[論文レビュー] Small-floating Target Detection in Sea Clutter via Visual Feature Classifying in the Time-Doppler Spectra

Yi Zhou, Yin Cui+3 more|arXiv (Cornell University)|Sep 9, 2020

Underwater Acoustics Research参考文献 19被引用数 4

ひとこと要約

本稿では、時間ドップラースペクトル（TDS）における視覚的テクスチャ特徴を活用することで、海上の小型浮遊物体を海雑音中で検出する新しいレーダー標的検出手法を提案する。標的が海面の運動に干渉することで生じるテクスチャの変動を捉えるために局所的バイナリパターン（LBP）を用い、LBP特徴空間における外れ値を1クラスSVMで検出することで、既存手法と比較して優れた検出率を達成した。IPIXレーダーデータ上での実験で、優れた性能を示した。

ABSTRACT

It is challenging to detect small-floating object in the sea clutter for a surface radar. In this paper, we have observed that the backscatters from the target brake the continuity of the underlying motion of the sea surface in the time-Doppler spectra (TDS) images. Following this visual clue, we exploit the local binary pattern (LBP) to measure the variations of texture in the TDS images. It is shown that the radar returns containing target and those only having clutter are separable in the feature space of LBP. An unsupervised one-class support vector machine (SVM) is then utilized to detect the deviation of the LBP histogram of the clutter. The outiler of the detector is classified as the target. In the real-life IPIX radar data sets, our visual feature based detector shows favorable detection rate compared to other three existing approaches.

研究の動機と目的

• 反射電波の振幅に基づく分離が、標的と雑音のバックスキャッタ振幅が類似しているため失敗する海上の小型浮遊標的検出の課題に対処する。
• 波の運動と区別がつかないほど遅い速度で移動する標的に対し、ドップラーに基づく手法が困難をきたすという制限を克服する。
• 標的を含む戻り信号と雑音のみの戻り信号を確実に区別できる、TDS画像における一般的な視覚的テクスチャ特徴を特定する。
• ラベル付きデータが限られ、サンプルが不均衡な状況でも効果的に動作する、教師なし検出フレームワークを開発する。
• 一貫性のあるテクスチャ記述子（LBP）と1クラスSVMによる外れ値検出を用いることで、既存の特徴ベース手法よりも検出性能を向上させる。

提案手法

• レーダー戻り信号から時間ドップラースペクトル（TDS）を抽出し、海雑音と標的の戻り信号のドップラー周波数特性を可視化する。
• ロバスト性を高めるために、P=8の近傍点と半径R=1を用いた局所的バイナリパターン（LBP）を適用し、TDS画像内のテクスチャ特徴を計算する。
• 各TDS画像を9ビンのLBPヒストグラムとして表現することで、標的の存在によって引き起こされる局所的テクスチャの変動を符号化する。
• 雑音のみのセルから得たLBPヒストグラムを用いて、1クラスSVMを訓練し、通常の雑音分布をモデル化する。
• 訓練済みの1クラスSVMの境界外にあるLBPヒストグラムを持つTDS画像を、潜在的な標的と分類する。
• 不均衡でノイズの多い訓練データに対応するため、バンド幅s=1/m（mは訓練サンプル数）のガウスカーネルを用い、νパラメータを0.4に設定する。

実験結果

リサーチクエスチョン

• RQ1 TDS画像における視覚的テクスチャの違いは、小型浮遊標的と海雑音を信頼性高く区別できるか？
• RQ2 LBP特徴は、TDSにおいて海面の均一な運動に乱れを起こす標的の構造的破壊を効果的に捉えられるか？
• RQ3 訓練データに雑音のみが存在する状況下で、1クラスSVMはLBP特徴空間において標的に類似した外れ値を効果的に検出できるか？
• RQ4 本手法のLBPベース検出器は、実際のIPIXレーダーデータ上での既存の多特徴またはヒューリスティック特徴ベース手法と比較して、どの程度高い検出率を達成するか？
• RQ5 LBP特徴は、実世界のレーダーデータにおける異なる偏光モードや環境条件下でも、どの程度一般化可能か？

主な発見

• LBP特徴空間は、標的を含むTDS画像と雑音のみの画像を成功裏に分離しており、明確に異なるヒストグラム分布が観察された。
• 1993年ダートマスIPIXデータセットでは、HHおよびVH偏光モードで検出率0.90を達成し、NTFD（0.754）、Tri（0.577）、Fractal（0.303）の各手法を上回った。
• 1998年グリムズビー・データセットでは、HVおよびVHモードで検出率0.90を達成し、一部の状況でNTFD（0.997および1.000）を上回り、TriおよびFractal手法を著しく上回った。
• 1993年データの全偏光モードにおいて、全体の検出率は0.80を維持し、全モードで0.70を超える検出率を達成した。
• LBP特徴は、多特徴のNTFD手法と同等またはそれ以上の検出性能を達成し、汎用的で次元が低いテクスチャ記述子としての価値を示した。
• 1クラスSVM分類器は、訓練データが限られ、サンプルが不均衡な状況下でも標的を外れ値として効果的に検出できた。これは、実際のレーダー環境下でのロバスト性を裏付けた。