استخراج ویژگیها و کلاسهبندی در الگوی روزت توسط آنالیز اجزا و شبکه عصبی

در این مقاله یک روش پردازش جدید برای کلاسه- بندی تصاویر الگوی روزت در جستجوگرهای مادون قرمز جاروب روزت ارائه شده است . در روش های کلاسیک برای کلاسهبندی و تمیز دادن هدف از اهداف کاذب در الگوی روزت، از معیارهای اندازه و شدت سیگنال مادون قرمز استفاده میشود. اما چنانچه اهداف کاذب به صورت توده ای پرتاب شوند این معیارها پاسخگو نخواهند بود . در روش پیشنهادی نخست ویژگی های تصاویر تشکیل شده در الگوی روزت با استفاده از روش های ICA و PCA استخراج می شود، سپس عمل کلاسه بندی با استفاده از این ویژگی ها و توسط شبکه عصبی صورت می گیرد. همچنین برای استخراج ویژگی ها وکلاسهبندی از روشLDA استفاده شده و نتایج روش های مختلف با یکدیگر مقایسه گردیدهاند.

کلیدواژه ها:

LDA ، ICA ، PCA ، الگوی روزت ، فلیر ، شبکه عصبی