论文部分内容阅读
近年来,探地雷达技术作为一种新兴的无损检测技术正逐渐成为钢筋混凝土结构、道路桥梁、地下管道等结构物的主要检测手段。然而,目前其检测结果主要依据原始雷达图像,仍是处于传统的物探资料解释的束缚之下,即都是走“看图识字”的机械解释模式。这就极大地限制了探地雷达的应用。因为一方面雷达图像并不能很清晰表达所关切的目标信息,甚至对有些目标根本无法探测;另一方面对雷达图像的解释主要依赖于工作人员的经验和专业水平。与实际应用的迅速发展相比,探地雷达在信号处理方面的研究进展却相对缓慢。本文将直接利用雷达回波信号,进行数据处理。主要方法是用小波分析处理瞬态的目标反射信号,并结合神经网络对目标进行智能识别。在混凝土结构的雷达检测中,钢筋的位置和直径的探测始终是检测的重点。由于雷达图像存在目标特征不清晰、噪声大等缺点,给目标识别带来困难。本文利用二维离散小波变换在图像增强方面的优点,对雷达回波信号进行处理。并对小波分解后各个方向的小波系数进行去噪和增强。试验结果表明经过小波变换后的水平方向的小波系数图像中钢筋图像特征明显,从而有助于对钢筋进行准确的定位。混凝土结构中钢筋直径的探测是国内外久未解决的难题。探地雷达的目标反射信号中包含着大量关于钢筋直径的信息,并且由于不同的钢筋直径,在相同频带内信号的能量有着较大的差别。通过对雷达目标反射信号的小波包变换,提取各个频带的信号能量作为特征参数,然后利用人工神经网络的学习及存储经验知识的功能,建立由特征参数为学习样本的推理机制,从而对钢筋直径进行智能识别。试验表明该方法能够成功识别钢筋直径的大小,并达到工程满意的精度。本文的工作对推广探地雷达在混凝土探测中的应用,提高识别精度具有重要的意义。