
• 代理人: 楊萍

本發(fā)明公開了一種探地雷達記錄剖面中目標頂點的檢測方法，首先計算預(yù)處理后的探地雷達記錄剖面沿測線維的一維能量曲線，根據(jù)該曲線的局部極大值點個數(shù)確定目標頂點個數(shù)的預(yù)設(shè)區(qū)間；然后對預(yù)處理后的探地雷達記錄剖面采用自動匹配閾值的方式進行邊緣檢測得到二值圖像并估計二值圖像中的頂點，直到預(yù)估計的目標頂點個數(shù)在預(yù)設(shè)區(qū)間為止；接著基于這些頂點的坐標位置建立匹配模板，運用該模板與邊緣檢測得出的二值圖像進行模板匹配并計算匹配相似度，舍棄匹配相似度低于該閾值的頂點，得出匹配后的頂點；再基于聚類分析方法對匹配后的頂點進行過濾，去除虛假頂點，得到目標頂點的檢測結(jié)果。本發(fā)明相對于現(xiàn)有方法在信噪比較低時有更高的檢測精度。

技術(shù)領(lǐng)域

本發(fā)明屬于探地雷達探測與應(yīng)用技術(shù)領(lǐng)域，具體涉及運用探地雷達圖像檢測目標頂點的方法。

背景技術(shù)

探地雷達(Ground Penetrating Radar，GPR)是一種有效的淺層隱藏目標探測技術(shù)，利用電磁波在媒質(zhì)電磁特性不連續(xù)處產(chǎn)生的反射和散射實現(xiàn)非金屬覆蓋區(qū)域中目標的成像探測。GPR回波的幅度和時延包含目標位置及電磁散射特性等信息。GPR沿一維測線進行空間掃描，在測線的每個孔徑點處向地下區(qū)域發(fā)射電磁波并接收散射回波。每個孔徑點處接收一道回波數(shù)據(jù)，多個孔徑點接收的回波數(shù)據(jù)按列排列，就形成了GPR記錄剖面。通過對GPR記錄剖面進行處理以實現(xiàn)對地下未知區(qū)域進行探測和參數(shù)反演是一種無損檢測方式。GPR可以在巖石、土壤、冰、淡水、公共道路以及各種結(jié)構(gòu)物等介質(zhì)使用，還可以探測到地表下的物質(zhì)、材質(zhì)變化、空隙和裂隙等，廣泛應(yīng)用于道路工程、建筑工程、考古等無損探測領(lǐng)域。

GPR在掃描的過程中，當電磁波遇到與背景媒質(zhì)電磁特性不同的目標時會產(chǎn)生電磁散射，部分散射波被GPR接收天線接收。隨著天線的移動，地下目標的散射回波在GPR記錄剖面中就形成了一條時延曲線。時延曲線的頂點與目標的真實空間位置有一一對應(yīng)關(guān)系。從圖形圖像學(xué)角度分析，只需確定GPR記錄剖面中時延曲線的頂點位置，便可以獲得地下目標的空間分布。因此，GPR記錄剖面中頂點位置的檢測算法就成了GPR對地探測中目標定位的關(guān)鍵問題。國外對GPR記錄剖面中的頂點檢測問題進行了大量的研究。文獻1“Liu,M.Wang,and Q.Cai,“The target detection for GPR images based on curvefitting,”in Proc.3rd Int.Congr.Image Signal Process.(CISP),vol.6.Yantai,China,Oct.2010,pp.2876–2879”提出了通過對GPR圖像中的曲線進行曲線擬合和邊緣檢測，從而對圖像中的目標進行提取的方法。文獻2“Z.W.Wang,M.Zhou,G.G.Slabaugh,J.Zhai,and T.Fang,“Automatic detection of bridge deck condition from groundpenetrating radar images,”IEEE Trans.Autom.Sci.Eng.,vol.8,no.3,pp.633–640,Jul.2011”提出了通過對GPR圖像中的曲線使用偏微分方程式的數(shù)學(xué)方法和模板匹配的方式，確定圖像中的雙曲線頂點位置，以此來對鋼筋混凝土橋面腐蝕情況進行檢測。文獻3“Parneet Kaur；Kristin J.Dana；Francisco A.Romero；Nenad Gucunski,“Automated GPRRebar Analysis for Robotic Bridge Deck Evaluation,”IEEE Transactions onCybernetics.vol.46,2016,pp.2265–2276”提出了基于圖像的梯度特性和曲線擬合方式的雙曲簽名，通過集成機器學(xué)習(xí)分類的方法，來檢測橋面鋼筋腐蝕情況。文獻4“LaurenceMertens；Raffaele Persico；Loredana Matera；Sébastien Lambot,“AutomatedDetection of Reflection Hyperbolas in Complex GPR Images With No A PrioriKnowledge on the Medium,”IEEE Transactions on Geoscience and RemoteSensing.vol.54,2016,pp.580-596”提出了基于GPR圖像進行邊緣檢測結(jié)果中的邊緣點生成雙曲線擬合函數(shù)的目標檢測方法。上述方法，在信噪比較高的情況下，有較高的檢測精度，但在信噪比較低的情況下，GPR剖面記錄圖像中目標雙曲線邊緣輪廓發(fā)生變化，其平滑性、對稱性等曲線特征會遭到破壞，因此會造成目標點的漏檢或誤檢的情況，直接影響目標的檢測精度。而且，邊緣檢測方法需要手動調(diào)整閾值，實時性較差。因此，有必要針對現(xiàn)有技術(shù)中存在的問題設(shè)計一種檢測精度高，且能實現(xiàn)自動化的頂點檢測方法。