Сравнение алгоритмов классификации радарных изображений при различных методах предобработки на примере базы MSTAR

Abstract

Данная работа направлена на сравнение алгоритмов классификации и методов машинного обучения при различных методах предварительной обработки радарных изображения. Предварительная обработка включает фильтрацию спекл-шума и нормализацию ориентации объекта на изображении. В сравнении рассматривались следующие алгоритмы классификации: дерево решений, метод опорных векторов, метод ближайших соседей, алгоритмы машинного обучения random forest и AdaBoost, в роли слабого классификатора использовалось дерево решений. Также были рассмотрены сверточная нейронная сеть (Convolutional Neural Network) и остаточная нейронная сеть (Residual Neural Network). Для уменьшения размерности был применен метод главных компонент. Исследование проводилось на объектах из базы радиолокационных изображений MSTAR. В статье представлены результаты проведенных исследований. This work is aimed at comparing the classification algorithms and methods of machine learning with various methods for preprocessing radar images. Preprocessing includes speckle noise filtering and object orientation normalization on the image. In comparison, the following classification algorithms were considered: the decision tree, the support vector machine, the nearest-neighbor method, the random forest and AdaBoost machine learning algorithms, and the decision tree was used as a weak classifier. Convolutional Neural Network and Residual Neural Network were also considered. To reduce the dimension, the principal component method was applied. The study was carried out on the objects from the base of radar images MSTAR. The paper presents the results of the research.