Since many countries suffer from existence of landmines in their territory, there is a growing demand for reliable landmine detection systems. Most of these systems require an operator to enter into the minefield. However, infrared sensor methods can be used remotely; hence, they do not put lives at risk during the search operation. In this thesis, a new approach to the infrared sensor method, which gives promising results, is presented.Buried landmines generate specific spatiotemporal thermal image patterns on the surface. Noise-reduced thermal image time series were used after preprocessing with a circularly symmetric filter different from other studies. Supervised classification methods (Support Vector Machine, Mahalanobis Discriminant Analysis, Quadratic Discriminant Analysis, and K-Nearest Neighbor) are applied on the filtered image series.Proposed method gives promising solutions that were verified with enlarged data sets. Different parameters (humidity, burial depths, training sample sizes, time intervals, seasons, spatial filter's sizes etc.) influences on the solutions were examined. To find the most useful time intervals, a 2-D heat transfer simulation was performed. Particularly using image series within nighttime, sunrise, and sunset times allow finding four-centimeter deep plastic and 6.8-centimeter deep metal practice landmines with the proposed method. The best solutions were got with the 50-pixel outer diameter spatial filter and the 24-sample on this diameter. Detection rates were calculated higher in quasi-humid soil than dry soil.

Birçok ülke topraklarındaki kara mayınlarının varlığından mağdur durumda olduğundan, güvenilir mayın tespit sistemlerine olan talep giderek artmaktadır. Bu sistemlerin çoğu operatörün mayın tarlasına girmesini gerektirmektedir. Oysaki kızıl ötesi sensör sistemleri uzaktan kullanılabilmektedir. Böylelikle kimsenin hayatı, arama operasyonu sırasında, bu yöntemler sayesinde riske atılmamaktadır. Bu tezde, umut verici sonuçlar veren, kızıl ötesi sensör yöntemine yeni bir yaklaşım sunulmaktadır. Gömülü mayınlar toprak yüzeyinde farklı ısıl görüntüler oluşturur. Bu farklar görüntü serilerinde görülebilir. Diğer çalışmalardan farklı olarak, gürültüsü azaltıldıktan sonra dairesel simetrik süzgeç ile ön işlemeye tabi tutulmuş görüntü serileri kullanılmıştır. Denetimli sınıflandırma yöntemleri (Destekçi Vektör Makinesi, Mahalanobis Diskriminant Analizi, İkinci Dereceden Diskriminant Analizi ve K-En Yakın Komşu) filtrelenmiş görüntü serilerine uygulanmıştır. Önerilen yöntem, genişletilmiş veri setleriyle kanıtlandığı gibi, umut verici sonuçlar vermiştir. Farklı parametrelerin (toprağın nemi, gömülme derinlikleri, eğitim setti büyüklükleri, zaman aralıkları, mevsim, uzamsal süzgeçin ölçüleri vb.) sonuçlar üzerinde ki etkileri incelenmiştir. En uygun zaman aralıklarını tespit edebilmek için iki boyutlu ısı transfer simülasyonu uygulanmıştır. Özellikle gece, gün doğumu ve gün batımı saatlerini kapsayan görüntü serileri, dört santimetre derinlikte plastik ve 6.8 santimetre derinlikte metal eğitim mayınlarının önerilen yöntemle bulunmasına imkan vermiştir. En iyi sonuçlar 50-piksel dış çaplı ve 24-örnekli uzamsal süzgeç ile alınmıştır. Tespit oranları nemli toprakta kuru toprağa oranla daha yüksek çıkmıştır.