基于小波域K―L变换法地质雷达图像处理.docVIP

基于小波域K―L变换法地质雷达图像处理 　　摘 要 因地质自身复杂的几何和物理特性，地质雷达采集到的图像不可避免的包含了各种各样的干扰信号。本文在分析地质雷达图像特征的基础上，采用小波域K-L变换以及多尺度多结构元的数学形态学边缘检测对图像信息进行降噪与边缘检测处理，突出地质雷达回波信号中的同相轴。仿真实验表明本文采用的处理方法，可以更好的刻画地质雷达图像中的目标信息。 　　【关键词】地质雷达图像 小波变换 K-L变换 数学形态学 　　地质雷达是利用电磁波在媒质电磁特性不连续处产生的反射和散射实现对地下目标与地质构造成像、定位进而定性或者定量地辨识高频电磁波特性的变化，从而得到地下目标的对应的地质雷达回波信号。 　　在地质雷达实际勘测中，因有效信号的部分特征被噪声信号（如直达波、周围环境干扰信号、地表反射波以及非目标反射波等）干扰、掩盖，对雷达图像的后续处理产生了严重影响。因此，为了改善图像质量，突出显示目标信号的图像特征，提供清晰可辨的地质雷达探测图像，最大限度的去除干扰成分显得至关重要。 　　1 图像特征分析 　　地质雷达回波数据信号为非平稳随机时变信号，由于地质结构自身几何物理特性，导致回波信号有其固有的特征，连续目标层的有效回波信号相关性较强，而随机噪声信号因为是由非连续点或其他不可预知的地质结构综合作用形成，所以无相关性，彼此之间无规律可循。 　　连续目标层的回波信号即同相轴，因其特征明显，在地质雷达图像中易于识别，常成为地质雷图像的分析重点。 　　地质雷达反射波主要有波形畸变、频率变化、同相轴错乱或缺失等特征。常见地质结构如完整岩体，其地质雷达反射波波形均一，同相轴连续性好，回波能量按一定规律缓慢衰减；断层破碎带，其回波波形杂乱无章，同相轴不连续，波形振幅变化较大；隧道衬砌多为混凝土，因此其雷达反射波较强烈，同相轴连续等等；这些常见地质现象及其对应的地质雷达波形特征是地质雷达图像分析与解释的重要判据。 　　根据地质雷达图像中有效回波信号和噪声信号的不同特征，本文结合小波变换与K-L变换对地质雷达图像进行去噪，然后采用边缘检测对图像进行处理，使图像中的同相轴更清晰，从而突出地质雷达图像中有效信号的特征。 　　2 小波域K-L变换 　　2.1 小波阈值变换 　　信号的小波系数和噪声的小波系数不同，一般来说，前者大于后者。因此，小波阈值变换法去噪的基本思想是：对图像进行二维小波变换，保留有效信号的小波系数，对噪声的小波系数进行阈值处理，然后进行重构，从而在一定程度上消除噪声对图像质量的影响。 　　地质雷达图像小波阈值变换去噪的具体步骤： 　　（1）对含噪地质雷达图像进行二维正交小波变换。确定小波分解层次N与合适的正交小波，然后对原始图像数据进行N层小波分解； 　　（2）为保持图像整体不变，在保留低频系数基础上，对各尺度下高频小波系数阈值量化。因为各层信号信噪比不同，需要采用不同的阈值进行处理。 　　（3）图像重构。对处理后的小波系数做小波逆变换，得到原始图像的估计值即去噪后的图像。 　　从以上步骤可知，小波基的选择、阈值及阈值函数的确定是小波阈值变换法去噪的关键。 　　实际应用中，小波基的选择直接决定地质雷达图像的去噪效果，采用不同的小波基处理后得到的图像质量亦不同。一般情况下，小波基的选择原则是使小波波形与目标层回波波形有较大的相似度，即选择与目标层回波信号波形最接近的小波。根据地质雷达回波信号的高衰减特性，本文选择dbl小波。 　　式（1）中，σ为噪声方差，N为信号长度，j为分解层数。本文中N为图像像素点数。工程实际中，噪声强度σ估计为，Med为小波系数绝对值中值。尺度增大，有效信号的小波系数随之增大，但噪声的小波系数与尺度呈反向变化。因此，在式（1）分母处添加，j不同，阈值不同，阈值的自适应性明显提高，一定程度上避免了恒定阈值处理后图像细节丢失以及在信号的奇异点附近存在吉布斯（Gibbs）现象的问题。 　　2.2 K-L变换 　　协方差矩阵CX的特征值从大到小排列，前几个较大的特征值所对应的特征矢量所确定的主分量包含了地质雷达图像中绝大多数有效信号的能量，最大特征值所对应的主成分包含了总方差80%以上的信息，而噪声的能量则主要由小特征值所对应的分量反应。为消除噪声干扰，将N个特征值从大到小按顺序排列，并调整每个特征值所对应的特征向量，选择前k个主分量，同时，取前k个特征值对应的特征向量AN×k，则K-L变换公式为： 　　从流程图可知，如何选择合适的特征值和特征向量是K-L变换的关键所在。通常是由主分量占总能量的百分比确定所选特征值的个数。但在实际应用中如何选择最恰当的特征值个数并不容易。 　　较大特征值对应的主分量集中反映地质雷达图像中的有效信号，而小特征值对应的主分