| 1 |
1
역합성 개구면 레이더 영상의 표적 분류 장치를 이용한 표적 분류 방법에 있어서, 표적에 대한 역합성 개구면 레이더 영상을 입력받는 단계, 상기 역합성 개구면 레이더 영상으로부터 잡음(noise) 응답, 클러터(clutter) 응답 및 레이더와 표적 사이의 상이한 거리로 인한 신호 레벨(signal level) 변화를 제거하여 상기 역합성 개구면 레이더 영상을 전처리하는 단계, 트레이스 변환(trace transform)을 이용하여 상기 전처리된 역합성 개구면 레이더 영상으로부터 상기 표적의 주축에 따른 분류 특징 함수를 추출하는 단계, 상기 분류 특징 함수를 이용하여 기 저장된 훈련 데이터 베이스로부터 후보 데이터 베이스를 선택하는 단계, 그리고 상기 후보 데이터 베이스에 포함된 분류 특징 값과 상기 추출된 분류 특징 함수를 이용하여 상기 표적의 종류를 분류하는 단계를 포함하는 역합성 개구면 레이더 영상의 표적 분류 방법
|
| 2 |
2
제1항에 있어서, 상기 훈련 데이터 베이스는, 상기 전처리 과정 및 분류 특징 함수 추출 과정을 통해 추출된 서로 다른 표적에 대한 역합성 개구면 레이더 영상의 분류 특징 함수를 포함하는 역합성 개구면 레이더 영상의 표적 분류 방법
|
| 3 |
3
제1항에 있어서, 상기 전처리하는 단계는, 상기 역합성 개구면 레이더 영상의 픽셀 기준값을 이용하여 상기 역합성 개구면 레이더 영상에서 상기 잡음 응답 및 클러터 응답을 제거하는 제1 전처리 단계, 그리고 상기 제1 전처리 단계를 수행한 역합성 개구면 레이더 영상에서 상기 신호 레벨 변화를 제거하는 제2 전처리 단계를 포함하는 역합성 개구면 레이더 영상의 표적 분류 방법
|
| 4 |
4
제1항에 있어서, 상기 분류 특징 함수를 추출하는 단계는, 상기 전처리된 역합성 개구면 레이더 영상을 주성분 분석(principal component analysis)하여 상기 전처리된 역합성 개구면 레이더 영상에 포함된 표적의 주축을 추정하는 단계, 상기 주축 및 기 설정된 기준 방향 축을 이용한 트레이스 변환을 통해 상기 전처리된 역합성 개구면 레이더 영상으로부터 분류 특징 함수를 연산하는 단계, 상기 분류 특징 함수를 기 설정된 기준 인덱스 값으로 시프팅하는 단계, 그리고 상기 시프팅 된 분류 특징 함수에 1차원 주성분분석법을 적용하여 분류 특징 함수의 차원을 압축하고 잉여성분을 제거하는 단계를 포함하는 역합성 개구면 레이더 영상의 표적 분류 방법
|
| 5 |
5
제4항에 있어서, 상기 분류 특징 함수는 제1 분류 특징 함수 및 제2 분류 특징 함수를 포함하며, 상기 분류 특징 함수를 연산하는 단계는, 트레이스 변환을 이용하여 상기 주축과 기 설정된 기준 방향 축이 형성하는 주축 각도에 대응하는 제1 분류 특징 함수를 연산하는 단계, 그리고 트레이스 변환을 이용하여 상기 주축 각도를 중심으로 하는 기 설정된 각도 범위 내에서 동일한 간격으로 복수개의 제2 분류 특징 함수를 연산하는 단계를 포함하는 역합성 개구면 레이더 영상의 표적 분류 방법
|
| 6 |
6
제1항에 있어서, 상기 후보 데이터 베이스를 선택하는 단계는, 상기 훈련 데이터 베이스에 저장된 훈련 분류 특징 함수의 각도와 분류 특징 함수의 각도 사이의 유클리디안 거리를 연산하는 단계, 그리고 상기 유클리디안 거리가 가장 작은 값에 대응하는 훈련 분류 특징 함수들을 포함하는 상기 후보 데이터 베이스를 선택하는 단계를 포함하는 역합성 개구면 레이더 영상의 표적 분류 방법
|
| 7 |
7
제1항에 있어서, 상기 표적의 종류를 분류하는 단계는, 상기 분류 특징 함수의 180도 반전 함수인 반전 분류 특징 함수를 생성하는 단계, 상기 분류 특징 함수 및 상기 반전 분류 특징 함수와 상기 후보 데이터 베이스의 훈련 분류 특징 함수 사이의 유클리디안 거리를 연산하는 단계, 그리고 상기 유클리디안 거리가 가장 작은 훈련 분류 특징 함수에 대응하는 표적의 유형을 상기 역합성 개구면 레이더 영상의 표적의 종류로 판단하는 단계를 포함하는 역합성 개구면 레이더 영상의 표적 분류 방법
|
| 8 |
8
제1항에 있어서, 상기 분류 특징 함수를 추출하는 단계는, 아래의 수학식을 이용하여 분류 특징 함수(R2(f(r)))를 추출하는 역합성 개구면 레이더 영상의 표적 분류 방법: 여기서, f(r)은 궤적선(trace line) 함수를 의미하고, rm은 상기 궤적선의 길이(r)의 최대값을 의미한다
|
| 9 |
9
표적에 대한 역합성 개구면 레이더 영상을 입력받는 입력부, 상기 역합성 개구면 레이더 영상으로부터 잡음(noise) 응답, 클러터(clutter) 응답 및 레이더와 표적 사이의 상이한 거리로 인한 신호 레벨(signal level) 변화를 제거하여 상기 역합성 개구면 레이더 영상을 전처리하는 전처리부, 트레이스 변환(trace transform)을 이용하여 상기 전처리된 역합성 개구면 레이더 영상으로부터 상기 표적의 주축에 따른 분류 특징 함수를 추출하는 추출부, 상기 분류 특징 함수를 이용하여 기 저장된 훈련 데이터 베이스로부터 후보 데이터 베이스를 선택하는 선택부, 그리고 상기 후보 데이터 베이스에 포함된 분류 특징 값과 상기 추출된 분류 특징 함수를 이용하여 상기 표적의 종류를 분류하는 분류부를 포함하는 역합성 개구면 레이더 영상의 표적 분류 장치
|
| 10 |
10
제9항에 있어서, 상기 훈련 데이터 베이스는, 상기 전처리 과정 및 분류 특징 함수 추출 과정을 통해 추출된 서로 다른 표적에 대한 역합성 개구면 레이더 영상의 분류 특징 함수를 포함하는 역합성 개구면 레이더 영상의 표적 분류 장치
|
| 11 |
11
제9항에 있어서, 상기 전처리부는, 상기 역합성 개구면 레이더 영상의 픽셀 기준값을 이용하여 상기 역합성 개구면 레이더 영상에서 상기 잡음 응답 및 클러터 응답을 제거하는 제1 전처리를 수행하고, 상기 제1 전처리 단계를 수행한 역합성 개구면 레이더 영상에서 상기 신호 레벨 변화를 제거하는 제2 전처리 단계를 수행하는 역합성 개구면 레이더 영상의 표적 분류 장치
|
| 12 |
12
제9항에 있어서, 상기 추출부는, 상기 전처리된 역합성 개구면 레이더 영상을 주성분 분석(principal component analysis)하여 상기 전처리된 역합성 개구면 레이더 영상에 포함된 표적의 주축을 추정하고, 상기 주축 및 기 설정된 기준 방향 축을 이용한 트레이스 변환을 통해 상기 전처리된 역합성 개구면 레이더 영상으로부터 분류 특징 함수를 연산하며, 상기 분류 특징 함수를 기 설정된 기준 인덱스 값으로 시프팅하고, 상기 시프팅 된 분류 특징 함수에 1차원 주성분분석법을 적용하여 분류 특징 함수의 차원을 압축하고 잉여성분을 제거하는 역합성 개구면 레이더 영상의 표적 분류 장치
|
| 13 |
13
제12항에 있어서, 상기 분류 특징 함수는 제1 분류 특징 함수 및 제2 분류 특징 함수를 포함하며, 상기 추출부는, 트레이스 변환을 이용하여 상기 주축과 기 설정된 기준 방향 축이 형성하는 주축 각도에 대응하는 제1 분류 특징 함수를 연산하고, 트레이스 변환을 이용하여 상기 주축 각도를 중심으로 하는 기 설정된 각도 범위 내에서 동일한 간격으로 복수개의 제2 분류 특징 함수를 연산하는 역합성 개구면 레이더 영상의 표적 분류 장치
|
| 14 |
14
제9항에 있어서, 상기 선택부는, 상기 훈련 데이터 베이스에 저장된 훈련 분류 특징 함수의 각도와 분류 특징 함수의 각도 사이의 유클리디안 거리를 연산하고, 상기 유클리디안 거리가 가장 작은 값에 대응하는 훈련 분류 특징 함수들을 포함하는 상기 후보 데이터 베이스를 선택하는 역합성 개구면 레이더 영상의 표적 분류 장치
|
| 15 |
15
제9항에 있어서, 상기 분류부는, 상기 분류 특징 함수의 180도 반전 함수인 반전 분류 특징 함수를 생성하고, 상기 분류 특징 함수 및 상기 반전 분류 특징 함수와 상기 후보 데이터 베이스의 훈련 분류 특징 함수 사이의 유클리디안 거리를 연산하며, 상기 유클리디안 거리가 가장 작은 훈련 분류 특징 함수에 대응하는 표적의 유형을 상기 역합성 개구면 레이더 영상의 표적의 종류로 판단하는 역합성 개구면 레이더 영상의 표적 분류 장치
|
| 16 |
16
제9항에 있어서, 상기 추출부는, 아래의 수학식을 이용하여 분류 특징 함수(R2(f(r)))를 추출하는 역합성 개구면 레이더 영상의 표적 분류 장치: 여기서, f(r)은 궤적선(trace line) 함수를 의미하고, rm은 상기 궤적선의 길이(r)의 최대값을 의미한다
|
