자동 목표물 인식 시스템을 위한 클러스터 기반 투영기법과 혼합 전문가 구조

본 논문에서는 적외선 영상 기반의 자동 목표물 인식 시스템(ATR System:Automatic Target Recognition System)에 적합한 특징 추출(feature extraction) 기법과 분류(classification) 기법을 제안한다. 제안 특징 추출 기법은 조명 변화에 의한 밝기 변화에 강인한 기존의 Fisherfaces 기법을 다수의 클래스들의 분류 문제에 적용 가능하도록 확장한 클러스터(cluster = set of classes, class = set of image) 기반 Fisherfaces 기법을 중심으로 다수의 클래스를 소수의 클러스터로 묶는 클래스 클러스터링(class clustering)과 클러스터별 영상 투영(projection) 과정으로 이루어진다. 제안 특징 추출 기법과 연결되는 제안 분류 기법은 RBF(Radial basis function)와 MLP(Multilayer perceptron)를 함께 사용하는 혼합 전문가 구조(Mixture of experts)의 신경망(neural networks) 기반 기법으로 제안 특징 추출 기법의 효용성을 극대화한다. 제안 특징 추출 기법과 분류 기법은 기존 기법들과 비교하여 화소 별로 존재하는 센서 잡음과 국부적 혹은 전역적으로 존재하는 밝기 변화 오차에 강인하며 이를 적외선 자동차 영상 인식 실험을 통해 검증하였다.