In this dissertation, a new automatic target recognition (ATR) algorithm for forward-looking infrared (FLIR) images is presented to identify targets such as battle tanks and armored personal carriers in ground-to-ground scenario. It consists of sequential steps of segmentation, feature extraction and classification. The proposed ATR algorithm satisfies the following requirements: Segmentation algorithm has to be simple and robust to clutters in the real battlefield environment. Features have to be more robust to noise and more invariant to similarity transform than conventional features. Moreover, nonoccluded and partially occluded targets can be identified in the classification phase.
The proposed segmentation algorithm of FLIR image is based on fuzzy thresholding and edge detection. At first, a region of interest (ROI) selection method is applied to the FLIR image to remove complex background and to automatically extract a small rectangular ROI including a target. Fuzzy thresholding, which uses image intensity and spatial information, is then performed on the ROI. The Canny edge detection method is utilized to supplement the deficiency of the threshold method. As a preprocessing of edge detection, a new edge sharpening method using a gray-level mathematical morphology operation is performed to sharpen edges. After segmenting a target, the target contour is partitioned into four local boundaries. Radial and distance functions are defined from the target contour and local boundaries, and are used to define global and local shape features, respectively. To identify nonoccluded and partially occluded targets, a new classification method using multiple feature vectors and multilayer perceptrons (MLPs) is proposed. Four feature vectors are composed of the global and local shape features, and are used as inputs of MLPs. The outputs of MLPs are combined to identify targets.
The proposed segmentation, feature extraction and classification methods are applied to natural FLIR images, and their performances are compared with conventional methods. The experimental results show that they are fast and have good segmentation and identification performance for nonoccluded and partially occluded targets.
이 논문에서는 지대지 응용환경에서 획득된 전방관측 적외선 영상에 적용할 수 있는 새로운 자동표적인식 알고리즘을 제안한다. 즉, 탱크에 장착된 적외선 열영상장치로부터 1 Km 이상 멀리 떨어져 있는 지상표적 (탱크, 장갑차 등)에 대해 획득한 전방관측 적외선 영상에서 표적추출, 특징추출 및 표적분류 알고리즘들을 제안한다. 이 논문의 목표는 다음과 같은 특성을 갖는 알고리즘을 개발하는 것이다. 표적추출 단계에서는 수행시간이 적게 소요되고 클러터 및 환경변화에 둔감한 표적추출 알고리즘이 요구된다. 특징추출 단계에서는 표적의 위치변화, 즉, 병진, 회전, 크기변화에 대해 좋은 불변성을 갖고, 잡음에 대해 둔감한 특징들이 요구된다. 표적식별 단계에서는 가려짐이 없는 표적과 부분적으로 가려진 표적에 대해서도 식별할 수 있는 분류방법이 요구된다.
퍼지임계치 설정과 에지정보를 사용한 새로운 표적추출 알고리즘을 제안한다. 먼저, 복잡한 배경을 제거하고 표적이 있는 작은 관심영역을 선택한다. 관심영역에 대해 밝기값 정보와 픽셀의 위치정보를 동시에 활용한 새로운 퍼지임계치 설정 방법을 적용하여 이진영상을 생성한다. 관심영역에 대해 에지검출을 위한 준비단계로서 모롤로지 방법을 응용한 새로운 대비확장 방법을 사용하여 대비를 확장한 후에 대비가 확장된 영상에 대해 에지 영상을 생성한다. 임계치설정에 의해 만들어진 이진영상과 에지 영상을 픽셀별로 결합하고 이진 모폴로지에 의한 채움 과정을 수행하여 최종적인 표적추출 결과를 얻는다. 표적이 추출된 후에 전역적/국부적 불변특징을 추출하기 위해 표적 경계선을 4 개의 국부적 경계선으로 분할한다. 표적 경계선에 대해 방사함수를 정의하여 전역적 특징을 추출하고, 국부적 경계선에 대해 거리함수를 정의하여 국부적 특징을 추출한다. 추출된 특징들은 병진, 회전, 크기변화에 불변성을 갖는다. 제안한 불변특징들을 이용하여 4 개의 특징벡터를 정의하고 가려짐이 없는 표적과 부분적으로 가려진 표적을 모두 인식하기 위해 다중 신경회로망을 이용한 분류방법을 제안한다.
제안한 표적추출, 특징추출 및 분류 알고리즘들을 실제 전방관측 적외선영상에서 가려짐이 없는 표적과 부분적으로 가려진 표적에 적용하여 기존방식들과 성능을 비교한다. 실험을 통해 제안한 표적추출 알고리즘이 기존 방식들에 비해 수행시간이 빠르고 좋은 표적추출 성능을 갖고 있음을 증명한다. 또한 제안한 특징들과 분류 방식을 기존 방식들과 비교하여 제안한 자동표적인식 알고리즘의 우수성을 입증한다.
