Geri Dön

New clutter removal methods for through obstacle target detection

Engel arkası hedef tespitinde yeni kargaşa giderme yöntemleri

PDF İndir

  1. Tez No: 513338
  2. Yazar: DENİZ KUMLU
  3. Danışmanlar: DOÇ. DR. IŞIN ERER
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 112

Özet

Hedef görüntüleme ve algılamada ultra geniş bantlı (UGB, ultra–wide band-UWB) radarlar yaygınlıkla kullanılmaktadır. Duvar arkası ve yer altı görüntülemede bu radarların başarı oranı oldukça yüksektir. Bu radarların en önemli özelliği metal olmayan materyallere nüfuz ederek yüksek çözünürlüklü görüntü sağlayabilmesidir. Burada görüntü elektromanyetik dalganın farklı elektriksel özelliklere sahip materyallerden farklı yansıma ve kırılmasına bağlı olarak oluşmaktadır. UGB radarların kullanım alanı göre farklı frekans aralıkları tercih edilmekte ve engel arkası insan ve hedef (materyal) tespiti için de kullanılmaktadır. UGB radarlardan yararlanarak engel arkası insan ve hedef tespiti sivil ve askeri uygulamalar için son derece önemlidir. Bu uygulama alanları doğal felaketler (deprem, sel, toprak kayması, çığ, fırtına, hortum, vs.) ve insan kaynaklı felaketler (nükleer patlama, terörist eylemler, endüstriyel kazalar, vs.) olmak üzere, yaralı tespiti, mayın tespiti, beton analizi, asfalt analizi, köprü analizi, yeraltı borularının analizi, arkeolojik araştırmalar gibi pek çok farklı alanda olabilir. Burada, bu sistemin kullanılmasının temel sebebi engel arkasını görebilme yeteneğidir. Fakat bu yetenek büyük bir problemi de beraberinde getirmektedir. Çünkü bu sistemler engel arkasındaki her şeyi görebilmektedir. Buna örnek olarak engel arkasındaki düzensizlikler, diğer hedefe benzeyen cisimler verilebilir. Bu istenmeyen cisimlerin varlığı tarama yapılan bölgede hedef cisme ait sinyal olmadığı halde, olduğu algısını oluşturarak yanlış alarmlara yol açabilmektedir. Bununla beraber hedef tespitini güçleştiren diğer sorunlar, alıcı-verici anten arasında oluşan kuplaj, engelden geri yansıyan işaretin genliğinin, hedef cisimden yansıyan işaretlerin genliğinden fazlasıyla büyük olması, çevresel faktörler (toprak çeşiti, gömülü cismin materyeli, vs.) ve hava durumu (yağmur, kar, güneş, vs.) olarak sayılabilir. Literatüre incelendiğinde UGB radarların duvar arkasından ziyade gömülü cisimleri tespit etmekte daha yaygın olarak kullanıldığı görülmektedir ve bu uygulamada kullanılan radarların özel ismi yere nüfuz eden radar (YNR, ground–penetrating radar-GPR) olarak bilinmektedir. Gömülü cisimler için YNR radarın verdi˘gi görüntüyü simüle etmek amacıyla açık kaynak kodlu gprMax simülasyon programı kullanılmaktadır. Bu program sayesinde farklı senaryolar oluşturulabilir ve bunlara ait görüntüler (YNR görüntüsü veya B-tarama görüntüsü adı verilir.) üretilebilir. Bu program vasıtasıyla yapılan senaryoları, gerçek sistemler ile oluşturmak oldukça zaman alıcı ve zahmetlidir. Bu sebeple literatürde de simüle veriler sıklıkla kullanılmaktadır. Ayrıca, literatürde gömülü cisimlerin tespitinde kullanılacak metotları test etmek için gerçek veri seti de mevcuttur. Bu sebeple, bu çalışmada önerilen metotlar gömülü cisimlerde ve özellikle mayına benzeyen hedeflerin tespitinde kullanılmıştır. Mevcut gürültü giderme metotlarının test edilebilmesi ve performanslarının kıyaslanması maksadıyla simüle veri seti oluşturulmuştur. Çünkü kar¸sıla¸sılan en büyük problemlerden birisi veri setinin ve çeşitliliğinin azlığıdır. Ayrıca gerçek veriler genellikle sınırlı sayıda olduğu ve referans görüntü içermediği için sayısal analiz yapmak güvenilir olmamakta ve sadece görsel sonuçlara bağlı değerlendirme ise taraflı olmaktadır. Bu sebeple metotları sayısal olarak da karşılaştırabilmek için simüle veri setinden yararlanılmıştır. GprMax programında tez kapsamında oluşturduğumuz simüle veri seti, 112 YNR görüntüsü içermektedir ama bu görüntülerin referans görüntüsü mevcut değildir. Bundan dolayı ölçüm metriği olarak alıcı işletim karakteristikleri (AIK, receiver operating characteristic-ROC) eğrisi kullanılmıştır. Referans görüntüsü mevcut olan verilerde tepe sinyal-gürültü-oranı (TSGO, peak signal-to-noise ratio-PSNR) ve yapısal benzerlik indeksi (YBİ, structural similarity index-SSIM) gibi metrikler de kullanılabilir ama bu oluşturulan simüle veri seti için bu metrikler uygun değildir. AİK eğrileri gürültüsü giderilmiş görüntülerdeki piksel enerjileri dikkate alınarak hesaplanmıştır. Bu simüle veri setinde, 7 farklı toprak tipi, 2 farklı hedef materyali tipi ve 2 farklı hedef derinliği kullanılmış ayrıca her konfigürasyon için 4 farklı senaryo hazırlanmıştır. İlk senaryo düz yüzey olarak tasarlanmış, ikinci senaryo da düz yüzey üzerine çim konulmuştur, üçüncü senaryo da engebeli yüzey oluşturulmuş ve son senaryo da ise engebeli yüze üzerine su birikintisi eklenmiştir. Ayrıca sonuçların geçerliliğini test etmek için gerçek veri seti de kullanılmıştır. Bu veri seti“Vrije Universiteit Brussel”tarafından kullanıma açılan ve birden fazla hedefin gömülü olduğu zor senaryolar içermektedir. Önerilecek yöntemleri tespit başarı performanslarını kıyaslayabilmek maksadıyla literatürde kabul görmüş popüler metotlar mevcuttur. Bu yöntemleri alt uzay öğrenme ve çoklu çözünürlük yöntemleri olarak iki temel grupta toplanabilir. Alt uzay öğrenme yöntemleri temel bileşen analizi (TBA, principal component analysis-PCA), bağımsız bileşen analizi (BBA, independent component analysis-ICA), tekil değer ayrışımı (TDA, singular value decomposition-TDA) ve biçimsel eleman analizi (BEA, morphological component analysis-MCA) olarak verilebilir. TBA, BBA ve TDA yöntemleri genel olarak görüntü matrislerini farklı kısıtlar altında parçalamakta kullanılmaktadır ve her birinde kullanılan ayrıştırma kısıtı farklıdır. Bu parçalamanın sonucunda aynı boyutlarda alt görüntüler elde edilir. Bu görüntülerden ilki gürültüye aittir çünkü YNR görüntülerinde gürültü hedefe göre çok daha fazla baskındır. Diğer alt görüntülerin toplamından ise hedef görüntü oluşturulur. BEA metodu bu grupta yer almasına rağmen bir ön işleme tabidir. Burada gürültü ve hedef için ayrıştırma öncesinde ayrı birer sözlük oluşturulur daha sonra bu sözlüklerden faydalanılarak YNR görüntüsü gürültü ve hedef olmak üzere biçimsel (morfolojik) bileşenlerine ayrıştırılır. İkinci grup metotlar ise çoklu çözünürlük yöntemleri olarak geçmektedir. Bu metotlar dalgacık dönüşümü (DD, wavelet transform-WT) tabanlı gürültü giderme yöntemlerinin geliştirilmiş versiyonudur. Dalgacık dönüşümü tabanlı yöntemlerde bir görüntü farklı ölçeklerde yatay, dikey ve diyagonal bileşenlerine ayrılırken çoklu çözünürlük yöntemleri sayesinde çok daha fazla ölçek ve yöne ayrıştırılabilmekte ve böylece hedef bilgisi daha iyi lokalize edilmektedir. Bu yöntemlerden en çok bilineni eğricik dönüşümü (ED, curvelet transform-CT)'dür. Bu yöntem ile YNR görüntüsü farklı ölçeklerde farklı sayıda yönlere ayrılır. Literatürde yaygın olarak kullanılan ve koduna açık kaynaklardan ulaşılabilen hızlı ayrık eğricik dönüşümü (HAED, fast discrete curvelet transform-FDCT) mevcuttur fakat bu algoritmaya müdahale etmek mümkün olmadığından dönüşümün bize ayrıştırdığı farklı ölçeklerde yer alan farklı yönlerdeki alt görüntülerden faydalanılır. Diğer bir metot ise alt örneklenmemiş konturcuk dönüşümü (AÖKD, nonsubsampled contourlet transform-NSCT)'dür. Bu metot da, farklı ölçeklere ayrıştırma kısmında, Laplace piramidi ve farklı yönlere ayrıştırma da yönlü filtreler bankası (YFB, directional filter banks-DFB)'ndan faydalanır. Yine bu metotlara benzer literatürde gömülü cisimlerin tespitine yönelik başka çoklu çözünürlük yöntemleri de önerilmiştir. Bu tez çalışmasında, her iki gruba da yeni metotlar önerilmiştir. İlk gruba önerilen metot negatif olmayan matris ayrıştırma (NOMA, nonnegative matrix factorization-NMF) yöntemidir. Bu metot TBA, BBA ve TDA'ya benzer bir yapıda görüntüyü farklı iki matrisin çarpımı şeklinde ifade etmektedir ama burada kısıt her iki matrisin elemanlarının da negatif olmamasıdır. Bu kısıt bizim problemimiz için oldukça uygundur çünkü YNR görüntüleri piksel değerleri ile ifade edilir ve bu değerler negatif değildir. NOMA literatürde birçok sinyal işleme probleminde kullanılmıştır bunlara örnek olarak, gürültü giderme, boyut azaltma/sıkıştırma, özellik çıkarma, sınıflandırma verilebilir. Biz NOMA'yı kullanırken sıkıştırma özelliğinden faydalandık ve bu sayede YNR görüntüsünü gürültü bileşenine indirgeyerek oradan da hedef görüntüsünü elde ettik. Önerdiğimiz NOMA metodu diğer alt uzay öğrenme metotlarından daha iyi performans vermiş ve işlem süresi olarak da oldukça hızlı olduğunu ispatlamıştır. İkinci gruba ise çok-ölçekli yönlü bilateral süzgeç (ÇYBS, multiscale directional bilateral filter-MDBF) önerilmiştir. Burada yapılan en büyük yenilik YNR görüntüsünü farklı ölçeklere ayırırken bilateral süzgeç (BS, bilateral filter-BF)'nin kullanılmasıdır. Çünkü YNR görüntüsünü BF süzgeçten geçirdiğimizde kenar bilgisini kaybolmamakta ve bu da daha sonrasında kullanacağımız YFB'nin performansını arttırmaktadır. BS'de kullanılan iki Gauss süzgecinin yaptığı uzamsal ve mesafeye bağlı olarak süzgeçleme performansın yükselmesinde oldukça etkilidir. Sırasıyla uygulanan BS ve YFB sonucu YNR görüntüsü farklı ölçeklerde farklı sayıda yönlü görüntülere ayrılır. Burada gürültü ve hedefin sahip olduğu geometrik özellikleri kullanarak (hedef hiperbolik bir şekle, gürültü yatay bir şekle sahiptir.) hedef ve gürültü birbirinden ayrıştırılır. Daha sonra ters dönüşüm uygulanarak gürültüden temizlenmiş hedef görüntüsü tekrar oluşturulabilir. ÇYBF metodu uygulanırken uzamsal Gauss süzgecinin YNR görüntülerinde bir etkisi olmadığı fark edilmiş ve literatürde komşuluk süzgeci (KS, neighboorhood filter) olarak geçen ve sadece mesafe bilgisine dayanan Gauss süzgeci, BS yerine kullanılmıştır. Böylece sadece tek Gauss süzgeci kullanılan KS sayesinde hem performans arttırılmış hem de işlem süresi yarı yarıya azaltılmıştır. Bu yeni yönteme çok-ölçekli yönlü komşuluk süzgeci (ÇYKS, multiscale directional neighborhood filter-MDNF) adı verilmiştir. Performans analizleri için, gprMax simülasyon programında oluşturulan simüle veri seti kullanılmış ve mevcut metotlar ile birlikte yeni önerilen metotlar bu veri setinde AİK eğrileri kullanılarak kıyaslanmıştır. Ayrıca sayısal değerlendirmelerin yanında görsel değerlendirmeler de gerçek veri seti ile birlikte sunulmuştur. Simüle ve gerçek veri seti üzerinde yapılan sayısal ve görsel analizlerde NOMA metodunun diğer alt uzay öğrenme metotlarından daha iyi sonuç verdiği ve işlem süresinin gerçek zamanlı uygulamalar için daha uygun olduğu görülmüştür. Yine önerilen ÇKYS metodu çoklu çözünürlük metotları içinde en iyi performansı göstermiş fakat kullanılan yöntem optimize edilmediği için işlem süresi diğer metotların gerisinde kalmıştır. Bütün metotlar beraber test edildiğinde, en iyi performansın ÇKYS tarafından elde edildiği fakat gerçek uygulamalar için NOMA metodunun daha hızlı ve ÇKYS'ye yakın sonuçlar vereceği için tercih edilebileceği değerlendirilmiştir.

Özet (Çeviri)

Nowadays, ultra–wide band (UWB) radars are extensively used for target imaging, detection and localization, health care applications, indoor motion detection, civil engineering applications, etc. UWB radars have also found many applications for buried object detection problem or through the wall target localization problem due to their ability to penetrate most of the non-metal materials such as bricks, wood, various types of soil, concrete and reinforced concrete, etc. In this thesis, we focus on the buried object detection problem where the radar used for this specific application is called as ground penetrating radar (GPR). It is known that one of the most important problems in images collected from GPR (it is called as GPR image or B-scan) is clutter since it degrades the detection performance. The clutter in the GPR image can be arisen by a various causes such as direct-wave arrival, ground-bounce, other candidate target-like objects, environmental variations (soil type, material type, etc.), weather conditions (sun, rain, snow, etc.). Therefore, it is impossible to eliminate the causes of clutter thus the obtained GPR image contain inherently heavy clutter. This heavy clutter conceals and attenuates the signal strength of the buried objects thus removing the clutter effect in the GPR image will certainly increase the probability of detection performance of the methods. To compare the available clutter removal methods with the proposed ones, we need a sufficient size simulated dataset and real GPR dataset in order to validate the effectiveness of methods with real GPR images. The simulated dataset is required since it can be used to report quantitative results besides the visual ones. The simulated dataset in this thesis is constructed by gprMax free–software which it uses Yee's algorithm to solve Maxwells equations in 3D using finite-difference time-domain (FDTD) method. The simulated dataset contains 112 GPR images and these GPR images are constructed by using seven different soil types, 2 different objects, 2 different burial depths and 4 challenging scenarios. In addition, the popular real GPR data from Vrije Universiteit Brussel is used to validate the performance of algorithms in the sense of visual perception. There are two main groups of approaches for clutter removal methods for buried object detection in GPR images. The first group is subspace–based methods such as principal component analysis (PCA), independent component analysis (ICA), singular value decomposition (SVD) and morphological component analysis (MCA). PCA, ICA and SVD perform matrix decomposition on the GPR image using different matrix decomposition constraints. After the GPR image decomposes into multiple sub–images by these methods, the first sub–image (most dominant one) is accepted as clutter and the remaining ones construct the target components. MCA is listed in this group but it uses the trained dictionaries in the pre-processing step to separate the GPR image into morphological components such as clutter and target. The second group approaches are based on the multi–scale and multi–direction (multi–resolution) based methods such as curvelet transform (CT), nonsubsampled contourlet transform (NSCT), shearlet transform (ST) and etc. These methods are using different scaling and directional subbands to express the GPR image as a decomposition of coefficient matrices with multiple scales and directions. Then, the information found in different directions is used to separate the target from clutter. These methods are exploiting the intrinsic geometrical property of GPR image where the target has hyperbolic direction and the clutter has horizontal direction in GPR image. The most popular multi–resolution based method for clutter removal problem in GPR is CT since the optimized version of CT is publicly available with the name of fast discrete curvelet transform (FDCT). In this thesis, we propose methods for both group. For the first group, the non-negative matrix factorization (NMF) method is proposed which is extensively used in signal processing community for dimensionality reduction, feature extraction, source separation and classification purposes. This method is similar to other subspace–based methods however its constraint is different where all the elements in the decomposed matrices are non–negative and it is a reasonable constraint for clutter removal problem in GPR since the pixel intensity values are non-negative in GPR image. The clutter removal methodology of NMF is similar to PCA, ICA and SVD however the performance is better compared to them and the running–time of the proposed method is fast enough for real–time implementations. For the second group, multi–scale directional bilateral filter (MDBF) is proposed. This method uses bilateral filter (BF) method for multi–scale decomposition part and directional filter bank (DFB) for the multi–directional decomposition part. After the GPR image is decomposed into multiple directional subbands in different scales, the target and clutter components are found by using their inherent directional property and the horizontal information is removed in the decomposed subspace where it corresponds to the clutter. Then, the inverse transform is applied to the remaining subbands and the clutter-free GPR image is reconstructed. MDBF algorithm is proposed firstly and it is improved later by replacing multi–scale part (BF part) with neighborhood filter (NF). NF filter is similar to BF filter however it uses only one Gaussian kernel which depends on the range information and it is more reasonable for this problem. The additional spatial Gaussian kernel in BF does not contribute to the performance. Besides, eliminating one Gaussian kernel also reduces the computational complexity by half and help to increase the running–time of the MDNF method. Different metrics are proposed for the performance comparison of clutter removal methods in GPR images such as peak signal-to-noise ratio (PSNR), structural similarity index (SSIM), receiver operating characteristic (ROC) and etc. Most of the performance metrics need reference (ground–truth) image however our simulated dataset does not have one. Therefore, ROC curves are used as evaluation metric which depends on the probability of detection (PD) vs. probability of false alarm rate (FAR) for quantitative analysis as well as visual results are presented. Both quantitative and visual results have shown that NMF has superior performance compared the other available popular subspace-based methods in literature and MDNF also outperforms the available and recently proposed multi–resolution based methods. In the overall comparison, MDNF show the best performance among all methods however it is not optimized as in FDCT thus the proposed NMF method is more suitable for fast implementations.

Benzer Tezler

  1. Tez No

    800589

    Yere nüfuz eden radarlarda öğrenme tabanlı yeni kargaşa giderme yöntemleri

    New learning-based clutter removal methods in ground penetrating radar

    EYYUP TEMLİOĞLU

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  2. Tez No

    66823

    Bir dişli pompa grubunun imalatında eşzamanlı mühendislik ve grup teknolojisi

    The carrying out of group technology in the concurrent engineering concept on a factory which is manufacturing gear pomp

    ALPER ASLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. TEOMAN KURTAY

  3. Tez No

    66421

    İ.T.Ü. Triga mark-II reaktöründe yakıt elemanlarının reaktivite eşdeğerlerinin iki gruplu pertürbasyon teorisi ile hesabı

    Başlık çevirisi yok

    TAYFUN BÜKE

    Doktora

    Türkçe

    Türkçe

    1997

    Nükleer Mühendislikİstanbul Teknik Üniversitesi

    Nükleer Mühendislik Ana Bilim Dalı

    YAVUZ HASBİ

  4. Tez No

    46635

    Tünel kazılarında oluşan solunabilir tozun etüdü

    Respirable dust generation in Tünnel excavetions

    ATAÇ BAŞÇETİN

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Maden Mühendisliği ve Madencilikİstanbul Teknik Üniversitesi

    PROF.DR. ERDİL AYVAZOĞLU

  5. Tez No

    352408

    Investigation of microbial communities in laboratory scale anammox reactors using molecular methods

    Laboratuvar ölçekli anammox reaktörlerde mikrobiyal topluluğun moleküler yöntemlerle araştırılması

    ELİF ESEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Biyoteknolojiİstanbul Teknik Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    YRD. DOÇ. DR. ALPER TUNGA AKARSUBAŞI

Geri Dön