1.一种基于形状特征识别GPR图像病害类型的方法,其特征在于,包括如下步骤:步骤1:针对存在病害反射波的GPR图像,对GPR图像进行F-K偏移,即频率-波数域偏移,用于对病害散射波进行偏移,还原病害的原始形状和大小,得到GPR图像矩阵NI;
步骤2:对GPR图像矩阵NI进行归一化,即对GPR图像矩阵NI经过映射处理后得到归一化矩阵NI_H,NI_H中元素值范围在0-255之间;
步骤3:依据最大类间方差阈值法对归一化矩阵NI_H进行二值化,使归一化矩阵NI_H对应的GPR图像中病害反射波与背景之间的类间方差最大化,得到阈值T,将矩阵NI_H所有像素值大于T的像素值全部变为255,其余像素值全部变为0,得到二值矩阵NI_HB;
步骤4:对二值矩阵NI_HB依据图像最大连通区域进行图像分割,分割后图像只保留最大的连通区域,该连通区域就是GPR图像病害的形状;
步骤5:根据图像分割后最大连通区域在垂直方向上的深度与水平方向上的宽度的比值进行图像模式识别,即病害类型识别,判断GPR图像病害类型。
2.根据权利要求1所述的一种识别GPR图像病害类型的方法,其特征在于,步骤2中归一化过程如下:y=(x-MinV)/(MaxV-MinV)
其中,x、y分别为转换前后的图像像素值,MaxV、MinV分别为GPR图像矩阵NI的最大值和最小值。
3.根据权利要求1所述的一种识别GPR图像病害类型的方法,其特征在于,步骤3的具体步骤包括:对图像进行二值化,二值化阈值T的选取采用最大类间方差阈值法,具体过程如下:W0=N0/(M×N) (1)
W1=N1/(M×N) (2)
N0+N1=M×N (3)
W0+W1=1 (4)
μ=W0×μ0+W1×μ1 (5)
g=W0(μ0-μ)2+W1(μ1-μ)2 (6)其中,背景的分割阈值记作T,属于前景的像素点数占整幅图像的比例记为W0,其平均灰度μ0,背景像素点数占整幅图像的比例为W1,其平均灰度为μ1,图像的总平均灰度记为μ,类间方差记为g,图像的大小为M×N,图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:将式(5)代入式(6),得到等价公式:
g=W0×W1(μ0-μ1)2 (7)
采用遍历的方法得到使类间方差最大的阈值T,即为所求;
将矩阵NI_H所有像素值大于T的像素值全部变为255,其余像素值全部变为0,得到二值矩阵NI_HB。
4.根据权利要求1所述的一种识别GPR图像病害类型的方法,其特征在于,所述GPR图像病害类型包括脱空和空洞。