Yere nüfuz eden radar görüntülerinde morfolojiık bileşen analizi yöntemi ile kargaşa giderme

Yere Nüfuz Eden Radar (YNR, Ground Penetrating Radar (GPR)) yerin altını görüntülemek için kullanılan önemli bir teknolojidir. YNR sisteminde; kontrol ünitesinde darbe üreteciyle üretilen elektromanyetik işaret, verici anten vasıtasıyla yerin altına gönderilir, alıcı anten tarafından geri yansıyan işaretler toplanır ve toplanan işaretler sinyal işleme algoritmalarıyla işlenerek görüntüleme ekranında gösterilir. YNR teknolojisi tünel araştırmaları, maden araştırmaları, şehir alt yapılarının araştırılması, yer altındaki kablo ve boruların tespit edilmesi, arkeolojik araştırmalar, asfalt kontrol araştırmaları ve askeri alan araştırmaları gibi bir çok araştırma alanında kullanılmaktadır ve YNR sisteminin yazılımsal ve donanımsal özellikleri kullanıldığı alana göre farklılık göstermektedir. Bu tez çalışması askeri alanda mayınların tespit edilmesi problemine yönelik bir çalışmadır. Mayınlar ilk olarak metal içeriği fazlasıyla yoğun maddeler kullanılarak üretilmişlerdir fakat metal dedektörlerinin bu mayınları rahatlıkla tespit etmesi üzerine mayınlar metal içeriği çok az olacak ya da hiç metal içermeyecek şekilde plastik madde kullanılarak üretilmişlerdir ve bu mayınların tespit edilmesinde metal dedektörleri başarısız olmuştur. Çözüm olarak YNR sistemleri metal içeriği çok az olan ya da hiç metal içermeyen mayınların tespit edilmesi için kullanılmaya başlamıştır. YNR sistemi metal içeriği çok az olan ya da hiç olmayan mayınların tespit edilmesinde metal dedektörlerine üstünlük sağlasa da bu mayınların YNR sistemi kullanılarak tespit edilmesi hiç de kolay değildir. Kargaşa, özellikle yeryüzüne yakın gömülen, küçük boyutlu ve plastik anti-personel mayınların görüntülenmesini ve tespit edilmesini zorlaştırmaktadır. Kargaşa; alıcı-verici anten arasındaki kuplaj, yeryüzünden geri gelen yansıma ve toprak içerisinde bulunan istenmeyen cisimlerden (ağaç kökleri, ufak taşlar, toprak içerisindeki düzensiz yapılar, vb.) gelen yansımalardan oluşmaktadır. Kargaşa mayınların tespit edilmesini zorlaştırmasının yanında bazı durumlarda toprak içerisinde gömülü cisim olmamasına rağmen ilgili bölgede hedef olduğu algısı oluşturarak yanlış alarmlara sebep olmaktadır. Hedef tespit başarımını arttırmak, yanlış alarm olasılığını azaltmak için kargaşa giderme yöntemleri önem kazanmıştır. Literatürde YNR görüntülerinde kargaşa gidermek için üç farklı yaklaşım mevcuttur. Bu yaklaşımlar kargaşayı modelleyen yöntemler, hedefi modelleyen yöntemler ve veriyi altuzaylara ayrıştıran istatistiksel yöntemlerdir. Kargaşayı modelleyen yöntemler genellikle hedefin olmadığı bölgeden kargaşayı kestirerek tüm veriden kestirilen kargaşayı çıkarmaktadırlar. Kargaşa bu işlem sonucunda giderilerek sadece hedefin olduğu görüntüye ulaşılır. Kargaşayı modelleyen yöntemler hedefin olmadığı bölge bilgisi gerektirmektedir. Hedefi modelleyen yöntemler ise iki aşamadan oluşmaktadır. İlk aşama eğitim aşamasıdır ve bu aşamada çok sayıda hedefe ait veriye ihtiyaç duyulmaktadır. Hedefe ait bu veriler kullanılarak öznitelik çıkarımı yapılmaktadır ve hedef modellenmektedir. İkinci aşama olan test aşamasında şüphelenilen bölgelerde öznitelik çıkarımı yapılarak modellenen hedefe ait referans özniteliklerle karşılaştırılır ve kargaşa hedeften ayırt edilir. Hedefi modelleyen yöntemler genellikle anti-tank mayınlar içindir çünkü anti-tank mayınların YNR imzası modellemeye uygundur. Ayrıca bu yöntemlerin işlem yükü çok fazla olduğu için sadece şüphelenilen bölgeye uygulanması gerekmektedir ve bu yüzden şüpheli bölgeleri belirleyecek yardımcı algoritmalara ihtiyaç duymaktadırlar. Veriyi altuzaylara ayıran istatistiksel yöntemler ise YNR görüntüsünü hedef, kargaşa ve gürültü şeklinde görüntülere ayırarak kargaşa gidermek için kullanılmaktadırlar. Bu yaklaşım içerisinde Tekil Değer Ayrışımı (TDA, Singular Value Decomposition (SVD)), Temel Bileşen Analizi (TBA, Principal Component Analysis (PCA)) ve Bağımsız Bileşen Analizi (BBA, Independent Component Analysis (ICA)) yöntemleri yer almaktadır ve literatürde yaygın olarak YNR görüntülerinde kargaşa gidermek için kullanılmaktadır. Bu yöntemler genellikle birbirleriyle ve kargaşayı modelleyen yöntemlerle karşılaştırılmıştır ve birçok yayında BBA yöntemi diğer yöntemlere üstünlük sağlamaktadır. YNR görüntülerini alt uzaylara ayırarak kargaşa giderme yapan bu yöntemlerin tek dezavantajı hedefe ait bilgileri kargaşa ve gürültüden ayırt ederken hangi bileşenlerin hedefe ait bilgileri içerdiği bilgisinin kesin olarak bilinmemesidir. Bu tez çalışmasında literatürde ilk kez Morfolojik Bileşen Analizi (MBA, Morphological Component Analysis (MCA)) yönteminin YNR görüntülerinde kargaşa gidermek için kullanılması önerilmiştir. MBA yöntemi seyrek işaret işleme alanında önerilen görüntü ayrıştırma yöntemidir ve ilk olarak resim ve doku bileşenlerinin iç içe olduğu görüntüleri doku bileşeni ve resim bileşeni olarak ayrıştırmak için önerilmiştir. MBA yöntemi zamanla bir çok uygulamada kullanılmaya başlamıştır. MBA algoritması görüntüyü farklı bileşenlere ayırırken herbir bileşen için bir sözlüğe ihtiyaç duymaktadır. Sözlük işaret ya da görüntülerden alınan ve yama olarak adlandırılan küçük görüntü parçalarından oluşmaktadır. MBA algoritması, bir bileşenin bir sözlükle seyrek olarak ifade edilirken diğer bir sözlükle seyrek olarak ifade edilemediğini varsaymaktadır ve algoritmanın başarısı bu varsayıma bağlıdır. YNR görüntüleri incelendiğinde kargaşa ve hedefin farklı karakteristiklerde olduğu belirlenmiştir ve uygun sözlükler kullanılarak MBA algoritmasının YNR görüntülerinde kargaşa gidermek için kullanılabileceği düşünülmüştür. MBA algoritması gerçek YNR görüntülerine uygulanarak kargaşa gidermek için uygun ve etkili bir yöntem olduğu gösterilmiştir. Ayrıca MBA algoritması kullanılarak elde edilen sonuç literatürde yaygın olarak kullanılan TDA, TBA ve BBA yöntemleriyle elde edilen kargaşa giderme sonuçlarıyla karşılaştırılmıştır ve MBA algoritması kullanılarak elde edilen kargaşa giderme sonucunun diğer yöntemler kullanılarak elde edilen sonuçlara üstünlük sağladığı gösterilmiştir.