Resumen

Se presenta una estrategia para lograr una alta precisión en las tareas de reconocimiento automático de objetivos (ATR) del radar de apertura sintética (SAR). Inicialmente, se introducen de forma secuencial un nuevo proceso de rectificación de la postura y un proceso de normalización de la imagen para producir imágenes con menos variaciones antes de la etapa de procesamiento de características. A continuación, se extraen conjuntos de características que tienen una gran cantidad de información de textura y de bordes con la utilización de coeficientes wavelet, donde se adquieren conjuntos de características más eficaces y compactos al reducir la redundancia y la dimensionalidad del conjunto de características extraídas. Por último, se aprende un grupo de árboles de discriminación y se combinan en un clasificador final en el marco de Real-AdaBoost. El método propuesto se evalúa con la base de datos pública de adquisición y reconocimiento de objetivos móviles y estacionarios (MSTAR). Se realizan varios estudios comparativos para evaluar la eficacia del algoritmo propuesto. Los resultados experimentales muestran la superioridad distintiva del método propuesto tanto en condiciones operativas estándar (SOC) como en condiciones operativas extendidas (EOC). Además, nuestras pruebas adicionales sugieren que se puede conseguir una buena precisión de reconocimiento incluso con un número limitado de imágenes de entrenamiento, siempre que éstas se capturen con un paso de muestra adecuadamente incrementado en las poses del objetivo.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:métodos propuestos, estudio comparativo de varios, marco de real, riqueza de textura, buena precisión de reconocimiento, base de datos de liberación pública, adquisición de objetivo estacionario, utilización de wavelet, paso de muestra incremental, proceso de rectificación de pose
• Keywords:proposed methods, several comparative study, framework of real, wealth of texture, good recognition accuracy, public release database, stationary target acquisition, utilization of wavelet, incremental sample step, pose rectification process