一种基于探地雷达图像的层间脱空识别方法与流程

本发明涉及图像处理技术领域，具体涉及一种基于探地雷达图像的层间脱空识别方法。

背景技术：

目前路面开裂和水损害已成为沥青路面的主要病害形式。当路面开裂或存在微小裂缝时，外界自由水就会沿着路面裂缝或空隙渗入路面内部，如果排水不及时，残余水分就会区域性积聚，并滞留在路面内部；尤其是在冬季，滞留水分就会因低温冰冻而结冰膨胀，引起路面结构和材料的损坏，形成层间脱空。

层间脱空是道路结构中危害较为严重的病害，接触的不密实导致水沿裂缝进入后对层间结构进行冲刷，造成路面结构的破坏，严重的可能会使路表面出现沉陷，造成极大的人生安全财产损失。因此在进行道路结构探测的过程中，层间不良的探测是非常重要的部分。

传统的层间脱空检测方法依靠人工取芯判断，但先不说取芯过程中容易造成芯样的断裂而产生误判，取芯方法本身对于路面结构的破坏就是不可逆的，不仅破坏路面的受力分布，还破坏路面的美观性。

探地雷达作为一种无损检测技术，能较准确地判断出路面下部的层间脱空。但是目前大部分雷达图像都是人工进行识别，而人工识别就需要投入大量的人力，同时对识别者的知识储备和经验都很大的要求。

技术实现要素：

发明目的：为了克服现有技术的不足，本发明提供一种基于探地雷达图像的层间脱空识别方法，该方法可以解决基于雷达图像检测速度慢、精度低以及太过依靠人力的问题。

技术方案：本发明所述的基于探地雷达图像的层间脱空识别方法，该方法包括以下步骤：

(1)对得到的道路探地雷达图像转化为灰度图，并将得到的所述灰度图进行中值滤波；

(2)根据中值滤波后的图像的频率直方图选择分割阈值点，根据所述分割阈值点确定层间脱空的位置，并将中值滤波后的图像以所述分割阈值点进行二值化；

(3)根据估测的层间脱空所在位置，对图像的部分像素进行删除；

(4)选定长条形结构元对步骤(3)得到的图像进行闭操作，将因分割阈值点导致分离的区域重新组合成一个区域；

(5)对闭操作后的图像进行标记连通域，对标记了连通域的区域进行特征识别和提取。

优选的，所述步骤(2)中，分割阈值点为所述频率直方图概率为99.6％的位置处的像素值。

优选的，所述步骤(3)中，对图像的部分像素进行删除具体包括：

(31)计算比值α，其中，drb为道路的基层厚度，dlt为探地雷达的检测深度；

(32)根据比值α得到像素删除临界值h，其中，ppd为探地雷达图像深度方向的总像素数；

(33)对探地雷达图像中深度大于h的部分像素进行删除，得到截取后的探地雷达图像。

优选的，所述步骤(4)中，长条形结构元记为strel＝[11111]。

优选的，所述步骤(5)中，对标记了连通域的区域进行特征识别和提取包括：

(51)通过预设的面积阈值筛除各个标记了连通域的区域中的受杂波影响的区域并判定可能脱空区域；

(52)利用层间脱空区域的长条形状，通过(51)中确定的可能脱空区域的最小矩形的长轴和短轴的比值β，来最终判定该可能脱空区域是否为脱空区域。

优选的，所述步骤(51)中，若标记了连通域的区域面积小于等于面积阈值时，则该区域判定为杂波；否则，若标记了连通域的区域面积大于面积阈值时，该区域判定为可能脱空区域。

优选的，所述步骤(52)，若β≥b，其中b为预设的临界值，则判定该区域为脱空；否则，β＜b，则判定该区域不是脱空。

有益效果：本发明与现有技术相比，其显著优点是：1、本发明的通过自动分析探地雷达图像，快速准确判断出脱空区域，可节省大量人力资源；2、本发明通过设定分割阈值点和闭操作结合能有效降低脱空数量计算的错误率，提高检测精度；3、本发明通过道路基层厚度和探地雷达的检测深度来删除图像中部分区域，从而有效增加脱空识别的准确率。

附图说明

图1为本发明所述的层间脱空识别方法的流程图；

图2为本发明所述的探地雷达图像的灰度图；

图3为本发明所述的探地雷达图像的滤波后的图像；

图4为本发明所述的探地雷达图像二值化的结果图；

图5为对探地雷达图像的截取后的结果图；

图6为探地雷达图像采用闭操作后的结果图；

图7为标记出病害的数量和病害位置的结果图。

具体实施方式

下面根据具体实例，进一步阐述本发明。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。如图1所示，本实施例的所述的基于探地雷达图像的层间脱空识别方法，包括以下三个步骤，具体如下：

步骤一：将得到的探地雷达图像进行图像预处理

本实施例通过matlab对探地雷达图像进行读取，然后将其转化为灰度图，如图2所示，随后将得到的灰度图进行中值滤波，滤波后的图像如图3所示。

步骤二：将滤波后的图像进行形态学处理。

2.1在识别过程中，无法很好地得到一个完美的阈值，使该阈值既能使道路脱空部分完整地识别出来，又能使其他非相关部分不会因为阈值而影响脱空部分的识别。在这种情况下，本发明首先将选择的阈值尽可能先满足使非相关部分不影响脱空部分的识别这个条件，在此情况下，选择的阈值需要偏大。

对中值滤波后的图像频率直方图进行分析。因为除了水之外，层间脱空处的反射一般最强烈，所以其像素值非常接近1。

因此本发明把频率直方图概率为99.6％的位置处的像素值作为分割阈值点，大于等于该分割阈值点的位置处为层间脱空的区域，小于该分割阈值点的位置处为未层间脱空区域。这样可以尽可能地在之后的判断中把脱空非相关区域的面积减小，从而把脱空区域识别出来。选定阈值后，将图像以该阈值进行二值化，二值化结果如图4所示。

2.2根据估测的层间脱空所在位置，进行图像的截取

探地雷达所得到的图片深度一般根据天线的频率而有固定的高度。但是道路的层间脱空只发生在层与层之间，一般在基层以上。

通过将道路的基层厚度与探地雷达的检测深度进行比值求取，其中，drb为道路的基层厚度，dlt为探地雷达的检测深度；

将图像的深度方向的总像素数乘以该比值并取整为h后，即根据比值α得到像素删除临界值h，其中，ppd为探地雷达图像深度方向的总像素数。

对图像中深度大于h的像素进行删除，即把该区域的矩阵值置为0。删减部分的图像不会再影响层间脱空的判别，可以有效地增加识别的精度。结果如图5所示。

2.3选定合适的结构元，对图像进行闭操作

由于沥青路面分层铺设，层间脱空往往是条状分布的，使用长条状的结构元能很好的对图像进行闭操作使得分离的区域进行融合。

本实例选用的结构元为strel＝[11111]，其他类似的长条形也可以，但需要保证在一定长度的结构元下，不影响非脱空区域的判定，这需要对大量图像进行识别后的正确率进行评估；

它能将因二值化过程中分离的脱空区域合成为一块，因为在实际路面结构内，该部分的脱空往往是连续的，

由于在识别过程中我们选择的分割阈值点偏大，从而可能使道路脱空部分在某些较细处分离，因此我们选择使用闭操作将这些因分割阈值点选择过大而导致分离的区域重新组合成一个区域，这对于脱空数量计算的正确性有很重要的意义，结果如图6所示。

步骤三：将阈值分割后的图像进行特征识别和提取

3.1对闭操作后的图像进行标记连通域；

3.2判别条件为对标记了连通域的区域进行面积和长轴短轴比两项的判定。因为其他杂波的存在会使雷达图像内存在一些点高亮，与脱空层混淆。

因此需要设定一个面积阈值a，该面积需要通过对大量图的识别，并对识别结果的准确率进行判断后，选取高正确率下的a，若标记了连通域的区域面积小于等于面积阈值a时，则该区域判定为杂波；若标记了连通域的区域面积大于面积阈值a时，该区域判定为可能脱空区域，以此来筛除杂波。

在可能脱空区域的判定后，利用层间脱空区域的长条形状，求出包裹该可能脱空区域的最小矩形的长轴和短轴的比值β，以该值来最终判定某一区域是否为脱空区域。

设定一个定值b，该定值需要通过对大量图的识别后对识别结果的准确率进行判断后，选取高正确率下的b，当求得的区域的长轴短轴比β大于等于b时，判定该区域为脱空；若求得的区域的长轴短轴比β小于b，则判定该区域不是脱空，一个脱空区域即为一个病害点，一个探地雷达图像中经检测可能有若干脱空区域，病害总数即为脱空区域总数。

3.3输出结果包括病害的数量和病害位置，识别结果如图7所示，区域c为识别出的脱空区域。