In this dissertation, we propose two landmine detection methods applicable to ground penetrating radar (GPR)-based hand-held landmine detectors. The first method can be used to detect landmines quickly and accurately in situations wherein the amount of training data available is small. Conventional hand-held landmine detectors have the advantage of being able to detect landmine signals quickly; however, they also have the disadvantage of being sensitive to non-target signals such as land unevenness, sensor movement, and noise signals. To achieve robustness against background and noise signals, the landmine signal must be detected by comparing it with a precisely generated background model; however, the amount of computation required in this case significantly exceeds that required in conventional methods. Therefore, we propose a bilateral two-dimensional discrete cosine transform-principal component analysis (B2D-DCT-PCA) that achieves robust detection against background and noise signals by using background models. Furthermore, our proposed method alleviates computational burden by reducing the dimension of the features. In addition, to improve the detection performance of the proposed method, the landmine-background reconstruction error (LBRE) is defined to find a suitable pre-processing method. Frequency shifting is then chosen as the pre-processing method because of its superiority in terms of increasing the LBRE. The detection performance is further improved by adding a post-processing operation, namely, multiplying the weight values according to the depth to compensate for weak signals deeper in the ground. Experimental results showed that the proposed method outperforms conventional detection methods, and the processing speed is higher than that of the one-dimensional PCA method as well as of the proposed method without the two-dimensional DCT. The second method uses conditional generative adversarial networks (cGANs) to estimate the location and size of buried landmines more accurately. Assuming a landmine detection situation in practice, the networks cannot be trained using ground truth data because information regarding which landmines or explosives are buried is unavailable. Therefore, we propose a method that has shown excellent detection performance by using cGANs based on a distance map derived from B2D-DCT-PCA when no ground truth data is available. Because many false alarms are included in the distance map, to improve detection performance, the networks must be configured such that their outputs have fewer false alarms than those of the distance map. Therefore, the usage of a combination of both false alarm loss and intersection over union loss as the loss function of the networks is proposed, in addition to a method that simultaneously uses raw GPR data and pre-processed GPR data to train networks. In other words, the goal of the proposed method is to generate data close to ground truth data by reducing false alarms as well as by generating images similar to distance maps. As a result of performing experiments according to the application of each proposed method, it was confirmed that using both the proposed methods yielded excellent detection performance. In addition, it was confirmed that detection using the proposed cGANs was superior to using distance maps derived from B2D-DCT-PCA.
본 논문에서는 지면 투과 레이더 기반 휴대용 지뢰 탐지기를 위한 두 가지 지뢰 탐지 방법을 제안한다. 첫 번째 방법은 훈련 데이터의 수가 적은 상황에서 빠르고 정확하게 지뢰를 탐지하기 위한 방법이다. 기존 휴대용 지뢰 탐지기는 빠르게 지뢰 신호를 탐지할 수 있다는 장점이 있지만, 땅의 불균일함, 센서의 움직임과 잡음 신호와 같이 표적 이외의 신호에 강인하지 못하다는 단점이 있다. 배경 및 잡음 신호에 강인하기 위해서는 정교하게 생성된 배경 모델과의 비교를 통해 지뢰 신호를 탐지해야 하지만, 기존 방법들보다 연산량이 늘어나는 문제가 발생한다. 따라서, 특징의 차원을 줄임으로써 연산량 감소 효과를 얻고, 정교한 배경 모델 활용으로 배경 및 잡음 신호에 강인한 탐지 성능을 나타내는 양방향 2차원 이산 코사인 변환-주성분 분석을 제안한다. 또한, 제안 방법의 탐지 성능 향상에 도움이 되는 전처리 방법을 찾기 위해 지뢰-배경 복원 오차를 정의하고, 지뢰-배경 복원 오차의 비교를 통해 성능 향상에 가장 도움이 되는 주파수 이동을 전처리 방법으로 활용하였다. 후처리 방법으로 지면으로부터 먼 위치의 약한 신호들을 보상하기 위하여 깊이에 따른 가중치를 곱함으로써 탐지 성능을 향상시켰다. 실험 결과, 제안 방법이 기존 탐지 방법들보다 우수한 탐지 성능을 나타내었고, 처리 속도 또한 1차원 주성분 분석이나 2차원 이산 코사인 변환이 없는 제안 방법보다 빠른 처리가 가능함을 알 수 있었다. 두 번째 방법은 매설된 지뢰의 위치와 크기를 더 정확하게 추정하기 위해서 조건부 적대적 생성망을 이용하는 방법이다. 실전에서의 지뢰 탐지 상황을 가정해보면, 어떠한 지뢰 또는 폭발물이 매설되어있는지 모르는 상황이기 때문에 실측 자료를 이용하여 네트워크를 훈련할 수 없다. 따라서, 실측 자료가 없을 때, 양방향 2차원 이산 코사인 변환-주성분 분석을 통해 도출된 거리 지도를 기반으로 하는 조건부 적대적 생성망을 이용함으로써 우수한 탐지 성능을 나타낼 수 있는 방법을 제안한다. 거리 지도는 오경보가 많이 발생된 영상이기 때문에 탐지 성능을 향상 시키기 위해서는 네트워크의 출력이 거리 지도보다 오경보가 줄어들도록 네트워크를 구성해야 한다. 따라서, 네트워크의 손실 함수로 오경보 손실과 교차 손실을 모두 이용하는 것을 제안하고, 네트워크들을 훈련하기 위하여 가공되지 않은 지면 투과 레이더 데이터와 전처리된 지면 투과 레이 데이터를 동시에 이용하는 훈련 방법을 제안한다. 다시 말해서, 네트워크에서 생성되는 영상이 거리 지도와 유사하게 생성될 뿐만 아니라 오경보가 줄어들도록 함으로써 실측 자료와 가까운 데이터를 생성하도록 하는 것이 제안 방법의 목표이다. 각 제안 방법의 적용 여부에 따른 실험들을 수행한 결과, 제안 방법을 모두 이용하는 것이 우수한 탐지 성능을 나타냄을 확인하였다. 또한, 양방향 2차원 이산 코사인 변환-주성분 분석을 통해 도출된 거리 지도를 이용하여 탐지를 수행하는 것보다 조건부 적대적 생성망을 이용하여 탐지를 수행하는 것이 우수한 탐지 성능을 나타내는 것을 확인하였다.
