امین جاویدمیاوقی - دانشجوی کارشناسی ارشد ، دانشکده مهندسی برق و کامپیوتر،دانشگاه ارومیه
مرتضی ولیزاده - استادیار دانشکده مهندسی برق و کامپیوتر،دانشگاه ارومیه
مهدی چهل امیرانی - دانشیار دانشکده مهندسی برق و کامپیوتر، دانشگاه ارومیه
حمزه حسن نیا - دانشجوی کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر،دانشگاه ارومیه

استخراج ویژگی یکی از مهمترین مراحل تشخیص خودکار اهدف (ATR) محسوب می شود و نقش مهمی در تفسیر تصاویر رادار SARایفا می کند. به منظور به دست آوردن ویژگیهای متمایز، این مقاله یک الگوریتم ترکیب ویژگی را برای شناسایی اهدف در تصاویر رادار SAR مطرح می کند. روند دقیق ارایه شده در این مقاله را می توان به صورت زیر خلاصه کرد: اول اینکه 21 ویژگی پایه استخراج می شود، که این ویژگی ها می توانند جنبه های global و local تصویر را با افزونگی کم تر توصیف کنند. این ویژگی ها اهداف را به طور موثر توصیف می کنند و اطلاعات مفیدی از ساختار اهداف را فراهم می کنند. در مرحله دوم،ویژگی های هندسی اهداف نظامی و سایه آنها در کنار هم قرار گرفته و بردار ویژگی را تشکیل می دهند و در نهایت یک طبقه بندSVM با استفاده از تصاویر آموزشی، آموزش داده می شود و برای کلاس بندی اهدف از آن استفاده می شود. الگوریتم پیشنهادی بر روی تصاویر پایگاه داده MSTAR که متشکل از 2426 تصویر و شامل 10 کلاس از اهداف نظامی در تصاویر SAR است،آزمایش شد و نتایج حاصل نشان می دهد که با ترکیب ویژگی های هندسی اهداف نظامی و سایه آنها دقت طبقه بندی 96.82%به دست می آمد در حالی که با استفاده از ویژگی های هندسی اهداف نظامی به تنهایی دقت طبقه بندی 91.21 بدست می آید.مقایسه نتایج دو آزمایش فوق میزان اثربخشی ترکیب ویژگی های هندسی اهداف و سایه آنها را نشان می دهد.

SAR target recognition, feature fusion , MSTAR