Forutsetninger og metoder for klassifikasjon av skip i ISAR-bilder

Syntetisk Aperture Radar (SAR) og Invers Syntetisk Aperture Radar (ISAR) er teknikker for høyoppløselig avbildning. Denne rapporten ser på mulighetene for å utvikle og ta i bruk et system for automatisk klassifikasjon av skip i SAR- og ISAR-bilder. Rapporten gir først en grunnleggende innføring i SAR- og ISAR-avbildning av skip. SAR-avbildning benyttes mot stasjonære mål, og er aktuelt mot skip som ligger til kai eller for anker i stille sjø. ISAR benyttes mot mål i bevegelse. Skipets bevegelser bestemmer i stor grad bildeplan, oppløsning og mulighetene for å få fokuserte bilder. Disse sammenhengene blir beskrevet. Bildene som kommer ut av en ISAR-prosessor vi ikke har kontroll med er ikke nødvendigvis optimale. Rapporten skisserer noen metoder som kan benyttes for å tilpasse bildedannelsen til forholdene, og dermed få bilder som er bedre egnet for klassifikasjon. For at et klassifikasjonssystem skal kunne tas videre fra forskningsstadiet til operativ bruk, må det oppfylle visse krav til bl.a. detaljert klassifikasjon, maksimal feilrate og robusthet. Videre må det være praktisk mulig å bygge opp en tilstrekkelig omfattende fartøysdatabase. Vi har undersøkt hvilken informasjon som kan trekkes ut av SAR- og ISAR-data, og i hvilken grad den gir mulighet for diskriminering mellom fartøysklasser. Egenskaper relatert til fartøyenes dimensjoner og form har et visst potensial, men er relativt lite robust overfor målets orientering og bevegelser. Egenskaper relatert til tilbakespredningen har trolig større potensial og robusthet. Hvis klassifikasjonssystemet baseres på dimensjoner og form, kan skipsdatabasen bestå av 3D-modeller som enkelt kan bygges med utgangspunkt i fotografier. Klassifikasjon basert på fordelingen av tilbakespredning forutsetter en signaturdatabase. Det vil i så fall kreve omfattende datainnsamling, noe som er en utfordring å få gjennomført i praksis. Rapporten skisserer flere mulige systemer for klassifikasjon av skip med SAR og ISAR. For ISAR ville man trolig oppnådd høyest ytelse ved å benytte et bredt utvalg av egenskaper som inkluderte både dimensjoner, silhuett og fordeling av tilbakespredning. I første omgang er en enklere metode basert på sammenligning av målets silhuett med silhuetter fra 3D-modeller blitt implementert og testet. Resultatene for to datasett er gitt i rapporten. Et fartøy på 33.5m blir klassifisert med relativt høy treffprosent, mens en båt på 10.5m i all hovedsak blir klassifisert som ukjent mål. Treningsdataene omfatter 16 fartøysklasser. Disse resultatene indikerer at metoden har et potensial for klassifikasjon av skip når formen til fartøyet kommer tydelig frem på ISAR-bildene. Det er imidlertid usikkert hvilken ytelse den ville hatt i en mer realistisk situasjon med et stort antall klasser og mer varierende kvalitet på bildene. Det trengs flere eksperimenter med reelle data for å vurdere potensialet til metodene vi har utviklet og bestemme retning for den videre utviklingen.