مقاله بازشناسی خودکار اهذاف هوایی با استفاده از تصاویر رادار روزنه مجازی معکوس

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بازشناسی خودکار اهذاف هوایی با استفاده از تصاویر رادار روزنه مجازی معکوس دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بازشناسی خودکار اهذاف هوایی با استفاده از تصاویر رادار روزنه مجازی معکوس  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بازشناسی خودکار اهذاف هوایی با استفاده از تصاویر رادار روزنه مجازی معکوس،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بازشناسی خودکار اهذاف هوایی با استفاده از تصاویر رادار روزنه مجازی معکوس :

تعداد صفحات:۱۰
چکیده:
در این مقاله یک روش کامل برای باز شناسی خودکار اهداف هوایی( جنگنده و موشک) با استفاده از تصاویر رادار روزنه مجازی معکوس (ISAR)پیشنهاد می گردد. این روش در برابر تغییر شکل جزئی هدف به علت نحوه ی حرکت ان نسبت به رادار و نیز نویزی شدن تصویر هدف مقاوم است. برای مقابله با تغییر شکل جزئی هدف و یا نویزی شدن تصویر ان، از روش هیستوگرام گرادیان های جهت دار(HOG) به منظور استخراج بردارهای ویژگی از اهداف هوایی در تصاویر ISAR استفاده می کنیم . در واقع یک تصویر هوایی ISAR به چندین بلوک تقسیم می شود و بردار ویژگی HOG آن از زوج جهت گیری های گرادیان های کوانیزه شده در هریک از بلوک ها استخراج می گردد. جهت گیری های کوانیزه شده با تغییر شکل جزئی یک هدف هوایی تغییر نمی کنند. تغییرات HOG ناشی از نویزی شدن تصویر هدف نیز کوچک است چرا که جهت گیری های گرادیان ها تنها در بلوک های شامل اجزای هدف تغییر می کنند. از طرف دیگر ترکیب این جفت جهت گیری ها بعد HOG را به طور فزاینده ای بالا می برند. در این جا میزان تشابه بین اهداف هوایی با استفاده از طبقه بندی کننده ی SVM محاسبه می شود. این روش دارای چندین ماشین بردار پشتیبان است که بهطور تصادفی از داده های آموزشی ایجاد شده اند و تشابه بین بردارها را از نتایج SVM دآن ها محاسبه می کنند. به علت این که روش SVM ابر صفحه ای را پیدا می کند که دارای بیشترین حاشیه در بین دو گروه مختلف است بنابراین کارایی الگوریتم طبقه بندی حتی در فضاهای ویژگی چند بعدی نیز بالا است. در انتها نیز بر مبنای آزمایشات انجام شده بر روی تصاویر ISARشبیه سازی شده ی اهداف هوایی نشان داده می شود که روش پیشنهادی در برابر چرخش هدف در تصویر و نویز سامانه مقاوم است و دارای کارایی بالایی نیز می باشد.