• 대한전자공학회논문지SP
• /
• 제42권5호
• /
• pp.157-164
• /
• 2005

기존 적응 표적 탐지 기법의 경우 클러터 특성이 변하는 비 균일 클러터 상황에서는 만족할 만한 탐지성능을 갖지 못한다. 이는 레이다 좌표 공간상으로 변하는 클러터 파라미터를 신호처리 과정에 효과적으로 적용시키지 못함으로 인해 발생한다. 이러한 문제를 해결하기 위해서는 클러터 환경에 따른 적용 알고리즘 선택 및 선택된 알고리즘의 파라미터 추출을 가능하게 하는 클러터 분류기 사용이 요구된다 본 논문은 이러한 목적으로 구현된 클러터 환경 분류기에 대하여 기술한다. Visual C++ 환경에서 구현된 본 환경 분류 소프트웨어에서는 적응신호처리에 필요한 파라미터 값 추출 및 알고리즘 선택이 가능하며, 또한 단계별 알고리즘의 수행 결과도 확인할 수 있다.

• 한국전자파학회논문지
• /
• 제30권2호
• /
• pp.177-180
• /
• 2019

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.

• 한국전자파학회논문지
• /
• 제22권11호
• /
• pp.1063-1069
• /
• 2011

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.

• 한국지능시스템학회논문지
• /
• 제24권5호
• /
• pp.536-541
• /
• 2014

기상레이더를 통해 취득된 데이터에는 지형에코, 파랑에코, 이상에코, 그리고 청천에코등이 존재한다. 각 에코는 여러 종류의 비강수에코이고, 이 비강수에코를 제거하기 위해 각 에코들의 특성을 분석하였다. 기상레이더 데이터는 매우 방대한 양이기 때문에 전처리 절차를 통해 분석된다. 본 논문에서는 클러스터링 기반 방사형 기저함수 신경회로망(RBFNNs : Radial Basis Function Neural Networks)과 에코 판단 모듈을 이용하여 기상레이더 데이터에서 강수에코와 비강수에코들을 구별하기 위한 에코 패턴분류기를 설계하였다. HCM(Hard C-Mean) 클러스터링 기반 RBFNNs 와 FCM(Fuzzy C-Mean) 클러스터링 기반 RBFNNs를 이용하여 출력성능은 비교 및 분석된다.

• 한국통신학회논문지
• /
• 제32권2C호
• /
• pp.141-149
• /
• 2007

영상에서 사람의 머리위치를 찾는 문제에 있어서 어깨선 정보를 이용하는 것은 아주 유용하다. 영상에서 머리 외곽선과 어깨선의 형태는 일정한 변형을 유지하면서 같이 움직이므로 이를 ASM(Active Shape Model) 기법을 사용해서 통계적으로 모델링 할 수 있다. 그러나 ASM 모델은 국부적인 에지나 그래디언트에 의존하므로 배경 에지나 클러터 성분에 민감하다. 한편 AAM(Active Appearance Model) 모델은 텍스쳐 등을 이용하지만, 사람의 피부색, 머리색깔, 옷 색깔 등의 차이로 인해서 통계적인 학습방법을 쓰기가 어렵고, 전체 비디오에서 외모(Appearance)가 시간적으로 변한다. 따라서, 본 논문에서는 외모(Apperance) 모델을 변화에 따라 바꾸는 대신, 영상의 각 화소를 머리, 어깨, 배경으로 구분하는 분별적 외모 모델(discriminative appearance)를 사용한다. 실험을 통해서 제안된 방법이 기존의 기법에 비해서 포즈변화와 가려짐, 조명의 변화 등에 강인함을 보여준다. 또한 제안된 기법은 실시간으로 작동하는 장점 또한 가진다.