ارتقاء كارايي نوفه زدايي TV و GSTV در فضاهاي RADWT و DTRADWT

TV and GSTV denoising performance improvement in DTRADWT and RADWT domains

روش رادار زمين نفوذ (GPR) به‌منزله يك روش غير مخرب به‌منظور آشكارسازي اهداف زيرسطحي واقع در عمق كم، بر اساس ارسال امواج الكترو مغناطيسي به درون زمين و ثبت بازتاب هاي دريافت شده از امواج ارسالي، مورد استفاده قرار‌مي‌گيرد. ثبت نوفه در برداشت داده‌هاي GPR اجتناب‌ناپذير است. داده‌هاي رادار حاوي انواع گوناگوني از نوفه‌ها ميباشند. نوفه اتفاقي در زمان داده برداري كيفيت داده‌ها را تحت تاثير قرار مي‌دهد. در اين مقاله از دو روش تغييرات كلي و تنكي گروهي جهت تضعيف نوفه از دادههاي رادار در فضاي موجك اتساع گويا و فضاي موجك اتساع گويا دوشاخه استفاده مي شود. روش تغييرات كلي يك روش براي تضعيف نوفه به روش وارون سازي مي باشد. نوع توسعه يافته آن تنكي گروهي تغييرات كلي GSTV ناميده مي شود. روش تغييرات كلي و روش تنكي-گروهي تغييرات-كلي در تضعيف نوفه بسيار موثر است. بدين منظور در ابتدا داده رادار به حوزه موجك اتساع گويا دو شاخه DTRADWT و حوزه موجك اتساع گويا (RADWT) برده شده و و تضعيف نوفه توسط دو روش وارون سازي تغييرات-كلي و وارون سازي تنكي-گروهي تغييرات-كلي بر روي دو داده مصنوعي و حقيقي انجام گرديد. در داده مصنوعي علاوه بر بررسي كيفي، طيف توان براي سيگنال حقيقي ، سيگنال نوفه ي شده و سيگنال تضعيف نوفه شده انجام گرديد. در نهايت تضعيف نوفه در اين دو روش در هر دو فضا با يكديگر مقايسه شده اند . نتايج نشان مي دهد حوزه موجك در تضعيف نوفه موثرتر از فضاي زمان است. همچنين روش نوفه زدايي FX به عنوان يك روش استاندارد براي مقايسه با اين روشها انجام گرديد. نتايج نشان مي‌دهد GSTV در تضعيف نوفه موثرتر و قوي تر از TV عمل نموده است. همچنين مشخص گرديد كه فضاي DTRADWT با ارائه تجزيه زمان-فركانس موثر مبتني بر ضرايب گويا توانسته است در پياده سازي روش هاي مطرح شده، نوفه زدايي و ارتقاء قابل توجهي ايجاد نمايد.

Ground penetrating radar (GPR) method is a non-destructive method for detecting shallow subsurface objectives based on the transmission of electromagnetic waves into the earth and the recording of received reflections from the sent waves. Noise recording of GPR data is inevitable. Noise attenuation is one of the most important and most significant steps in GPR processing. GPR data contains a variety of noise types. Random noise during data acquisition affects the quality of the data. Several noise reduction techniques have been proposed in various papers. In this paper, two methods of total variation (TV) and group sparsity total variation (GSTV) are used to reduce noise from GPR data in rational dilation wavelet transform (RADWT) and dual-tree rational dilation wavelet transform (DTRADWT) spaces. The TV method is an inversion method for noise attenuation of data. The developed type of TV is called GSTV. TV and GSTV methods are very effective in noise attenuation. However, due to the presence of random noise in all frequencies of the data, it is difficult to reduce noise in the data.