주로 열상(FLIR: Forward-Looking Imfra-Red)을 이용하여 표적을 탐지하는 자동표적탐지(ATD: Automatic Target Detection)장비는 전처리단계, 잠재적 표적탐지 및 클러터 제거 등 3단계를 적용하여 표적을 탐지한다. 열상영상의 전처리단계 및 잠재적 표적탐지단계를 통해 열상영상의 모든 표적후보를 구한다. 이때, 표적후보군에는 표적 및 클러터가 공존하게 되는데, 클러터 제거 단계에서 표적후보군에 포함된 클러터를 제거하여 표적을 분류함으로서 오경보(False Alarm)를 줄이는 기능을 한다. 본 논문은 표적탐지단계 중 클러터 제거방법에 대한 연구내용에 대해 기술하였으며, 연구의 특징은 표적후보군에 포함된 클러터를 제거하기 위하여 표적후보영상의 주성분분석법(PCA: Principal Component Analysis)을 이용한 형태적 특징 및 외곽선 영상(Edge Image)의 통계적 특징을 이용한 표적제거기법을 제시하였다. 주성분분석법 특징값은 미리 선정한 대표표적에 대해 차원축소 고유벡터를 구한 후 표적후보군 영상을 고유벡터에 투영한 유클리드 거리를 이용하였으며, 통계적 특징은 표적후보군의 외곽선영상에 대해 분산 및 표준편차를 이용한 통계적 특징을 적용하였다. 주성분 특징과 통계적 특징을 이용하여 표적과 클러터를 구분하기 위해 선형판별법(LDA: Linear Discriminant Analysis)을 적용하였다. 제안된 알고리즘의 성능확인을 위해 수행한 시뮬레이션 결과 제안된 알고리즘이 주성분분석법 특징 또는 통계적 특징 등 단일특징을 적용하였을 때 보다 좋은 결과를 도출하였다.
Automatic Target Detection (ATD) systems that use forward-looking infrared (FLIR) consists of three stages. preprocessing, detection, and clutter rejection. All potential targets are extracted in preprocessing and detection stages. But, this results in a high false alarm rates. To reduce false alarm rates of ATD system, true targets are extracted in the clutter rejection stage. This paper focuses on clutter rejection stage. This paper presents a new clutter rejection technique using PCA features and stochastic features of clutters and targets. PCA features are obtained from Euclidian distances using which potential targets are projected to reduced eigenspace selected from target eigenvectors. CV is used for calculating stochastic features of edges in targets and clutters images. To distinguish between target and clutter, LDA (Linear Discriminant Analysis) is applied. The experimental results show that the proposed algorithm accurately classify clutters with a low false rate compared to PCA method or CV method
