CNN 모델을 활용한 항공기 ISAR 영상 데이터베이스 구축에 관한 연구

• 영문명: A Study on the Establishment of ISAR Image Database Using Convolution Neural Networks Model
• 발행기관: 한국시뮬레이션학회
• 저자명: 정승호(Seungho Jung) 하용훈(Yonghoon Ha)
• 간행물 정보: 『한국시뮬레이션학회 논문지』제29권 제4호, 21~31쪽, 전체 11쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2020.12.30

국문 초록

비협조적 표적식별(NCTR, Non-Cooperative Target Recognition)은 전자정보 등 다른 체계의 지원 없이 레이다 자체적으로 표적을 식별하는 기능을 말한다. 이를 구현하기 위한 대표적인 방법 중 하나인 역합성개구레이다(ISAR) 영상은 표적의 기동 및 위치에 따라 크게 변하기 때문에 기종을 판단할 수 있는 데이터베이스 없이 이를 자동으로 식별하기란 매우 어렵다. 본 연구에서는 실측 영상이 부족한 상황에서도 ISAR 영상 시뮬레이션 및 딥러닝 기법을 활용한 식별 데이터베이스 구축 방안에 대해 논한다. 다양한 레이다 운용 환경에 따라 변화하는 ISAR 영상을 모사하기 위해 ‘완전 산란체’, ‘결손 산란체’, ‘JEM 잡음’으로 명명한 영상 형성 과정을 거쳐 이를 학습하는 모델을 제안한다. 이 모델의 학습 결과를 통해 유사한 형상의 시뮬레이션 영상은 물론 처음 입력된 실측 ISAR 영상도 식별할 수 있음을 확인하였다.

영문 초록

NCTR(Non-Cooperative Target Recognition) refers to the function of radar to identify target on its own without support from other systems such as ELINT(ELectronic INTelligence). ISAR(Inverse Synthetic Aperture Radar) image is one of the representative methods of NCTR, but it is difficult to automatically classify the target without an identification database due to the significant changes in the image depending on the target’s maneuver and location. In this study, we discuss how to build an identification database using simulation and deep-learning technique even when actual images are insufficient. To simulate ISAR images changing with various radar operating environment, A model that generates and learns images through the process named ‘Perfect scattering image,’ ‘Lost scattering image’ and ‘JEM noise added image’ is proposed. And the learning outcomes of this model show that not only simulation images of similar shapes but also actual ISAR images that were first entered can be classified.

목차

1. 서론

2. 관련 연구 및 이론적 배경

3. 시뮬레이션 구성

4. 실험 결과

5. 결론

References

키워드

비협조적 표적식별 역합성개구레이다 영상 딥러닝 CNN 모델 영상 식별 NCTR ISAR Deep-learning CNN model Image classification