KR20220020722A - 식별 db 구축을 위한 시뮬레이션을 이용한 측정 유사 영상 생성 방법 및 그 장치 - Google Patents

식별 db 구축을 위한 시뮬레이션을 이용한 측정 유사 영상 생성 방법 및 그 장치 Download PDF

Info

Publication number
KR20220020722A
KR20220020722A KR1020200101405A KR20200101405A KR20220020722A KR 20220020722 A KR20220020722 A KR 20220020722A KR 1020200101405 A KR1020200101405 A KR 1020200101405A KR 20200101405 A KR20200101405 A KR 20200101405A KR 20220020722 A KR20220020722 A KR 20220020722A
Authority
KR
South Korea
Prior art keywords
image
measurement
processor
information
high frequency
Prior art date
Application number
KR1020200101405A
Other languages
English (en)
Other versions
KR102386857B1 (ko
Inventor
서승모
유지희
임호
Original Assignee
국방과학연구소
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020200101405A priority Critical patent/KR102386857B1/ko
Publication of KR20220020722A publication Critical patent/KR20220020722A/ko
Application granted granted Critical
Publication of KR102386857B1 publication Critical patent/KR102386857B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9004—SAR image acquisition techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/001—

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 일 실시예에 따른 측정 유사 영상 생성 방법은 측정 영상을 획득하는 단계, CAD 모델을 이용하여 초고주파 방식으로 생성된 제1 후보 영상을 획득하는 단계, 타겟 오차가 획득되는 상기 초고주파 방식의 설정 파라미터를 결정하는 단계, 상기 측정 영상과 상기 제1 후보 영상간 픽셀 단위의 강도 비교 결과값을 기초로 상기 CAD 모델을 보정하는 단계 및 SBR(Shooting & bouncing rays) 알고리즘을 이용하여 상기 제1 후보 영상의 위상 정보 및 노이즈 정보를 변경하는 단계를 포함할 수 있다.

Description

식별 DB 구축을 위한 시뮬레이션을 이용한 측정 유사 영상 생성 방법 및 그 장치{Method and apparatus for processing The measurement-like image generation for constructing target identification DB }
식별 DB 구축을 위한 시뮬레이션을 이용한 측정 유사 영상 생성 방법 및 장치에 관한다.
SAR (Synthetic Aperture Radar)를 이용하여 표적을 자동으로 탐지하고 식별 (recognition) 하는 ATR (Automatic Target Recognition) 기술이 발전해 왔다. 표적 식별을 위해 DB (Database) 구축에 필요한 표적에 대한 다양한 고각과 방위각 정보의 부재로 인해 식별 DB 구성이 상당히 어려운 상황이다. 충분하지 않는 DB를 보충하기 위하여 CAD 모델을 기반으로 하여 전자파 수치해석 기법으로 생성된 영상이 DB로 활용되는 연구가 지속적으로 진행되어 왔다. 하지만 완성도 높고 정확한 DB 구축을 위해서는 크게 두가지 문제에 직면하고 있다. 첫 번째는 불확실한 CAD 모델로 인하여 생기는 영상 생성의 부정확성이다. 영상에서 촬영되는 표적들에 대한 CAD 정보는 쉽게 알아내기 어려우며 시중에서 판매되는 프라모델이나 인터넷 모델을 이용하고 사진과 같은 간접 정보를 이용하여 모델의 정확성을 높이는 상황이다. 두 번째는 전자파 수치해석을 통해 이상적으로 생성된 영상과 측정영상의 불일치로 인하여 식별 성능이 열하되는 문제가 있다. 전기적 길이 (Electrical Length)가 큰 항공기와 배를 비롯하여 상대적으로 작은 차량조차도 정확한 해를 제공하는 Full-wave방식을 이용하는 수치해석 기법들(Method of Moments, Finite Element Method, Finite Difference Time Domain)은 레이더 주파수 대역인 X대역 (8GHz ∼ 12GHz)에서 현재의 계산능력(CPU 시간과 메모리)으로는 해석이 불가능한 상황이다. 따라서 고전적인 방식인 SBR(Shooting & bouncing rays) 또는 PO기반의 광선 추적과 같은 초고주파 기법을 이용해 생성된 영상을 DB에 의존하고 있는 상황이다. 하지만 이런 초고주파 기법들 Full-wave 방식에 정확성이 떨어지는 상황이다. 또한 전자파 수치해석을 통해 이론적으로 생성된 영상은 측정 영상과의 큰 차이를 보이게 된다.
이러한 모델링과 전자파 수치해석에 대한 오차가 시뮬레이션 영상 DB 생성에 제한적인 요소가 되고 있다. 따라서, 자동 표적 식별 성능에 큰 영향을 주고 있는 실정이다.
본 발명의 일 실시예에 따르면 SAR 자동표적 탐지 식별에서 시뮬레이션에 기반한 식별 DB를 구축하기 위해 측정 유사 영상을 생성할 수 있다.
본 발명의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 측정 유사 영상 생성 방법은 측정 영상을 획득하는 단계, CAD 모델을 이용하여 초고주파 방식으로 생성된 제1 후보 영상을 획득하는 단계, 타겟 오차가 획득되는 상기 초고주파 방식의 설정 파라미터를 결정하는 단계, 상기 측정 영상과 상기 제1 후보 영상간 픽셀 단위의 강도 비교 결과값을 기초로 상기 CAD 모델을 보정하는 단계 및 SBR(Shooting & bouncing rays) 알고리즘을 이용하여 상기 제1 후보 영상의 위상 정보 및 노이즈 정보를 변경하는 단계를 포함할 수 있다.
일 실시예에서 상기 측정 영상과 상기 제1 후보 영상간 타겟 오차가 획득되는 상기 초고주파 방식의 설정 파라미터를 결정하는 단계는, 전파 기법과 상기 초고주파 방식을 비교하여 타겟 RCS 오차가 획득되는 상기 설정 파라미터를 획득하는 단계를 포함할 수 있다.
일 실시예에서 상기 CAD 모델을 보정하는 단계는, 영상 품질 측정기법을 이용하여 상기 측정 영상과 상기 제1 후보 영상간 휘도 정보, 대조도 정보 및 구조 정보로 구성된 상기 픽셀 단위의 강도 비교 결과값을 기초로 상기 CAD 모델을 보정하는 단계를 포함할 수 있다.
일 실시예에서 상기 위상 정보 및 노이즈 정보가 변경된 제1 후보 영상을 기초로 측정 유사 영상을 획득하는 단계를 포함할 수 있다.
일 실시예에서 상기 측정 유사 영상이 상기 측정 영상과 최대 상관계수를 가질때까지 영상 보정(Image adjustment)을 수행하는 단계를 포함할 수 있다.
본 발명의 다른 실시예에 따른 측정 유사 영상 생성 장치는 프로세서를 포함하고, 상기 프로세서는, 측정 영상을 획득하고, CAD 모델을 이용하여 초고주파 방식으로 생성된 제1 후보 영상을 획득하며, 타겟 오차가 획득되는 상기 초고주파 방식의 설정 파라미터를 결정하고, 상기 측정 영상과 상기 제1 후보 영상간 픽셀 단위의 강도 비교 결과값을 기초로 상기 CAD 모델을 보정하고, SBR(Shooting & bouncing rays) 알고리즘을 이용하여 상기 제1 후보 영상의 위상 정보 및 노이즈 정보를 변경할 수 있다.
일 실시예에서 상기 프로세서는, 전파 기법과 상기 초고주파 방식을 비교하여 타겟 RCS 오차가 획득되는 상기 설정 파라미터를 획득할 수 있다.
일 실시예에서 상기 프로세서는, 영상 품질 측정기법을 이용하여 상기 측정 영상과 상기 제1 후보 영상간 휘도 정보, 대조도 정보 및 구조 정보로 구성된 상기 픽셀 단위의 강도 비교 결과값을 기초로 상기 CAD 모델을 보정할 수 있다.
일 실시예에서 상기 프로세서는, 상기 위상 정보 및 노이즈 정보가 변경된 제1 후보 영상을 기초로 측정 유사 영상을 획득할 수 있다.
일 실시예에서 상기 프로세서는, 상기 측정 유사 영상이 상기 측정 영상과 최대 상관계수를 가질때까지 영상 보정(Image adjustment)을 수행할 수 있다.
도 1은 본 발명의 일 실시예에 따른 측정 유사 영상 생성 장치의 구성 및 동작을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 측정 유사 영상 생성 장치의 프로세서 구성을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 측정 유사 영상 생성 방법의 순서도이다.
도 4는 도 3의 도시된 순서도를 상세히 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따라 생성된 측정 유사 영상의 일 예시이다.
도 6은 본 발명의 일 실시예에 따른 영상 보정 전과 후를 비교하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 영상 개선 처리 방법을 설명하기 위한 도면이다.
본 실시예들에서 사용되는 용어는 본 실시예들에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 실시예들에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 실시예들 전반에 걸친 내용을 토대로 정의되어야 한다.
본 실시예들은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 일부 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 실시예들을 특정한 개시형태에 대해 한정하려는 것이 아니며, 본 실시예들의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 명세서에서 사용한 용어들은 단지 실시예들의 설명을 위해 사용된 것으로, 본 실시예들을 한정하려는 의도가 아니다.
본 실시예들에 사용되는 용어들은 다르게 정의되지 않는 한, 본 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 실시예들에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
이하에서는 후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
이하 도 1을 참조하여 측정 유사 영상 생성 서버의 내부 구성에 대하여 상세히 설명한다.
일 실시예에서 측정 유사 영상 생성 서버(100)는 메모리(101), 프로세서(102), 통신 모듈(103) 및 입출력 인터페이스(104)를 포함할 수 있다.
메모리(101)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(101)에는 측정 유사 영상 생성 서버(100)를 제어하기 위한 프로그램 코드 및 설정, 점군 데이터 및 표면 정보가 일시적 또는 영구적으로 저장될 수 있다.
프로세서(102)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(101) 또는 통신 모듈(103)에 의해 프로세서(102)로 제공될 수 있다. 예를 들어 프로세서(102)는 메모리(101)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다. 일 실시예에서 측정 유사 영상 생성 서버(100)의 프로세서(102)는 정합 측정 영상을 획득하고, CAD 모델을 이용하여 초고주파 방식으로 생성된 제1 후보 영상을 획득하며, 타겟 오차가 획득되는 상기 초고주파 방식의 설정 파라미터를 결정하고, 상기 측정 영상과 상기 제1 후보 영상간 픽셀 단위의 강도 비교 결과값을 기초로 상기 CAD 모델을 보정하고, SBR(Shooting & bouncing rays) 알고리즘을 이용하여 상기 제1 후보 영상의 위상 정보 및 노이즈 정보를 변경할 수 있다.
통신 모듈(103)은 네트워크를 통해 외부 서버와 통신하기 위한 기능을 제공할 수 있다. 일례로, 측정 유사 영상 생성 서버(100)의 프로세서(102)가 메모리(101)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(103)의 제어에 따라 네트워크를 통해 외부 서버로 전달될 수 있다. 역으로, 외부 서버의 프로세서의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 네트워크를 거쳐 통신 모듈(103)을 통해 측정 유사 영상 생성 서버(100)로 수신될 수 있다. 예를 들어 통신 모듈(103)을 통해 수신된 외부 서버의 제어 신호나 명령 등은 프로세서(102)나 메모리(101)로 전달될 수 있고, 컨텐츠나 파일 등은 측정 유사 영상 생성 서버(100)가 더 포함할 수 있는 저장 매체로 저장될 수 있다.
통신 방식은 제한되지 않으며, 네트워크가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
또한, 통신 모듈(103)은 외부 서버와 네트워크를 통해 통신할 수 있다. 통신 방식은 제한되지 않지만, 네트워크는 근거리 무선통신망일 수 있다. 예를 들어, 네트워크는 블루투스(Bluetooth), BLE(Bluetooth Low Energy), Wifi 통신망일 수 있다.
입출력 인터페이스(104)는 입출력 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 어플리케이션의 통신 세션을 표시하기 위한 디스플레이와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(104)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 보다 구체적인 예로, 측정 유사 영상 생성 서버(100)의 프로세서(102)는 메모리(101)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 외부 서버가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(104)를 통해 디스플레이에 표시될 수 있다.
또한, 다른 실시예들에서 측정 유사 영상 생성 서버(100)는 도 1의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 측정 유사 영상 생성 서버(100)는 측정 유사 영상 생성 서버의 내부 구성요소들에 전력을 공급하는 배터리 및 충전 장치를 포함할 수 있고, 상술한 입출력 장치 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
이하 도 2를 참조하여 본 발명의 일 실시예에 따른 측정 유사 영상 생성 서버의 프로세서의 내부 구성에 대하여 상세히 검토한다. 후술되는 프로세서는 이해의 용이를 위하여 도 1에 도시된 측정 유사 영상 생성 서버(100)의 프로세서(102)임을 가정하고 설명하나, 일 실시예에서 측정 유사 영상 생성이 외부 서버에서 수행되는 경우 후술되는 프로세서는 외부 서버의 프로세서일 수 있음에 유의한다.
본 발명의 일 실시예에 따른 측정 유사 영상 생성 서버의 프로세서(102)는 측정 영상 획득부(111), 후보 영상 획득부(112), 설정 파라미터 결정부(113), CAD 모델 보정부(114) 및 후보 영상 보정부(115)를 포함한다. 몇몇 실시예에 따라 프로세서(102)의 구성요소들은 선택적으로 프로세서(102)에 포함되거나 제외될 수도 있다. 또한, 몇몇 실시예에 따라 프로세서(102)의 구성요소들은 프로세서(102)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.
이러한 프로세서(102) 및 프로세서(102)의 구성요소들은 도 3 의 측정 유사 영상 생성 방법이 포함하는 단계들(S110 내지 S150)을 수행하도록 측정 유사 영상 생성 서버(100)를 제어할 수 있다. 예를 들어, 프로세서(102) 및 프로세서(102)의 구성요소들은 메모리(101)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(102)의 구성요소들은 측정 유사 영상 생성 서버(100)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(102)에 의해 수행되는 프로세서(102)의 서로 다른 기능들(different functions)의 표현들일 수 있다. 프로세서(102)의 내부 구성 및 구체적인 동작에 대해서는 도 3 내지 도 4의 측정 유사 영상 생성 방법의 순서도 및 도 5 내지 도 7 의 실시예를 참조하여 설명하기로 한다.
도 3은 본 발명의 일 실시예에 따른 측정 유사 영상 생성 방법을 시계열적으로 나열한 순서도이다.
단계 S110에서 측정 유사 영상 생성 서버는 측정 영상을 획득할 수 있다.
단계 S120에서 측정 유사 영상 생성 서버는 CAD 모델을 이용하여 초고주파 방식으로 생성된 제1 후보 영상을 획득할 수 있다.
단계 S130에서 측정 유사 영상 생성 서버는 타겟 오차가 획득되는 측정 유사 영상 생성 방법초고주파 방식의 설정 파라미터를 결정할 수 있다. 보다 구체적으로 일 실시예에 따른 측정 유사 영상 생성 서버는 전파 기법과 측정 유사 영상 생성 방법초고주파 방식을 비교하여 타겟 RCS 오차가 획득되는 측정 유사 영상 생성 방법설정 파라미터를 획득할 수 있다.
단계 S140에서 측정 유사 영상 생성 서버는 측정 유사 영상 생성 방법측정 영상과 측정 유사 영상 생성 방법제1 후보 영상간 픽셀 단위의 강도 비교 결과값을 기초로 측정 유사 영상 생성 방법CAD 모델을 보정할 수 있다. 일 실시예에서 측정 유사 영상 생성 서버는 영상 품질 측정기법을 이용하여 측정 유사 영상 생성 방법측정 영상과 측정 유사 영상 생성 방법제1 후보 영상간 휘도 정보, 대조도 정보 및 구조 정보로 구성된 측정 유사 영상 생성 방법픽셀 단위의 강도 비교 결과값을 기초로 측정 유사 영상 생성 방법CAD 모델을 보정할 수 있다.
단계 S150에서 측정 유사 영상 생성 서버는 SBR(Shooting & bouncing rays) 알고리즘을 이용하여 측정 유사 영상 생성 방법제1 후보 영상의 위상 정보 및 노이즈 정보를 변경할 수 있다
한편, 본 발명의 몇몇 실시예에 따른 측정 유사 영상 생성 서버는 측정 유사 영상 생성 방법위상 정보 및 노이즈 정보가 변경된 제1 후보 영상을 기초로 측정 유사 영상을 획득할 수 있고, 측정 유사 영상 생성 방법측정 유사 영상이 측정 유사 영상 생성 방법측정 영상과 최대 상관계수를 가질때까지 영상 보정(Image adjustment)을 수행할 수 있다.
도 4는 본 발명의 일 실시예에 따른 측정 유사 영상 생성 방법을 더 구체적으로 설명하기 위한 도면이다.
측정 유사 영상 생성을 통해 식별율을 향상시키는 방법에는 크게 4가지 과정으로 수행될 수 있다.
첫 번째 과정은 영상 생성에 기본이 되는 RCS 개선 과정이다. 일 실시예에 따른 측정 유사 영상 생성 장치는 초기 기본 CAD 모델(S201)을 통해서 초고주파 기법들(Default: SBR)을(S201) Full-wave 방식의 기법들(MoM, FEM, FDTD)과(S202) 비교하여 검증을 할 수 있다.
이후 일 실시예에 따른 측정 유사 영상 생성 장치는 초고주파 기법들의 설정 파라미터들도 조정하여 정확도를 조절할 수 있다(S213). 이 경우 측정 유사 영상 생성 장치는 원하는 RCS 오차를 얻을 때까지 정확도 조절을 수행을 할 수 있다. RCS 오차를 계산하는 식은 하기 수식 1과 같다.
[수식 1]
Figure pat00001
여기서,
Figure pat00002
은 RCS 오차를 나타낸다. 초고주파 기법과 파라미터 변경은 사용자가 정해논
Figure pat00003
가 달성될 때까지 수행을 한다.
[수식 2]
Figure pat00004
(S211)
여기서,
Figure pat00005
의 값은 제한되지 않는다. 예를 들어
Figure pat00006
는 5%로 설정될 수 있다.
두 번째 과정은 CAD 모델 개선을 통한 식별 성능 개선 과정이 수행될 수 있다(S220). 일 실시예에서 측정 유사 영상 생성 장치는 SSIM (structural similarity index metric)와 GLCM (grey level co-occurrence matrix)와 같은 고사양의 영상 품질 측정기법을 이용하여 CAD 모델 개선을 수행할 수 있다(S230 내지 S231). 예를 들어 측정 유사 영상 생성 장치는 SSIM을 이용하여 휘도(luminance), 대조도(contrast), 구조(structure)로 표준화된 픽셀 단위의 강도 비교를 통해 측정 영상(S240)과 비교하여 모델을 수정할 수 있다. 본 실시예에서 측정 유사 영상 생성 장치는 모델의 임계값
Figure pat00007
보다 작을 경우 모델 보정을 중단할 수 있다.
[수식 3]
Figure pat00008
(S230)
여기서,
Figure pat00009
의 값은 한정되지 않으나, 예를 들어
Figure pat00010
은 10%로 설정될 수 있다.
세 번째 과정은 SBR 알고리즘을 통해서 2D 영상을 생성할 때 영상 위치와 위상 노이즈 오차를 넣어주는 ad-hoc 기법을 사용하는 과정이다(S250). ad-hoc 기법을 사용하는 이유는 측정 영상 생성을 대한 구체적인 정보가 없기 때문이다. 영상 생성에 대한 수식은 다음과 같이 주어진다.
[수식 4]
Figure pat00011
[수식 5]
Figure pat00012
Figure pat00013
는 정규분포를 랜덤함수이다. 영상의 품질은 오차의 표준편차 값을 보정하면서, 수식 6에 도시된 바와 같이 영상보정 임계치
Figure pat00014
보다 작아질 때까지 보정될 수 있다(S261).
[수식 6]
Figure pat00015
(S260)
영상보정 임계치의 값은 제한되지 않으며, 예를 들어 영상보정 임계치의 값은 5%일 수 있다.
마지막으로 일련의 영상보정이 끝난 측정 유사영상은 일반 영상처리에서 사용하는 영상 보정 (Image adjustment) 기법을 사용하여 최대 상관계수를 가질 때까지 수행될 수 있다. 상관계수는
Figure pat00016
이다. (S270 내지 S290)
도 5는 위의 기법을 이용하여 측정 유사 영상을 생성한 결과를 나타낸다. 표적 2개(A, B) 영상에 대하여 동적범위 55dB와 38dB에서 생성된 영상보정 없이 생성된 시뮬레이션 영상과 측정 유사 영상과의 비교를 보여준다.
도 6은 측정(MSTAR)과 시뮬레이션 샘플 표적에 대해 영상개선 처리 전과 후의 히스토그램 변화 예시를 타나낸다. 영상 보정 후의 유사도가 크게 향상된 것을 볼 수 있다.
도 7은 시뮬레이션 표적 영상에 동적범위를 다르게 할 때의 표적영상과 영상개선 처리 후의 표적영상 예시를 나타낸다. 표적 A와 B의 예시를 보여준다.
전술한 바와 같이 본 발명의 몇몇 실시예에 따른 측정 유사 영상 생성 방법에 따르면 수치해석 기법과 다양한 전처리 및 후처리 기법을 이용하여 측정 유사 영상을 생성하여 표적 식별의 어려움을 해결하여 정확도를 높일 수 있다.
한편, 본 실시예와 관련된 기술 분야에서 통상의 지식을 가진 자는 상기된 기재의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 방법들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (11)

  1. 컴퓨팅 장치에 의해 수행되는 측정 유사 영상 생성 방법에 있어서,
    측정 영상을 획득하는 단계;
    CAD 모델을 이용하여 초고주파 방식으로 생성된 제1 후보 영상을 획득하는 단계;
    타겟 오차가 획득되는 상기 초고주파 방식의 설정 파라미터를 결정하는 단계;
    상기 측정 영상과 상기 제1 후보 영상간 픽셀 단위의 강도 비교 결과값을 기초로 상기 CAD 모델을 보정하는 단계; 및
    SBR(Shooting & bouncing rays) 알고리즘을 이용하여 상기 제1 후보 영상의 위상 정보 및 노이즈 정보를 변경하는 단계를 포함하는,
    측정 유사 영상 생성 방법.
  2. 제1 항에 있어서,
    상기 측정 영상과 상기 제1 후보 영상간 타겟 오차가 획득되는 상기 초고주파 방식의 설정 파라미터를 결정하는 단계는,
    전파 기법과 상기 초고주파 방식을 비교하여 타겟 RCS 오차가 획득되는 상기 설정 파라미터를 획득하는 단계를 포함하는,
    측정 유사 영상 생성 방법.
  3. 제1 항에 있어서,
    상기 CAD 모델을 보정하는 단계는,
    영상 품질 측정기법을 이용하여 상기 측정 영상과 상기 제1 후보 영상간 휘도 정보, 대조도 정보 및 구조 정보로 구성된 상기 픽셀 단위의 강도 비교 결과값을 기초로 상기 CAD 모델을 보정하는 단계를 포함하는,
    측정 유사 영상 생성 방법.
  4. 제1 항에 있어서,
    상기 위상 정보 및 노이즈 정보가 변경된 제1 후보 영상을 기초로 측정 유사 영상을 획득하는 단계;를 포함하는,
    측정 유사 영상 생성 방법.
  5. 제4 항에 있어서,
    상기 측정 유사 영상이 상기 측정 영상과 최대 상관계수를 가질때까지 영상 보정(Image adjustment)을 수행하는 단계;를 포함하는,
    측정 유사 영상 생성 방법.
  6. 프로세서; 를 포함하고,
    상기 프로세서는,
    측정 영상을 획득하고, CAD 모델을 이용하여 초고주파 방식으로 생성된 제1 후보 영상을 획득하며, 타겟 오차가 획득되는 상기 초고주파 방식의 설정 파라미터를 결정하고, 상기 측정 영상과 상기 제1 후보 영상간 픽셀 단위의 강도 비교 결과값을 기초로 상기 CAD 모델을 보정하고, SBR(Shooting & bouncing rays) 알고리즘을 이용하여 상기 제1 후보 영상의 위상 정보 및 노이즈 정보를 변경하는,
    측정 유사 영상 생성 장치.
  7. 제6 항에 있어서,
    상기 프로세서는,
    전파 기법과 상기 초고주파 방식을 비교하여 타겟 RCS 오차가 획득되는 상기 설정 파라미터를 획득하는,
    측정 유사 영상 생성 장치.
  8. 제6 항에 있어서,
    상기 프로세서는,
    영상 품질 측정기법을 이용하여 상기 측정 영상과 상기 제1 후보 영상간 휘도 정보, 대조도 정보 및 구조 정보로 구성된 상기 픽셀 단위의 강도 비교 결과값을 기초로 상기 CAD 모델을 보정하는,
    측정 유사 영상 생성 장치.
  9. 제6 항에 있어서,
    상기 프로세서는,
    상기 위상 정보 및 노이즈 정보가 변경된 제1 후보 영상을 기초로 측정 유사 영상을 획득하는,
    측정 유사 영상 생성 장치.
  10. 제9 항에 있어서,
    상기 프로세서는,
    상기 측정 유사 영상이 상기 측정 영상과 최대 상관계수를 가질때까지 영상 보정(Image adjustment)을 수행하는,
    측정 유사 영상 생성 장치.
  11. 컴퓨터를 이용하여 제1항 내지 제5항 중 어느 한 항의 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램.
KR1020200101405A 2020-08-12 2020-08-12 식별 db 구축을 위한 시뮬레이션을 이용한 측정 유사 영상 생성 방법 및 그 장치 KR102386857B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200101405A KR102386857B1 (ko) 2020-08-12 2020-08-12 식별 db 구축을 위한 시뮬레이션을 이용한 측정 유사 영상 생성 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200101405A KR102386857B1 (ko) 2020-08-12 2020-08-12 식별 db 구축을 위한 시뮬레이션을 이용한 측정 유사 영상 생성 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20220020722A true KR20220020722A (ko) 2022-02-21
KR102386857B1 KR102386857B1 (ko) 2022-04-14

Family

ID=80475191

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200101405A KR102386857B1 (ko) 2020-08-12 2020-08-12 식별 db 구축을 위한 시뮬레이션을 이용한 측정 유사 영상 생성 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR102386857B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110075532A (ko) * 2009-12-28 2011-07-06 영남대학교 산학협력단 합성 개구면 레이더 영상에서 표적을 변별하는 방법 및 그 장치
KR20150090731A (ko) * 2014-01-29 2015-08-06 국방과학연구소 표적 식별 정보 데이터베이스 구축 장치 및 방법
KR101748077B1 (ko) * 2016-04-05 2017-06-15 국방과학연구소 바이스태틱 표적식별을 위한 데이터베이스 구축방법, 구축된 데이터베이스를 이용한 바이스태틱 표적식별장치 및 바이스태틱 표적식별방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110075532A (ko) * 2009-12-28 2011-07-06 영남대학교 산학협력단 합성 개구면 레이더 영상에서 표적을 변별하는 방법 및 그 장치
KR20150090731A (ko) * 2014-01-29 2015-08-06 국방과학연구소 표적 식별 정보 데이터베이스 구축 장치 및 방법
KR101748077B1 (ko) * 2016-04-05 2017-06-15 국방과학연구소 바이스태틱 표적식별을 위한 데이터베이스 구축방법, 구축된 데이터베이스를 이용한 바이스태틱 표적식별장치 및 바이스태틱 표적식별방법

Also Published As

Publication number Publication date
KR102386857B1 (ko) 2022-04-14

Similar Documents

Publication Publication Date Title
CN109977949B (zh) 边框微调的文本定位方法、装置、计算机设备及存储介质
KR102272411B1 (ko) 합성 개구면 레이더 영상의 시뮬레이션 영상 데이터베이스의 식별률을 높이기 위한 인공신경망 학습 방법 및 그 장치
JP7263216B2 (ja) ワッサースタイン距離を使用する物体形状回帰
CN110956255A (zh) 难样本挖掘方法、装置、电子设备及计算机可读存储介质
JP2022137209A (ja) コンピュータ実装方法、コンピュータ・プログラム製品および装置
CN107240104B (zh) 点云数据分割方法和终端
US9740958B2 (en) Method for vignetting correction of image and apparatus therefor
CN112183627A (zh) 生成预测密度图网络的方法和车辆年检标数量检测方法
CN109902641B (zh) 基于语义对齐的人脸关键点检测方法、系统、装置
US9798950B2 (en) Feature amount generation device, feature amount generation method, and non-transitory medium saving program
KR102386857B1 (ko) 식별 db 구축을 위한 시뮬레이션을 이용한 측정 유사 영상 생성 방법 및 그 장치
KR102240403B1 (ko) 이미지 평활화 방법 및 이미지 평활화 장치
CN111985439A (zh) 人脸检测方法、装置、设备和存储介质
KR102178444B1 (ko) 미세 조직 분석 장치
US20230401670A1 (en) Multi-scale autoencoder generation method, electronic device and readable storage medium
CN116168090A (zh) 一种设备参数标定方法及装置
CN114170481B (zh) 用于图像处理的方法、设备、存储介质和程序产品
JP2019219765A (ja) 情報処理装置及び情報処理方法
CN118302111A (zh) 用于皮肤处理的身体部位测量的方法和系统
CN111368120B (zh) 目标指纹库构建方法、装置、电子设备及存储介质
CN113344994A (zh) 图像配准方法、装置、电子设备及存储介质
CN117493775B (zh) 数据链的相对导航方法、装置、电子设备及存储介质
US10489675B2 (en) Robust region segmentation method and system using the same
KR102547288B1 (ko) 색 번짐이 발생한 채색 이미지 보정 방법 및 그 장치
CN113112554B (zh) 相机外参标定方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant