通過(guò)人工肉眼對(duì)地質(zhì)雷達(dá)探測(cè)圖像進(jìn)行判讀的方法易受判讀人員主觀性、經(jīng)驗(yàn)性影響。為了規(guī)避這一不足,提出一種基于Counterlet等高變換和K-Means++均值聚類分析的頻譜能量判讀方法。以實(shí)際公路隧道為依托,經(jīng)現(xiàn)場(chǎng)探測(cè)獲取不良地質(zhì)體的原始探測(cè)數(shù)據(jù);采用IDSP（interactive detection-surveying prediction）探測(cè)數(shù)據(jù)分析軟件生成原始圖像,實(shí)施背景去除、濾波等時(shí)域、頻域預(yù)處理以提高信噪比;基于子帶分布系數(shù)采用Counterlet對(duì)預(yù)處理后的圖像進(jìn)行分解和重構(gòu),并采用K-Means++算法將重構(gòu)后圖像中的頻率信息轉(zhuǎn)化為顏色特征;利用MATLAB對(duì)顏色特征進(jìn)行提取,并據(jù)此建立不良地質(zhì)體顏色特征樣本庫(kù),將原始探測(cè)圖像與樣本庫(kù)進(jìn)行匹配對(duì)比以實(shí)現(xiàn)自動(dòng)判讀。結(jié)果表明:采用Counterlet等高變換對(duì)多方向、多分辨率、多尺度的地質(zhì)雷達(dá)圖像進(jìn)行分解與重構(gòu)是可行的,曲線邊緣逼近效果良好,重構(gòu)后的圖像無(wú)信息丟失;K-Means++算法能實(shí)現(xiàn)地質(zhì)雷達(dá)灰度圖像中能量—頻率—色彩的轉(zhuǎn)化,轉(zhuǎn)化后的圖像色彩突出、直觀;頻譜能量的匹配對(duì)比能較準(zhǔn)確快速地實(shí)現(xiàn)自動(dòng)判讀及較好地規(guī)避個(gè)體... 

【文章來(lái)源】：工程科學(xué)與技術(shù). 2020,52(06)北大核心EICSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

測(cè)線測(cè)點(diǎn)布置示意圖

干擾體造成的電磁回波會(huì)對(duì)判讀分析造成不利影響，因而首先需要對(duì)原始探測(cè)圖像進(jìn)行濾波、背景去除、道間平衡、反褶積等時(shí)間域和頻率域處理，以提高信噪比。在此基礎(chǔ)上，采用LP濾波器對(duì)處理后的圖像進(jìn)行分解和重構(gòu)以得到多方向、多尺度和多分辨率信息；然后，采用K-Means++算法對(duì)重構(gòu)后圖像中的子帶分布系數(shù)進(jìn)行聚類處理，以便將頻率信息轉(zhuǎn)化為顏色特征；其次，利用MATLAB對(duì)顏色特征進(jìn)行提取，并據(jù)此建立不良地質(zhì)體顏色特征樣本庫(kù)；最后，將原始探測(cè)圖像與樣本庫(kù)進(jìn)行匹配對(duì)比以實(shí)現(xiàn)自動(dòng)判讀。上述方案和總體技術(shù)路線如圖2所示。近年來(lái)，神經(jīng)網(wǎng)絡(luò)、小波變換、S變換等人工深度學(xué)習(xí)算法在地質(zhì)雷達(dá)探測(cè)與檢測(cè)后期解譯判讀分析方面得到了較為成熟的應(yīng)用，實(shí)現(xiàn)了由常規(guī)定性判讀向定量判讀的轉(zhuǎn)變。目前，國(guó)內(nèi)外多數(shù)研究主要集中在波形與頻譜特征，如幅值、回波主頻、波速等的定量提取，較少對(duì)探測(cè)圖像本身的圖形定量特征進(jìn)行研究。事實(shí)上，探測(cè)圖像本身正是波形與頻譜特征的圖像化，作者正是基于這一點(diǎn)提出有別于波形與頻譜特征的圖像特征判讀分析方法。

未處理原始圖像


本文編號(hào)：3255651