Search

Yüzeyaltı görüntüleme ile algılama, sınıflandırma ve/veya belirleme oldukça ilgi çeken bir konudur. Uygulamalar araç-savar ve insan-savar yer mayınlarının algılanmasından biyolojik dokulardaki urların belirlenmesine kadar çeşitlilik gösterir. Yüzeyaltı görüntülemenin temeli, bir alanın yada nesnenin bir duyar eleman ile (veya bir duyar elemanlar grupları ile) aydınlatılmasına ve ileri ve geri saçılan işaretin işlenmesine dayanır. Görüntüleme bilgisi, ortamın elektromanyetik parametrelerinin (e.g. geçirgenlik) farklılığında saklıdır. Duyar elemanlar EM, akustik, sismik transduserler, kızılötesi kameralar vb. dir. Ancak, halen güvenilir bir tek duyar eleman yada karmaşık sistem bulunmamaktadır. Yüzeyaltı görüntülemenin ilgi çekici konuları, duyar eleman geliştirmek, dalga şekli tasarımı, tarama alternatifleri, anten dizi işleme, yazılım geliştirme (gürültü temizleme, eko azaltma, karmaşa filtreleme, düzgünleştirme, etc. ), görüntüleme ve performans değerlendirme sayılabilir.Yüzeyaltı görüntülemede en güven verici duyar elemanlardan biri yüzeyaltına nüfuz eden radarlardır (GPR). GPR Yer Biliminden arkeolojiye, ilaç sanayinden savunma sanayine, vb. kadar uygulama alanları vardır. GPR en olumsuz performansı iyi iletken ve heterojen ortamlardaki zayıf performansıdır. Diğer dezavantajları maliyet, yazılımı, işlem ve görüntü oluşturmak için belirli bir tecrübe gerektirmesidir.Zaman düzleminde sonlu farklar yöntemi (FDTD) yüzeyaltı görüntüleme ve GPR benzetimlerinde oldukça yaygın bir şekilde kullanılmaktadır. FDTD yönteminin güzelliği zaman düzleminde iki-ve üç boyutlu (2D/3D) görsel canlandırmasının zaman düzleminde kolay bir şekilde gerçekleştirilebilmesinden kaynaklanmaktadır.Bu alanlardaki sayısal benzetimler, yalnızca fiziksel yapısının anlaşılmasında değil aynı zaman bu alanda araştırma yapılabilmesinde de büyük olanaklar sağlamaktadır.Bu çalışmada, yeni ve güçlü bir, iki boyutlu yüzeyaltı görüntüleme aracı GrGPR tasarlanmış ve bu programdan elde edilen yapay verileri kullanarak görüntü oluşturma amaçlı kullanılan görüntü oluşturma algoritması geliştirilmiştir. GrGPR kullanılarak çeşitli yüzeyaltı görüntüleme algoritmaları modellenebilmekte ve çözümlenebilmektedir. Farklı verici/alıcı anten dizilimlerini gerçekleştirilmek ve senaryo içine çeşitli boyut ve elektriksel özelliklere sahip yüzeyler ve gömülü nesneler yerleştirmek mümkün olmaktadır.Tez çalışması kapsamında farklı boyut ve elektriksel özelliklere sahip yüzeyler ve nesnelerden oluşan senaryolar, farklı anten konfigürasyonları ile test edilmiş ve elde edilen sonuçlar incelenmiştir. Nesne boyutlarının, elektriksel özelliklerinin, anten dizilim ve sayısının etkileri araştırılmıştır. Detection, classification, and/or identification from subsurface imaging (SSI) process is extremely challenging. Applications range from anti-vehicle and anti-personnel land mine detection to early identification of tumors in biological tissues. SSI is based on illuminating an area / object with a sensor (or a group of sensors) and processing forward and/or backward scattered signal. The imaging information is hidden on the difference of electromagnetic (EM) parameters (e.g., permittivity) in the environment. The sensors cover EM, acoustic, seismic transducers, infrared and daytime cameras, etc. Yet, there is neither a single sensor nor a hybrid system fully reliable. SSI challenges are sensor development, waveform design, scan alternatives, array processing, software development (noise elimination, echo cancellation, clutter filtering, leveling, smoothing, etc.), imaging, and performance evaluation.One of the most promising sensors in SSI is the Ground Penetrating Radar (GPR). GPR has many applications ranging from Earth Science to archaeology, medicine to defense, etc. The most significant performance degradation of GPR is its poor performance in highly conductive and heterogeneous media. Other disadvantages include cost, software, operation, and the requirement of a considerable expertise for image interpretation.The Finite-Difference Time-Domain (FDTD) method has been widely used in SSI and GPR simulations. The beauty of the FDTD method resides on the fact that it is easy to implement and it allows two- and three-dimensional (2D / 3D) visualizations directly in the time domain.Numerical simulations in these areas offer great possibilities not only in understanding physical background of the problem at hand, but also in doing research in these challenging areas.In this study a novel and powerful two-dimensional subsurface imaging virtual tool-GrGPR- is designed and an imaging algorithm, which uses the synthetic data generated via GrGPR, is improved. Via GrGPR several subsurface scenarios can be modeled and solved. Different source/receiver array configurations and several surfaces and objects with various dimensions electrical properties can be involved within the scenarios.In this study, tests with different source/receiver array configurations are performed and results for surfaces and buried objects with various geometrical shapes and electrical properties are discussed. 151

Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2009, Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2009, Tez çalışmasının amacı bir Yapay Açıklıklı Radar (YAR) işlemcisi gerçekleştirerek YAR ham verilerinden görüntü elde etmektir. YAR sistemlerinin, bu sistemlerin görüntüleme modlarının ve YAR ham verisi işleme algoritmalarının çeşitliliği dikkate alındığında tüm YAR ham verilerini işleyecek bir program geliştirmenin gerçekçi olmadığı görülmüş ve bazı başlangıç noktaları belirlenmiştir. Başlangıç olarak ERS-2 uydusunun, şerit tarama modunda aldığı, YAR ham verisini Menzil Doppler Algoritması’na göre işleyecek bir YAR işlemcisinin MATLAB ortamında geliştirilmesi kararlaştırılmıştır. Bu bağlamda YAR görüntüleme teorisi, YAR ham verisi işleme algoritmalar incelenmiş ve MATLAB ortamında çalışan sayısal bir YAR işlemcisi geliştirilmiştir. Geliştirilen YAR işlemcisinin, ileride geliştirilecek ve farklı YAR ham verilerini farklı algoritmalar ile işleyebilecek programlara modül olarak ilave edilmesi ön görülmüştür., Main objective during the thesis study is to develop a SAR processor in order to obtain images from SAR raw data. Considering different SAR systems, different imaging modes of those systems and available SAR processing algorithms it is decided to start with a certain system and an algorithm. As a beginning point, it is decided to develop a SAR processor which runs on MATLAB and which can process raw data of ERS-2 satellite using Range Doppler Algorithm. Within this context SAR imaging theory, SAR processing algorithms are studied and a digital SAR processor is developed using MATLAB. Developed SAR processor could be used as a module or sub-program together with another program which processes different SAR data using different SAR processing algorithms., Yüksek Lisans, M.Sc.

Sayısal Arazi Modeli genel olarak, yeryüzünün bilgisayarda yapılacak işlemlere esas olmak üzere, sayısal olarak temsil edilmesidir. Günümüzde, maden, harita, jeoloji ve inşaat gibi bilim dallarında yapılan çalışmalarda kullanılmaktadır. Sayısal Arazi Modeli, yersel veya fotogrametrik ölçümlerle veya haritaların sayısallaştırması yoluyla toplanan verilerin bilgisayar ortamında değerlendirilmesiyle elde edilmektedir. Ancak günümüzde bu şekilde üretimin yanısıra, Sentetik Açıklıklı Radar (SAR) görüntülerinin bilgisayar ortamında değerlendirilmesi suretiyle de Sayısal Arazi Modeli üretimi yapılabilmektedir. Sentetik Açıklıklı Radar (SAR) görüntülerinden Sayısal Arazi Modeli (SAM) doğrudan elde edilemez. Bu görüntülerden, öncelikle Sayısal Yükseklik Modeli (SYM) elde edilir. Ardından bu SYM kullanılarak SAM üretmek için gerekli olan dayanak noktalarının koordinatları (x, y, z) elde edilir. Daha sonra bu koordinatlar kullanılarak bilgisayar ortamında SAM elde edilir., Digital Terrain Model, in general, represents a part of the earth quantitatively to form a basis for the computer processing. Currently, this model is used for scientific studies in areas such as, natural resources, mapping, geology, and construction. Digital Terrain Model can be obtained by evaluating data on computers, which are compiled by local or photogrametric method, or digitaling of maps. However, at present, in addition to this production method, Digital Terrain Models can also be produced by evaluating Synthetic Aperture Radar (SAR) images by computers. Digital Terrain Model cannot be obtained directly from Synthetic Aperture Radar images. First, these images can be used to obtain Digital Evelation Model (DEM). Second, by using this Digital Evelation Model, support point coordinates (x, y, z) can be found that is required to produce Digital Terrain Model. Then, Digital Terrain Models can be produced by computers by using these coordinates.