ضریب امنیت علوم نظامی

هدف: در علوم نظامی استفاده از فناوری های مخابراتی بدلیل دریافت اطلاعات دشمن از راه دور حائر اهمیت بوده و سیستم رادار روزنه مصنوعی به عنوان رادار تصویر برداری است که توانایی شناسایی و جداسازی بالایی دارد. با توجه به ماهیت تشکیل تصاویر رادار روزنه مصنوعی، وجود نویز لکه به عنوان مهمترین عامل تخریب کیفیت این تصاویر و خطای تصمیم گیری می باشد.روش: براین اساس وجود یک مرحله پیش پردازش گر به منظور آشکارسازی و شناسایی داده ها و کاهش نویز لکه بسیار حائز اهمیت می باشد. هدف اصلی ارائه الگوریتمی توانمند بر پایه هوش مصنوعی در جهت بهبود تشخیص اهداف زمینی رادار SAR با الگوریتم های تشخیص اشیاء بوده که از طریق هواپیما یا ماهواره به منظور رصد نمودن اهداف زمینی ، اخذ شده استتجزیه و تحلیل: مدل پیشنهادی در مرحله پیش پردازش پس از کاهش اثر نویز لکه بر روی تصاویر رادار SAR به کمک فیلتر Lee، ﺑﻪ ﺑﺮرﺳﯽ بهبود تشخیص اهداف زمینی رادارSAR پرداخته می شودتحلیل نتایج: با استفاده از الگوریتم های YOLO و RCNN که الگوریتم RCNN در تشخیص تصاویر نویززدایی شده MSTAR با میانگین دقت 99.84% نسبت به YOLO با میانگین دقت 90.424% از عملکرد بهتری برخوردار می باشد، اما در تشخیص تصاویر نویزی MSTAR روش YOLO با میانگین دقت 80.875% نسبت به روش RCNN با میانگین دقت 61.49% از عملکرد بهتری برخوردار جهت شناسایی و بهبود تصاویر و افزایش ضریب اطمینان سیستم می باشد.