基于探地雷达的埋藏威胁检测先进判别算法的大规模多机构评估
计算机视觉与模式识别
2019-05-16 v2
摘要
本文研究利用探地雷达（GPR）测量实现埋藏威胁自动检测的算法开发。GPR 是用于自动埋藏威胁检测（BTD）研究最多且最成功的模态之一，并已提出多种 BTD 算法。尽管如此，文献中基于 GPR 的 BTD 算法大规模对比很少见。本工作报道了一项多机构协作的成果，旨在为真实世界 GPR BTD 系统开发先进的埋藏威胁检测算法。该协作涉及五家在基于 GPR 的 BTD 算法开发方面具有丰富经验的机构。本文报道各机构提交的先进算法的技术细节，代表了其最新技术进展以及众多最先进的基于 GPR 的 BTD 算法。我们还报道了各机构算法在用于开发的大型实验数据集上的评估结果。该实验数据集包含来自两个美国试验场 13 条不同车道的 120,000 m^2 表面积 GPR 数据。数据由车载 GPR 系统采集，其变体已为大量文献提供数据。利用这些结果，我们识别出所提交算法中最成功和最常见的处理策略，并对基于 GPR 的 BTD 算法设计提出建议。
引用
@article{arxiv.1803.03729,
title = {A Large-Scale Multi-Institutional Evaluation of Advanced Discrimination Algorithms for Buried Threat Detection in Ground Penetrating Radar},
author = {Jordan M. Malof and Daniel Reichman and Andrew Karem and Hichem Frigui and Dominic K. C. Ho and Joseph N. Wilson and Wen-Hsiung Lee and William Cummings and Leslie M. Collins},
journal= {arXiv preprint arXiv:1803.03729},
year = {2019}
}
备注
IEEE Transactions on Geoscience and Remote Sensing (2019)