Bilde-og signalanalyse - avanserte statistiske modeller (STABIL)

På alle nivåer av militær overvåking er det en grunnleggende utfordring å trekke ut nyttig informasjon ved hjelp av automatisk prosessering. Eksempelvis målposisjoner og -typer fra store mengder data, slik som en avbildende sensor.

Slike data er ofte multivariate ved at hvert element består av flere målinger, enten i opprinnelig form som hyperspektrale bilder, databaser, eller etter forbehandling med såkalt egenskapsuttrekking slik som konvensjonelle bilder, lyd.

Prosjektet vil studere avanserte statistiske metoder for å analysere multivariate data, der dataenes sannsynlighetsfordeling representeres ved såkalte blandingsmodeller - summer av elementære fordelings-funksjoner, f.eks. Gauss.

Slike metoder har mange fordeler, blant annet god tolkbarhet, evne til å representere vilkårlig komplekse fordelinger samt potensial for parallellprosessering og dermed databehandling i sann tid.

Ettersom resultatene uttrykkes som sannsynligheter vil blandingsmodeller også kunne være godt egnet til bruk i datafusjon. Bruk av multivariate blandingsmodeller har i tidligere arbeider ved FFI gitt gode resultater for måldeteksjon i hyperspektrale bilder og for målklassifikasjon i konvensjonelle bilder.

Det er aktuelt å studere både fundamentale egenskaper ved metoden og bruk av metoden i kombinasjon med egne data. Det er en målsetting å bruke data fra ulike prosjekter ved FFI, blant annet hyperspektrale bilder og SAR-bilder. Aktuelle tema er strategier for estimering av fordelingsparametre, metoder for estimering av modellens kvalitet, optimalisering for sanntidsprosessering og utvikling av metoder for fysisk tolkning.

Kontakt:
Johnny Bardal, avdelingssjef Land- og luftsystemer, tlf. 63 80 72 00.