적외선 영상에서의 시계열 특징 추출을 이용한 Gunnery 분류 기법 연구

Abstract

Gunnery 표적으로부터 발생하는 영상특징은 장비의 위치를 탐지하고 종류를 판별하는 주요 정보로 활용될 수 있다. 본 논문에서는 Gunnery 영상에서 표적 영역의 밝기값을 획득하여 특징을 추출하고 분류하는 기법을 제안한다. 제안하는 기법에서는 38~40개의 신호 기반 특징과 2개의 모델 기반 특징을 추출하여 분석하고 분류모델에 적용한다. 다중 클래스 분류를 위하여 트리(tree) 기반의 분류 모델을 설계하였으며, 시스템에서 요구하는 Gunnery의 종류와 특성에 따라 유사도를 정의하여 트리 구조를 설계하였다. 트리 구성 단계에서는 각 레벨마다 SVM(Support Vector Machine)을 이용하여 분류 하였으며 시스템에서 요구하는 분류 성능을 만족함을 확인하였다. Gunnery has been used to detect and classify artilleries. In this paper, we used electro-optical data to get the information of muzzle flash from the artilleries. Feature based approach was applied; we first defined features and sub-features. The number of sub-features was 38~40 generic sub-features, and 2 model-based sub-features. To classify multiclass data, we introduced tree structure with clustering the classes according to the similarity of them. SVM was used for each non-leaf nodes in the tree, as a sub-classifier. From the data, we extracted features and sub-features and classified them by the tree structure SVM classifier. The results showed that the performance of our classifier was good for our muzzle flash classification problem.