معرفی یک روش کارا جهت شناسایی الگوی نویزی بالگردها مبتنی بر بردار ویژگی مساحت و طبقه بند نمایش تنک وزن دار

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 144

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PADSA-12-1_004

تاریخ نمایه سازی: 30 خرداد 1403

چکیده مقاله:

سیستم های هدف یاب و شناسایی الگو سیستم هایی هستند که کاربردهای دفاعی و امنیتی در حوزه های نظامی دارند. مهمترین مزیت استفاده از این سیستم ها حذف نقش انسان در فرایندهای شناسایی است و می تواند اهدافی مانند تانک، خودرو، کشتی، بالگرد و ... را مورد پردازش قرار دهد. در سیستم شناسایی الگو تصویر ورودی توسط یکی از سنسورهای تصویر برداری از قبیل رادار امواج میلی متری، رادار لیزری، دوربین ویدئویی یا دوربین مادون قرمز حاصل می شود و پس از پیش پردازش اولیه مراحل استخراج و انتخاب ویژگی و در نهایت طبقه بند صورت می پذیرد. در این مقاله روشی کارا درخصوص شناسایی الگوی نویزی بالگردها مبتنی بر بردار ویژگی مساحت و طبقه بند نمایش تنک معرفی می شود. روش پیشنهادی شامل سه مرحله پیش پردازش، شناسایی و طبقه بند می باشد. در مرحله پیش پردازش با اعمال الگوریتم های پردازش تغییراتی به منظور بهبود کیفیت تصاویر دریافتی و حذف داده های نامرتبط (نویز) انجام می گیرد. سپس در مرحله شناسایی، بردار ویژگی ۳۲ مولفه ای براساس ویژگی های شکلی، سطحی و طولی در نظر گرفته می شود که در روش ارائه شده در این مقاله، فقط ویژگی های سطحی مورد استفاده قرار می گیرند و ویژگی های شکلی و طولی بدلیل عدم کارایی کنار گذاشته می شوند و در نهایت در مرحله سوم از نمایش تنک وزن دار برای طبقه بند استفاده می شود. اعمال سه مرحله فوق منجر به کاهش زمان الگوریتم و افزایش دقت روش در شناسایی بالگردها می شود. برای بررسی عملکرد روش پیشنهادی در مقایسه با سایر روش ها، پایگاه داده ۶۰ تصویر مختلف بالگردها مورد بررسی قرار گرفت و روش پیشنهادی موفق به بالاترین نرخ شناسایی برابر ۳/۹۶ درصد شد. از طرفی روش ارائه شده کمترین پیچیدگی زمانی را در میان روش ها دارد که نشانگر سرعت بالای آن می باشد.

کلیدواژه ها:

شناسایی الگو ، بردار ویژگی مساحت ، طبقه بند نمایش تنک وزن دار ، نرم صفر هموار شده

نویسندگان

محمدسعید علمداری

دانشجوی دکتری، دانشگاه خواجه نصیر الدین طوسی، تهران، ایران

مسعود فاطمی

دانشیار،دانشگاه خواجه نصیر الدین طوسی، تهران، ایران.

محسن شاهرضایی

دانشیار، دانشگاه امام حسین علیه السلام، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • S.A. Dudani and K.J. Breeding, “Aircraft Identification by Moment Invariants,” ...
  • T.P. Wallace and P.A. Wintz, “An Efficient Three-Dimensional Aircraft Recognition ...
  • J.W. Gorman, O.R. Mitchell and F.P. Kuhl, “Partial Shape Recognition ...
  • M. Alsultanny and Y. Abbas, “Pattern Recognition Using Multilayer Neural ...
  • C.M. Bishop, “Neural Nerworks for Pattern Recognition,” Oxford University Press, ...
  • M. Shahrezaee and M. S. Alamdari, “The Application of Numerical ...
  • M.S. Alamdari, M. Fatemi, and A. Ghaffari, “A modified sequential ...
  • S. Huang, H. Zhang and A. Pižurica, “A robust sparse ...
  • M. S. Alamdari, M. Fatemi, A. Ghaffari, “The Recovery of ...
  • M. S. Alamdari and M. Fatemi, “Presenting a new method ...
  • M. S. Alamdari, “Providing an optimal mathematical model based on ...
  • H. Mohimani, M. Babaie-Zadeh, and C. Jutten, “A fast approach ...
  • J. Wright, A. Y. Yang, A. Ganesh, S. S. Sastry, ...
  • J. Yin, et al., “Kernel sparse representation based classification,” vol. ...
  • L. Zhang, et al., “Kernel sparse representation-based classifier,” Signal Processing, ...
  • C. Lu, et al., “Face recognition via weighted sparse representation,” ...
  • D. L. Donoho, and M. Elad, “Optimally sparse representation in ...
  • M. Babaie-Zadeh, B. Mehrdad, and G.B. Giannakis, “Weighted sparse signal ...
  • K. Ma, R. J. Jannorone and J. W. Gorman, “FAST: ...
  • نمایش کامل مراجع