۴۷۶۰پ
per
شناسایی اتوماتیک اهداف موجود در تصاویر رادار SAR
/امین‌اله حسنوند
تبریز: دانشگاه تبریز ، دانشکده مهندسی برق وکامپیوتر ، گروه مخابرات
۹۴ص
چاپی
کارشناسی ارشد
مهندسی برق - مخابرات - سیستم
۱۳۸۵/۰۶/۳۱
تبریز: دانشگاه تبریز ، دانشکده مهندسی برق وکامپیوتر ، گروه مخابرات
در این پایان نامه تصاویر رادار SAR جهت استفاده در سیستم شناسایی اتوماتیک هدف (ATR) ارتقاء داده شده، به گونه ای که کارآیی سیستم مذکور در استفاده از این تصاویر افزایش می یابد .ارتقاء تصاویر در دو مرحلة انجام شده است :ابتدا نواحی هدف و غیر هدف) کلاتر (بوسیلة یک فیلتر مکانی از یکدیگر جدا شده و سپس با بکار بردن استراتژی‌های متفاوت برای این دو ناحیه، هر کدام بطور جداگانه ارتقاء می یابند .برای جداسازی دو ناحیه به عبارت دیگر ساخت فیلتر مکانی مربوط به هر تصویر، از وابستگی بین ضرایب ویولت مجاور موجود در یک اسکیل) کلاسترینگ (استفاده شده است .جهت استفاده کمی از این خاصیت کیفی یک تابع ارزشی تعریف شده که مقدار این تابع از مقادیر ضرایب ویولت افقی، عمودی و قطری محاسبه می‌شود .مقدار تابع ارزشی محاسبه شده در لبه های تصویر و نقاط دارای انعکاس بزرگ، نسبت به مقادیر ضرایب ویولت متناظر با آن نقطه بسیار بزرگ بوده لذا یک معیار برای جداکردن ضرایب مربوط به ناحیه هدف از نواحی کلاتر حاصل می‌شود .برای اعمال این معیار از یک الگوریتم تکرار که تعداد تکرار آن تقریبا بصورت وفقی تغییر می‌کند استفاده شده است .پس از جداسازی نواحی از یکدیگر ، از دو رابطة غیر خطی برای تبدیل ضرایب جهت ارتقاء تصویر استفاده شده است به گونه‌ای که با اعمال این تبدیل به نواحی غیر هدف دامنه ضرایب ویولت متناسب با مقدار نویز موجود کاهش یافته و دامنه ضرایب مربوط به نواحی هدف بطور متوسط افزایش داده می‌شود .تصاویر ارتقاء یافته به یک سیستم ATR با دسته بندی کننده کمترین میانگین مربعات خطا اعمال شده و نتایج حاصله بهبود وضعیت و افزایش احتمال تشخیص و شناسایی صحیح این دسته بندی کننده را نشان می‌دهد .در تمام مراحل ذکر شده از تصاویر استاندارد MSTAR که از اهداف مختلف نظامی بصورت چیپ های هم اندازه تهیه شده است استفاده می‌شود
In this theses Synthetic aperture Radar images are enhanced to use in Automatic Target Recognition systems to achieve high performance. Image enhancement is performed on two stages. Primarily target and clutter region are segmented using implementing spatially selective filtering techniques. Then each segmented region is enhanced using strategies. In image segmentation or to construct the spatial selective filters, discrete wavelet coefficients and its neighboring correlation properties (clustering) is used. A coast function is defined in order to model these correlation properties. The cost function generates a positive value for each horizontal, vertical and diagonal intries (in identical spatial position) of coefficient matrixs. These values are very large at high scatter and edges points. However by implementing this property of cost function and thresholding the values in proposed algorithm, the spatial filters are constructed. After segmentation of the image, each region or segment of image (target and clutter) is enhanced individually in a nonlinear transform operation. In clutter region to reduce speckle noise, the coefficient values suppressed (strategy 1) or decreased (strategy 2) and increased in target region. The enhanced images are implemented in MSE classifier to examine the ATR performance. Compared to conventional case (use of non enhanced images) better results are obtained in this implementation. Experimental results are based on MSTAR public images
Radar
SAR
Wavelet
Automatic Recognition
Image
حسنوند، امین‌اله
طینتی،محمد علی، استاد راهنما
کشتکار، اصغر، استاد مشاور
سیاه و سفید
نمایه‌سازی قبلی
