A novel preprocessing method is proposed in this paper to localize buried mine-like targets from ground-penetrating radar (GPR) array measurements. GPR is widely used in detecting subsurface objects such as buried landmines, unexploded ordnance, and utility lines. GPR operates by measuring the reflection of an electromagnetic pulse from discontinuities in subsurface dielectric properties. As the GPR pulse propagates in the geologic medium, it suffers exponential attenuation as the result of absorption and dispersion, besides spherical divergence. Buried mine-like targets appear in 3D GPR space-time domain data as shapes that are similar to parabolas, although corrupted by noise, in-homogeneities of the soil, cross-talk between GPR an-tenna elements, and other factors. To avoid the exponential decay effect of GPR data, previous approaches apply LMS based independent signal decomposition method to discriminate mine-like targets and back-grounds for each time sample slice. Therefore, it leads to flickering and parabolic signature distortion repre-senting mine-like targets in 3D GPR space-time domain and makes difficulties in accurate mine-like target detection.
In this paper, we propose a logarithmic transform to reduce exponential decay of the GPR data. The loga-rithmic transform doesn`t make any attributes distortion of the original data, but the large dynamic range of the GPR data can be compressed effectively to reveal the deeper signal that was attenuated in the raw data. Therefore, the physical facts and correlations of the GPR data like parabolic signatures are preserved. Then, in order to decompose GPR signals into target signals and background signals, the regression method based on statistic distribution of the time-varying signal amplitude of the GPR data is employed and a probability threshold is used to classify inliers representing background pixels and outliers representing target pixels in the iterative manner. The basic idea of this method is to assume 3D GPR data has background pixels much greater than target pixels should be identified as outliers. In this way, extracted outliers which may contain target pixels and noise pixels need to be refined. Finally, mine-like targets are detected through the refinement of outliers based on spatiotemporal correlation analysis of parabolic signature. The algorithm is evaluated using real data over plastic anti-tank and anti-personal mines and the experimental results demonstrate better performance of our mine-like target detection method than LMS based prescreening method.
본 논문에서는 1차원 지면투과레이더(GPR) 배열을 이용하여 지뢰가 존재할 가능성이 높은 영역을 검출하는 방법을 제안한다. 지면투과 레이더(GPR)는 전자기파를 송수신하는 동안 걸린 시간에 따라 신호의 세기가 지수적으로 감쇄(exponential decay)하는 특성과 1차원 GPR 배열은 지면 아래 물체에 대해 포물 곡면(parabolic signature)이 발생하는 시공간적 특성을 지닌다. 기존의 방법은 GPR의 감쇄 특성으로 인해 유사 지뢰 신호와 토양 신호를 분해하는 작업을 각 시간 샘플에 대해 독립적으로 처리하였고 이로 인해 포물면의 시공간적 특성이 왜곡되었으며 지뢰가 아닌데 지뢰라고 판단하는 오검출율(false alarm rate)이 높은 문제가 발생하였다. 따라서 본 연구에서는 이러한 문제점을 로그 변환 회귀 모형을 이용하여 지면투과레이더(GPR) 데이터의 비선형적인 특성을 보상하고 시공간적 상관성을 유지시킴으로써 해결하고자 하였다.
제안하는 방법에서는 토양의 특성이 균일하다는 가정 하에 로그변환 회귀모델을 추정하고 이를 토대로GPR 데이터의 비선형적인 특성을 보정한 결과, 얕은 깊이의 신호 크기와 깊은 지점의 신호 차이를 효과적으로 감소시킬 수 있었다. GPR 응답 신호를 분석해보면, 토양을 나타내는 위치의 신호들은 주로 회귀 모델 근처에 밀집되어 있고 유사 지뢰를 나타내는 신호들은 회귀 곡선에서 멀리 떨어져 분포하는 특성을 보인다. 이러한 사실을 기반으로, 유사 지뢰 신호를 검출하기 위해, 회귀 곡선에 멀리 떨어져 분포하는 이상치(outlier)들을 반복적인 과정을 통해 검출하고 시공간적 특징에 기반한 상관성 척도를 활용하여 최종적으로 지뢰가 존재할 가능성이 높은 후보 지점을 검출한다. 제안 기법의 성능 평가를 위해 탐지확률과 오검출율을 나타내는 ROC(Receiver Operating Curve) 곡선을 대인 지뢰와 대전차 지뢰에 대해 각각 도출하여 성능을 확인하였다. 이에 더하여 제안 기법이 기존의 LMS 기반 Pre-screener와 비교하였을 때 우수한 성능을 자랑함을 입증하였다.
