YNR Görüntülerinde Gömülü Hedef Tespitini için Kargaşa Öğrenme Tabanlı LS Metodu

Abstract

En küçük kareler (EKK) hedef tespit yönteminin düzenleştirilmiş versiyonu ile alt uzay tabanlı kargaşa giderme, yere nüfuz eden radar (YNR) görüntülerinde gömülü hedef tespiti için birleştirilmiştir. EKK yöntemi geçmişte gözlenmiş A-taramaları kullanarak, gelecek A-taramayı tahmin etmeye çalışır ve gözlemlenmiş A-taramanın kargaşa bileşenine ait olduğu varsayımı mevcuttur. Genellikle, EKK’nin doğru çalışabilmesi için, başlangıç aşamasında gözlemlenen A-taramalarda hedefe ait olmadığı kabul edilir. Fakat bu her zaman doğru bir varsayım değildir ve ilk gözlemlenen Ataramalarda hedef bileşeni mevcutsa, EKK yöntemi başarısız olacaktır. Bu çalışmada, ön adım olarak kargaşa bilgisi gürbüz temel bileşen analizi (GTBA) yöntemi ile çıkartılmıştır ve bu bilgi EKK’nin gelecek A-taramayı tahmini için kullanılmıştır. Böylece, hedef bilgisi içeren A-taramalarda EKK yönteminin tahmin hatası artacağından, bu A-taramalarda bölgesinde hedefin olduğunu gösterecektir. Ayrıca, düzenlileştirme işleminden dolayı, önerilen yöntem yüzey düzensizliklerinden dolayı meydana gelen gürültüye karşı daha gürbüz olacaktır.

Özet

A regularized version of the least squares (LS) target detection method is combined with the subspace-based clutter learning for buried target detection in ground penetrating radar (GPR) images. The LS method is used to estimate the next A-scans from previously observed A-scans which are assumed to belong to the clutter component. Generally, A-scans used in the initial stage are accepted as target-free for the LS to work correctly. However, this is not guaranteed and if the first observed A-scan samples contain any target information, LS method will fail. In this paper, the clutter information is retrieved via robust principal component analysis (RPCA) as a preprocessing stage and used in the LS estimation of the actual A-scan. Thus, for A-scans containing target information, LS method will provide an increase in the estimation error indicating target presence at this location. Moreover, due to the regularization, the proposed method is more robust to noise caused by the irregularities of the soil.