一种基于阈值分割的道路病害定位方法

摘要

本发明提供一种基于阈值分割的道路病害定位方法，该方法以探地雷达数据为基础，首先对B扫描得到的雷达数据，通过卡尔曼滤波去除噪声。在去噪的过程中，要对数据进行延拓，并通过不断迭代预测方程和卡尔曼增益，得到去噪后的雷达数据。通过均值滤波和信号减损得到平滑后的雷达数据。通过阈值分割获取病害位置，当分割结果在一定范围内时，认为是同一病害，计算同一病害的区域位置，实现道路病害的定位。本发明具有适应性强、实现简单、计算速度快的特点。

主权项

一种基于阈值分割的道路病害定位方法，该方法以探地雷达数据为基础，采用卡尔曼滤波和均值滤波对原始数据进行预处理并去除干扰信号，然后再利用阈值获取病害位置信息，在对原始数据进行预处理的过程中，首先采用二维卡尔曼滤波去除背景噪声，具体步骤如下： 步骤(A1)：对雷达数据D(i',j')，i'＝1,2,……,n‑k，j'＝1,2,……,m‑k的边界进行延拓，其中k是延拓范围，延拓后的雷达数据D(i,j)，i＝1,2,……,n，j＝1,2,……,m； 步骤(A2)：设系统预测矩阵分别为P(i,j)，P1(i,j)，初始为零矩阵，系统预测方程P1(i,j)＝a²×P(i‑1,j)+b²×P(i,j‑1)+c²×P(i‑1,j‑1)+Q，其中a，b，c是亮度系数，通常a+b+c＝1，Q是随机噪声信号N1(i,j)的方差； 步骤(A3)：通过系统预测方程，得到卡尔曼增益其中h是输入系数，决定滤波的带通大小，R是随机噪声信号N2(i,j)的方差，然后再更新系统预测方程，P(i,j)＝P1(i,j)‑h×Kg×P1(i,j)；步骤(A4)：得到滤波后雷达数据T(i,j)＝a×T(i‑1,j)+b×T(i,j‑1)+c×T(i‑1,j‑1)+Kg(i,j)×(Z(i,j)‑a×h×T(i‑1,j)‑b×h×T(i,j‑1)‑c×h×T(i‑1,j‑1))，其中Z(i,j)＝h×D(i,j)+N2(i,j)。