一种摆臂雷达管道图像病害空间提取方法

技术领域

本发明属于探地摆臂雷达信号处理技术领域，更具体地，涉及一种摆臂雷达管道图像病害空间提取方法。

背景技术

城市地下排水管道周围土体空洞、脱空和管体裂隙等病害会导致城市塌陷和环境污染等灾害，病害空间信息是管道安全评估关键参数。探地摆臂雷达是一种效率很高的浅层地球物理探测技术，它利用了地下介质电性参数的差异，然后通过向外发射高频电磁脉冲波，来获取回波的振幅、波形和频率等特征，以此来分析和推断介质结构和物性特征。雷达波在管道中的传播环境十分复杂，管道摆臂雷达图像受到的干扰非常严重以及管道摆臂雷达图像为摆臂雷达反射波，需要对摆臂雷达反射波进行处理，使其转换成直观的目标图像。

因而，需要从摆臂雷达图像中智能获取病害的空间信息。但是，管道摆臂雷达所探测的数据存在一定的误差，其次，管道摆臂雷达图像存在解释难度大、人力解释经验需求高、解释周期长等问题，未经处理的摆臂雷达图像无法准确的显示出病害区域，从而无法反应管道外部存在的病害现象。

因此，如何提供一种对摆臂雷达管道图像病害空间提取较优的方法是本领域技术人员亟需解决的问题。管道摆臂雷达所探测的数据剖面是地下反射电磁波在地面测点上相互叠加的结果，管道雷达探测范围广，所以只要是法平面通过测点的偏离测点的反射点都会被检测到，而这会影响到原本的实验结果。因此，可将研究简化为针对原始数据进行偏移归位处理，也就是移动反射点的位置，使得地下反射电磁波归位，绕射波自动收敛。根据雷达反射波存在着解释难度大、人力解释经验需求高、解释周期长等问题，可将研究简化为提取信号数据的包络，将信号的波动转换为能量的幅值，增强目标区域的能量，使目标区域的一系列反射波融合成一个整体。但若想最终提取出病害区域，需对管道摆臂雷达图像进行分割，来进行目标检测。

发明内容

本发明的目的是提供一种摆臂雷达管道图像病害空间提取方法，通过预处理阶段偏移归位的反射目标块提取方法：在克希霍夫积分偏移归位的基础上，构建希尔伯特振幅谱包络实现目标块的提取；以及图像分割阶段用核函数的邻接IFCM分割方法对管道摆臂雷达图像进行分割，完成病害区域的提取。此方法在雷达病害区域提取上具有较高精度，提升管道病害区域获取效率。

为了实现上述目的，本发明提供一种摆臂雷达管道图像病害空间提取方法，包括：

S1：克希霍夫积分偏移归位计算求解，具体步骤如下：

S11：输入管道雷达的数据；

S12：设置m，l等离散数据参数，m对应第m道雷达数据，l的初始值为0；

S13：根据S12及E(m,l)的计算公式：

可求出一道雷达数据偏移处理后的点数据；

其中，v为波速，E为电场分量，m，α，l为正整数，Δx为点距；

S14：l加1至l

S15：重新设置m，l等离散数据参数，跳转到步骤S13执行，可求出整个地面波场的偏移处理后的数据结果；

S2：希尔伯特振幅谱包络实现目标块的提取求解，具体步骤如下：

S21：找出给定的信号x(t)的所有极值点；

S22：用插值法对极小值点形成下包络emin(t)，对极大值形成上包络emax(t)；

S23：计算均值m(t)＝(emin(t)+emax(t))/2；

S24：抽离细节d(t)＝x(t)-m(t)；

S25：对残余的d(t)重复上诉步骤，得到第一个本征模函数分量c

S26：计算去掉高频成分的新数据序列r

S27：对r

S28：如此重复直到最后一个数据序列r

S29：将实信号x(t)分解成有限个本征模态函数的和：

通过希尔伯特变换可以求解出每个本征模态函数分量，该分量是复数形式的：

其中，Re代表取实部，H[c

本征模态函数c

本征模态函数c

本征模态函数c

S3：核函数的邻接IFCM分割求解，具体步骤如下：

S31：初始化：设定聚类中心数目J，模糊指数b和迭代停止的条件ξ。并对隶属度矩阵U

S32：计算非隶属度v

v

S33：计算犹豫度π

π

S34：计算距离K(x

S35：计算聚类中心m

其中，u

S36：计算马尔科夫随机场邻接区域概率P：

其中，C为类别数目，P

S37：计算隶属度矩阵U

其中，K(x,y)为核函数，

S38：如果满足迭代，停止条件，否则回到步骤S32继续循环执行。

可选地，其预处理阶段特征在于，偏移归位的反射目标块提取。

可选地，其分割阶段特征在于，核函数的邻接IFCM分割方法。

本发明的有益效果在于：

本发明公开提供了一种摆臂雷达管道图像病害空间提取方法，将本身源于同一反射点的分散到各处的能量集合回一起，利用克希霍夫积分偏移归位方法处理偏移，构建希尔伯特振幅谱包络实现目标块的提取，将信号的波动转换为能量的幅值，不仅能增强目标区域的能量，并且可以使目标区域的一系列反射波融合成一个整体。通过马尔可夫随机场域来对像素点的邻域空间信息进行建模，并采用核函数定义直觉模糊聚类方法，最终通过综合考虑像素邻域空间信息与核函数代替欧几里得距离对聚类算法的作用，将这两方面均作为惩罚项加入到IFCM的目标损失函数中，最后通过迭代来确定算法的最优解，从而完成管道摆臂雷达图像的分割，进行目标检测，提取病害区域。此方法通过实验证明预处理的结果，可实现由不直观的雷达电磁波数据向可分割处理的雷达包络图像的转换，图像分割阶段一定程度上可有效提高管道摆臂雷达图像分割的精度，且可有效应用于排水管道的病害区域提取工作。

本发明的其它特征和优点将在随后具体实施方式部分予以详细说明。

附图说明

通过结合附图对本发明示例性实施方式进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施方式中，相同的参考标号通常代表相同部件。

图1示出了根据本发明的一个实施例的摆臂雷达管道图像病害空间提取方法的流程图。

图2示出了根据本发明的一个实施例的摆臂雷达管道图像病害空间提取方法的示预处理之后摆臂雷达模拟数据结果与原始摆臂雷达模拟数据结果对比图。

图3示出了根据本发明的一个实施例的摆臂雷达管道图像病害空间提取方法的预处理之后摆臂雷达实际数据结果与原始摆臂雷达实际数据结果对比图。

图4示出了根据本发明的一个实施例的摆臂雷达管道图像病害空间提取方法的图像分割后摆臂雷达模拟图像分割结果图。

图5示出了根据本发明的一个实施例的摆臂雷达管道图像病害空间提取方法的图像分割后摆臂雷达实际图像分割结果图。

具体实施方式

下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。

根据本发明的一种摆臂雷达管道图像病害空间提取方法，包括：

S1：克希霍夫积分偏移归位计算求解，具体步骤如下：

S11：输入管道雷达的数据；

S12：设置m，l等离散数据参数，m对应第m道雷达数据，l的初始值为0；

S13：根据S12及E(m,l)的计算公式：

可求出一道雷达数据偏移处理后的点数据；

其中，v为波速，E为电场分量，m，α，l为正整数，Δx为点距；

S14：l加1至l

S15：重新设置m，l等离散数据参数，跳转到步骤S13执行，可求出整个地面波场的偏移处理后的数据结果；

S2：希尔伯特振幅谱包络实现目标块的提取求解，具体步骤如下：

S21：找出给定的信号x(t)的所有极值点；

S22：用插值法对极小值点形成下包络emin(t)，对极大值形成上包络emax(t)；

S23：计算均值m(t)＝(emin(t)+emax(t))/2；

S24：抽离细节d(t)＝x(t)-m(t)；

S25：对残余的d(t)重复上诉步骤，得到第一个本征模函数分量c

S26：计算去掉高频成分的新数据序列r

S27：对r

S28：如此重复直到最后一个数据序列r

S29：将实信号x(t)分解成有限个本征模态函数的和：

通过希尔伯特变换可以求解出每个本征模态函数分量，该分量是复数形式的：

其中，Re代表取实部，H[c

本征模态函数c

本征模态函数c

本征模态函数c

S3：核函数的邻接IFCM分割求解，具体步骤如下：

S31：初始化：设定聚类中心数目J，模糊指数b和迭代停止的条件ξ。并对隶属度矩阵U

S32：计算非隶属度v

v

S33：计算犹豫度π

π

S34：计算距离K(x

S35：计算聚类中心m

其中，u

S36：计算马尔科夫随机场邻接区域概率P：

其中，C为类别数目，P

S37：计算隶属度矩阵U

其中，K(x,y)为核函数，

S38：如果满足迭代，停止条件，否则回到步骤S32继续循环执行。

具体地，本发明公开提供了一种摆臂雷达管道图像病害空间提取方法，将本身源于同一反射点的分散到各处的能量集合回一起，利用克希霍夫积分偏移归位方法处理偏移，构建希尔伯特振幅谱包络实现目标块的提取，将信号的波动转换为能量的幅值，不仅能增强目标区域的能量，并且可以使目标区域的一系列反射波融合成一个整体。通过马尔可夫随机场域来对像素点的邻域空间信息进行建模，并采用核函数定义直觉模糊聚类方法，最终通过综合考虑像素邻域空间信息与核函数代替欧几里得距离对聚类算法的作用，将这两方面均作为惩罚项加入到IFCM的目标损失函数中，最后通过迭代来确定算法的最优解，从而完成管道摆臂雷达图像的分割，进行目标检测，提取病害区域。此方法通过实验证明预处理的结果，可实现由不直观的雷达电磁波数据向可分割处理的雷达包络图像的转换，图像分割阶段一定程度上可有效提高管道摆臂雷达图像分割的精度，且可有效应用于排水管道的病害区域提取工作。

在一个示例中，其预处理阶段特征在于，偏移归位的反射目标块提取。

在一个示例中，其分割阶段特征在于，核函数的邻接IFCM分割方法。

实施例

参见附图1，本发明实施例公开了一种摆臂雷达管道图像病害空间提取方法，包括：

S1：克希霍夫积分偏移归位计算求解，具体步骤如下：

S11：输入管道雷达的数据；

S12：设置m，l等离散数据参数，m对应第m道雷达数据，l的初始值为0；

S13：根据S12及E(m,l)的计算公式：

可求出一道雷达数据偏移处理后的点数据；

其中，v为波速，E为电场分量，m，α，l为正整数，Δx为点距；

S14：l加1至l

S15：重新设置m，l等离散数据参数，跳转到步骤S13执行，可求出整个地面波场的偏移处理后的数据结果；

S2：希尔伯特振幅谱包络实现目标块的提取求解，具体步骤如下：

S21：找出给定的信号x(t)的所有极值点；

S22：用插值法对极小值点形成下包络emin(t)，对极大值形成上包络emax(t)；

S23：计算均值m(t)＝(emin(t)+emax(t))/2；

S24：抽离细节d(t)＝x(t)-m(t)；

S25：对残余的d(t)重复上诉步骤，得到第一个本征模函数分量c

S26：计算去掉高频成分的新数据序列r

S27：对r

S28：如此重复直到最后一个数据序列r

S29：将实信号x(t)分解成有限个本征模态函数的和：

通过希尔伯特变换可以求解出每个本征模态函数分量，该分量是复数形式的：

其中，Re代表取实部，H[c

本征模态函数c

本征模态函数c

本征模态函数c

S3：核函数的邻接IFCM分割求解，具体步骤如下：

S31：初始化：设定聚类中心数目J，模糊指数b和迭代停止的条件ξ。并对隶属度矩阵U

S32：计算非隶属度v

v

S33：计算犹豫度π

π

S34：计算距离K(x

S35：计算聚类中心m

其中，u

S36：计算马尔科夫随机场邻接区域概率P：

其中，C为类别数目，P

S37：计算隶属度矩阵U

其中，K(x,y)为核函数，

S38：如果满足迭代，停止条件，否则回到步骤S32继续循环执行。

下面具体介绍本发明提供的预处理阶段算法的由来。

克希霍夫偏移归位算法是利用Kirchhoff公式将本身源于同一反射点的分散到各处的能量集合回一起，再进行偏移归位处理的偏移算法。

由惠更斯-费涅尔原理可知，在围绕某电场区域的闭合曲面Q中，若位移φ(x,y,z)及其导数φ′(x,y,z)是已知条件，且数值连续，则可由此求出由于曲面Q外的一点M(x,y,z)的影响而产生的位移φ，我们可以使用前一时刻t

其中，[]代表的是时刻t

其中，v为波速，E为电场分量，m，α，l为正整数，Δx为点距；

希尔伯特变换代表着将一个实信号表示成其频谱仅在正频域且有值的解析信号，这是研究管道雷达数据的瞬时包络的关键所在。希尔伯特变换的算法思想可以概括成首先求得相位函数，再通过相位函数求导产生瞬时频率，这时所得到的瞬时频率是局部的，相对于傅里叶变换的全局性频率是相对的，这是希尔伯特变换优于傅里叶变换的原因。

图2示出的是模拟摆臂雷达数据在经过摆臂雷达图像偏移归位、希尔伯特黄变换提取包络处理后的结果示意图，图3示出的是实际摆臂雷达数据在经过摆臂雷达图像偏移归位、希尔伯特黄变换提取包络处理后的结果示意图。

从图中可以看出，使用本发明提供的偏移归位以及提取包络方法对于摆臂雷达图像处理的结果十分符合，通过预处理步骤后，模拟雷达图像和原始雷达图像均将部分源于环境而产生的非有效信号的干扰进行了一定的削弱，并且对原始数据进行了偏移归位处理，同时使得地下反射电磁波归位，提高了管道雷达数据的分辨率，最后还通过希尔伯特黄变换提取了图像的包络，实现了雷达电磁波转换成直观的图像数据，可实现更直观化的呈现出管道中的病害区域的真实状态，有利于后续进行图像分割的处理。

下面具体介绍本发明提供的图像分割阶段算法的由来。

模糊C均值聚类算法(FCM)：它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。

直觉模糊C均值算法(IFCM)：在FCM的基础上引入关键的犹豫度，使得图像分割在图像噪声的滤除和图像的细节保留之间取得平衡，因此该算法理论上能改善图像分割中的噪声问题，但现实中对于不同图像的分割效果各异，仍需针对不同图像的特点来进一步研究。

基于邻接点的IFCM分割算法(AIFCM)：通过马尔可夫随机场域来对像素点的邻域空间信息进行建模，通过综合考虑像素邻域空间信息与灰度值对聚类算法的作用，将其作为惩罚项加入到IFCM的目标损失函数中，最后通过迭代来确定算法的最优解，从而完成管道雷达图像的分割，进一步提高算法的准确度。

根据FCM、IFCM和AIFCM本发明提出基于核函数的邻接IFCM分割算法(AKIFCM)：将核函数的概念引入到原有的欧几里得距离的基础上，对数据进行核化处理，核函数的概念可以解决某些数据在低维空间不可分的问题。

图4示出的是经过IFCM、AIFCM以及AKIFCM三种图像分割方式对模拟摆臂雷达数据分割后的对比示意图，图5示出的是经过IFCM、AIFCM以及AKIFCM三种图像分割方式对实际摆臂雷达数据分割后的对比示意图。

从图中可以看出，三种分割算法均可以在一定程度上实现对管道雷达图像的分割，直观的看及客观的从各评价指标中看，其中AKIFCM的分割精度最高，其次是AIFCM，这两种新提出的聚类分割算法均在原IFCM算法和传统算法自适应阈值分割的基础上有了更好的分割性。使用本发明提供的核函数邻接IFCM方法分割对于摆臂雷达图像分割处理的结果十分符合，在一定程度上可有效提高管道雷达图像分割的精度，且可有效应用于排水管道的病害区域提取工作。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对于公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。