TU Darmstadt / ULB / TUprints

Segmentation and Classification for Through-the-Wall Radar Imaging

Mostafa, Ahmed A. (2012)
Segmentation and Classification for Through-the-Wall Radar Imaging.
Technische Universität Darmstadt
Ph.D. Thesis, Primary publication

[img]
Preview
Text
Doktorarbeit_amostafa_v1.pdf
Copyright Information: CC BY-NC-ND 2.5 Generic - Creative Commons, Attribution, NonCommercial, NoDerivs .

Download (2MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Segmentation and Classification for Through-the-Wall Radar Imaging
Language: English
Referees: Zoubir, Prof.Dr. Abdelhak M. ; Stannat, Prof.Dr. Wilhelm
Date: 2 July 2012
Place of Publication: Darmstadt
Date of oral examination: 5 November 2012
Abstract:

In this thesis, the problem of stationary target detection, segmentation and classification in Through-the-Wall Radar Imaging (TWRI) is considered. In stationary target detection, Doppler and change-detection-based techniques are inapplicable.

A new feature-set that depends on polarimetric signatures and co-occurrence matrices are employed. Algorithms for 2D and 3D segmentation and classification are adapted, investigated and tested. The utilization of these algorithms to the application of TWRI is investigated, with special focus on the feature extraction and target classification phases. A combination of polarimetric signatures and features extracted from co-occurrence matrices is proposed.

Two different schemes that deal with 2D and 3D arrangements are proposed. The first scheme is based on a fusion of two dimensional segmentation and classification. The proposed scheme uses features from polarimetric B-scan images to segment and classify the image observations into target, clutter, and noise segments. Target polarimetric signatures from co-polarized and cross-polarized target returns are mapped to a pixel-by-pixel feature space. The image is then over-segmented to homogeneous regions called super-pixels. Homogeneous super-pixels are optionally grouped into clusters and then assigned to corresponding classes. This scheme relies on novel features and the relations between the different pixels.

The second scheme deals with the 3D scene directly instead of 2D B-Scans. The proposed scheme uses clustering as an initial phase using intensity and spatial features for each voxel. Clusters that contain mostly noise are ruled out. Further feature extraction using features from the multivariate co-occurrence matrices and polarimetric signatures is applied to the voxels of the remaining cluster(s). Subsequently, the voxels are classified using different classifiers to test the usefulness of the features. This method is designed for practical applications in which the target detection should be performed in real time. The clustering step is used to detect the target positions quickly. Further steps are used to obtain more accurate estimates of the target positions and shapes, and further classify the clustered voxels.

All proposed methods are evaluated using real data measurements. The data are collected using three dimensional imaging measurements in a wideband radar imaging scanner exploiting wideband delay-and-sum beamforming.

Alternative Abstract:
Alternative AbstractLanguage

In dieser Doktorarbeit wird das Problem der stationären Zielerfassung, Segmentierung und Klassifikation in Through-the-Wall Radar Imaging (TWRI) betrachtet. In der stationären Zielerfassung sind Techniken, die auf dem Doppler effekt oder auf Veränderungen in der Szene besuchen, nicht anwendbar. Eine neue Menge von Merkmalen wird verwendet, die von polarimetrischen Signaturen und so genannter co-occurrence Matrizen, die gleichzeitiges Auftreten bestimmer Eigenschaften reflektieren, abhängig ist. Algorithmen für die 2D- und 3D-Segmentierung und Klassifikation werden angepasst, untersucht und getestet. Die Anwendung dieser Algorithmen in TWRI wird mit besonderem Fokus auf die Merkmalsextraktion und Klassifikation der Ziele untersucht. Eine Kombination aus polarimetrischen Signaturen und Merkmalen, die aus den co-occurrence Matrizen extrahiert wurden, werden vorgeschlagen. Zwei unterschiedliche Systeme, die für 2D- und 3D Anordnungen ausgelegt sind, werden präsentiert. Die erste Methode basiert auf einer Verschmelzung der zwei-dimensionalen Segmentierung und der Klassifikation. Hier werden Merkmale von polarimetrischen B-Scans zur Segmentierung und Klassifikation des beobachteten Bildes in Ziel, Stördaten und Rauschen verwendet. Polarimetrische Signaturen des Zieles von kopolarisierten und kreuzpolarisierten Zielechos werden Pixel für Pixel in den Merkmalsraum abgebildet. Das Bild wird hierdurch über-segmentiert, um homogene Regionen, so genannte Superpixel, zu erhalten. Homogene Superpixel werden wahlweise im Anschluss gruppiert und dann entsprechenden Klassen zugewiesen. Diese Methode beruht auf neuen Features und den Beziehungen zwischen den verschiedenen Bildpunkten. Die zweite Methode befasst sich direkt mit der 3D-Szene anstatt der zweidimensionalen B-Scans. Im ersten Schritt werden Gruppierungen nach Intensität und räumlichen Merkmalen für jedes Voxel durchgeführt. Gruppen, die hauptsächlich Rauschen beinhalten, werden ausgeschlossen. Aus den Voxeln der verbleibenden Gruppen werden weitere Merkmale extrahiert, die aus der co-occurrence Matrix und der polarimetrische Signaturen erzeugt werden. Anschließend werden die Voxel mit verschiedenen Klassifikatoren klassifiziert, um die Nützlichkeit der Features zu prüfen. Diese Methode wurde für praktische Anwendungen, bei denen die Erfassung der Ziele in Echtzeit durchgeführt werden soll, entworfen. Die Gruppierung im ersten Schritt wird verwendet, um die Positionen der Ziele schnell zu erkennen. Weitere Schritte werden angewandt, um genauere Schätzungen der Zielpositionen und Formen zu erhalten und die gruppierten Voxel mit einer höheren Genauigkeit klassifizieren zu können. Alle vorgeschlagenen Methoden werden anhand realer Daten ausgewertet. Die Daten wurden durch dreidimensionale Messungen eines Breitband-Radar-Bildgebungssystems mittels Beamforming erfasst.

German
Uncontrolled Keywords: Segmentation, Classification, Through-the-wall radar imaging
Alternative keywords:
Alternative keywordsLanguage
Segmentierung, Klassifizierung, Radar, BildgebungsUNSPECIFIED
URN: urn:nbn:de:tuda-tuprints-34113
Classification DDC: 600 Technology, medicine, applied sciences > 600 Technology
Divisions: 18 Department of Electrical Engineering and Information Technology
18 Department of Electrical Engineering and Information Technology > Institute for Telecommunications > Signal Processing
Date Deposited: 23 May 2013 08:40
Last Modified: 09 Jul 2020 00:20
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/3411
PPN: 386275815
Export:
Actions (login required)
View Item View Item