지능형 함정전투체계를 위한 딥러닝 기반 IR 이미지 표적 자동 인식 시스템에 관한 연구
A Study on Deep Learning-based Automatic Target Recognition System in IR Image for Intelligent Combat Management System
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 지능형 함정전투체계를 위한 함정용 전자광학추적장비(EOTS; Electro-Optical Targeting System)의 적외선(IR; InfraRed) 이미지의 표적을 자동으로 인식할 수 있는 시스템을 제안한다. 군사적 목적으로 광량이 부족한 야간 환경에서는 IR 이미지를 통한 표적 탐지가 최적이다. 그러나 IR 이미지는 광학 이미지보다 저화질이고, 텍스처 정보 부족으로 추출 가능한 특징이 적기때문에 전투체계 운용자가 표적을 정확히 인식하는 데 어려움이 있다. 이러한 문제 해결을 위해 본연구에서는 EOTS의 IR 운용 환경에 최적화된 딥러닝 모델 기반 자동 표적 인식 시스템을 제안한다. 먼저, 모델의 일반화 성능 확보를 위한 전이 학습을 수행하였으며, IR 이미지에 대하여 전장 상황에서 발생할 수 있는 요소를 반영한 데이터 증강 기법을 적용하였다. 또한, 표적 인식률 향상을위해 모델 앙상블 기법을 활용하여 함정 전투체계에 적합한 인공지능 모델을 설계하였다. 정량적분석 결과, 제안 방법은 다양한 대공 및 대함 표적에 대해 정확도 92%의 우수한 인식 성능을 보였다. 따라서 제안하는 시스템은 지능형 함정 전투체계 요소 기술로 활용될 것으로 기대된다.
Abstract
In this paper, we propose a system that can automatically recognize targets using infrared (IR) images from an electro-optical tracking system (EOTS) for an intelligent combat management system (CMS). Target detection through IR images is the best method in low-light environments at night for military purposes. However, IR images are relatively inferior to optical images and lack of texture information, making it difficult for CMS operators to recognize targets because there are few feature points that can be tracked. To solve this problem, this study proposes an automatic target recognition (ATR) system based on a deep learning model optimized for the IR operation environment of EOTS. First, transfer learning was employed to ensure the model’s generalization performance, and data augmentation techniques were applied to IR images to reflect elements occurring in battlefield scenarios. Additionally, model ensemble methods were utilized to enhance target recognition rates, resulting in the design of an AI model suitable for naval combat systems. As a result of quantitative analysis, the proposed method demonstrated excellent performance with an accuracy of 92% for various anti-air and anti-ship targets. Therefore, it is expected to be used as an elementary technology for intelligent CMS.