بررسی روشهای حذف کلاتر تصاویر رادار نفوذ در زمین با استفاده از هوش مصنوعی

رادار نفوذ در زمین (GPR) یک ابزار غیر مخرب جهت شناسایی اجسام مدفون در زیر زمین است. از مهمترین چالشهای موجود در استفاده از دادههای GPR حضور کلاتر محیطی است. در محیطهای طبیعی خاک به صورت لایه ای و با جنس غیر یکنواخت در راستای عمق است؛ یعنی هر لایه دارای ویژگیهای الکتریکی متفاوتی بوده و با تغییر دی الکتریک در مرز لایه ها بازتابهای اضافی ایجاد و باعث بروز کلاتر میشود. در این پژوهش، با استفاده از نرم افزار GPRMAX مبتنی بر روش عددی FDTD دادههای GPR شبیه سازی شدند این دادهها با هدف نزدیک شدن به واقعیت زیرزمین و محیط لایه ای تولید شد. دادهها شامل سناریوی یک جسم مدفون، یک جسم مدفون در محیط لایه ای، چند جسم مدفون و چند جسم مدفون در محیط لایه ای است. در نهایت با استفاده از مجموعه ای از روشهای مبتنی بر هوش مصنوعی و تجزیه ماتریس، حذف کلاتر ناشی از لایه های خاک مورد بررسی قرار گرفته است. این روشها شامل تحلیل مولفههای اصلی (PCA)، فاکتورسازی غیرمنفی ماتریس (NMF)، تحلیل مولفههای اصلی مقاوم (RPCA)، تجزیه GoDec و یادگیری زیر فضای متعامد مقاوم (ROSL) هستند. نتایج بدست آمده نشان می دهد که در سناریوهای پیچیده محیط لایه ای با حفظ سیگنال اصلی هذلولی، روش ROSL عملکرد بهتری در حذف کلاتر ارائه میدهد. این موضوع با استفاده از محاسبه عددی مقدار نسبت قله سیگنال به نویز (PSNR) تایید شده است؛ به صورتی که از ساده ترین تا پیچیده ترین سناریو مقدار PSNR به ترتیب برابر ۱۶۷، ۱۹۷، ۷۲، ۳۷ بوده که در هر سناریو نسبت به باقی روشها به ترتیب ۳۳.۶۰%، ۸۰.۷۳%، ۳۸.۴۶%، ۳۲.۱۴% بهتری داشته است.

کلیدواژه ها:

رادار نفوذ در ، زمین ، محیط لایه ای ، حذف کلاتر ، تجزیه ماتریس ، هوش مصنوعی