摘要：隨著電磁波探測在道路領(lǐng)域的日益推廣，探地雷達逐漸成為道路內(nèi)部狀況診斷的有效手段。通過探地雷達設(shè)備獲取的道路內(nèi)部雷達圖像經(jīng)校零、背景去除、濾波等處理后因圖像差異性較大目前沒有較為統(tǒng)一的解釋。為了探究不同參數(shù)下的灰度共生矩陣特征對不同病害圖像的適用性，本文首先通過正交試驗設(shè)計對灰度共生矩陣參數(shù)進行組合，然后在不同參數(shù)下利用灰度共生矩陣算法對原始雷達圖像進行特征計算，最后得到不同參數(shù)設(shè)置下對比度、逆方差、能量、熵值四種特征圖像。結(jié)果表明：當滑動窗口為11×11、統(tǒng)計方向為45°、灰度級數(shù)為8時，層間黏結(jié)不良的熵特征更為明顯；滑動窗口為5×5、統(tǒng)計為方向90°、灰度級數(shù)為128時，裂縫的熵特征更為明顯。本文提出的探地雷達圖像紋理特征適用性參數(shù)設(shè)置對圖像分割、識別及數(shù)據(jù)增強等有一定的參考價值。

關(guān)鍵詞：瀝青路面；無損病害檢測；三維探地雷達；紋理特征提??；灰度共生矩陣

中圖分類號：U416.2""""""""""""""""""""""""""""""" 文獻標識碼：A"""""""""""""""""""""""""""""""""" 文章編號：1673?6478（2023）04-0187-05

Research on Texture Feature Extraction of Asphalt Pavement Disease Radar Image Based on Grayscale Symbiosis Matrix

YANG Xiaomei YANG Shenggang

（1. Jiangxi Ganyue Expressway Engineering Co.， Ltd.， Nanchang Jiangxi 330013， China; 2. School of Transportation Engineering， East China Jiaotong University， Nanchang Jiangxi 330013， China）

Abstract： With the increasing promotion of electromagnetic wave detection in the road field， ground penetrating radar has gradually become an effective method for road internal condition diagnosis. There is no unified interpretation of the radar images inside the road obtained by ground penetrating radar equipment after processing such as zeroing， background removal， and filtering， due to the large differences in images. In order to explore the applicability of grayscale co?existence matrix features under different parameters to different disease images， this paper first combines the gray scale co?existence matrix parameters through orthogonal experimental design， and then uses the grayscale co?existence matrix algorithm to calculate the features of the original radar image under different parameters， and finally obtains four feature images of contrast， inverse variance， energy and entropy under different parameter settings. The results show that the entropy characteristics of poor interlayer bonding are more obvious when the sliding window is 11×11， the statistical direction is 45°， and the gray level is 8. The entropy characteristics of cracks are more obvious when the sliding window is 5×5， the statistic direction is 90°， and the gray level is 128. The parameter setting of texture feature applicability of GPR image proposed in this paper has certain reference value for image segmentation， recognition and data enhancement.

Key words： asphalt pavement; non?destructive disease detection; 3D ground?penetrating radar; texture feature extraction; gray scale co?occurrence matrix

0 引言

隨著公路里程數(shù)的快速增長，公路養(yǎng)護特別是瀝青路面的養(yǎng)護，是當前公路管理部門面臨的最主要的難題[1?2]。在越來越多的公路養(yǎng)護方案確定以及性能評估的過程中[3]，針對體量龐大的干線公路進行科學綠色的養(yǎng)護需要路面結(jié)構(gòu)內(nèi)部病害數(shù)據(jù)的支撐，包括瀝青面層內(nèi)部裂縫、松散、脫空、基層的開裂以及橋頭搭板下的脫空等數(shù)據(jù)[4?5]。目前，傳統(tǒng)的鉆芯取樣技術(shù)已無法實現(xiàn)對路面結(jié)構(gòu)內(nèi)部隱蔽位置病害的快速無損探測。三維探地雷達（Three?dimensional ground Penetrating Radar， 3D GPR）是一種借助頻率在106～109Hz范圍內(nèi)的無線電波來確定地下介質(zhì)分布的新興的無損探測技術(shù)，具有高效、準確、多維等特點[6]。歐美國家較早就開始利用探地雷達對路基路面進行檢測研究。我國于20世紀90年代初，將探地雷達應(yīng)用于瀝青路面檢測。近些年來，隨著電磁學、圖像處理技術(shù)的發(fā)展及應(yīng)用，探地雷達已成為獲取路面內(nèi)部結(jié)構(gòu)及發(fā)展狀況的有效工具，但在路面內(nèi)部隱性病害判定、識別精度以及工程應(yīng)用等方面，還存在著較大困難。

周輝林[7]等基于SVM對處理后的探地雷達圖像進行檢測，其檢測結(jié)果與取芯數(shù)據(jù)吻合率達92.7%。藍雄光[8]設(shè)計了一種多層融合的BScan圖像雙曲線提取模型，其與仿真實驗相比平均擬合正確率達97.64%等。閆坤[9]等以公路路面結(jié)構(gòu)層層間不密實雷達圖像為例，討論了灰度共生矩陣各參數(shù)的選擇，并基于灰度共生矩陣算法提取紋理參數(shù)特征圖，結(jié)果發(fā)現(xiàn)不密實病害的紋理特征明顯，出現(xiàn)兩條上下邊界與其內(nèi)部反差較大的特征曲線。初佳蘭[10]提出將紋理特征應(yīng)用于浮筏養(yǎng)殖信息提取，與最大似然估計、最小距離方法分類方法比較，總體分類精度提升了3%～5%。因此，有必要對瀝青路面內(nèi)部病害探地雷達圖像的紋理特征進行研究以期提高智能識別瀝青路面內(nèi)部病害雷達圖像的準確率。

本文采用三維探地雷達對高速公路路面進行檢測，處理與分析雷達檢測圖像，并基于裂縫與層間黏結(jié)不良病害雷達圖像進行灰度共生矩陣的計算，計算后的特征圖像可為病害分類與識別提供參考，并對數(shù)據(jù)集進行增強。

1 三維探地雷達

1.1 設(shè)備組成

本次使用的是3D?Radar DXG1820三維探地雷達系統(tǒng)，其屬于步進頻率三維探地雷達，系統(tǒng)主要由雷達主機、RTK、雷達天線和采集電腦組成。

1.2 檢測原理

三維探地雷達作為一個全新的無損測量儀器，它對公路路面的檢測并不會破壞原來的路基構(gòu)造。其利用收發(fā)天線不斷地發(fā)出高頻電磁波，由于不同的層內(nèi)部具有不同的相對介電常數(shù)，電磁波在遇到層分界面時一部分會進行反射，而另一部分會經(jīng)折射后繼續(xù)傳播。并且由于電磁波帶有很強的穿透力，所以能夠在地下介質(zhì)中傳輸信息，由配對的接收天線完成反射信息的接收，隨后再通過雷達主機將所接收到的信息進行數(shù)據(jù)處理和解析，最后再在計算機中重建三維圖形。高頻電磁波在地下會穿過不同介電常數(shù)的介質(zhì)層，產(chǎn)生折射與反射，而不同的地質(zhì)條件會接收到不一樣的波形[11]，根據(jù)振幅與波形的不同判斷路面結(jié)構(gòu)的具體信息。為了高效展示與運用反射電磁波信號，采用灰度理念將反射電磁波信號轉(zhuǎn)化為灰度圖形式的雷達圖像。其檢測原理如圖1所示。

2 雷達圖像獲取與處理

2.1 雷達圖像獲取

將三維探地雷達系統(tǒng)進行距離校準，根據(jù)采集要求調(diào)整時間窗口、采樣頻率等采集參數(shù)后按照圖2所示對一條車道進行兩個測道的檢測使得能對該車道進行全覆蓋掃描。

2.2 圖像處理與分析

2.2.1 圖像處理

（１）零點校準

在探地雷達數(shù)據(jù)處理過程中，往往雷達天線離地有一定高度，其在發(fā)射過程中會形成地面直達波，因此需要將雷達數(shù)據(jù)校正到一個基準面，而且這個基準面一般為道路表面。

（２）背景去除

由于電磁波在穿透底層時會產(chǎn)生多次反射，這些反射構(gòu)成了雷達圖像中的一種背景，因此需要通過背景去除濾波器對多次反射進行消除。

（３）干擾抑制

干擾是由外部源產(chǎn)生的窄帶信號引起的，其載頻在探地雷達的帶寬范圍內(nèi)；通過統(tǒng)計每個頻率的異常值，并將其用插值代替進而實現(xiàn)干擾抑制。

2.2.2 圖像分析

處理后的雷達圖像首先判斷內(nèi)部病害情況，如圖3所示路面存在裂縫、層間黏結(jié)不良病害特征，其中裂縫表現(xiàn)為在縱斷面可見連續(xù)“鞍形波”，且水平面存在高亮橫向線條；層間黏結(jié)不良表現(xiàn)為在道路內(nèi)部層位分界處突現(xiàn)高亮，呈現(xiàn)“黑?白?黑”結(jié)構(gòu)[3]。

3 紋理特征提取

3.1 灰度共生矩陣

共生矩陣用兩個位置像素的聯(lián)合概率密度來定義，它不僅反映亮度的分布特性，也反映具有同樣亮度或接近亮度的像素之間的位置分布特性，是有關(guān)圖像亮度變化的二階統(tǒng)計特征。它是定義一組紋理特征的基礎(chǔ)。一幅圖像的灰度共生矩陣能反映出圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息，它是分析圖像的局部模式和它們排列規(guī)則的基礎(chǔ)。

灰度級數(shù)反映了探地雷達數(shù)據(jù)轉(zhuǎn)換后對原始數(shù)據(jù)精細程度的保留情況，如果灰度級數(shù)過小則雷達圖像高振幅部分無法解釋，而灰度級數(shù)越大則運算量越大?；瑒哟翱跊Q定了圖像的模糊程度，滑動窗口小則統(tǒng)計的數(shù)據(jù)點多而使圖像較為細致，而滑動窗口越大，越容易出現(xiàn)平均化和模糊效應(yīng)[7]。選擇統(tǒng)計方向是為了使紋理特征不會過于繁多，因此通常取0°、45°、90°、135°四個方向。

3.2 試驗設(shè)計及結(jié)果

3.2.1 正交試驗設(shè)計

為探究不同參數(shù)下灰度共生矩陣特征圖像對探地雷達不同病害特征的適用性，本次對滑動窗口、灰度級數(shù)、統(tǒng)計方向三個因素進行正交試驗設(shè)計，其中滑動窗口選擇5×5、7×7、9×9、11×11四種窗口；統(tǒng)計方向選擇0°、45°、90°、135°和全角度均值（all）五種；灰度級數(shù)選擇8、16、32、64、128五種。正交試驗表見表1。

3.2.2 特征提取結(jié)果及分析

在同一參數(shù)下，四類特征圖像如圖5所示，對比度圖像噪聲較大，無法正常觀察裂縫及層間黏接不良病害特征；能量圖、熵值圖、逆方差圖均顯示出異常部位與周圍較大的灰度差異，這是因為電磁波傳播至異常部位時存在較大介電差異，因此異常部位與周圍的振幅相比差異較大進而可觀察到圖像異常部位紋理局部變化大、灰度分布不均勻、圖像紋理更復雜。

圖7中（a）圖只可見裂縫的特征，而其他異常特征消失，因此當滑動窗口為5×5、灰度級數(shù)為128、統(tǒng)計方向為所有角度的均值時，熵特征圖像對于裂縫特征的解釋更適用；如圖7中（b）圖所示，原始圖像高振幅即異常部位均突出顯示，因此當滑動窗口為11×11、灰度級數(shù)為8、統(tǒng)計方向為所有角度的均值時熵特征圖像對于所有異常部位的解釋更為適用。

4 結(jié)論

（１）灰度共生矩陣紋理特征圖像可為探地雷達圖像病害解釋、識別及數(shù)據(jù)增強提供一定的參考。

（２）灰度共生矩陣中對比度特征對病害雷達圖像特征展示效果最差。

（３）不同特征對于不同病害的適用性不同，同時，在相同參數(shù)下，不同特征對不同病害的適用性也不同。

（４）當滑動窗口為5×5、灰度級數(shù)為128、統(tǒng)計方向為所有角度的均值時，熵特征圖像適用于裂縫特征的解釋。

（５）滑動窗口為11×11、灰度級數(shù)為8、統(tǒng)計方向為所有角度的均值時，熵特征圖像適用于裂縫、層間黏結(jié)不良等所有異常部位的解釋。

參考文獻：

1. 仰建崗. 瀝青路面的綠色養(yǎng)護技術(shù)[J]. 中國公路， 2016（5）： 115?117.
2. 馬仁凱. 基于正交試驗的纖維對再生瀝青性能影響分析[J]. 交通節(jié)能與環(huán)保， 2022， 18（3）： 83?86.
3. 宋緒榮. 高速公路瀝青路面大中修養(yǎng)護技術(shù)探討[J]. 交通節(jié)能與環(huán)保， 2018， 14（4）： 93?96.
4. 張認. 基于全面檢測評定的綠色養(yǎng)護方案探討[J]. 交通節(jié)能與環(huán)保， 2022， 18（6）： 128?132.
5. 朱新春， 王華城， 吳強， 等. 面向綠色養(yǎng)護的綠色高速公路關(guān)鍵技術(shù)研究[J]. 交通節(jié)能與環(huán)保， 2020， 16（3）： 82?85.
6. Yang J， Ruan K， Gao J， et al. Pavement distress detection using three?dimension ground penetrating radar and deep learning[J]. Applied Sciences， 2022， 12（11）： 5738.
7. 周輝林， 姜玉玲， 徐立紅， 等. 基于SVM的高速公路路基病害自動檢測算法[J]. 中國公路學報， 2013， 26（2）： 42?47.
8. 藍雄光， 賴舷， 周東國， 等. 一種多層融合處理的GPR B?Scan雙曲線提取方法[J]. 電子測量技術(shù)， 2021， 44（13）： 97?103.
9. 閆坤， 張志華， 溫亞楠. 路面基層探地雷達圖像紋理特征提取方法研究[J]. 地球物理學進展， 2021， 36（5）： 2234?2243.
10. 初佳蘭， 邵光輝， 趙建華， 等. 高分一號的浮筏養(yǎng)殖信息提取方法[J]. 測繪科學， 2020， 45（1）： 92?98.
11. 李陽. 基于超前地質(zhì)預報技術(shù)的隧道不良地質(zhì)探測方法分析[J]. 交通節(jié)能與環(huán)保， 2021， 17（5）： 119?122.