Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
Benvenuti nell'Anagrafe della Ricerca d'Ateneo
The challenge of automatic target recognition of military targets within a synthetic aperture radar scene is addressed in this paper. The proposed approach exploits the discrete-defined Krawtchouk moments, which are able to represent a detected extended target with few features, allowing its characterization. The proposed algorithm provides robust performance for target recognition, identification, and characterization, with high reliability in the presence of noise and reduced sensitivity to discretization errors. The effectiveness of the proposed approach is demonstrated using the MSTAR dataset.
Clemente, C., Pallotta, L., Gaglione, D., De Maio, A., Soraghan, J.J. (2017). Automatic Target Recognition of Military Vehicles with Krawtchouk Moments. IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS, 53(1), 493-500 [10.1109/TAES.2017.2649160].
Automatic Target Recognition of Military Vehicles with Krawtchouk Moments
Clemente C.;Pallotta L.;Gaglione D.;De Maio A.;Soraghan J. J.
2017-01-01
Abstract
The challenge of automatic target recognition of military targets within a synthetic aperture radar scene is addressed in this paper. The proposed approach exploits the discrete-defined Krawtchouk moments, which are able to represent a detected extended target with few features, allowing its characterization. The proposed algorithm provides robust performance for target recognition, identification, and characterization, with high reliability in the presence of noise and reduced sensitivity to discretization errors. The effectiveness of the proposed approach is demonstrated using the MSTAR dataset.
Clemente, C., Pallotta, L., Gaglione, D., De Maio, A., Soraghan, J.J. (2017). Automatic Target Recognition of Military Vehicles with Krawtchouk Moments. IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS, 53(1), 493-500 [10.1109/TAES.2017.2649160].
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11590/356213
Citazioni
ND
74
67
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2021-2023 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
