한국전자파학회논문지 (The Journal of Korean Institute of Electromagnetic Engineering and Science)

  • 제30권2호
  • /
  • Pages.177-180
  • /
  • 2019
  • /
  • 1226-3133(pISSN)
  • /
  • 2288-226X(eISSN)
한국전자파학회 (The Korean Institute of Electromagnetic Engineering and Science)
권호 표지
DOI QR코드

DOI QR Code

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

  • 투고 : 2019.01.24
  • 심사 : 2019.02.21
  • 발행 : 2019.02.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

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.

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. In this study, we propose an algorithm to distinguish clutter and recognize targets by applying a fractal signature(FS) classifier, which is a fractal dimension, and a high-resolution target image(HRTI) classifier, which applies scene matching to an image formed from a scanned image. Simulation results using the algorithm revealed that the HRTI classifier recognized targets 1 and 2 at a 100 % rate, whereas the FS classifier recognized targets 1 and 2 at rates of 90 % and 93 %, respectively.

키워드

JJPHCH_2019_v30n2_177_f0002.png 이미지

그림 2. 가상 표적의 3D 형상 Fig. 2. 3D modeling of virtual targets.

JJPHCH_2019_v30n2_177_f0003.png 이미지

그림 3. HRTI 분류기에 사용되는 입력과 기준 이미지 Fig. 3. Input and reference images used HRTI classifier.

JJPHCH_2019_v30n2_177_f0004.png 이미지

그림 4. 입력 이미지와 기준 이미지의 상관계수 비교 그래프 Fig. 4. Correlation coefficient comparison graph of input image and reference image.

JJPHCH_2019_v30n2_177_f0005.png 이미지

그림 5. 각 표적별 입력 FS와 기준 FS의 비교 그래프 Fig. 5. Comparison of input FS and reference FS for each target.

JJPHCH_2019_v30n2_177_f0006.png 이미지

그림 1. 표적 인식 알고리즘 순서도 Fig. 1. Target recognition algorithm flow chart.

표 1. 표적과탐색기의Azimuth 각도에따른신호처리시간비교 Table 1. Comparison of signal processing time by azimuth angle of target and seeker.

JJPHCH_2019_v30n2_177_t0001.png 이미지

표 2. Azimuth > 20°일 때, HRTI 분류기를 사용한 표적 인식 시뮬레이션 결과 Table 2. When azimuth > 20°, simulation results of target recognition using HRTI classifier.

JJPHCH_2019_v30n2_177_t0002.png 이미지

표 3. Azimuth < 20°일 때, FS 분류기를 사용한 표적 인식 시뮬레이션 결과 Table 3. When azimuth < 20°, simulation results of target recognition using FS classifier.

JJPHCH_2019_v30n2_177_t0003.png 이미지

참고문헌

  1. B. B. Mandelbrot, Fractals: Form, Chance and Dimension, San Francisco, Freeman, 1977.
  2. B. B. Mandelbrot, The Fractal Geometry of Nature, San Francisco, Freeman, 1982.
  3. 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. https://doi.org/10.1016/0167-2789(88)90081-4
  4. 노경아, 정준영, 송성찬, "프랙탈 차원을 이용한 밀리미터파 탐색기 표적인식 알고리즘 연구," 한국전자파학회논문지, 29(9), pp. 731-734, 2018년 9월. https://doi.org/10.5515/KJKIEES.2018.29.9.731
  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. 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. https://doi.org/10.5515/KJKIEES.2007.18.8.984
  8. 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. https://doi.org/10.1109/TAP.2005.846780