Sieć Kohonena w kompresji obrazów radarowych

• Autorzy: Praczyk T.

Warianty tytułu

EN

Kohonen net i radar Picture compression

• Języki publikacji: PL

Abstrakty

PL

Obraz morskiego radaru nawigacyjnego może być podstawą perspektywicznego systemu wyznaczenia pozycji okrętu. Obrazy uzyskane z radarów nawigacyjnych zawierają zwykle ogromne ilości informacji. Wykorzystanie jej w całości w systemach pozycjonowania jest praktycznie niemożliwe. Wiąże się to z ograniczonymi możliwościami obliczeniowymi współczesnych komputerów. Konieczne staje się zatem skondensowanie występującej w każdym obrazie informacji do wielkości akceptowalnej z punktu widzenia praktycznych zastosowań. Efekt taki możemy uzyskać poprzez zastosowanie metod ekstrakcji cech z zarejestrowanych obrazów radarowych. Artykuł prezentuje jedną z metod ekstrakcji cech bazującą na możliwościach samoorganizującej sieci Kohonena.

EN

A picture obtained from a shipboard navigation radar can be a basis for future ship position fixing system. Pictures obtained from navigational radars usually contain huge amounts of information. It is practically impossible to use all of them. This is connected with limited computing capacity of contemporary computers. Thus it becomes necessary to condense information contained in each picture to the magnitude acceptable with regard to practical applications. This can be achieved by employing methods for extracting features from recorded radar pictures. The paper presents one of the feature extraction methods based on possibilities of self-organizing Kohonen net and GRNN net.

Słowa kluczowe

PL

radary; urządzenia nawigacyjne; sieci Kohonena

EN

radars; navigation equipment; Kohonen networks

• Wydawca: Akademia Marynarki Wojennej im. Bohaterów Westerplatte
• Czasopismo: Zeszyty Naukowe Akademii Marynarki Wojennej
• Rocznik: 2003
• Tom: R. 44 nr 1 (152)
• Strony: 115--124
• Opis fizyczny: Bibliogr. 3 poz., rys., tab.

Twórcy

autor

Praczyk T.

• Akademia Marynarki Wojennej

Bibliografia

• 1. Masters T.: Sieci neuronowe w praktyce. Ptogramowanie w języku C++, WNT, Warszawa 1996.
• 2. Specht D. F. a General Regression Neutral Network, IDEE Transactions on Neutral Networks Vol. 2 No. 6, 1996.
• 3. Stateczny A., Praczyk T. Sztuczne sieci neuronowe w kompresji obrazów radarowych, ZN WSM Szczecin 2002.