GPR B tarama görüntülerinde gömülü nesnelerin bölütlenmesi ve tespiti

Abstract

Ground Penetrating Radar (GPR) diğer bir ifadeyle Yere nüfuz eden Radar (YNR), yer altında bulunan gömülü nesne ve katmanların elektromanyetik yöntemler ile analizini ve algılanmasını sağlayan bir radar çeşididir. GPR cihazının tarama sonrasında elde ettiği B tarama görüntülerinin içerisinde en çok dikkati çeken husus gömülü hedef tabanlı hiperbolik desenlerdir. Bu hiperbolik desenlerin analizi ile gömülü nesnelerin tespiti gerçekleştirilmektedir. Bu tez kapsamında 2 boyutlu (2-B) görüntülerini elde etmek için Python tabanlı çalışan GprMax programı kullanılmıştır. GprMax programı planlanan senaryodan B-Tarama görüntülerini oluşturmaktadır. Bu senaryolarda farklı şekillerde ve farklı derinliklerde cisimler yer almaktadır. 2 boyutlu B-Tarama görüntülerinde yer altındaki cisimler genel olarak hiperbol olarak gözlenmektedir. GprMax programı kullanılarak birbirinden farklı 15 adet B-Tarama görüntüsü üretilmiştir. Ayrıca 11 adet gerçek GPR B-Tarama görüntüsü kullanılmıştır. Bu görüntülerde yer altı cisimlerinin bölütlenmesi ve tahmini yerinin seçilebilmesi için bir dizi görüntü işleme algoritmalarının kullanılması gerekmektedir. İlk olarak B-Tarama görüntülerinin renk düzeni incelendiğinde görüntüdeki gürültüleri daha düşük seviyeye indirmek için renk uzayı değiştirilerek uzayın kırmızı kanalının seçilmesi gerekmektedir. Sonra otsu eşikleme yöntemi kullanarak ilgili cisimlerin ve toprak düzlemin bölütlemesi gerçekleşmektedir. Tam olarak gömülü cisimlerin bölütlemesinin yapılabilmesi için Hough dönüşümü kullanılarak B-Tarama görüntüsünde hiperbol olarak temsil edilen cisimlerin eğriliklerinin incelenmesi gerçekleştirilir. Son olarak ise cisimlerin tahmini yerini çizdirebilmek için bölge analizi gerekmektedir. Sonuç olarak, önerilen görüntü işleme yöntemi ile B-tarama görüntülerindeki gürültüler giderilerek gömülü cisimlerin tahmini derinliğinin tespit edilebileceği anlaşılmıştır. Önerilen yöntemin tam olarak çalışması sayesinde üretilen 20 farklı B-tarama görüntülerinde yüksek performans elde edilebilmektedir. Ayrıca önerilen yöntemin hızlı sonuç verebilmesi sayesinde gerçek zamanlı sistemlere uyarlanabilmesi mümkündür.

The Ground Penetrating Radar (GPR) can be expressed briefly as the perception and positioning of the buried objects and the ground surface layers by electromagnetic techniques. GPR has wide application areas such as buried land mines, unexploded military ammunition, power lines and underground layers. Hyperbolas are significiant elements in GPR applications. It is the main goal to get these hyperbolas and ability to focus on real location of objects. In this thesis, a Python-based GprMax program is used to obtain 2-dimensional (2-D) images. The GprMax program generates B-scan images that is taken from the planned scenario. In these scenarios there are different shapes and objects at different depths. In B-scan images, buried objects are generally observed as hyperbolas. 15 different B-scan images were generated via GprMax program. In these images, a number of image processing algorithms have to be used in order to segment the buried objects and select the estimated location. In addition, 11 real GPR B-Scan images were used. At first, the color space is changed to reduce the noise when the B-scan images are examined. Therefore, red channel of the color space must be selected. Segmentation of buried objects and ground plane is performed using application of Otsu thresholding on red channel of B-Scan Images. In order to be able to segment the buried objects, their eccentrics, which are represented as hyperbolas, are analyzed by means of Hough transform. Finally, region analysis is needed to draw the estimated location of buried objects.As a result, it has been understood that the proposed image processing method can be used to determine the estimated depth of buried objects by noise removal in B-scan images. Due to the fully automatic operation of the proposed method, high performance can be achieved in 20 different B-scan images. It is also possible to adapt to the real-time systems thanks to the proposed method which can give fast results.