$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

스캔 영상 기반의 밀리미터파(Ka 밴드) 복합모드 탐색기 표적인식 알고리즘 연구
Target Recognition Algorithm Based on a Scanned Image on a Millimeter-Wave(Ka-Band) Multi-Mode Seeker 원문보기

韓國電磁波學會論文誌 = The journal of Korean Institute of Electromagnetic Engineering and Science, v.30 no.2, 2019년, pp.177 - 180  

노경아 (한화시스템) ,  정준영 (한화시스템) ,  송성찬 (한화시스템)

초록
AI-Helper 아이콘AI-Helper

유도무기의 명중률 개선을 위해 해상 클러터 환경에서 표적을 정확하게 탐지하고 인식하는 연구가 다수 수행되고 있다. 해상 표적과 클러터의 신호가 다양하고 복잡한 특성을 보이기 때문에 능동 표적인식 기술에 대한 연구가 필수적으로 요구된다. 본 논문에서는 스캔 영상(scan image)으로 형성된 이미지에 프랙탈 차원기법(fractal dimension)인 FS(Fractal Signature) 분류기와 영상정합기법(scene matching)인 HRTI(High Resolution Target Image)을 적용하여 표적과 클러터를 구분하고 표적 간의 인식하는 알고리즘을 제안한다. 알고리즘을 적용한 시뮬레이션 수행 결과, HRTI 분류기는 표적1과 표적2를 모두 100 %, FS 분류기는 표적 1과 표적 2를 각 각 90 %, 93 % 이상 구분 및 인식한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

To improve the accuracy rate of guided weapons, many studies have been conducted on the accurate detection and identification of targets from sea clutter. Because of the variety and complicated characteristics of both sea-clutter and target signals, an active target recognition technique is required...

주제어

#Target Recognition   #Scan Image   #Scene   #Matching   #HRTI(High Resolution Target Image)   #FS(Fractal Signature)  

표/그림 (8)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • SAR(Synthetic Aperture Radar) 방법으로 영상 획득[5]～[8]시 특정 스캔 각도에서 신호처리 시간이 1초 이상 걸리므로(표 1), 조건에 따라 프랙탈 차원기법 또는 영상정합기법을 적용하여 표적 구분 및 인식해야 한다. 따라서 본 논문은 프랙탈 차원기법과 영상정합기법을 모두 적용한 스캔 영상 기반의 표적인식 알고리즘을 제안한다.
  • 본 논문에서는 표적을 구분 및 인식하기 위한 대함 유도탄용 밀리미터파 탐색기 신호처리의 표적인식 알고리즘을 제안하였다. 스캔 영상을 통해 프로파일과 이미지를 만들고 프랙탈 차원기법과 영상정합기법을 적용하여 표적을 인식하고 종류를 구분하였다.

가설 설정

  • 데이터베이스화된 기준 값들은 표적의 방향각인 Yaw, Pitch, Roll 값에 따라 달라진다. 표적의 모든 각도별 데이터가 한정적이며, 물결에 크게 영향을 받지 않는 대양 가운데의 중형 선박 이상의 함정을 대상으로 인식한다고 가정하였다. 따라서 시뮬레이션을 할 때 스캔 영상을 통해 획득한 표적의 방위각 중 Pitch, Roll은 0°로 고정한 후 Yaw의 각도만을 사용했다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
대함 유도탄용 탐색기란? 대함 유도탄용 탐색기는 해양 클러터 환경에서 표적을 탐색한 후, 위협도가 높은 표적을 탐지하여 정밀 추적하는 시스템이다. 밀리미터파 탐색기는 마이크로파 탐색기에 비해 거리, 각도 해상도가 높은 장점으로 전천후 환경에서 표적과 클러터를 구분하는 것과 표적 간의 인식이 유리하다.
스캔 영상기반으로 표적을 인식하는 방법의 종류는? 따라서 넓은 영역을 스캔하여 2차원 영상을 형성한 후 표적과 클러터를 구분하고, 표적 간의 인식하는 방법이 필요하다. 스캔 영상기반으로 표적을 인식하는 방법에는 1차원적 프로파일을 이용한 프랙탈 차원기법[1]～[4]과 2차원적 이미지를 이용한 영상정합기법이 있다. 영상정합기법은 스캔영상을 통해 2차원적인 이미지를 생성[5]～[8]한 후 고해상도 표적 이미지 분류기를 이용하여 표적을 구분하고 인식한다.
밀리미터파 탐색기의 단점은? 밀리미터파 탐색기는 마이크로파 탐색기에 비해 거리, 각도 해상도가 높은 장점으로 전천후 환경에서 표적과 클러터를 구분하는 것과 표적 간의 인식이 유리하다. 하지만 저속/고정 해상 표적은 거리, 각도, 속도를 이용하여 클러터와 구분하기 어려운 점이 있다. 따라서 넓은 영역을 스캔하여 2차원 영상을 형성한 후 표적과 클러터를 구분하고, 표적 간의 인식하는 방법이 필요하다.
질의응답 정보가 도움이 되었나요?

참고문헌 (8)

  1. B. B. Mandelbrot, Fractals: Form, Chance and Dimension, San Francisco, Freeman, 1977. 10.1016/0167-2789(88)90081-4 

  2. B. B. Mandelbrot, The Fractal Geometry of Nature, San Francisco, Freeman, 1982. 

  3. 10.1016/0167-2789(88)90081-4 T. Higuchi, "Approach to an irregular time series on the basis of the fractal theory," Physica D: Nonlinear Phenomena, vol. 31, no. 2, pp. 277-283, 1988. 

    상세보기 crossref

  4. 10.5515/KJKIEES.2018.29.9.731 노경아, 정준영, 송성찬, "프랙탈 차원을 이용한 밀리미터파 탐색기 표적인식 알고리즘 연구," 한국전자파학회논문지, 29(9), pp. 731-734, 2018년 9월. 

    원문보기 상세보기 crossref

  5. D. L. Mensa, High Resolution Radar Cross-section Imaging, Norwood, Artech House, 1991. 

  6. D. R. Wehner, High-Resolution Radar, 2nd ed. Dedham, Artech House, 1994. 

  7. 10.5515/KJKIEES.2007.18.8.984 신승용, 임호, 명로훈, "레이다 표적 인식에서 표적에 대한 2차원 산란점 추출 및 ISAR 영상 형성에 대한 성능 개선" 한국전자파학회논문지, 18(8), pp. 984-996, 2007년 8월. 10.5515/KJKIEES.2007.18.8.984 

    원문보기 상세보기 crossref

  8. 10.1109/TAP.2005.846780 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. 10.1109/TAP.2005.846780 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로