Clutter Learning Based LS Method for Buried Target Detection in GPR Images

YNR Görüntülerinde Gömülü Hedef Tespitini için Kargaşa Öğrenme Tabanlı LS Metodu

Abstract

A regularized version of the least squares (LS) target detection method iscombined with the subspace-based clutter learning for buried target detectionin ground penetrating radar (GPR) images. The LS method is used to estimatethe next A-scans from previously observed A-scans which are assumed tobelong to the clutter component. Generally, A-scans used in the initial stageare accepted as target-free for the LS to work correctly. However, this is notguaranteed and if the first observed A-scan samples contain any targetinformation, LS method will fail. In this paper, the clutter information isretrieved via robust principal component analysis (RPCA) as a preprocessingstage and used in the LS estimation of the actual A-scan. Thus, for A-scanscontaining target information, LS method will provide an increase in theestimation error indicating target presence at this location. Moreover, due tothe regularization, the proposed method is more robust to noise caused by theirregularities of the soil.

Özet

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.