一种结合小波分解的GPR钢筋数量检测方法与流程

本发明基于gpr无损检测，涉及数字图像处理，结合图像小波多层分解技术而提出了一种钢筋数量提取方法。

背景技术：

探地雷达(gpr)最早起源于1904年德国人hulsmeyer用电磁波信号探测地下的金属物体。1910年，letmbach和lowy在其专利中提出了利用电磁波对地下掩埋物体的探测。到了1926年hulsenbech第一次使用脉冲波技术探测埋藏介质的结构，并发现了介电常数不同的介质交界面会产生电磁波反射，成为了探地雷达研究的基本理论依据。1929年stern将探地雷达应用到实际中，用于测量冰川的厚度。此后，探地雷达主要应用于深层探测。随着现代数字信号处理技术的发展和应用，70年代后，探地雷达从冰层、盐矿等弱耗介质应用扩展到土层、煤层、岩层等有耗介质，出现了用于探测地下坑道的宽带雷达，此后这种雷达快速发展，在中浅层目标探测中得到了广泛的应用。随着探地雷达技术的高速发展和广泛应用，高分辨率数据处理和目标成像技术成为了探地雷达技术发展的关键。

在钢筋网结构越来越普及的今天，钢筋网自身的质量问题引起的病害层出不穷。由于钢筋本身具有易腐蚀的缺点，导致建筑中经常出现钢筋损坏、断裂的病害；又由于在建筑的不同部位对钢筋强度及规格的要求也不同，错误的使用钢筋(如钢筋数量不达标导致建筑强度不够等)将导致严重的质量问题以及安全隐患。传统的钢筋检测方法为电流法(给钢筋通电并通过检测电流的大小判断钢筋的腐蚀程度等属性)，但这种方法检测速度极为缓慢而且无法大面积使用。探地雷达在国内外都被广泛应用于地质勘探、工程检测等诸多领域，并且已经被证明是一种行之有效的无损探测方法。相对于传统方法，雷达探测的成像效果以及探测精度都有明显进步，但是目前对钢筋网的探测仍存在很多困难。原因就在于钢筋往往分布较为密集且反射强度很大，使得钢筋网gpr探测信号互相堆叠、互相影响，形成的图像也较为复杂，难以从中判别出钢筋数量。目前只能通过手动感兴趣区域的选取之后通过相关专业人员的经验进行钢筋数量测量。由于钢筋网在实际应用中往往铺设面积巨大，例如，高铁所采用的无砟轨道大量使用钢筋混凝土结构，而高铁轨道动辄上千公里，探测数据可达几百gb。在这雷达数据量往往十分庞大的客观条件下，人工数据操作很难在实际应用中进行。随着钢筋网结构的大范围使用，对于多层钢筋网的无损检测和参数识别技术需求越来越迫切。在此方面，目前许多学者做了大量的研究，目前大部分算法集中在特征提取并使用分类器分类的模式，这种方法的最大缺点在于必须事先知道各种物体或病害的图像模式(在一些复杂情况下这种确定的模式并不存在)，而且需要大量实测并确认正确的数据进行模型训练，这些条件都极难实现。

技术实现要素：

发明目的：为了克服现有技术中存在的不足，本发明提供一种结合小波分解的gpr钢筋数量检测方法，通过结合小波分解和数字图像处理技术，克服现有钢筋网gpr图像相互堆叠导致的图像混乱的问题，从而快速获得钢筋数量信息。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种结合小波分解的gpr钢筋数量检测方法，包括以下步骤：

步骤1，在探地雷达数据中，由雷达波在不同界面引起的反射波或者环境中的噪声在a扫描图像中总是会出现在同一时间位置，这些杂波会在b扫描图像中产生一条水平线，有可能会掩盖目标位置；先对b扫描数据二维矩阵中每行数据求方差，然后只对方差极小的行进行均值法抑制杂的操作，保证钢筋反射波的强度不受影响；

步骤2，采用小波变换处理步骤1中均值法抑制杂波得到的数据；

步骤3，根据步骤2小波变换的结果获取钢筋数量信息：将图像小波多层分解分为两部分：一维分解以及多层分解；

一维分解，先将信号与低通滤波器卷积再下采样可以得到低频部分的小波分解系数，再将信号与高通滤波器卷积后下采样得到高频部分的小波分解系数；

对于图像矩阵，先对每一行进行一维分解，再对分解后得到的矩阵的每一列进行一维分解，即可得到图像小波分解低频、垂直、水平、对角分量；

多层分解是对上述过程得到的低频小波系数再次进行分解，依次得到每一层分解系数。

采用均值法抑制杂波就是将b扫描数据二维矩阵每一行的每个元素减去所在行的平均值，设每个a扫描图像有m个采样点，有n道a扫描数据，则均值法抑制杂波表示如下：

。

优选的：小波变换是把某一被称为基本小波的函数作位移τ后，再在不同尺度α下，与待分析信号x(t)作内积，即

上式中，α>0,称为尺度因子，其作用是对基本小波函数作伸缩，τ反应位移，其值可正可负；

离散小波变换dwt对尺度参数按幂级数进行离散化处理，对时间进行均匀离散化取值，

多分辨分析是在不同的尺度和时间下，分别构造了尺度函数向量组合小波函数向量组，也即是尺度函数向量空间v与小波函数向量空间w，在一定层次下，信号在尺度空间做卷积所得到的是信号的近似、低频信息，信号在小波空间w做卷积所得到的是信号的细节、高频信息。

尺度函数

小波函数

。

优选的：使用coif2,coif3,db2,db5,rbio1.3,rbio3.5这几种小波基。

优选的：分解层数为三层。

本发明相比现有技术，具有以下有益效果：

本发明利用图像小波分解技术有效提高了gpr钢筋探测图像分辨率以及可识别度。并且计算过程中并未使用较大运算量的方法以及过多的人为参与，最终达到了对钢筋图像的简化，大大提高了效率。

附图说明

图1为以rbio3.5为小波基进行三层小波分解得到的图像。

图2为以coif2为小波基进行三层小波分解得到的图像。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种结合小波分解的gpr钢筋数量检测方法，共分为三部分：预处理，多层小波图像分解，钢筋数量获取。以下为算法流程：

1)数据预处理

在探地雷达数据中，由雷达波在不同界面引起的反射波或者环境中的噪声在a扫描中总是会出现在同一时间位置，这些杂波会在b扫描图像中产生一条水平线，有可能会掩盖目标位置。另外，发射天线的电磁波经介质表面反射或直接被雷达接收天线接收的直达波能量最大，叠加在目标有效信号上，特别是浅地层目标回波与其到达时间很接近，就会造成能量较小的目标回波被淹没，从而形成强烈的直达波干扰，不利于目标的检测。

现有的抑制直达波的方法有均值法滤波、小波变换法和自适应抵消法等，其中最简单有效的是均值法。均值法抑制杂波就是将b扫描数据二维矩阵每一行的每个元素减去所在行的平均值。设每个a扫描有m个采样点，有n道a扫描数据，则均值法抑制杂波表示如下：

式子中：表示每个像素减去所在行的均值，xi(j)表示图像中的像素点，m表示图像高度，n表示图像宽度。

但这种方法在去掉背景噪声的同时也明显削弱了钢筋反射波强度，改进的方法是先对每行数据求方差，然后只对方差极小(接近于0)的行进行上述去均值的操作，保证钢筋反射波的强度不受影响。此外，空间域中值滤波也被用来消除椒盐噪声。

2)图像小波分解基本原理

小波变换是一种信号的时间—尺度(时间—频率)分析方法，它具有多分辨分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变但其形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。即在低频部分具有较低的时间分辨率和较高的频率分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，很适合于分析非平稳的信号和提取信号的局部特征。傅里叶是将信号分解成一系列不同频率的正余弦函数的叠加，同样小波变换是将信号分解为一系列的小波函数的叠加(或者说不同尺度、时间的小波函数拟合)，而这些小波函数都是一个母小波经过平移和尺度伸缩得来的。

小波变换的含义是把某一被称为基本小波的函数作位移τ后，再在不同尺度α下，与待分析信号x(t)作内积，即

上式中，α>0,称为尺度因子，其作用是对基本小波函数作伸缩，τ反应位移，其值可正可负。α和τ都是连续函数，故又称连续小波变换，φ表示小波基函数，wtx(α,τ)表示小波变换结果。

离散小波变换dwt对尺度参数按幂级数进行离散化处理，对时间进行均匀离散化取值如二进制离散化尺度时间为2,4,6,8...2n(要求采样率满足尼奎斯特采样定理)，常用于信号的多分辨分析、信号分解重构。

ψm,n表示离散小波基函数,ψ表示小波基函数.

多分辨分析也称为多尺度分析，是建立在函数空间概念上的理论。在不同的尺度和时间下，分别构造了尺度函数向量组和小波函数向量组，也即是尺度函数向量空间v与小波函数向量空间w，在一定层次下，信号在尺度空间做卷积所得到的是信号的近似、低频信息，信号在小波空间w做卷积所得到的是信号的细节、高频信息。

(1)尺度函数

(2)小波函数

表示尺度函数组,表示小波基函数,ψjk(t)表示小波函数组,ψ表示小波基函数。小波基的选择

一般选取小波基函数要从支撑长度、消失矩、对称性、正则性以及相似性等进行综合考虑。由于小波基函数在处理信号时各有特点，且没有任何一种小波基函数可以对所有类型信号都取得最优的效果。

3)小波变换结果获取钢筋数量信息

图像小波多层分解可分为两部分：一维分解以及二维分解。

(1)一维分解先将信号与低通滤波器卷积再下采样可以得到低频部分的小波分解系数，再将信号与高通滤波器卷积后下采样得到高频部分的小波分解系数。

(2)对于图像矩阵，先对每一行进行一维分解，再对分解后得到的矩阵的每一列进行一维分解，即可得到图像小波分解低频、垂直、水平、对角分量。

多层分解是对上述过程得到的低频小波系数再次进行分解，依次得到每一层分解系数。

对于gpr钢筋探测图像，经过大量测试，根据结果最终确定使用coif2,coif3,db2,db5,rbio1.3,rbio3.5这几种小波基，分解层数达到三层时图像中钢筋区分效果较佳。下面列出部分小波分解效果图：

如图1所示，图中从左到右依次为原图，水平小波系数，垂直小波系数，最后是对角线小波系数。注意到垂直和对角线方向的小波系数混作一片，已经看不出钢筋数量，但水平小波系数中，原图的三根钢筋形成的互相叠加的三个双曲线变为三个独立高亮区域。

如图2所示，为以coif2为小波基进行三层小波分解得到的图像，从图中水平方向小波系数也可看出，原图的三根钢筋形成的互相叠加的三个双曲线变为三个独立高亮区域。

因此，利用小波多层分解得到gpr钢筋探测图像的水平小波系数图，能够将互相混叠的钢筋图像分离开，能够较为方便的得到钢筋数量信息。

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，这些改进和润饰也应视为本发明的保护范围。