شناسایی مشخصات اهداف استوانه ای پنهان در تصاویر GPR با استفاده از دو روش هوشمند شبکه های عصبی و تطبیق الگو

رادار نفوذی زمین (GPR) روش ژئوفیزیکی غیرمخرب و با قدرت تفکیک زیاد است کهاز بازتاب امواج الکترومغناطیسی با فرکانس بالا برای آشکارسازی اشیاء مدفون استفاده می کند.در پژوهش حاضر این روش برای تعیین پارامترهای هندسی اهداف استوانه ای مدفون نظیرانواع ساختارهای تونلی استفاده شده است. دست یابی به چنین مقصودی براساس تعیین روابطپنهان بین پارامترهای هندسی اهداف استوانه ای و پارامترهای هذلولی پاسخ GPR ، با استفادهاز روش های هوشمند شبکه های عصبی مصنوعی و شناخت الگو، انجام شده است. برای اینمنظور پاسخ GPR مدل های مصنوعی استوانه ای شکل تولید شده با مدل سازی پیش رو بهروش اختلاف محدود دوبعدی، به عنوان الگو در الگوریتم های شبکه های عصبی مصنوعی وتطبیق الگو استفاده شده است. ساختار شبکه عصبی استفاده شده براساس استخراج ویژگی هایمتمایز و منحصر به فرد (مقادیر ویژه و نرم مقادیر ویژه) از تصاویر GPR و تعیین تمامپارامترهای هندسی اهداف، به طور هم زمان بنا شده است. عملیات تطبیق الگو نیز با به کارگیریدو روش شباهت مختلف هم آمیخت حوزه فضایی و هم بستگی متقابل نرمالیزه شده در حوزهعدد موج دوبعدی، صورت گرفت. نتایج پژوهش نشان میدهد که هر دوروش هوشمنداستفاده شده، قابلیت کاربرد برجا، سریع، دقیق و خودکار را برای اهداف ژئوتکنیکی واقعیدارند، هرچند درمجموع روش شبکه های عصبی نسبت به روش تطبیق الگو خطای کم تر و درنتیجه قدرت تخمین بیش تر برای پارامترهای هندسی اهداف استوانه ای مدفون دارد.

کلیدواژه ها:

رادار نفوذی زمین (GPR) ، مشخصات هندسی اهداف استوانهای ، شبکه های عصبی مصنوعی ، تطبیق الگو ، هم بستگی متقابل نرمالیزه