|
بهینه سازی طبقهبندی اهداف زمینی رادار SAR با ترکیب شبکه کانولوشنی و الگوریتم ژنتیک جهت استفاده در سامانه های فرماندهی و کنترل
|
| علی علیزاده، بهنام درستکاریاقوتی*، جلیل مظلوم، بهرنگ هادیان |
| دانشگاه علوم انتظامی امین |
|
|
چکیده: (756 مشاهده) |
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 الگوریتم‌های 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 99.33% بهتر از روشهای دیگر عمل نموده است.
|
|
| واژه‌های کلیدی: فرماندهی و کنترل، رادار روزنه مصنوعی، طبقهبندی تصاویر، شبکه کانولوشن، الگوریتم ژنتیک |
|
|
متن کامل [PDF 1217 kb]
(115 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
هوش مصنوعی
دریافت: 1401/7/12 | پذیرش: 1401/9/29 | انتشار: 1402/3/6
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
