(45-6) 18 * << * >> * Русский * English * Содержание * Все выпуски

Методы формирования векторов признаков для распознавания объектов по дальностным портретам в импульсной лазерной локации
Ф.Б. Баулин 1, Е.В. Бурый 1

1 Московский государственный технический университет имени Н.Э. Баумана
(национальный исследовательский университет),
105005, Россия, г. Москва, 2-я Бауманская ул., д. 5, стр. 1

 PDF, 1583 kB

DOI: 10.18287/2412-6179-CO-891

Страницы: 934-941.

Аннотация:
В статье рассмотрены методы формирования векторов информативных признаков для решения задачи распознавания объектов в импульсной лазерной локации по регистрируемым дальностным портретам. Приведено описание известных методов снижения размерности пространства признаков, и обозначены границы их применимости. Предложен метод, реализующий максимизацию метрик между векторами признаков. На примере объектов, поверхности которых описываются каноническими уравнениями (сфера, конус, цилиндр), показано, что этот метод эффективен при решении задачи распознавания объектов в случае их априори неизвестной ориентации относительно локационной системы. Метод также эффективен и при наличии пересечений множеств векторов признаков, когда объекты характеризуются дальностными портретами схожей формы.

Ключевые слова:
лазерная локация, обратное рассеяние, дальностный портрет, распознавание, вейвлет, информативный признак, редукция пространства признаков, локационная система.

Цитирование:
Баулин, Ф.Б. Методы формирования векторов признаков для распознавания объектов по дальностным портретам в импульсной лазерной локации / Ф.Б. Баулин, Е.В. Бурый // Компьютерная оптика. – 2021. – Т. 45, № 6. – С. 934-941. – DOI: 10.18287/2412-6179-CO-891.

Citation:
Baulin FB, Buryi EV. Feature extraction techniques for LIDAR range profile based object recognition. Computer Optics 2021; 45(6): 934-941. DOI: 10.18287/2412-6179-CO-891.

Литература:
  1. Бурый, Е.В. Импульсная лазерная локация: физические и информационные основы новых возможностей / Е.В. Бурый. – М.: Наука, 2020. – 431 с. – ISBN: 978-5-02-040772-5.
  2. Baum, J. Non-cooperative identification of ships with electrooptical data / J. Baum, E. Tung, S. Rak // The Lincoln Laboratory Journal. – 1994. – Vol. 7, Issue 1. – P. 3-30.
  3. Marino, R.M. Jigsaw: a foliage-penetrating 3D imaging laser radar system / R.M. Marino, W.R. Davis // Lincoln Laboratory Journal. – 2005. – Vol. 15, Issue 1. – P. 23-36.
  4. Vasile, A.N. Pose-independent automatic target detection and recognition using 3D laser radar imagery / A.N. Vasile, R.M. Marino // Lincoln Laboratory Journal. – 2005. Vol. 15, Issue 1. – P. 61-78. – DOI: 10.1117/12.546761.
  5. van den Heuvel, J.C. Identification of air and sea-surface targets with a laser range profiler / J.C. van den Heuvel, R.M. Schoemaker, R.H.M.A. Schleijpen // Proceedings of SPIE. – 2009. – Vol. 7323. – 73230Y (12p.). – DOI: 10.1117/12.818426.
  6. Schoemaker, R.M. Characterisation of small targets in a maritime environment by means of laser range profiling / R.M. Schoemaker, K.W. Benoist // Proceedings of SPIE. – 2011. – Vol. 8037. – 803705. – DOI: 10.1117/12.884575.
  7. Steinvall, O. Laser range profiling for small target recognition / O. Steinvall, M. Tulldahl // Optical Engineering. – 2017. – Vol. 56, Issue 3. – 031206. – DOI: 10.1117/1.OE.56.3.031206.
  8. Бурый, Е.В. Синтез системы распознавания объектов по форме огибающей лазерного импульса при импульсно-периодической локации // Квантовая электроника. –1998. – T. 25, № 5. – C. 471-475.
  9. Baulin, F.B. Efficiency analysis of feature extraction methods for pulse laser ranging systems / F. Baulin, E. Buryi, D. Semerenko // Progress in Electromagnetics Research Symposium – Spring (PIERS). – 2017. – P. 3790-3794. – DOI: 10.1109/PIERS.2017.8262418.
  10. Hofton, M.A. Decomposition of laser altimeter waveforms / M.A. Hofton, J.B. Minster, J.B. Blair // IEEE Transactions on Geoscience and Remote Sensing. – 2000. – Vol. 38, Issue 4. – P. 1989-1996. – DOI: 10.1109/36.851780.
  11. Hancock, S. Measurement of fine-spatial-resolution 3D vegetation structure with airborne waveform lidar: Calibration and validation with voxelised terrestrial lidar / S. Hancock, K. Anderson, M. Disney, K.J. Gaston // Remote Sensing of Environment. – 2017. – Vol. 188. – P. 37-50. – DOI: 10.1016/j.rse.2016.10.041.
  12. Azadbakht, M. A Sparsity-based regularization approach for deconvolution of full-waveform airborne lidar data / M. Azadbakht, C. Fraser, K. Khoshelham // Remote Sensing. – 2016. – Vol. 8, Issue 8. – 648 (26p.). – DOI: 10.3390/rs8080648.
  13. Steinvall, O. Laser profiling for airborne target classification / O. Steinvall, M. Tulldahl, F. Berglund, L. Allard // Proceedings of SPIE. – 2018. – Vol. 10636. – 1063602 (16p.). – DOI: 10.1117/12.2303965.
  14. Steinvall, O. Remote detection and size estimation of optical apertures / O. Steinvall, B. Ericson // Proceedings of SPIE. – 2019. – Vol. 11161. – 111610I (15p.). – DOI: 10.1117/12.2533035.
  15. Baulin, F.B. Performance estimate of range profile feature extraction for the case of defined viewing aspect by means of fisher score / F.B. Baulin, E.V. Buryi // 2019 Photonics Electromagnetics Research Symposium – Spring (PIERS-Spring). – 2019. – P. 2922-2926. – DOI: 10.1109/PIERS-Spring46901.2019.9017824.
  16. Baulin, F.B. Performance estimate of range profile feature extraction by means of interclass metric histograms analysis / F.B. Baulin, E.V. Buryi // 2019 Photonics Electromagnetics Research Symposium – Spring (PIERS-Spring). – 2019. – P. 2933-2937. – DOI: 10.1109/PIERS-Spring46901.2019.9017782.
  17. Марпл, С.Л. Цифровой спектральный анализ и его приложения / С.Л. Марпл; пер. с англ. – М.: Мир, 1990. – 584 с.
  18. Добеши, И. Десять лекций по вейвлетам / И. Добеши; пер. с англ. – Ижевск: НИЦ «Регулярная и хаотическая механика», 2001. – 464 с. – ISBN: 5-93972-044-7.
  19. Kingsbury, N. Complex wavelets for shift invariant analysis and filtering of signals / N. Kingsbury // Applied and Computational Harmonic Analysis. – 2001. – Vol. 10, Issue 3. – P. 234-253. – DOI: 10.1006/acha.2000.0343.
  20. Вапник, В.Н. Теория распознавания образов / В.Н. Вапник, А.Я. Червоненкис. – М.: Наука, 1974. – 416 с.
  21. Li, J. Feature selection: A data perspective / J. Li, K. Cheng, S. Wang, F. Morstatter, R.P. Trevino, J. Tang, H. Liu // ACM Computing Surveys. – 2017. – Vol. 50, Issue 6. – 94. – DOI: 10.1145/3136625.
  22. Баулин, Ф.Б. Выбор метода отбора признаков и типа классификатора для распознавания лоцируемого объекта, ракурс наблюдения которого определен с известной погрешностью / Ф.Б. Баулин, Е.В. Бурый // Труды международной конференции “Телекоммуникационные и вычислительные системы – 2018”. – М.: Горячая линия – Телеком, 2018. – С. 169-173.
  23. Fisher, R.A. The use of multiple measurements in taxonomic problems / R.A. Fisher // Annals of Eugenics. – 1936. – Vol. 7. – P. 179-188. – DOI: 10.1111/j.1469-1809.1936.tb02137.x.
  24. Juefei-Xu, F. Multi-class Fukunaga Koontz discriminant analysis for enhanced face recognition / F. Juefei-Xu, M. Savvides // Pattern Recognition. – 2016. – Vol. 52, Issue C. – P. 186-205. – DOI: 10.1016/j.patcog.2015.10.007.
  25. Шурыгин, А.М. Прикладная стохастика: робастность, оценивание, прогноз / А.М. Шурыгин. – М.: Финансы и статистика, 2000. – 224 с. – ISBN: 5-279-02201-2.
  26. Saito, N. Simultaneous noise suppression and signal compression using a library of orthonormal bases and the minimum description length criterion / N. Saito. – In: Wavelets in geophysics. Vol. 4. Wavelet analysis and its applications / ed. by E. Foufoula-Georgiou, P. Kumar. – New York: Academic Press, 1994. – P. 299-324. – DOI: 10.1016/B978-0-08-052087-2.50017-7.
  27. Kankar, P.K. Fault diagnosis of ball bearings using continuous wavelet transform / P.K. Kankar, S.C. Sharma, S.P. Harsha // Applied Soft Computing. – 2011. – Vol. 11, Issue 2. – P. 2300-2312. – DOI: 10.1016/j.asoc.2010.08.011.
  28. Баулин, Ф.Б. Преимущества использования вейвлет-преобразования при формировании пространства признаков дальностных портретов объектов для нейросетевого классификатора / Ф.Б. Баулин, Е.В. Бурый // Труды 11-й международной научно-технической конференции "Акустооптические и радиолокационные методы измерений и обработки информации". – 2018. – С. 38-41.
  29. Stone, M. Cross-validatory choice and assessment of statistical predictions / M. Stone // Journal of the Royal Statistical Society. Series B: Methodological. – 1974. – Vol. 36, Issue 2. – P. 111-147. – DOI: 10.1111/j.2517-6161.1974.tb00994.x.
  30. Фукунага, К. Введение в статистическую теорию распознавания образов / К. Фукунага; пер. с англ. – М.: Наука, 1979. – 368 с.
  31. Chinchor, N. MUC-4 evaluation metrics // Proceedings of the 4th Conference on Message Understanding MUC4’92. –1992. – P. 22-29. – DOI: 10.3115/1072064.1072067.
  32. Hanley, J.A. The meaning and use of the area under a receiver operating characteristic (ROC) curve / J.A. Hanley, B.J. McNeil // Radiology. – 1982. – Vol. 143, Issue 1. – P. 29-36. – DOI: 10.1148/radiology.143.1.7063747.
  33. Rijsbergen, C.J.V. Information retrieval / C.J.V. Rijsbergen. – 2nd ed. – London, Boston: Butterworth-Heinemann, 1979. – 208 p. – ISBN: 978-0-408-70929-3.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20