Исследование методов классификации надводных кораблей по размерам, определяемым по их радиолокационным изображениям

Abstract

Проблема определения размеров, занимаемых радиолокационным изображением (РЛИ) пространственно-распределенной цели (ПРЦ) на двумерной растровой картинке наблюдаемого участка земной (водной) поверхности, формируемой космическим радиолокатором с синтезированной апертурой, актуальна в самых различных задачах космического мониторинга. В данной работе названная проблема решается применительно к определению размеров РЛИ надводных кораблей на фоне отражений от морской поверхности. В качестве моделей РЛИ используются как феноменологические, так и реальные, основанные на базе SSDD. Принятие решения о размерах НК производится как классическими (параметрическими и непараметрическими) алгоритмами, так и алгоритмами, основанными на машинном обучении с использованием искусственных нейронных сетей. Приведены результаты сравнительного анализа названных алгоритмов.

The problem of determining the dimensions occupied by a spatially distributed target (SDT) in a two-dimensional raster image of the observed area of the Earth’s (water) surface, formed by a spaceborne synthetic aperture radar (SAR), is relevant in various space monitoring tasks. In this work, this problem is addressed specifically in the context of determining the dimensions of SDT of surface ships against reflections from the sea surface. Both phenomenological and real models based on SSDD database are used as SAR images. Decision-making regarding the dimensions of surface ships is performed using classical (parametric and non-parametric) algorithms as well as machine learning algorithms leveraging artificial neural networks. The results of the comparative analysis of these algorithms are presented.