はじめに

MSTARは，AIシステムの開発における有用なデータセットと言える．ここでは，MSTARの利用方法およびデータ加工のためのサンプルコードについて記事にする．

MSTARとは

SAR(合成開口レーダ)画像の有名なデータセットである．

図：2S1のレーダ画像

入手方法

１．下記でアカウントを作る
https://www.sdms.afrl.af.mil/index.php?collection=registration
２．データをダウンロードする
＊一般的にSARデータによる分類・識別に関する研究では，MSTAR Public Data Productsを使う．
　以下をダウンロードする．
　MSTAR Clutter (CD1, CD2);
　MSTAR Target Chips (CD1);
　MSTAR/IU Mixed Targets (CD1, CD2)
　MSTAR/IU T-72 Variants (CD1, CD2)

使い方

各ファイルの目標は次のとおりになっている．
MSTAR Clutter：ターゲットなしの雑音画像
MSTAR Target Chips： T72, BMP2, BTR70
MSTAR/IU Mixed Targets：BTR60, 2S1, BRDM2, D7, T62, ZIL131, ZSU23
MSTAR/IU T-72 Variants：異なる型番のT-72タンク
＊フォルダ内の(数字)_DEGはオフナディア角を示す．
＊複素画像と強度画像がある．

データの加工

次のコードでデータセットファイルを作成してみた．

ImageChanger.py

# -*- coding: utf-8 -*-
"""
Created on Sun Oct 29 15:20:09 2017

"""
from PIL import Image
import numpy as np

num = 100 # 使用する画像枚数
typenum = 2 # 目標種類数

# 適当に事前割り当てを作成（仮処置）
imgset = np.zeros((num * typenum, 200**2))

for m in range(typenum):
    for l in range(num):
        # 元となる画像の読み込み
        img = Image.open('%s__ (%s).jpg' %(m + 1, l + 1))
        print('%s__ (%s).jpg' %(m + 1, l + 1))
        img = np.array(img)
        
        # 画像ベクトル生成
        k = 0
        tmp = img[k]
        for k in range(len(img) - 1):
            tmp = np.r_[tmp,img[k + 1]]
        imgvec = tmp
        
        # ゼロ埋め（仮処置）
        nnn = 200**2 - len(imgvec)
        imgvec = np.r_[imgvec, np.zeros((nnn - 1,)), m + 1]
        
        imgset[l + m * 100] = imgvec
        print(imgvec)
        imageData = imgset
        
np.savetxt('test.txt', imgset[0:3, 0:4], delimiter = ',')

注）jpgの画素数がばらばらなので少し扱いづらい

・なんでわざわざtxtファイルにしているのか？
⇒下記でtxtでデータセットを作っているため．愚直に真似してみた．train生成にはまだ成功していない．．．
https://qiita.com/tommyfms2/items/c3fa0cb258c17468cb30
・なんなんだこの吐き気のするコードは？
⇒ごめん．

まとめ

MSTARはつかえる．