[논문]특징정보를 고려한 HPDAF를 이용한 적외선 영상 표적 탐지 및 추적기법 연구

정윤식; 송택렬

특징정보를 고려한 HPDAF를 이용한 적외선 영상 표적 탐지 및 추적기법 연구
IIR Target Initiation and Tracking using the HPDAF with Feature Information 원문보기

韓國軍事科學技術學會誌 = Journal of the KIMST, v.11 no.4 = no.35, 2008년, pp.124 - 132

정윤식 (한양대학교 전자전기제어계측공학과) , 송택렬 (한양대학교 전자전기제어계측공학과)

Abstract ▼ AI-Helper

In this paper, a dynamical filter called the Highest Probability Data Association Filter(HPDAF) improved by adding target feature information is proposed for robust target detection and tracking in clutter. IIR contains 2-dimensional kinematic coordinate, intensity, and feature information. In data association of the HPDAF for track initiation, feature information is utilized in addition to coordinate and intensity information. The performance of the proposed HPDA algorithm is tested and compared with the conventional HPDAF algorithm for track initiation by a series of Monte Carlo simulation runs for a 3-dimensional missile-target engagement. scenario.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 근접한 것끼리 연결하는 빠르고 단순한 알고리듬인 LSC(Line Scan Clustering)을 이용하여 표적 클러스터링을 수행하고 측정치를 생성한다. 본 논문에서는 표적 추적을 위해 자료결합방식과 연계된 다이내믹필터를 사용하고자 한다. 표적 추적을 위한 자료결합 기법은 크게 거리정보를 이용한 NN(Nearest Neighbor)^[5～8]계열 자료결합 방법인 NNF(Nearest Neighbor Filter)^[5,6], PNNF(Probabilistic Nearest Neighbor Filter for m validated measurement)^[7], PNNF-m (Probabilistic Nearest Neighbor Filter)^[8]과 신호세기를 이용한 SN(Strongest Neighbor)^[5,6,9,10] 계열의 자료결합 기법 SNF(Strongest Neighbor Filter)^[5,6], PSNF(Probabilistic Strongest Neighbor Filter)^[9], PSNF-m(Probabilistic Strongest Neighbor Filter for m validated measurement)^[10]등이 있다.

가설 설정

(A 7) 신호의 세기, 위치, 특징정보는 서로 독립적이다.
(A 7) 신호의 세기와 위치는 서로 독립적이다.

제안 방법

그림 2에서 측정치 추출방법은 초기에는 모폴로지 개방을 사용하였고 선택된 측정치가 200개의 픽셀이상으로 이루어져 있으면 표적의 크기가 큰 것으로 판단하여 모폴로지 닫힘을 사용하여 표적을 추출 하였다. 클러스터링 알고리듬으로는 LSC(Line Scan Clustering)을 사용하였다.
기존의 HPDA와 본 논문에서 제안한 특징 정보를 고려한 HPDA의 탐지 및 추적 성능을 비교 분석하기 위해 6DOF 폐루프 3-D 시뮬레이션 환경을 구축 하였다. 시뮬레이션의 구조를 그림 2에 나타내었다.
또한 실제 적외선 영상을 적용하는 경우에는 빠른 속도의 영상 처리 방법을 필요로 한다. 본 논문에서 영상으로부터 표적을 추출하기 위한 실시간 영상처리 알고리듬으로 적외선 영상에서의 표적의 특징을 활용하여 표적 정보를 추출 할 수 있는 빠르고 효과적인 방법인 모폴로지^[1～3] 개방과 닫힘을 사용하였다.
본 논문에서는 적외선 영상 시스템에 다이내믹필터를 사용하며 이 경우에는 표적을 추적하기 위한 측정치 정보는 특정 픽셀좌표 상의 위치 정보로 나타나야하며 따라서 모폴로지로 추출된 데이터들을 여러 개의 측정치로 클러스터링 하여야 한다. 본 논문에서는 근접한 것끼리 연결하는 빠르고 단순한 알고리듬인 LSC(Line Scan Clustering)을 이용하여 표적 클러스터링을 수행하고 측정치를 생성한다. 본 논문에서는 표적 추적을 위해 자료결합방식과 연계된 다이내믹필터를 사용하고자 한다.
영상환경에서의 표적은 일반적인 표적 추적 시뮬레이션 환경과는 달리 표적의 모양이나 신호세기의 분포등의 특징정보들을 추출 할 수 있으며 이는 표적과 클러터를 분류 할 수 있는 중요한 정보이다. 본 논문에서는 비행 중 표적 포착에 적합한 기존의 HPDA에서 사용 되던 정보인 신호세기나 거리 정보 외의 표적 특징 정보를 고려한 HPDA를 개발하였으며 특징 정보를 고려한 HPDA가 기존의 HPDA의 성능을 보완함으로써 영상 표적을 좀 더 빨리 탐지하고 정확히 추적할 수 있음을 분석하고 3D 유도탄 시뮬레이션을 통해 기존의 HPDA를 사용 했을 때와 본 논문에서 제시한 특징 정보를 고려한 HPDA를 사용 했을 경우의 성능비교 및 분석을 수행한다.
본 논문에서는 적외선 영상 시스템에 다이내믹필터를 사용하며 이 경우에는 표적을 추적하기 위한 측정치 정보는 특정 픽셀좌표 상의 위치 정보로 나타나야하며 따라서 모폴로지로 추출된 데이터들을 여러 개의 측정치로 클러스터링 하여야 한다. 본 논문에서는 근접한 것끼리 연결하는 빠르고 단순한 알고리듬인 LSC(Line Scan Clustering)을 이용하여 표적 클러스터링을 수행하고 측정치를 생성한다.
5km 근방에서는 여러 측정치들로부터 표적을 탐지하고 표적이 탐지된 후에는 표적을 추적하여 표적을 요격하는 구조로 되어 있다. 본 시뮬레이션에서는 제안한 알고리듬과 기존의 알고 리듬의 성능을 비교하기 위해 표적 추적 필터 부분을 각각의 방식으로 사용하여 비교 분석 해 보았고 다른 부분의 알고리듬들은 동일하게 설정하였다.
표적 요격 판정은 유도탄의 최종 위치가 표적의 무게중심으로부터의 거리가 3m안에 위치하면 표적이 요격되었다고 판단한다. 시뮬레이션은 100 번의 몬테 칼로 시뮬레이션(Monte Carlo Simulation)의 결과를 바탕으로 분석하였다.
시뮬레이션의 적외선 영상은 시스템의 가정 상 미사일 동체에 고정된 적외선 카메라의 영상으로 구성되었고 좀 더 현실에 가깝게 묘사하기 위하여 여러 적외선 영상들로부터 수집된 정보를 바탕으로 표적을표현하였으며, 유도탄의 고속 이동시 영상에 발생 가능한 문제인 스미어링(Smearing)도 고려하였다. 시뮬레이션의 전체 루프는 3-D 시뮬레이션 환경으로부터 2-D 적외선 영상 카메라 영상을 생성하고 생성된 카메라에서 표적을 추적하여 추정된 표적의 픽셀 위치정보는 유도법칙을 사용하여 유도탄을 움직이며 다음 2-D 적외선 영상 입력 시점의 유도탄의 위치를 계산 하게 되며 다음 시간에 앞에 설명한 것과 동일한 루프를 수행하게 된다.
시뮬레이션의 적외선 영상은 시스템의 가정 상 미사일 동체에 고정된 적외선 카메라의 영상으로 구성되었고 좀 더 현실에 가깝게 묘사하기 위하여 여러 적외선 영상들로부터 수집된 정보를 바탕으로 표적을표현하였으며, 유도탄의 고속 이동시 영상에 발생 가능한 문제인 스미어링(Smearing)도 고려하였다. 시뮬레이션의 전체 루프는 3-D 시뮬레이션 환경으로부터 2-D 적외선 영상 카메라 영상을 생성하고 생성된 카메라에서 표적을 추적하여 추정된 표적의 픽셀 위치정보는 유도법칙을 사용하여 유도탄을 움직이며 다음 2-D 적외선 영상 입력 시점의 유도탄의 위치를 계산 하게 되며 다음 시간에 앞에 설명한 것과 동일한 루프를 수행하게 된다.
특징정보로써 크기정보를 사용하기 위해서는 표적과 클러터의 크기에 대한 분리성이 존재해야만 하는데 이를 확인하기 위해 다음절에서 설명할 3-D 시뮬 레이션 상의 영상으로부터 표적과 클러터의 정보를 추출 하여 그래프를 그려 보았다. 추출 데이터는 표적과 적외선 카메라 영상이 약 2.5km정도 떨어진 상태에서의 표적에 대한 트랙이 초기화되기 전의 표적과 클러터에 대한 클러스터를 이루는 픽셀의 개수의 분포를 나타낸 것으로 몬테 칼로 시뮬레이션(Monte Carlo Simulation)을 통해 데이터를 추출하여 클러터와 표적의 크기에 대한 분포를 히스토그램으로 나타내고 이를 가우시안 분포로 근사화한 것이다.
특징정보로써 크기정보를 사용하기 위해서는 표적과 클러터의 크기에 대한 분리성이 존재해야만 하는데 이를 확인하기 위해 다음절에서 설명할 3-D 시뮬 레이션 상의 영상으로부터 표적과 클러터의 정보를 추출 하여 그래프를 그려 보았다. 추출 데이터는 표적과 적외선 카메라 영상이 약 2.

대상 데이터

시뮬레이션 시나리오는 바다위에 떠있는 길이 20m 폭 5m인 배를 표적으로 하였고 유도탄의 초기 진행 방향으로부터 무작위 방향으로 5m/s의 속도로 움직인다. 유도탄은 표적으로부터 2.
계열의 필터 알고리듬을 통합한 필터 알고리듬이 된다. 신호세기의 분산을 고려하지 않은 HPDA를 사용 한다.

데이터처리

입력된 적외선 영상을 세로로 한 줄씩(Line by Line) 검색해 가며 클러스터를 생성하며 바로 옆에 맞닿아 있는 신호들을 하나씩 붙인다. 평균 신호세기는 클러스터를 이루는 차영상 상의 픽셀들 신호세기의 평균을 구하였으며 클러스터의 중심위치는 센트로이드(Centroid)를 이용하였다. 본 논문에서 사용한 센트로이드를 식 (5)에 나타내었다.

이론/모형

(A 1) 측정신호의 세기 a를 진폭의 제곱으로 보는 카이스퀘어(2-distribution)의 확률모델을 사용한다. 표적 신호의 pdf는 다음의 식을 만족한다.
그림 2에서 측정치 추출방법은 초기에는 모폴로지 개방을 사용하였고 선택된 측정치가 200개의 픽셀이상으로 이루어져 있으면 표적의 크기가 큰 것으로 판단하여 모폴로지 닫힘을 사용하여 표적을 추출 하였다. 클러스터링 알고리듬으로는 LSC(Line Scan Clustering)을 사용하였다. 측정치들이 필터로 입력되면 시뮬레이션 초기 2.

성능/효과

(A 6) 유효측정영역 내의 클러터의 세기, 위치, 특징정보는 항상 표적과 서로 독립이며, 또한 서로 다른 시간 대의 클러터와도 독립적이다.
또한 각 클러스터의 평균 신호세기(Intensity)와 중심위치를 구하여 자료결합 및 다이내믹필터를 이용한 추적에 활용 가능하도록 하도록 해야 한다. 본 논문에서 사용한 클러스터링 방식은 LSC(Line Scan Clustering)으로 알고 리듬은 매우 간단하다. 입력된 적외선 영상을 세로로 한 줄씩(Line by Line) 검색해 가며 클러스터를 생성하며 바로 옆에 맞닿아 있는 신호들을 하나씩 붙인다.
그러나 기존의 다이내믹 필터와는 다르게 적외선 영상 이라는 특징상 측정치의 정보는 신호세기와 위치정보 뿐만 아니라 측정치 자체의 특징정보를 가진다. 본 논문에서 제시한 특징 정보를 고려한 HPDAF 표적 추적은 시뮬레이션 결과를 통해 적외선 영상 표적 추적 시 기존의 HPDAF의 성능을 향상 시킬 수 있음을 증명 하였으며 특징 정보를 고려한 다이내믹 필터는 영상 표적 추적의 성능을 향상 시킬 수 있음을 판단하였다.
제안한 특징정보를 고려한 HPDAF 알고리듬의 특징 정보로써 크기정보를 적용하여 보았다 크기정보를 사용 할 경우 미사일에 장착된 적외선 카메라 시스템 상의 표적의 크기는 거리가 가까워질수록 계속 증가 하게 되지만 기존의 HPDAF 성능은 적외선 영상 표적 추적에 있어서 좋은 결과를 보이기 때문에 표적을 요격하는데 큰 지장이 없는 것으로 판단하였으며 따라서 크기정보를 사용하는 부분은 표적에 대한 트랙 초기화 까지만 적용 하도록 하였다.
표적의 요격 확률은 특징정보를 고려한 HPDAF와 기존의 HPDAF 모두 좋은 것으로 나타났지만 트랙 초기화의 성능은 기존의 HPDAF보다 특징정보를 고려한 HPDAF가 좀 더 표적을 빨리 초기화하는 것을 알 수 있으며 기존의 HPDAF보다 제안한 특징 정보를 고려한 HPDAF가 트랙 초기화까지의 #이 더 크기 때문에 표적을 더 정확하게 추적할 수 있음을 알 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	적외선 영상의 특징은 무엇인가?	비행중인 유도탄에 장착된 고정형 적외선 영상카메라로 부터 표적을 탐지 및 추적하기 위해서는 적외선 영상의 여러 가지 특성과 정보를 파악해야 한다. 적외선 영상의 특징은 일반적인 CCD 화면과 달리 회색준위의 한정된 밝기 정보를 가지며 밝을수록 전차나 선박 등 열원(Heat-Source)을 가지는 경우만 그 열원을 중심으로 주변보다 밝은 색으로 표시가 된다. 따라서 이러한 특수한 사항을 고려해 표적의 신호를 잘 추출 할 수 있는 영상 처리 알고리듬이 필요하다.
	실제 적외선 영상을 적용하는 경우에는 빠른 속도의 영상 처리 방법이 필요한데 이를 위해 본 논문에서는 어떤 방법을 사용하였는가?	또한 실제 적외선 영상을 적용하는 경우에는 빠른 속도의 영상 처리 방법을 필요로 한다. 본 논문에서 영상으로부터 표적을 추출하기 위한 실시간 영상처리 알고리듬으로 적외선 영상에서의 표적의 특징을 활용하여 표적 정보를 추출 할 수 있는 빠르고 효과적인 방법인 모폴로지[1～3] 개방과 닫힘을 사용하였다.
	비행중인 유도탄에 장착된 고정형 적외선 영상카메라로 표적을 탐지 및 추적을 위해서 필요한 것은?	비행중인 유도탄에 장착된 고정형 적외선 영상카메라로 부터 표적을 탐지 및 추적하기 위해서는 적외선 영상의 여러 가지 특성과 정보를 파악해야 한다. 적외선 영상의 특징은 일반적인 CCD 화면과 달리 회색준위의 한정된 밝기 정보를 가지며 밝을수록 전차나 선박 등 열원(Heat-Source)을 가지는 경우만 그 열원을 중심으로 주변보다 밝은 색으로 표시가 된다.

참고문헌 (12)

Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins., 'Digital Image Processing using MATLAB', Prentice Hall, 2004
R. Grasso and F. Spina., 'Small Bottom Object Density Analysis from Side Scan Sonar Data by a Mathematical Morphology Detector', The 9th International Conference on Information Fusion, July, 2006
Pierre Soille, 'Morphological Image Analysis: Principles and Applications', Springer-Verlag, New York, Inc., Secaucus, NJ, USA, 2003
Li JiCheng, Shen ZhengKang, Lan Tao, 'Detection of Spot Target in Infrared Clutter with Morphological Filter', Aerospace and Electronics Conference, 1996
Y. Bar-Shalom and T. E. Fortmann, 'Tracking and Data Association', Academic Press, New York, 1988
Y. Bar-Shalom and X. R. Li, Estimation and Tracking : Principles and Techniques and Software, Artech House, Inc., 1993
Taek Lyul Song, Dong Gwan Lee and Jonha Ryu, 'A Probabilistic Nearest Neighbor Filter Algorithm for Tracking in a Clutter Environment', Signal Processing, Vol. 85, Issue 10, Oct. 2005
T. L. Song, and D. G. Lee, 'A Probabilistic Nearest Neighbor Filter Algorithm for m Validated Measurements', IEEE Trans. on Signal Processing, Jul. 2006
Rhee, Kye Jin, Taek Lyul Song, 'A Probabilistic Strongest Neighbor Filter Algorithm Based on Number of Validated Measurement', JSASS 16th International Sessions in the 40th Aircraft Symposium, Japan, 2002. 10
T. L. Song, Y. T. Lim and D. G. Lee, 'A Probabilistic Strongest Neighbor Filter Algorithm for m Validated Measurements', IEEE Trans. onAES, to appear
Taek Lyul Song, Da Sol Kim, 'Highest Probability Data Association for Active Sonar Tracking', The 9th International Conference on Information Fusion, July, 2006
Ning Li, X. Rong Li, 'Target Perceivability and its Application', IEEE Transactions on Signal Processing, Vol. 49, No. 11, Nov. 2001

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증