Journal of the Institute of Electronics Engineers of Korea CI (전자공학회논문지CI)

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

Gunnery Classification Method using Shape Feature of Profile and GMM

Profile 형태 특징과 GMM을 이용한 Gunnery 분류 기법

  • Received : 2011.08.06
  • Accepted : 2011.09.06
  • Published : 2011.09.25
Download PDF
⟨ Previous Next ⟩

Abstract

Muzzle flash based on gunnery is the target that has huge energy. So, gunnery target in a long range over xx km is distinguishable in the IR(infrared) images, on the other hand, is not distinguishable in the CCD images. In this paper, we propose the classification method of gunnery targets in a infrared images and in a long range. The energy from gunnery have an effect on varous pixel values in infrared images as a property of infrared image sensor, distance, and atmosphere, etc. For this reason, it is difficult to classify gunnery targets using pixel values in infrared images. In proposed method, we take the profile of pixel values using high performance infrared sensor, and classify gunnery targets using modeling GMM and shape of profile. we experiment on the proposed method with infrared images in the ground and aviation. In experimental result, the proposed method provides about 93% classification rate.

Gunnery로부터 발생하는 muzzle firing은 매우 높은 에너지를 방출하는 표적으로 볼 수 있다. 따라서, xx km 이상의 원거리 gunnery의 경우 일반 CCD 영상으로는 식별하기 어렵지만, IR(infrared) 영상에서는 충분히 식별될 수 있다. 본 논문에서는 원거리 IR 영상으로부터 muzzle firing으로 발생되는 profile을 획득하여 분류하는 기법을 제안한다. IR 센서(infrared sensor)의 특성, 거리, 대기 상태 등에 따라 muzzle firing으로 발생하는 에너지는 서로 다른 양으로써 IR영상에 표현된다. 따라서, 단순히 IR 영상의 픽셀값으로 gunnery 종류를 분류하는데는 명확한 한계가 있다. 제안하는 기법에서는 xxx Hz 이상의 고속 장비를 이용하여 muzzle firing이 이루어지는 구간내에서 시간에 따른 픽셀값의 profile을 획득하여 형태기반의 특징을 추출한 후, 피셔 공간(Fisher's space)로 투영시켜 GMM(Gaussian Mixture Model)을 이용하여 gunnery의 종류를 분류한다. 제안하는 기법을 이용하여 지상 및 공중에서 획득한 gunnery에 대하여 분류 실험을 수행한 결과 파라미터에 따라 최대 93%의 분류율을 확인하였다.

Keywords

References

  1. A. B. Ritter, A. Y. Weisberg, T. J. Slusarchyk, J. J. Lisowski, and B. A. Hibbeln, "Transient Event Characterization," 1999 IEEE Aerospace Conf. Proc. March 1999.
  2. A. B. Ritter, T. J. Slusarchyk, and J. J. Lisowski, "Enhancement and Assessment of a Transient Event Characterization Algorithm," 1999 Aerospace Conf. Proc. March 1999.
  3. S. Hagerty, C. Hilliard, and A. Haralson, "Real-time Discrimination of Battlefield Ordnance Using Rmote Sensing Data," 2000 IEEE Aerospace Conf. Proc. March 2000.
  4. P. Viola, M. Jones, "Rapid object detection using a boosted cascade of simple features," Proc. of the IEEE Int. Conf. on Computer Vision and Pattern Recognition, Vol. 1, pp. 511-518, 2001.
  5. 김상운, 구범용, 최우영, "사전 클러스터링을 이용한 LDA-확장법들의 최적화", 대한전자공학회 논문지 CI편, 제44권, 제3호, 286-295쪽, 2007년 5월
  6. 송지현, 장준혁, "3GPP2 SMV의 실시간 유/무성음 분류 성능 향상을 위한 Gaussian Mixture Model 기반 연구", 대한전자공학회 논문지 SP편, 제45권 제5호, 111-117쪽, 2008년 9월
  7. 이명은, 박순영, 조완현, "Color Image Segmentation Based on Morphological Operation and a Gaussian Mixture Model", 대한전자공학회 논문지 SP편, 제43권, 제3호, 84-91쪽, 2006년 5월