최근 금속을 포함하여 다양한 재질의 지뢰를 탐지할 수 있는 지면 투과 레이더 (Ground Penetrating Radar, GPR)가 지뢰 탐지 분야에서 주목 받고 있으며 지면 투과 레이더를 이용한 지뢰 탐지 기술이 활발하게 연구되고 있다. 본 논문에서는 1차원 지면 투과 레이더 배열을 이용하여 지뢰가 존재할 가능성이 높은 후보 지점을 검출하는 방법을 제안하였다. 제안 기법은 먼저 지면 투과 레이더에 수신되는 신호 세기의 비선형적 감쇠 특성을 반영하여, 지연 시간에 따른 지면 투과 레이더 응답 신호의 세기를 효과적으로 나타낼 수 있는 회귀 모델을 추정하였다. 이를 토대로 지면 투과 레이더 응답 신호를 분석해보면, 토양 신호들은 주로 회귀 모델의 근처에 밀집되어 있고, 지뢰일 가능성이 있는 후보 신호들은 회귀 모델로부터 멀리 떨어져서 분포하는 특성을 보인다. 이러한 사실을 기반으로, 지면 투과 레이더의 측정값과 회귀 모델의 예측 값에 대한 예측 오차를 계산하여 토양 신호로부터 지뢰일 가능성이 있는 후보 신호들을 분리하였다. 후보 신호에는 잡음과 표적 신호가 섞여 있으므로 표적 신호가 갖는 고유한 기하학적 특성을 이용하여 최종적으로 표적 신호를 검출하였다. 성능 검증을 위해 실내 환경에서 획득한 지면 투과 레이더 데이터를 이용하여 실험을 수행한 결과, 제안하는 전처리 기법의 지뢰 탐지율 대비 오경보율이 낮은 것을 확인할 수 있었다.
Recently, ground penetrating radar(GPR) has been widely used in detecting metallic and nonmetallic buried landmines and a number of related researches have been reported. A novel preprocessing method is proposed in this paper to flag potential locations of buried mine-like objects from GPR array measurements. 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 nonlinear attenuation as the result of absorption and dispersion, besides spherical divergence. In the proposed algorithm, a logarithmic transformed regression model which successfully represents the time-varying signal amplitude of the GPR data is estimated at first. Then, background signals may be densely distributed near the regression model and candidate signals of targets may be far away from the regression model in the time-amplitude space. Based on the observation, GPR signals are decomposed into candidate signals of targets and background signals using residuals computed from the estimated value by regression and the measurement of GPR. Candidate signals which may contain target signals and noise signals need to be refined. Finally, targets are detected through the refinement of candidate signals based on geometric signatures of mine-like objects. Our algorithm is evaluated using real GPR data obtained from indoor controlled environment and the experimental results demonstrate remarkable performance of our mine-like object detection method.
