本发明涉及一种自动识别病害的方法，属于病害识别技术领域。
背景技术：
在GPR信号高速公路路基病害解释上，国内外目前使用最多的方法是人工解译图像。但是人工解释图像极大地依赖解释员的经验，主观性强，当数据量较大时，人工解释周期很长，具有一定的滞后性。如何自动识别病害类型并给出反馈，节省解译时间，成为GPR信号公路路基图像解释迫切的需要之一。本发明即立足于GPR数据病害检测分类自动化给出一种新的解决方案。现有的其他专利如专利号CN104698503A为使用偏移校正和克希霍夫波动方程偏移法处理经过预处理后的雷法数据，然后结合地质、环境人工解释数据。这种方法计算量大，并且耗费大量的人力和时间。同样专利号为CN105403883A利用振幅分量找出感兴趣区域，对感兴趣区域进行边缘提取和目标双曲线的定位。该方法适用于管状目标的寻找，且使用人工方法寻找目标体，耗费时间和人力。另如专利号为CN1595195A使用RBF神经网络自动识别雷达数据目标体类别，前提是要对目标体特征进行分析提取，并需要大量的样本数据，而在实际实施过程中大量的样本数据通常难以获得。
技术实现要素：
为解决现有技术的不足，本发明的目的在于提供一种自动识别病害的方法，自动定位病害位置，提取病害特征，实现了高速公路地下常见病害，节省了病害解释员大量的时间和精力。
为了实现上述目标，本发明采用如下的技术方案：
一种自动识别病害的方法，其特征是，包括如下步骤：
步骤1)采集探地雷达数据，并进行数据重叠分割；
步骤2)对分割后形成的数据矩阵采用行方差和阈值法提取病害位置信息；
步骤3)将步骤2)得到的数据进行直方图均衡处理；
步骤4)利用二八原则设置阈值，并对直方图均衡后的图像进行二值化；
步骤5)对图像每列进行求导，并计算两种相位类型的数量；
步骤6)选取数量多的相位类型作为图像伤害类型。
前述的一种自动识别病害的方法，其特征是，所述步骤2)中根据行方差和阈值法得到病害位置，对应位置的矩阵记为I′，矩阵I′的尺寸为P*N，元素灰度值大小为0-255。
前述的一种自动识别病害的方法，其特征是，所述矩阵I′的具体内容为：
21)对整个数据进行重叠分割，将大量数据分割成矩阵尺寸为M*N的GPR 实测数据块，M是每道采样数，N是分割后每个图像包含的迹线数，记其中一个数据块为I，I对应着实际环境中的某一个水平位置采集到的GPR数据；
22)对实测数据I的像素值映射到0-255范围内，归一化后的数据记为NI；
23)计算归一化后的数据矩阵NI的行方差，一行共有N个数据，计算这N 个数据方差，得到一个方差数据，并对每一行都计算行方差，数据矩阵共有M 行，最后得到的数据矩阵的行方差数据大小为M*1，形成一个尺寸为M*1的向量NI_v，NI_v中每一个元素代表NI每一行的行方差；
24)提取出图像行方差大于阈值T的多个行段记为M1，M2，...Mp′，每个行段的行数记为m1,m2,...,mp′；
若一块混凝土区域出现了病害，该病害所占行数至少为其中，f 是天线频率，dt是一个迹线上相邻两个数据的采样间隔；
若m1+m2+...+mp′＜m′，则判定该图无病害；
若m1+m2+...+mp′≥m′，则判定该图有病害；
对于有病害的GPR图像，找到m1，m2,...,mp′中最大的数记为ma,a∈{1,2,...,p′}，其对应的行段为Ma，Ma判定为要找的病害的位置，即从整个图像中抽取出的含有病害的行，每一行包含N个数据，即N列，且Ma矩阵大小为P*N，P为含有病害的行数，记Ma为矩阵I’。
前述的一种自动识别病害的方法，其特征是，所述步骤3)中具体内容为：对于矩阵I′，计算出I′的图像的灰度级数概率分布，进行直方图均衡，将原始图像的灰度直方图从0-255的灰度范围内比较集中的分布变成在0-255灰度范围内的均匀分布，得到经过直方图均衡后的图像记为I″。
前述的一种自动识别病害的方法，其特征是，所述步骤4)的具体内容为：对图像进行二值化处理，二值化处理前选用的阈值按照如下方式选取：使用二八原则得到直方图均衡后图像I″的两个阈值记为T2、T3，且T2<T3。将图像I″中灰度值小于T2的元素变为0，灰度值大于T3的元素变为255，灰度值在T2 和T3中间的元素变为127；经过二值化和二八原则处理后的图像矩阵记为Ik。
前述的一种自动识别病害的方法，其特征是，所述步骤5)的具体内容为：对矩阵Ik的每一列求导得到N个序列，取每个序列的前6个非零值，分别记为 Ik_p1，Ik_p2，Ik_p3，…，Ik_pn；若某个序列非零值个数小于6，则去掉该列的相位序列；矩阵Ik每列元素中像素值由大到小记为-1，像素值由小到大记为1。
前述的一种自动识别病害的方法，其特征是，所述步骤6)的内容是：对相邻元素同号的元素只留下一个，使得相位相邻元素之间必定是异号，得到最终标准的相位序列记为Ik_pf1,Ik_pf2,Ik_pf3,…,Ik_pfn，若序列[-1 1 -1]的数量多，则病害归为水或钢筋；若序列[1 -1 1]的数量多，则病害归为空洞或脱空。
本发明所达到的有益效果：以当前高速公路地下混凝土结构病害的GPR信号为研究对象，设计给出一种自动识别GPR信号病害类型的算法；采用了结合行方差、直方图均衡、二值化、一阶导数的算法，自动定位病害位置，提取病害特征，实现了高速公路地下常见病害：脱空、空气、含水层的自动识别，具有一定的准确度，节省了病害解释员大量的时间和精力，节约成本，符合探地雷达行业病害识别自动化的追求目标，具有很大的现实意义。
附图说明
图1是本发明病害定位及识别流程详图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明涉及的一种自动识别病害的方法，包括如下步骤：
步骤1)采集探地雷达数据，并进行数据重叠分割；
步骤2)对分割后形成的数据矩阵采用行方差和阈值法提取病害位置信息：根据行方差和阈值法得到病害位置，对应位置的矩阵记为I′，矩阵I′的尺寸为 P*N，元素灰度值大小为0-255。
步骤3)将步骤2)得到的数据进行直方图均衡处理：对于矩阵I′，计算出I′的图像的灰度级数概率分布，进行直方图均衡，目的是将原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，得到经过直方图均衡后的图像记为I″。直方图均衡后的图像对比度更高，病害的纹理特征更加明显。
步骤4)利用二八原则设置阈值，并对直方图均衡后的图像进行二值化：
对图像进行二值化处理，二值化处理前选用的阈值按照如下方式选取：
使用二八原则得到直方图均衡后图像I″的两个阈值记为T2、T3，且T2<T3。将图像I″中灰度值小于T2的元素变为0，灰度值大于T3的元素变为255，灰度值在T2和T3中间的元素变为127。本实施例中T2＝50，T3＝200。
像素值为0和255的区域反映了病害的位置。经过二值化和二八原则处理后的图像矩阵记为Ik。(或者此处T2、T3完全是经过大量的实测数据比较后得到的两个阈值)
步骤5)经过步骤4)将图像像素值极端化的处理，想要到病害的相位信息就简单得多。
对图像每列进行求导，并计算两种相位类型的数量：对矩阵Ik的每一列求导得到N个序列，取每个序列的前6个非零值，分别记为Ik_p1,Ik_p2,Ik_p3,…, Ik_pn；若某个序列非零值个数小于6，则去掉该列的相位序列。由于Ik每列元素只有三种值(0、127、255)，因此像素值由大到小记为-1，像素值由小到大记为1。因此Ik_p1，Ik_p2，Ik_p3，…，Ik_pn的所有元素只有两种情况：1、-1。
步骤6)若此算法返回的理想Ik_p1，取前三个元素为[-1 1 -1]或者[1 -1 1]，相邻元素之间必是异号。
但是对于实测数据，灰度值由0变换到255中间往往会有127。而步骤4得到的通常是[-1 1 1 -1 -1 1]、[1 -1 -1 1 1 -1]这种情况，我们规定第2、3个元素，第3、4个元素需要合并，对此，采用后一个元素与前一个元素之间乘积的正负来判断是否合并。例如Ik_p1＝[-1 1 1 -1 -1 1]，Ik_p1(1)*Ik_p1(2)<0，Ik_p1 保留第1、2个元素；Ik_p1(2)*Ik_p1(3)>0，Ik_p1合并第2、3个元素。以此类推，得到的相位相邻元素之间必定是异号。对Ik_p1,Ik_p2,Ik_p3,…,Ik_pn 都做这种运算，得到最终标准的相位序列记为Ik_pf1,Ik_pf2,Ik_pf3,…,Ik_pfn。
选取数量多的相位类型作为图像伤害类型：对相邻元素同号的元素只留下一个，使得相位相邻元素之间必定是异号，得到最终标准的相位序列记为Ik_pf1， Ik_pf2，Ik_pf3，…，Ik_pfn，若序列[-1 1 -1]的数量多，则病害归为水(钢筋)；若序列[1 -1 1]的数量多，则病害归为空洞或脱空。
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，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。