레이더 영상이나 광학 영상, 적외선 영상 등을 이용하여 표적을 식별하는 기술을 NCTR(Non-Cooperative Target Recognition) 또는 ATR(Automatic Target Recognition)이라 한다. 그 중에서 SAR(Synthetic Aperture Radar) 영상을 이용하여 자동으로 지상 표적을 식별하는 것을 SAR ATR이라고 한다. 일반적으로 SAR ATR은 탐지, 변별 및 식별 단계로 구성된다. 본 논문에서는 ISAR(Inverse Synthetic Aperture Radar) 영상 식별을 위해 개발된 극사상식별기(polar mappingclassifier)를 수정하여 SAR 표적 식별에 이용하였으며, 전처리 과정을 통해 클러터화소의 영향을 줄이고 표적의 그림자 화소들 표적 식별에 이용하여 식별 성능을 향상시켰다.
레이더 영상이나 광학 영상, 적외선 영상 등을 이용하여 표적을 식별하는 기술을 NCTR(Non-Cooperative Target Recognition) 또는 ATR(Automatic Target Recognition)이라 한다. 그 중에서 SAR(Synthetic Aperture Radar) 영상을 이용하여 자동으로 지상 표적을 식별하는 것을 SAR ATR이라고 한다. 일반적으로 SAR ATR은 탐지, 변별 및 식별 단계로 구성된다. 본 논문에서는 ISAR(Inverse Synthetic Aperture Radar) 영상 식별을 위해 개발된 극사상식별기(polar mapping classifier)를 수정하여 SAR 표적 식별에 이용하였으며, 전처리 과정을 통해 클러터 화소의 영향을 줄이고 표적의 그림자 화소들 표적 식별에 이용하여 식별 성능을 향상시켰다.
NCTR(Non-Cooperative Target Recognition) and ATR(Automatic Target Recognition) are methodologies to identify military targets using radar, optical, and infrared images. Among them, a strategy to recognize ground targets using synthetic aperature radar(SAR) images is called SAR ATR. In general, SAR A...
NCTR(Non-Cooperative Target Recognition) and ATR(Automatic Target Recognition) are methodologies to identify military targets using radar, optical, and infrared images. Among them, a strategy to recognize ground targets using synthetic aperature radar(SAR) images is called SAR ATR. In general, SAR ATR consists of three sequential stages: detection, discrimination and classification. In this paper, a modification of the polar mapping classifier(PMC) to identify inverse SAR(ISAR) images has been made in order to apply it to SAR ATR. In addition, a preprocessing scheme can mitigate the effect from the clutter, and information on the shadow is employed to improve the classification accuracy.
NCTR(Non-Cooperative Target Recognition) and ATR(Automatic Target Recognition) are methodologies to identify military targets using radar, optical, and infrared images. Among them, a strategy to recognize ground targets using synthetic aperature radar(SAR) images is called SAR ATR. In general, SAR ATR consists of three sequential stages: detection, discrimination and classification. In this paper, a modification of the polar mapping classifier(PMC) to identify inverse SAR(ISAR) images has been made in order to apply it to SAR ATR. In addition, a preprocessing scheme can mitigate the effect from the clutter, and information on the shadow is employed to improve the classification accuracy.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
제안 방법
BRDM2, BTR70, BMP2, T72의 4 종류의 표적 중에 3 종류 표적의 7개의 변형에 대한 표적 식별실험을 하였다. 표 1은 극사상 식별기의 식별 성능에 대한 분류 행렬(confusion matrix)을 보여준다.
3 m의 해상도를 가지는 SAR 영상 레이더를 장착한 무인정찰기를 개발 또는 도입 중에 있다. SAR 영상 레이더의 가장 큰 목적이 지상 군사 표적물(탱크, 곡사포, 장갑차 등) 인식 및 식별에 있기에 본 논문에서 제안된 식별기는 SAR 영상 레이더에 적용할 수 있다.
결과적으로 데이터 베이스는 극영상에 대한 거리 방향 투영영상 Ir(r), 방위각 방향 투영영상 Iθ(θ)그리고 영상주성분 분석법에 의해 압축된 특성 벡터 IIMPCA(l)로 구성된다.
생성된 극영상으로부터 100의 차원을 가지는 특성 벡터 Ir(r), Iθ(θ)와 영상주성분 분석법을 이용하여 1000의 차원을 가지는 IIMPCA(l)를 생성하였다.
영상 주성분 분석법이 주성분 분석법에 비해 계산량이 작기 때문에 본 논문에서는 영상 주성분 분석법을 이용하여 압축된 특성 벡터를 생성하였다. 영상 공분산 행렬의 고유값 분해를 통해 얻은 변환 행렬을 이용하여 l개의 원소를 가지는 행렬을 생성한 후 벡터화 하여 특성 벡터(IIMPCA(l))를 생성하였다. SAR 영상의 공분산행렬에 대한 고유값을 계산하면 대부분의 에너지가 몇 개의 값에 큰 고유값뿐만 아니라 작은 값을 가지는 고유값도 다수 존재하며, 작은 값을 가지는 고유값들은 표적이나 표적의 그림자의 화소가 아닌 클러터 영상 대한 정보를 포함하기 때문에 적절한 개수의 고유값을 선택하여야 한다.
MSTAR 데이터는 미 국방 고등 연구 기획청(Defense Advanced Research Projects Agency)과 미 공군 연구소(Air Force Research Laboratory)에서 군사 표적을 식별하기 위하여 다양한 군사 표적과 다양한 지역에 대한 SAR 영상을 측정한 것이다. 이 데이터는 X-대역의 주파수 영역에서 HH 편파를 이용하여 0.3 m의 해상도로 각종 군사 표적을 다양한 내림각에서 각 표적마다 서로 다른 190～300개의 랜덤한 방위각에 대해 측정하였다. 몇몇 표적에는 연료통, 사이드커튼 등의 탈부착에 의한 사소한 변화를 준 구조물 변형 및 구조물 변화에 비해 큰 변화를 가지는 버전 변형을 가져서 한 종류의 표적에 다양한 형태의 버전이 있다.
제안된 극사상 식별기는 전처리 과정에서 모폴로지 기법을 이용하여 표적과 표적의 그림자 화소와 클러터 화소를 분리하고, 클러터 화소의 평균을 이용하여 클러터의 영향을 줄였다. 또한, SAR 영상의 차원을 낮추면서 기존의 SAR ATR 분야에서 제시된 식별기들의 성능을 뛰어 넘는 높은 식별 성능을 보여준다.
대상 데이터
4 종류의 표적에 대해 각각 1개의 변형만 훈련데이터로 이용하여 식별 실험을 수행하였다. 표 3은 BTR70, BMP2, T72에 BRDM2 표적을 추가하여 4 종류 표적의 8가지 변형에 대한 표적 식별실험의 결과를 보여준다.
어떤 표적에는 여러 개의 변형이 포함된 표적도 있기 때문에 총 8가지 변형이 존재한다. BTR70, BRDM2는 하나의 변형이 있으며, BMP2와 T72는 3가지 변형을 이용하였다.
SAR ATR 기술은 1990년대에 MSTAR(Moving and Stationary Target Acquisition and Recognition) 데이터가 공개된 이후에 많은 연구가 있었다. MSTAR 데이터는 미 국방 고등 연구 기획청(Defense Advanced Research Projects Agency)과 미 공군 연구소(Air Force Research Laboratory)에서 군사 표적을 식별하기 위하여 다양한 군사 표적과 다양한 지역에 대한 SAR 영상을 측정한 것이다. 이 데이터는 X-대역의 주파수 영역에서 HH 편파를 이용하여 0.
앞 서 제안한 방식의 표적 식별 기법의 성능을 평가하기 위해 MSTAR 데이터에 포함된 BMP2, BTR70, T72, BRDM2의 4가지 표적에 대한 SAR 영상을 이용하였다. 어떤 표적에는 여러 개의 변형이 포함된 표적도 있기 때문에 총 8가지 변형이 존재한다.
훈련 데이터는 내림각이 17º인 BTR70의 C71, BMP2의 C21, T72의 132 변형만 이용하였고, 시험데이터는 7개의 변형 모두 이용하였다.
이론/모형
본 논문에서는 ISAR 영상에서 사용된 극사상 식별기(polar mapping classifier)[4],[8]를 SAR 표적 식별에 사용하였다. 극사상법은 영상을 극사상 과정을 통해 극영상(polar image)으로 생성한 후 방위각 방향에 대해 불변의 성질을 가지는 특성 벡터와 영상을 압축한 특성 벡터를 표적 식별에 이용한 기법이다.
Ir(r)과 Iθ(θ)만으로는 극영상이 가지는 모든 정보를 표현하기 어렵기 때문에 주성분 분석법이나 영상 주성분 분석법(image principal component analysis)을 적용하여 극영상의 차원보다 작은 차원으로 극영상의 정보 손실을 최소화하여 극영상을 표현하는 특성 벡터를 추출 가능하다. 영상 주성분 분석법이 주성분 분석법에 비해 계산량이 작기 때문에 본 논문에서는 영상 주성분 분석법을 이용하여 압축된 특성 벡터를 생성하였다. 영상 공분산 행렬의 고유값 분해를 통해 얻은 변환 행렬을 이용하여 l개의 원소를 가지는 행렬을 생성한 후 벡터화 하여 특성 벡터(IIMPCA(l))를 생성하였다.
성능/효과
제안된 극사상 식별기는 전처리 과정에서 모폴로지 기법을 이용하여 표적과 표적의 그림자 화소와 클러터 화소를 분리하고, 클러터 화소의 평균을 이용하여 클러터의 영향을 줄였다. 또한, SAR 영상의 차원을 낮추면서 기존의 SAR ATR 분야에서 제시된 식별기들의 성능을 뛰어 넘는 높은 식별 성능을 보여준다. 현재 우리군은 0.
표 2는 동일한 표적을 이용한 다양한 식별기의 성능을 보여준다[7]. 표에서 보는 바와 같이 SAR ATR 분야에서 기존에 제시된 다양한 식별기의 성능보다 높은 식별 성능을 보여주고 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
레이더의 운용 대역폭이 넓어짐에 따라 무엇이 가능해졌나?
레이더(radio detection and ranging)는 전자기파(electromagnetic wave)를 이용하여 표적의 거리, 상대 속도를 측정하는 센서이다. 현재, 레이더의 운용 대역폭이 넓어짐에 따라 신호 처리를 통하여 레인지 프로파일(range profile)과 같은 1차원 레이더 영상을 획득할 수 있으며, 또한, 코히어런트(coherent)한 신호를 여러 개 방사한 후 표적의 회전 성분을 이용하여 SAR(Synthetic Aperture Radar) 영상이나 ISAR(Inverse Synthetic Aperture Radar) 영상과 같은 2차원 레이더 영상을 획득할 수 있다[1],[2]. 이러한 1, 2차원 레이더 영상이나 광학 영상, 적외선 영상 등을 이용하여 표적을 식별하는 기술을 NCTR(Non-Cooperative Target Recognition) 또는 ATR(Automatic Target Recognition)이라 한다[3]~[8].
레이더란?
레이더(radio detection and ranging)는 전자기파(electromagnetic wave)를 이용하여 표적의 거리, 상대 속도를 측정하는 센서이다. 현재, 레이더의 운용 대역폭이 넓어짐에 따라 신호 처리를 통하여 레인지 프로파일(range profile)과 같은 1차원 레이더 영상을 획득할 수 있으며, 또한, 코히어런트(coherent)한 신호를 여러 개 방사한 후 표적의 회전 성분을 이용하여 SAR(Synthetic Aperture Radar) 영상이나 ISAR(Inverse Synthetic Aperture Radar) 영상과 같은 2차원 레이더 영상을 획득할 수 있다[1],[2].
NCTR 또는 ATR이란?
현재, 레이더의 운용 대역폭이 넓어짐에 따라 신호 처리를 통하여 레인지 프로파일(range profile)과 같은 1차원 레이더 영상을 획득할 수 있으며, 또한, 코히어런트(coherent)한 신호를 여러 개 방사한 후 표적의 회전 성분을 이용하여 SAR(Synthetic Aperture Radar) 영상이나 ISAR(Inverse Synthetic Aperture Radar) 영상과 같은 2차원 레이더 영상을 획득할 수 있다[1],[2]. 이러한 1, 2차원 레이더 영상이나 광학 영상, 적외선 영상 등을 이용하여 표적을 식별하는 기술을 NCTR(Non-Cooperative Target Recognition) 또는 ATR(Automatic Target Recognition)이라 한다[3]~[8]. 레이더 신호는 시간과 기후의 제약을 받지 않고 정보 획득 거리가 다른 센서에 비하여 길기 때문에 NCTR 또는 ATR 기술에서 핵심적인 센서이다.
참고문헌 (10)
Dean L. Mensa, High Resolution Radar Cross-section Imaging, Norwood, MA, Artech House, 1991.
Donald R. Wehner, High-Resolution Radar, 2nd Edition, Artech House, 1994.
K. -T. Kim, H. -T. Kim, "One-dimensional scattering center extraction for efficient radar target classification", IEE Pro.- Radar, Sonar, and Navig., vol. 146, pp. 147-159, Jun. 1999.
J. -I. Park, K. -T. Kim, "A comparative study on ISAR imaging algorithms for radar target identification", Progress in Electromagnetics Research, vol. 108, pp. 155-175, 2010.
L. Novak, G. Owirka, and C. Netishen, "Performan ce of a high-resolution polarimetric SAR automatic target recognition system", Lincoln Laboratory Journal, pp. 11-24, 1993.
J. A. O'Sullivan, M. D. DeVore, V. Kedia, and M. I. Miller, "SAR ATR performance using a conditionally Gaussian model", IEEE Transactions on Aerospace and Electronic Systems, vol. 37, no. 1, pp. 91-18, May 2001.
Y. Sun, Z. Liu, S. Todorovic, and J. Li, "Adaptive boosting for SAR automatic target recognition", IEEE Transactions on Aerospace and Electronic Systems, vol. 43, no. 1, pp. 112-125. 2007.
K. -T. Kim, D. -K. Seo, and H. -T. Kim, "Efficient classification of ISAR images", IEEE Transactions on Antennas and Propagation, vol. 53, no. 5, pp. 1611-1621, May 2005.
J. Yang, J. Y. Yang, "From image vector to matrix: a straightforward image projection technique. IMPCA vs. PCA", Pattern Recognition, vol. 35, no. 9, pp. 1997-1999, 2002.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.