ANÁLISIS DE EXTRACCIÓN DE FUNCIÓN DIRECCIONAL PARA LA IDENTIFICACION DE OBJETOS A BAJA PROFUNDIDAD EN EL SUBSUELO BASADO EN TRANSFORMADA CURVELET

Resumen

La extracción de imágenes es clave para detectar e identificar objetivos someros del firme en ferrocarril por medio del georadar (GPR). Obtener imágenes apropiadas para reconocer objetivos subsuperficiales es difícil, debido a la complejidad de las estructuras subsuperficiales y la diversidad de ecos de objetivos. Para identificar esos objetivos con eficacia y eficiencia, este estudio propone un método para extracción de imagen estadístico de la energía basado en la imagen direccional del eco del objetivo. Se crearon inicialmente modelos direccionales del eco de un objetivo típico de subsuperficies someras. Se discutió la imagen direccional para diferentes ecos de objetivos. La dirección de la asíntota hiperbólica y del horizonte fueron las mayores imágenes direccionales del eco de objetivo. Se concluyó con un método de clasificación de objetivos basado en la dirección del eco. En base al análisis de la relación entre el coeficiente de Curvelet y la imagen estadística de energía en diferentes direcciones, se presentó un método de extracción de imagen para formar un vector subespacial de imagen. Finalmente, la clasificación y reconocimiento de objetivos se consiguió usando el método del vecino más próximo. Los resultados muestran que el método propuesto puede identificar efectivamente los problemas de huecos preintroducidos en el firme de ferrocarriles. La precisión de la detección cumple los requisitos para la identificación de defectos en las vías de ferrocarriles. El método utilizado en este estudio no era sensible a la fase eco y era adecuado para detectar ecos de objetivos a 0º y 180º de la fase. El método propuesto facilita nuevos medios para identificar defectos en firmes de ferrocarril y es significativo para sesarrollar una tecnología automática para la detección de objetivos subsuperficiales basada en GPR. Palabras clave: Radar de penetración en el suelo, georadar, Imagen direccional, Transformada de Curvelet, Método del vecino más próximo, Defectos en el firme de ferrocarriles.