Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
15
Lista A
Status:
Autorzy: Cięszczyk Sławomir, Ławicki Tomasz, Miaskowski Arkadiusz
Rok wydania: 2013
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Numer czasopisma: 6
Wolumen/Tom: 19
Strony: 99 - 102
Web of Science® Times Cited: 19
Scopus® Cytowania: 21
Bazy: Web of Science | Scopus | Web of Science | Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Abstrakty: angielski
The article presents the analysis of both, synthetic and experimental Ground Penetrating Radar (GPR) data by the use of curvelet transform. The images, received from GPR technique, called B-scans are 2D images, where the first dimension represents time and the other one represents depth. These images are often low resolution and noisy. Besides, Bscans are often very difficult to interpret even for experts. That is why the curvelet transform has been applied to clarify the meaning of images. We have shown that the image analysis process of B-scans can be automated by the use of curvelet transform, which lets us detect the edges in any angle in the image under consideration. It was proven that the proper analysis and the choice of curvelet transform coefficients allows to clearly specify the location of the target. The main advantage of the curvelet analysis is the efficient detection even when we deal with low resolution and noisy images.