بهینه سازی طبقهبندی اهداف زمینی رادار SAR با ترکیب شبکه کانولوشنی و الگوریتم ژنتیک جهت استفاده در سامانه های فرماندهی و کنترل

در فرماندهی و کنترل برای تصمیم گیری بهتر صحنه نبرد نیاز است تا داده های تمیز در اختیار سامانه قرار گیرد. در این راستا رادار روزنه مصنوعی یک رادار تصویر­برداری است با قدرت تفکیک بالا است که برای تشخیص جزئیات صحنه  نیاز به بهبود کیفیت و طبقه­بندی این تصاویر مورد توجه قرار گرفته­ است. وجود نویز لکه به عنوان مهمترین عامل تخریب کیفیت تصویر بوده و نیاز است در مرحله پیش­پردازش نسبت به کاهش اثر نویز لکه اقدام گردد. همچنین یکی از روش های مهم در  تفسیر تصاویر رادار SAR، طبقه­بندی تصاویر بوده که کاربرد زیادی در بررسی تغییرات اهداف زمینی دارد زیرا رصد و پایش اهداف در فرماندهی و کنترل یک ابزار خوب محسوب می گردد. تعیین یک روش طبقه بندی با دقت مناسب برای تصاویر رادار SAR با قدرت تفکیک مکانی بالا یک هدف در این مقاله می باشد که الگوریتم های قدیمی در این زمینه مانند Kmeans، پرسپترون، SVM و MLP دارای قدرت تشخیص ضعیف و سرعت نامناسبی هستند. در نتیجه در این مقاله، هدف ارائه الگوریتمی توانمند برای بهینه­سازی طبقه­بندی اهداف زمینی رادار SAR به کمک روش پیشنهادی ترکیب شبکه کانولوشنی و الگوریتم ژنتیک می‎باشد که از طریق هواپیما، فضاپیما و یا ماهواره برای رصد نمودن اهداف زمینی ، اخذ شده­است. در این مﻘاله در مرحله پیش­پردازش پس از کاهش اثر نویز لکه بر روی تصاویر رادار SAR به کمک فیلتر Lee، به بررسی بهینه­سازی طبقه­بندی اهداف زمینی رادار SAR با روش پیشنهادی پرداخته که نتایج قابل قبولی بدست آمده است. شبکه پیشنهادی، از نظر دقت طبقه­بندی تصاویر نویززدایی شده MSTAR با ۹۹.۳۳% بهتر از روش­های دیگر عمل نموده ­است.

کلیدواژه ها:

command and control ، Synthetic aperture radar ، Classification of images ، Convolution network ، Genetic algorithm ، فرماندهی و کنترل ، رادار روزنه مصنوعی ، طبقه بندی تصاویر ، شبکه کانولوشن ، الگوریتم ژنتیک