The Comparison of Pre-processing Algorithms in Ground Penetrating Radar Data for Target Detection

Yıl 2020, Cilt: 20 Sayı: 5, 832 - 843, 30.11.2020

Selda Güney , Deniz Çolak

https://doi.org/10.35414/akufemubid.654765

Öz

The Ground Penetrating Radar (GPR) systems have been widely used in the fields of archaeology, geology, civil engineering for about twenty years. The GPR is an important remote sensing technology that allows objects and layers under the surface to be perceived and positioned using electromagnetic techniques. Although all metallic objects are detected and identified by a metal detector, other technologies are needed to detect and identify landmines with plastic or low metal content. System development studies are continuing in line with technological developments within the scope of meeting the needs of all civil and military areas required to display under the surface. In this study, image pre-processing algorithms for processing the data obtained from the radar are examined. The effects of system improvements on the image enhancements to be made during the pre-screening phase have been studied. The proposed cross-correlation method in the pre-processing phase was compared with the Least Mean Squares and Kernel Least Mean Squares, also used as the pre-processing method, in terms of speed and successful detection. To run the system in real-time operations, these methods have been examined and as a result very fast and improved results have been obtained with the cross-correlation method compared to other methods.

Anahtar Kelimeler

Ground Penetrating Radar, Data pre-processing, Pre-screening, Kernel Least Mean Square, Cross correlation

Hedef Tespiti için Yere Nüfuz Eden Radar Verisinde Ön işleme Algoritmalarının Karşılaştırılması

Öz

Yere nüfuz eden radar sistemleri yaklaşık yirmi senedir arkeoloji, jeoloji, inşaat mühendisliği alanlarında yaygın olarak kullanılan bir teknolojidir. Yere nüfuz eden radar önemli bir uzaktan algılama teknolojisi olup, yüzey altındaki nesne ve katmanların algılanmasını ve konumunun belirlenmesini elektromanyetik yöntemlerle sağlamaktadır. Tüm metalik nesneler bir metal detektörü tarafından tespit edilip tanımlanmış olsa da plastik veya düşük metal içerikli kara mayınlarını tespit etmek ve tanımlamak için başka teknolojilere ihtiyaç bulunmaktadır. Yerin altının görüntülenmesine ihtiyaç duyulan tüm sivil ve askeri alanlardaki ihtiyaçların karşılanması kapsamında teknolojik gelişmeler doğrultusunda sistem geliştirme çalışmaları sürdürülmektedir. Bu çalışmada, radardan elde edilen verilerin işlenmesine yönelik görüntü ön işleme algoritma yapıları incelenmiştir. Aynı zamanda ön görüntüleme aşamasında yapılacak görüntü iyileştirmelerinin sistem başarımına etkisi irdelenmiştir. Önişleme aşamasındaki önerilen çapraz korelasyon yöntemi, yine önişleme yöntemi olarak kullanılan En Küçük Ortalama Kareler ve Kernel En Küçük Ortalama Kareler ile hız ve başarılı tespit açısından karşılaştırılmıştır. Sistemin gerçek zamanlı çalışmasına yönelik farklı yöntemler incelenmiş, çapraz korelasyon yöntemi ile daha hızlı ve başarılı tespitlerin yapılacağı gösterilmiştir.

Anahtar Kelimeler

Yere nüfuz eden radar, Veri önişleme, Öngörüntüleme, Kernel en küçük ortalama kareler, Çarpaz korelasyon

Kaynakça

• Abujarad F.,2007. Ground Penetrating Radar Signal Processing for Landmine Detection. Ph D Thesis, Otto von Guericke University, Magdeburg, Germany, 2007
• Ahmad A, Adie SG, Chaney EJ, Sharma U, Boppart SA., 2009. Cross-correlation-based image acquisition technique for manually-scanned optical coherence tomography. Optic Express, 17(10), 8125-8136.
• Baydar B, Akar GB, Yüksel SE, Öztürk S., 2016. Fusion of KLMS and Blob Based Pre-Screener for Buried Landmine Detection Using Ground Penetrating Radar. SPIE 9823, Detection and Sensing of Mines, Explosive Objects, and Obscured Targets XXI, Baltimore, Maryland, United States.
• Çolak D., 2018. Yere Nüfus eden Radar Verilerinin İşlenmesi ile Hedef Tespiti. Yüksek Lisans Tezi, Başkent Üniversitesi, Ankara, Türkiye, 2018.
• Daniels DJ., 2004. Ground Penetrating Radar. 2nd ed. The Institution of Engineering and Technology, London, United Kingdom.
• Economou N, Benedetto F, Bano M, Tzanis A, Nyquist J, Sandmeie K, Cassidy N., 2017. Advanced Ground Penetrating Radar Signal Processing Techniques. Signal Processing, 132, 197–200.
• Feng X, Liang W, Liu C, Nilot E, Zhang M, Liang S., 2017. Application of Freeman Decomposition to Full Polarimetric GPR for Improving Subsurface Target Classification. Signal Processing, 132, 284–292.
• Forte E, Pipan E., 2017. Review of multi-offset GPR applications: Data acquisition, processing and analysis”. Signal Processing, 132, 210-220.
• Frigui H, Zhang L, Gader P, Wilson JN., 2012. An evaluation of several fusion algorithms for anti-tank landmine detection and discrimination. Information Fusion, 13(2), 161-174.
• Harkat H, Ruano A, Ruano MG, Bennani SD., 2018. Classifier Design by a Multi-Objective Genetic Algorithm Approach for GPR Automatic Target Detection. IFAC PapersOnLine, 51(10), 187–192.
• MTS Proje Grubu, 1999. Mayın Tespit Sistemleri (MTS) Geliştirilmesi Projesi GPR Simülasyonu Sonuç Raporu. Bilkent Üniversitesi, 1-5.
• Özdemir C, Demirci Ş, Yiğit E, 2006. 3-Boyutlu Yere Nüfuz Eden Radar (YNR) C-Tarama Görüntülerinin Elde Edilmesi, ELECO 06, 06-10 Aralık, Bursa, 1-4.
• Poluha B, Porsani JL, Almeida ER, Dos Santos VRN, Allen SJ., 2017. Depth Estimates of Buried Utility Systems Using the GPR Method: Studies at the IAG/USP Geophysics Test Site. International Journal of Geosciences, 8, 726-742.
• Santos VRN, Teixeira FL., 2017. Study of time-reversal-based signal processing applied to polarimetric GPR detection of elongated target. Journal of Applied Geophysics, 139, 257–268.
• Temlioğlu E., 2015. Yere Nüfuz Eden Radar Görüntülerinde Morfolojik Bileşen Analiz Yöntemi Analizi Yöntemi ile Kargaşa Giderme. Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi, İstanbul, Türkiye.
• Torrione P, Collins L, Clodfelter F, Frasier S, Starnes I., 2003. Application of the LMS Algorithm to Anomaly Detection Using the Wichmann/Niitek Ground Penetrating Radar. Proceedings Volume 5089 Detection and Remediation Technologies for Mines and Minelike Targets VIII, Orlando, Florida, United States, 11 September.
• Travassos XL, Avila SL, Ida N., 2018. Artificial Neural Networks and Machine Learning techniques applied to Ground Penetrating Radar: A review. Applied Computing and Informatics, available online 16 October, In Press. https://doi.org/10.1016/j.aci.2018.10.001
• Türk AS, 2004. Yere Nüfuz Eden Darbe Radarı için Geniş Bantlı Anten Tasarımları, Union Radio Science Internationale (URSI), Ankara, Türkiye, 08-10 Eylül.
• Wang J, Su Y. ,2013. Fast Detection Of Gpr Objects With Cross Correlation and Hough Transform”. Progress In Electromagnetics Research C, 38, 229–239.
• İnternet kaynakları
• 1-http://www.the-monitor.org/en-gb/home.aspx (17.06.2019).