Journal of the Institute of Electronics Engineers of Korea SP (대한전자공학회논문지SP)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Feature information fusion using multiple neural networks and target identification application of FLIR image

다중 신경회로망을 이용한 특징정보 융합과 적외선영상에서의 표적식별에의 응용

  • 선선구 (국방과학연구소) ;
  • 박현욱 (한국과학기술원 전자전산학과 전기 및 전자공학)
  • Published : 2003.07.01
Download PDF
⟨ Previous Next ⟩

Abstract

Distance Fourier descriptors of local target boundary and feature information fusion using multiple MLPs (Multilayer perceptrons) are proposed. They are used to identify nonoccluded and partially occluded targets in natural FLIR (forward-looking infrared) images. After segmenting a target, radial Fourier descriptors as global shape features are defined from the target boundary. A target boundary is partitioned into four local boundaries to extract local shape features. In a local boundary, a distance function is defined from boundary points and a line between two extreme points. Distance Fourier descriptors as local shape features are defined by using distance function. One global feature vector and four local feature vectors are used as input data for multiple MLPs to determine final identification result of the target. In the experiments, we show that the proposed method is superior to the traditional feature sets with respect to the identification performance.

전방 관측 적외선 영상에서 가려짐이 없는 표적과 부분적으로 가려진 표적을 식별하기 위해 국부적 표적 경계선에 대한 거리함수의 푸리에기술자와 다중의 다층 퍼셉트론을 사용한 특징정보 융합 방법을 제안한다. 표적을 배경으로부터 분리한 후에 표적 경계선의 중심을 기준으로 푸리에 기술자를 구해 전역적 특징으로 사용한다. 국부적인 형상 특징을 찾기 위해 표적 경계선을 분할하여 4개의 국부적 경계선을 만들고, 각 국부적 경계선에서 두 개의 극단점이 이루는 직선과 경계선 픽셀로부터 거리함수를 정의한다. 거리함수에 대한 푸리에 기술자를 국부적 형상특징으로 사용한다. 1개의 광역적 특징 백터와 4개의 국부적 특징 백터를 정의하고 다중의 다층 퍼셉트론을 사용하여 특징정보들을 융합함으로써 최종 표적식별 결과를 얻는다. 실험을 통해 기존의 특징벡터들에 의한 표적식별 방법과 비교하여 제안한 방법의 우수성을 입증한다.

Keywords

References

  1. B. Bhanu, 'Automatic target recognition : state of the art survey', IEEE Trans. Aerosp. Electron.Syst., Vol. 22 (4), pp. 364-379, 1986 https://doi.org/10.1109/TAES.1986.310772
  2. L. Wang, S. Z. Der, N. M. Nasrabadi, 'Automatic target recognition using a feature-decomposition and data-decomposition modular neural network,' IEEE Trans. Image Processing, Vol. 7 (8), pp. 1113-1121, 1998 https://doi.org/10.1109/83.704305
  3. J. M. DeCatrel, J. R. Surdu, 'Practical recognition of armored vehicles in FLIR', Proc. SPIE, Automatic Object Recogntion V, Vol. 2485, pp. 200-208, 1995
  4. D. Nair, J. K. Aggarwal, 'Bayesian recognition of targets by parts in second generation forward looking infrared images', Image and Vision Computing, Vol. 18, pp. 849-864, 2000 https://doi.org/10.1016/S0262-8856(99)00084-0
  5. S. G. Sun, H. W. Park, 'Segmentation of forward-looking infrared image using fuzzy thresholding and edge detection,' Opt. Eng., Vol. 40 (11), pp. 2638-2645, 2001 https://doi.org/10.1117/1.1409563
  6. S. G. Sun, H. W. Park, 'Automatic target recognition using target boundary information in FLIR images', Proc. The IASTED Int. Conf. Signal and Image Processing, pp. 405-410, 2000
  7. B. Ernisse, S. K. Rogers, R. A. Raines, 'Complete automatic target cuer/recognition system for tactical forward-looking infrared images', Opt. Eng. Vol. 36 (9), pp. 2593-2603, 1997 https://doi.org/10.1117/1.601484
  8. A. Panapakkam, S. N. Balakrishnan, 'Automatic target recognition system using wavelet transform and cluster analysis', Proc. SPIE, Signal Processing, Sensor Fusion, and Target Recognition IV, Vol. 2484, pp. 636-643, 1995 https://doi.org/10.1117/12.213057
  9. S. K. Rogers et. al. 'Neural networks for automatic target recognition', Neural networks, Vol. 8 (7/8), pp. 1153-1184, 1990 https://doi.org/10.1016/0893-6080(95)00050-X
  10. D. Casasent, A. Ye, 'Detection filters and algorithm fusion for ATR', IEEE Trans. Image Processing, Vol. 6 (1), pp. 114-125, 1997 https://doi.org/10.1109/83.552101
  11. 선선구, 박현욱, '유사변환에 불변인 국부적 특징과 광역적 특징 선택에 의한 자동 표적인식', 대한전자공학회논문지, 제39권 SP편 제4호, pp. 370-380, 2002년 7월
  12. M. R. Teague, 'Image analysis via the general theory of moments', J. Opt. Soc. Am. Vol. 70(8), pp. 920-930, 1980 https://doi.org/10.1364/JOSA.70.000920
  13. J. Flusser, T. Suk, 'A moment-based approach to registration of images with affine geometric distortion,' IEEE Trans. Geoscience and remote sensing, Vol. 32 (2), pp. 382-387, 1994 https://doi.org/10.1109/36.295052
  14. K. Arbter, W. E. Snyder, H. Burkhardt, G. Hirzinger, 'Application of affine-invariant Fourier descriptors to recognition of 3-D objects', IEEE Trans. Patt. Anal. and Mach. Intell. Vol. 12 (7), pp. 640-647, 1990 https://doi.org/10.1109/34.56206
  15. D. W. Marquardt, 'An algorithm for least-squares estimation of nonlinear parameters,' J. of the Society for Industrial and Applied Mathematics, Vol. 11, pp. 431-441, 1963 https://doi.org/10.1137/0111030