Filtrage multi-échelle des signaux radar à pénétration de sol, application à la réduction de bruits dans les images Bscan 

02/08/2016
Publication e-STA e-STA 2010-1
OAI : oai:www.see.asso.fr:545:2010-1:17199
DOI :

Résumé

Filtrage multi-échelle des signaux radar à pénétration de sol, application à la réduction de bruits dans les images Bscan 

Auteurs

Métriques

28
8
216.82 Ko
 application/pdf
bitcache://ec01b80aaf12acaeda1152167614681ac8879042

Licence

Creative Commons Aucune (Tous droits réservés)
<resource  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                xmlns="http://datacite.org/schema/kernel-4"
                xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
        <identifier identifierType="DOI">10.23723/545:2010-1/17199</identifier><creators><creator><creatorName>Noureddine Ellouze</creatorName></creator><creator><creatorName>Salma Ben Saïd</creatorName></creator><creator><creatorName>Sihem Bouyahia Marzouk</creatorName></creator><creator><creatorName>Emmanuel Duflos</creatorName></creator><creator><creatorName>Philippe Vanheeghe</creatorName></creator></creators><titles>
            <title>Filtrage multi-échelle des signaux radar à pénétration de sol, application à la réduction de bruits dans les images Bscan </title></titles>
        <publisher>SEE</publisher>
        <publicationYear>2016</publicationYear>
        <resourceType resourceTypeGeneral="Text">Text</resourceType><dates>
	    <date dateType="Created">Tue 2 Aug 2016</date>
	    <date dateType="Updated">Tue 2 Aug 2016</date>
            <date dateType="Submitted">Fri 20 Apr 2018</date>
	</dates>
        <alternateIdentifiers>
	    <alternateIdentifier alternateIdentifierType="bitstream">ec01b80aaf12acaeda1152167614681ac8879042</alternateIdentifier>
	</alternateIdentifiers>
        <formats>
	    <format>application/pdf</format>
	</formats>
	<version>28940</version>
        <descriptions>
            <description descriptionType="Abstract"></description>
        </descriptions>
    </resource>
.

Filtrage Multi-échelle des signaux Radar à Pénétration de Sol, Application à la Réduction de Bruits dans les images Bscan Salma Ben Saïd(1) , Sihem Bouyahia Marzouk(1) , Emmanuel Duflos(2) , Philippe Vanheeghe(2) , Noureddine Ellouze (1) , , ,
, N.ellouze@enit.rnu.tn Ecole Nationale d’Ingénieurs de Tunis(1), Ecole Centrale de Lille(2) Résumé ― Le radar à pénétration de sol (RPS) est une technologie prometteuse pour les opérations de déminage humanitaire. Le radar à pénétration de sol envoi une onde au niveau de la surface du sol et récupère une onde réfléchie portant des informations relatives à la propagation de l’onde dans le sol et à ses réflexions. Cette technique est utilisée pour détecter les objets enfouis dans le sol et particulièrement les mines antipersonnel. Toutefois, le RPS enregistre non seulement les réponses en provenance des objets enfouis mais aussi celle en provenance de l’interface air-sol, l’onde associée à la réflexion air sol est nommée clutter, son amplitude est importante et peut cacher les informations relatives aux objets enfouis à de faibles profondeurs ainsi que les objets ayant une faible réflexion. L’opération de détection des mines devient plus difficile et celle de déminage plus dangereuse. Une étape de prétraitement est généralement opérée pour la réduction du clutter tout en préservant les réponses en provenance des mines enfouies, ceci afin d’améliorer le rapport signal sur bruit avant exploitation des données. Le présent papier présente une méthode simple de réduction du clutter, basée sur la transformée en ondelette des données Bscan. Ces données, correspondant aux signaux délivrées par le RPS, sont fournies sous forme d’une image représentant une coupe verticale du sol exploré. Dans un Bscan le clutter apparait comme une bande horizontale de forte amplitude alors que le signal correspondant à la mine antipersonnel apparait comme une hyperbole. La méthode présentée utilise un algorithme de transformée en ondelette bidimensionnelle (2-D SWT) mettant en œuvre un banc de filtres appropriés dans lequel un filtrage de type passe haut est opéré essentiellement sur les lignes de l’image. Mots clés— Radar à pénétration de sol (RPS), mines antipersonnel, réduction du clutter, transformée en ondelettes bidimensionnelles, filtrage. I. INTRODUCTION La mine antipersonnel est une arme redoutable de plus en plus utilisée dans les guerres partout dans le monde pour repousser les forces de l’ennemi des terres colonisées. Seulement son impact demeure longtemps même après les guerres. Plusieurs personnes adultes ou enfants ont été tué ou mutilé à cause de mines enfouies dans les champs, les plaines, les terres agricoles, qui n’ont pas explosé en temps de guerre et sont présents aujourd’hui menaçant des milliers d’innocents. Le déminage humanitaire est une opération complexe et dangereuse de nettoyage des champs, des plaines, et des terres agricoles en périodes de guerres et bien après. C’est une opération essentielle pour sauver des millions de vies, rendre de nouveau les terres exploitables, combattre la pauvreté et contribuer au développement des pays. Malheureusement, les moyens techniques utilisés pour le déminage humanitaire restent encore limités, et le nombre de mines antipersonnel excède largement les capacités des campagnes de déminage, ceci est lié à la prolifération des mines antipersonnel dans les guerres modernes, aux moyens limités mis en œuvre pour les campagnes de déminage, mais aussi au développement des technologies des mines antipersonnel qui doivent surpasser les technologies de détection de ces mines. Parmi les nouvelles technologies étudiées, le radar à pénétration de sol. Il a été introduit pour la détection des objets enfouis dans le sol et particulièrement les mines faiblement métallisés. En effet le radar à pénétration de sol envoi une onde électromagnétique au niveau proche de la surface du sol et récupère une onde réfléchie contenant des informations relatives à la propagation de l’onde dans les différentes couches du sol et sa réflexion aux différentes surfaces. Seulement, en plus des réponses des mines enfouies, le RPS enregistre aussi la réponse de l’interface air-sol nommée clutter, car le clutter se comporte comme un bruit empêchant la détection des mines enfouies à de faibles profondeurs et les mines à faible taux de réflexion. Une étape de prétraitement du signal reçu est généralement opérée en vue de la réduction du clutter, ceci afin d’améliorer le rapport signal sur bruit avant exploitation des données. Les données RPS d’une région explorée peuvent être représentées sous différentes formes, Ascan, Bscan ou Cscan. Les données Ascan représentent l’onde réfléchie du radar en un point géographique de la surface du sol, les données Bscan est une concaténation de données Ascan sous la forme d’une image représentant une tranche verticale de la réflexion dans le sol, alors que e-STA copyright 2010 by see Volume 7, N°1, pp 30-36 les données Cscan donnent une représentation sous forme d’une coupe horizontale en profondeur. Le prétraitement peut être opéré sur chacune de ces formes, toutefois les données Bscan présentent une signature particulière, étudiée dans [9]-[10], des mines antipersonnel sous forme d’un tracé hyperbolique et une signature du clutter sous forme de bandes horizontales de forte amplitude pouvant noyer la réponse d’une mine. Une étape de prétraitement est préconisée avant toute opération de détection de mines [4]-[5], [9]-[14]. On se propose ici de présenter une méthode par transformée en ondelette, de prétraitement des données, pour la réduction de clutter sur les données Bscan. Des travaux récents de réduction du clutter sur les données RPS [1]-[3], [15]-[18] dont principalement D. Potin and all, [1] et [2] proposent une méthode de réduction du clutter basée sur l’implémentation de filtres numériques bidimensionnels adaptés aux données Bscan et Cscan. L’analyse fréquentielle d’un modèle géométrique du clutter a été conçu ainsi que le modèle de réponse d’une mine, ce qui a permis de concevoir un filtre passe-haut. Notre approche est similaire a cette démarche, elle utilise un banc de filtres multi-résolution pour filtrer les données Bscan afin de réduire le clutter. La méthode proposée utilise divers niveaux de décomposition de la transformée en ondelettes bidimensionnelles (2-D SWT) de l’image Bscan. Ces niveaux de décomposition font ressortir les différents détails présents dans les trois directions (horizontaux, verticaux et diagonaux), ce qui permet d’éliminer les détails peu intéressants et de garder l’information utile. Le présent papier est organisé comme suit : la deuxième section présente les données RPS ainsi que leurs trois formes de représentation Ascan, Bscan et Cscan dans un scénario de mines placés dans un champs, la troisième section concerne la réduction de clutter, elle donne un aperçu des transformées en ondelettes bidimensionnelles et expose la méthode de réduction du clutter sur des données Bscan. La quatrième section présente les résultats de l’application de la méthode aux données Bscan réelles données par une compagne de mesure de données RPS en présence de mines antipersonnel, enfin la conclusion et les perspectives sont présentées. II. LES DONNEES RADAR A PENETRATION DE SOL Le radar à pénétration de sol (RPS) [6] émet des ondes électromagnétiques qui se propagent dans le sous-sol. Lorsque l’onde rencontre un changement de milieu, elle se décompose en une onde transmise et une onde réfléchie qui revient vers l'antenne réceptrice pour donner lieu aux données RPS. On distingue trois types de données RPS, les données Ascan, Bscan et Cscan qui sont schématisés en Fig1. Un fichier Ascan représente la réponse temporel à l’onde émise par l’antenne du RPS à une position géographique donnée. Un Bscan représente une coupe verticale du sous-sol et est formée par une concaténation de plusieurs Ascans consécutifs sur une même ligne. Fig.1. Représentation schématique des données RPS Une donnée Ascan RPS est présentée en Fig.2 et une donnée Bscan RPS est présentée en Fig.3. Fig.2. Donnée Ascan obtenue par le RPS Dans la représentation Acsan, les deux premiers minimum et le premier maximum participant au clutter. Echantillon spatial (1unité = 2cm) Echantillontemporel 5 10 15 20 25 30 35 40 45 50 50 100 150 200 250 -3 -2 -1 0 1 2 x 10 4 Fig.3. Donnée Bscan e-STA copyright 2010 by see Volume 7, N°1, pp 30-36 Les ondes électromagnétiques, émises par le RPS, sont réfléchies par toute surface rencontrée indiquant un changement de milieu, en traversant le sol l’onde rencontre les éventuels objets enfouis. L’onde incidente rencontre en premier l’interface air-sol pour donner une onde réfléchie nommée clutter. Le clutter est représentée par trois bandes horizontales sur une donnée Bscan et la réponse d’une mine enfouie est représentée par une hyperbole comme le montre la Fig.3. Une donnée Cscan représente une tranche horizontale du sous-sol à une profondeur donnée, elle est obtenue après exploration de toute une partie du terrain. Un Cscan typique est présenté dans Fig.4. Echantillon spatial (1unité = 2cm) Echantillonspatial(1unité=2cm) 5 10 15 20 25 30 35 40 45 50 10 20 30 40 50 60 70 -1.5 -1 -0.5 0 0.5 1 x 10 4 Fig.4. Donnée Cscan Les taches en bleu correspondent aux emplacements des mines, les teintes rouges contribuent au clutter. III. REDUCTION DU CLUTTER SUR BSCAN L’image Bscan est une coupe longitudinale permettant d’explorer en profondeur le sol. Le clutter apparait en haut de l’image sous la forme de trois bandes, alors que les mines apparaissent sous formes d’une hyperbole. Le clutter possède une amplitude importante, il peut cacher la réponse des mines placées aux faibles profondeurs. Cela rend l’opération de détection des mines plus difficile. De plus la dynamique importante du clutter rend la détection des mines à faible contenu de fer relativement difficile. Ainsi, la réduction du clutter est importante pour améliorer le rapport signal/bruit et rendre la tâche de détection plus facile. La réduction du clutter consiste à éliminer les trois bandes dans chaque image Bscan des données RPS. Pour cela nous proposons d’utiliser la transformée en ondelettes des images Bscan. Nous allons donner le principe de l’analyse multirésolution, puis nous présenterons notre approche de réduction du clutter sur les données Bscan par transformée en ondelettes. A. Transformée en ondelettes La transformée en ondelette (TO) continue est donnée comme le produit scalaire du signal et l’ondelette translatée et dilatée dx s ux s xfsufW ∫ +∞ ∞−       − = *1 )(),( ψ (2) La TO donne une représentation du signal à différentes échelles (analyse multiéchelle) et pour tout instant u,, dans laquelle le paramètre s opère la dilation de l’ondelette. La transformée en ondelettes aux différentes échelles peut être vue comme un banc de filtre paramétré par l’échelle s. Le banc de filtres multi-échelles opère le calcul de la transformée en ondelettes aux échelles dyadiques, dont la famille d’ondelette forme une base orthogonale de ( )RL2 ( ) 2 ,, 2 2 2 1 )( znjj j j nj nx x ∈      − = ψψ (6) L’analyse multirésolution [7]-[8] permet de décomposer le signal en coefficients d’approximation et en coefficients de détails à chaque échelle à l’aide d’un filtre passe-bas et d’un filtre passe-haut. A chaque niveau, le signal d’approximation du niveau précédent est filtré à son tour pour fournir les nouveaux coefficients d’approximation et de détails. La projection du signal ( )xf sur l’ondelette correspond à un filtrage passe-haut, les coefficients de la décomposition sont obtenus par le produit scalaire: ( ) ( )nxxfw jj nj −= −− 22,, ψ (7) Les coefficients njw , Correspondent aux détails de la décomposition à la résolution . La projection du signal ( )xf sur la fonction d’échelle ( )xφ qui correspond à un filtre passe-bas définie les coefficients njc , . Les coefficients de la décomposition sont obtenus par le produit scalaire: ( ) ( )nxxfc jj nj −= −− 22,, φ (8) e-STA copyright 2010 by see Volume 7, N°1, pp 30-36 Les coefficients njc , obtenus correspondent aux coefficients d’approximation à la résolution . En traitement d’image la transformée en ondelette bidimensionnelle tient compte des variables x et y abscisse et ordonnée, elle permet d’obtenir une image approximation correspondant à l’application de la fonction d’échelle en x et y et de trois images de détails correspondants aux directions horizontale, verticale et diagonale. La transformé dyadique en ondelette bidimensionnelle à l’échelle j s 2= est appliquée en chaque point ( )21,nnn de l’image, donne les coefficients d’approximation donnés par ( ) 2 ,, njj fna φ= et les coefficients de détails donnés par ( ) 31, , ≤≤= kpourfnd k nj k j ψ . En prenant )(mh et )(mg les réponses impulsionnelles des filtres miroirs conjugués correspondants à l’ondelette ( )xψ et à la fonction d’échelle ( )xφ , les coefficients à l’échelle j+1 sont obtenus à partir des coefficients à l’échelle j par un produit de convolution sur les lignes ensuite sur les colonnes : [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ]ngngand nhngand ngnhand nhnhana jj jj jj jj 22 22 22 22 3 1 2 1 1 1 1 ∗∗= ∗∗= ∗∗= ∗∗= + + + + B. Réduction du clutter par transformée en ondelettes Dans l’image Bscan du radar à pénétration du sol, le clutter se présente sous forme de bandes horizontales alors que la réponse de la mine est une hyperbole, voir Fig.3. La détection des mines placées à de faibles profondeurs, est une tâche difficile à cause de la présence du clutter. La réduction du clutter, étape nécessaire du prétraitement des images radar, est opérée ici par transformée en ondelettes bidimensionnelle de l’image Bscan. La transformée en ondelettes bidimensionnelle permet de décomposer à chaque niveau une image en coefficients d’approximation et en coefficients de détails dans les trois directions. A chaque niveau, les filtres de décomposition d’ondelettes passe-bas et passe-haut sont appliqués sur les lignes puis sur les colonnes. Les détails verticaux sont obtenus par la convolution des lignes par un filtre passe-haut, et des colonnes de l’image résultante par un filtre passe-bas. Comme le clutter est représenté par des bandes horizontales, l’opération de convolution des lignes par un filtre passe-haut, permet de réduire le clutter tout en gardant les transitions rapides sur les lignes marquants les hyperboles. Ainsi, les détails verticaux de la TO, permettront de réduire le clutter tout en préservant la signature de la mine. Afin d’obtenir des résultats acceptables de réduction de clutter sur les données Bscan, il faut choisir la nature de l’ondelette mère et sa taille de façon à faire disparaitre le clutter tout en préservant la signature de la mine. Le choix de l’ondelette dépend du nombre de ses moments nuls et de sa régularité, celui de la taille dépend du support de l’ondelette mère, de la taille de l’image Bscan et de la taille de la signature de la mine [7]. L’ondelette orthogonale doit être symétrique, avoir un minimum de nombre de moments nuls avec une taille de support minimale. Ce genre d’ondelettes produit d’importants coefficients là où il y a des singularités de densité importante et n’engendre pas de variation des coordonnés des singularités détectées. Une ondelette orthogonale dont la forme est proche de celle d’une dérivée seconde de la gaussienne, permet de ne pas former des cassures au niveau des sommets des hyperboles. Le choix a été porté sur l’ondelette Coiflet (CoifN) ayant un nombre de moments nuls égal à 2N et comme taille du support 6N-1. L’ondelette coif1 retenue, produit des filtres de décomposition d’ondelettes qui peuvent opérer une très bonne réduction du clutter, compte tenu de la résolution de l’image Bscan tout en préservant les signatures et les coordonnées des mines enfouies. La TO 2-D de l’image Bscan produit sur un premier niveau, des coefficients d’approximation cA1 et des coefficients de détails cD1. Fig. 5. Décomposition sur un niveau de la TO 2-D Ces coefficients sont obtenus en opérant des convolutions des filtres de décomposition d’ondelettes filtre passe-bas (F_L) et filtre passe-haut (F_H) avec les lignes puis les colonnes de l’image, voir Fig.5. e-STA copyright 2010 by see Volume 7, N°1, pp 30-36 Le deuxième niveau de décomposition, en prenant comme entrée les coefficients d’approximation cA1 obtenus au premier niveau et en utilisant des filtres (F_L) et (F_H) sur-échantillonnés, permet d’obtenir les coefficients cA2 et cD2. Le même traitement se répète au troisième niveau de décomposition pour obtenir les coefficients cA3 et cD3. L’analyse des détails et approximations aux différents niveaux 1, 2 et 3 de la TO 2-D appliquée sur différentes données Bscan, montrent que les détails verticaux du deuxième niveau de décomposition, permettent d’obtenir les meilleurs résultats de réduction du clutter. Ceci permet de déduire que la fréquence de coupure, de chaque filtre de décomposition d’ondelettes, générée après l’opération de sur-échantillonnage entre le premier niveau et le deuxième niveau de décomposition, représente la fréquence de coupure appropriée pour éliminer le clutter. Quelques résultats de réduction de clutter sur les données Bscan sont représentés ci dessous. IV. RESULTATS ET TESTS La méthode de réduction du clutter, basée sur la TO 2-D ondelette Coif1, est appliquée sur des données Bscan pour évaluer son efficacité à réduire le clutter. Les données Bscan sont extraites de la base de données résultante des mesures RPS réalisées sur des terrains de test par la compagne MACADAM [2]. Cette Campagne correspond à différents scénarios appliqués sur trois types de terrains et pour différentes catégories de mines. Fig. 6. TO 2-D détails verticaux L’analyse des détails et approximations aux différents niveaux 1, 2 appliquée sur différentes données Bscan, permet d’accéder aux détails verticaux du deuxième niveau de décomposition figurant en Fig. 6. L’image Bscan de la Fig. 7 est le scénario relatif à une coupe verticale d’un sol de terre agricole, dans lequel trois mines métalliques (MAUS1) sont enfouies, une posée et l’autre affleurant la surface du sol et dont les réponses sont enfouies dans le clutter. La troisième mine est enfouie à 1cm et sa réponse vient juste après le clutter. Echantillon spatial Echantillontemporel 10 20 30 40 50 60 70 50 100 150 200 250 -2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 x 10 4 MAUS1 à 1cm MAUS1 affleurante MAUS1 posée Clutter Fig. 7. Bscan enregistré au dessus d’un sol de terre agricole recouverte par de l’herbe sèche. On peut voir les trois bandes horizontales constituant le clutter et distinguer clairement l’hyperbole de la mine placée en bas du clutter. Echantillon spatial Echantillontemporel 10 20 30 40 50 60 70 50 100 150 200 250 -8000 -6000 -4000 -2000 0 2000 4000 6000 8000 MAUS1 à 1cm MAUS1 affleurante MeUS1 posée Fig. 8. Bscan de la Fig. 7 après TO 2-D Le résultat du traitement est présenté en Fig. 8. On peut remarquer que les trois bandes horizontales du clutter ont été réduites, alors que les hyperboles des mines sont conservées en forme et en coordonnées. Le Bscan représenté par la Fig. 9 montre un scénario correspondant à trois mines plastiques (AUPS), une e-STA copyright 2010 by see Volume 7, N°1, pp 30-36 posée, une enfouie à 10 cm et l’autre enfouie à 5cm. Le clutter est représenté par les trois bandes horizontales sur l’image. La nature plastique des mines donnent des signatures de faible amplitude, complétement cachés par le clutter. Echantillon spatial Echantillontemporel 10 20 30 40 50 60 70 20 40 60 80 100 120 140 160 180 200 -3 -2 -1 0 1 2 x 10 4 AUPS posée AUPS à 10cm AUPS à 5cm Fig. 9. Bscan enregistré au dessus d’un sol d’un terrain existant. Le résultat de la méthode peut être observé sur la figure 10. L’image obtenue montre clairement la réduction du clutter et la conservation des hyperboles, réponses des mines tout en gardant leurs coordonnées spatiales initiales. Echantillon spatial Echantillontemporel 10 20 30 40 50 60 70 20 40 60 80 100 120 140 160 180 200 -1.5 -1 -0.5 0 0.5 1 x 10 4 AUPS posée AUPS à 10cm AUPS à 5cm Fig. 10. Bscan de la Fig. 8 après TO 2-D La méthode est appliquée sur un Bscan contenant deux mines de type VSMK2 à faible teneur en metal. Echantillon Spatial EchantillonTemporel 5 10 15 20 25 30 35 40 50 100 150 200 250 -3 -2 -1 0 1 2 x 10 4 VSMK2 Fig. 11. Bscan scenario 2 mines VSMK dans un champs agricole. La figure 11 montre une image dans laquelle les mines ne sont pas visibles. La figure 12 résultat du traitement montre que le clutter à disparu et montre la présence des mines. Echantillon Spatial EchantillonTemporel 5 10 15 20 25 30 35 40 50 100 150 200 250 -8000 -6000 -4000 -2000 0 2000 4000 6000 VSMK2 Fig. 12. Bscan de la figure 11 après TO 2D V. CONCLUSION Ce papier, présente une méthode de réduction du clutter, sur les données Bscan du RPS, basée sur la transformée en ondelettes bidimensionnelles. L’efficacité de la méthode réside dans le bon choix de l’ondelette, la dimension de son support et le nombre de niveau de décomposition. Les résultats obtenus par utilisation de l’ondelette coiflet1 montrent que la méthode est efficace en termes de réduction du clutter sur les données Bscan mais aussi de conservation des signatures, réponses des mines, tout en conservant leurs coordonnées. La méthode appliquée sur des scénarios de test obtenus à partir de la compagne MACADAM correspondants à différentes situations et différents types de mines métalliques, plastiques et autres objets, e-STA copyright 2010 by see Volume 7, N°1, pp 30-36 montre que la réduction significative du clutter est obtenue par l’image de détails verticaux du deuxième niveau de décomposition de la TO 2-D. Les hyperboles représentant les réponses des mines enfouies sont révélées et bien conservées par ces coefficients , et ce même dans le cas où les mines sont posées ou enfouies à de faibles profondeurs. La méthode de réduction du clutter sur les données Bscan du RPS par TO 2D est efficace et peut être utilisée comme opération de pré-traitement dans le processus de détection des mines antipersonnel. De plus, l’implémentation de la méthode utilise un algorithme efficace et facile à mettre en œuvre. Les perspectives de ce travail concernent l’évaluation du rapport signal sur bruit avant et après traitements, et l’utilisation du filtrage multi-résolution sur les données Cscan. REMERCIEMENTS Les auteurs remercient les évaluateurs pour leurs commentaires et suggestions qui ont permis l’amélioration de la qualité de ce papier. REFERENCES [1] D. Potin, P. Vanheeghe, and E. Duflos, “Landmines Ground Penetrating Radar Signal Enhancement by Digital Filtering” IEEE Trans. Geosci.Remote Sens, vol. 44, no. 9, pp. 2393–2406, Sep. 2006. [2] D. Potin, “Traitement des signaux pour la detection des mines antipersonnel”, Ph.D. thesis, Ecole centrale de Lille and Uni.Sci.Technol. deLille, France, 2007. [3] A. van der Merwe and I. J. Gupta, “A novel signal processing technique for clutter reduction in GPR measurements of small, shallow land mines,” IEEE Trans. Geosci. Remote Sens., vol. 38, no. 6, pp. 2627–2637, Nov. 2000. [4] F. Roth, “Convolutional models for landmine identification with ground penetrating radar,” Ph.D. dissertation, Delft Univ. Technol., Delft, The Netherlands, 2005. [5] A. M. Zoubir, I. J. Chant, C. L. Brown, B. Barkat, and C. Abeynayake, “Signal processing techniques for landmine detection using impulse ground penetrating radar,” IEEE Sensors J., vol. 2, no. 1, pp. 41–51, Feb. 2002. [6] David J. Daniels, Ground Penetrating Radar 2nd edition, the Institution of Electrical Engineers, London, United Kingdom, 2004. [7] Mallat S. A wavelet tour of signal processing. 2nd ed. San Diego: Academic Press; 2001. [8] S. Mallat, “A theory for multiresolution signal decomposition: The wavelet representation,” IEEE Trans. Pattern Anal. Machine Intell., vol. 11, pp. 674–693, July 1989. [9] P. D. Gader, M. Mystkowski, and Y. Zhao, “Landmine detection with ground penetrating radar using hidden Markov models,” IEEE Trans.Geosci. Remote Sens., vol. 39, no. 6, pp. 1231–1244, Jun. 2001. [10] Q. Zhou and L.M. Collins, “Application of feature extraction methods for landmine detection using theWichmann/Niitek ground penetrating radar,” IEEE Trans. Geosci. Remote Sens., vol. 43, no. 1, pp. 81–85, Jan. 2005. [11] M. Sezgin, F. Kurugöllü, Đ.Taşdelen, S. Öztürk, “Real time detection of buried objects by using GPR”, SPIE Defense and Security Symposium, 12-16 April 2004, Orlando,USA. [12] K. C. Ho, L. M. Collins, L. G. Huettel, and P. D. Gader, “Discrimination mode processing for EMI and GPR sensors for hand-held land mine detection,” IEEE Trans. Geosci. Remote Sens., vol. 42, no. 1, pp. 249–263, Jan. 2004. [13] S. Perrin, E. Duflos, P. Vanheeghe, and A. Bibaut. “Multisensor fusion in the frame of evidence theory for landmines detection”. IEEE Trans. On Systems, Man and Cybernetics Part C: Application and Review, 34(4): 485- 498, Nov 2004. [14] K. C. Ho, L. M. Collins, L. G. Huettel, and P. D. Gader, “Discrimination mode processing for EMI and GPR sensors for hand-held landmine detection,” IEEE Trans. Geosci. Remote Sens, vol. 42, no. 1, pp. 249–263, Jan. 2004. [15] T. G. Savelyev, L. V. Kempen, H. Sahli. “Investigation of Time–Frequency Features for GPR Landmine Discrimination”. IEEE Trans. Geosci. Remote Sens., vol. 45, no. 1, pp. 118–129, Jan 2007 [16] Sai, B., and Ligthart, L.P., “Effective clutter removal for detecting non-metallic mines in various soil fields” IEEE Trans. Geosci. Remote Sens., (IGARSS ‘03), v. 2, p. 764-766, 2003. [17] Abujarad, F., Jöstingmeier, A., and Omar, A.S., “Clutter removal for landmine using different signal processing techniques”: Proceedings (CD-ROM) of the 10th International Conference on Ground Penetrating Radar (GPR 2004), Delft, Netherlands, 2004. [18] D. Flores Tapia, G. Tomas, and M.C. Phelan, “Clutter Reduction of GPR images using multiscale products”, ACTA Press, A Scientific and Technical Publishing Company, July 2004. e-STA copyright 2010 by see Volume 7, N°1, pp 30-36