[논문]DBS(Doppler Beam Sharpening) 영상에서 표적 탐지 방안

공영주; 권준범; 김홍락; 우선걸

doi:10.5515/kjkiees.2017.28.5.373

DBS(Doppler Beam Sharpening) 영상에서 표적 탐지 방안
Target Detection Technique in a DBS(Doppler Beam Sharpening) Image 원문보기

韓國電磁波學會論文誌 = The journal of Korean Institute of Electromagnetic Engineering and Science, v.28 no.5, 2017년, pp.373 - 381

공영주 (LIG넥스원(주)) , 권준범 (LIG넥스원(주)) , 김홍락 (LIG넥스원(주)) , 우선걸 (LIG넥스원(주))

초록
AI-Helper

DBS 알고리즘은 레이다가 방위각 해상도 성능을 향상시키는 방안이다. DBS 영상에는 레이다의 탐색영역 정보를 포함하기 때문에 탐지하고자 하는 표적외에도 다양한 클러터 성분이 존재한다. DBS 영상에서 원하는 표적을 탐지/추적하기 위해서는 표적과 클러터 성분을 식별할 수 있어야 한다. 본 논문에서는 DBS 영상에서 표적을 식별하기 위하여 영상크기와 지형 정보(DTED)를 이용하는 방안을 서술한다. 형태연산(morphological) 필터, 체인코드를 이용하여 영상의 크기정보를 획득하고 클러터 성분을 배제하였고, DTED와 정합하여 표적을 결정한다.

Abstract ▼ AI-Helper

DBS(Doppler Beam Sharpening) algorithm is a way to improve azimuth resolution performance in radar. Since DBS image includes the is information about the search area of radar, various clutter components exist besides the target to be detected. To detect and track the desired target in a DBS image, it must be able to identify a target and the clutter components. In this paper, we describe how to use image size and terrain information(DTED) to identify the target in a DBS image. By using morphological filter and chain code, it acquires image size and excludes the clutter components. By matching with DTED, we determine target.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 해상 운용 상황의 DBS 영상과 지형 정보와의 정합을 통하여 지형여부를 판단하여 표적 정보를 추출하는 방안에 대해서 알아보았다. 현재 해상 운용 상황의 DBS 영상에서는 클러터 성분 때문에 표적 식별이 불가능하기에 DBS 영상으로 표적 탐지/추적이 어려웠다.
전장 상황이 복잡해지고 있고, 복합 기만체가 개발되고 있는 현재에는 DBS 2-D 영상에서 지형 정보 및 클러터 정보를 제거하여 표적 식별 능력 및 탐지/추적 기능을 향상시키는 방안이 중요해지고 있다. 본 논문에서는 현재 구현되지 않고 있는 해상 운용 상황의 DBS 2-D 영상에서 클러터 등 지형 정보를 배제하고, 표적 정보를 추출하는 방안을 제안한다.

제안 방법

구해진 경위도를 지형 정보와 정합하여 해당 경위도가 지형인지 아닌지 확인한다. 현재 주로 사용되는 지형 정보로는 DEM 이 있다.
추후에는 본 논문에서 후처리로 통하여 설정한 이진화 임계값을 프로세싱 파라미터 등을 이용하여 구하는 방안을 설계할 예정이다. 그리고 power PC 등 RTOS(Real Time OS)을 이용하여 본 논문에서 제안된 방안의 실시간성을 확인토록 하겠다.
정사각형 3 × 3 구조적 요소를 가진 형태연산 (Morphological) 필터의 침식연산 알고리즘을 이용하여 잡음을 제거하였고, 각 이미지의 외곽선을 선명하게 표현하였다. 그리고 절대방향 8체인코드를 이용하여 각 이미지의 외곽선 길이를 획득하여, 그 길이를 비교하여 대상표적의 외곽선 길이보다 긴 이미지를 배제하도록 하였다. 이미지의 외곽선 길이가 짧은 표적후보의 경위도 좌표를 DTED와 정합하여 표적후보의 지형여부를 판단하여 지형일 경우 배제토록 한다.
도플러 프로세싱 등을 통하여 획득한 DBS 영상을 해수면 기준의 파워로 이진화하여 이진화 영상을 생성하였다. 정사각형 3 × 3 구조적 요소를 가진 형태연산 (Morphological) 필터의 침식연산 알고리즘을 이용하여 잡음을 제거하였고, 각 이미지의 외곽선을 선명하게 표현하였다.
본 논문에서는 DTED 와 정합하여 지형 정보를 제거하도록 한다. DTED 는 경도/위도에 해당하는 지형모델을 나타내는 정보이다.
앞서 구한 표적 후보의 경위도 좌표를 DTED와 정합하여 지형여부를 판단한다. DBS 영상의 중심에 대한 경위도 좌표 및 Range Walk, INS 오차 등을 고려하여 표적 후보의 좌표 반경 1km 내에 지형이 있을 경우에는 해당 표적 후보는 지형으로 판단하여 배제토록 한다.
체인코드는 외곽선을 추출하여 영역을 찾는 알고리즘이다. 이미지의 외곽선을 시작점에서 한 방향으로 돌면서 4방향 혹은 8방향 연결성을 이용하여 추적해 나간다. 코드값은 시작점 좌표를 기준으로 하여 인접경계점간의 방향정보를 이용하여 표현되어진다.
정사각형 3 × 3 구조적 요소를 가진 형태연산 (Morphological) 필터의 침식연산 알고리즘을 이용하여 잡음을 제거하였고, 각 이미지의 외곽선을 선명하게 표현하였다.
8 방향 체인코드 결과로 정해진 표적후보에 대하여 DTED와 정합한 결과를 그림 11에 나타내었다. 체인코드 길이가 4인 표적후보의 중심점에 대해서 경위도 변환을 수행하여 DTED 레벨 1과 DTED 레벨 0에 대하여 지형정합하였다. 그림 11(a) 와 그림 11(b) 을 보듯이 DTED 레벨 0과의 정합결과에서 나타나지 않은 지형이 DTED 레벨 1과의 정합결과에서는 나타나게 된다.
따라서 체인코드의 길이를 비교하여 길이가 대상 표적의 외곽선보다 긴 표적후보는 배제한다. 체인코드의 길이가 짧은 표적후보의 경위도 좌표를 구한 후, 이 좌표를 DTED와 정합하여 최종 지형 여부를 판단한다.
본 논문에서 제기된 방안으로 DBS 영상 내에서의 표적 탐지/추적 기능을 향상시킬 수 있다. 특히 영상 크기 정보를 이용하여 클러터를 배제하는 기술을 서술하였다. 이로 인하여 연산시간은 충분히 단축시킬 수 있다.
그림 4와 같이 도플러 프로세싱 등으로 생성된 DBS 영상은 연산 시간 단축 및 필터링 , 체인코드 등을 수행하기 위해서는 이진화과정이 필요하다. 해수면 기준의 파워로 임계값을 설정하여 이진화를 수행한다. 이 때 임계값은 레이다 파라미터 및 프로세싱 파라미터에 따라 다르게 나타나며, 후처리를 통하여 임계값을 설정하였다.
획득된 DBS 영상을 해수면 기준의 파워로 이진화하여 이진화 영상으로 변환한다. 이 변환된 이진화 영상은 잡음이 많고 이미지의 외곽선이 뚜렷하지 않다.
생성된 DBS 영상에서 지형 정보를 배제하고, 표적 정보를 추출하는 방안은 그림 3과 같다. 획득한 DBS 영상을 해수면 기준의 파워로 이진화하여 새로운 이진화 영상을 생성한다. 그리고 잡음 제거 및 이미지 외곽 선명화를 위하여 형태연산 필터를 적용한다.

대상 데이터

대상 표적의 크기가 100m×100m이고 , 영상의 해상도가 50m라고 하고, 표적방향이 정면이라면 코드 길이 기준값은 4로 예상된다.
DBS 영상의 중심에 대한 경위도 좌표 및 Range Walk, INS 오차 등을 고려하여 표적 후보의 좌표 반경 1km 내에 지형이 있을 경우에는 해당 표적 후보는 지형으로 판단하여 배제토록 한다. 반경 1km 내에 지형이 없는 표적 후보만을 최종 표적으로 선택한다.

성능/효과

그림 7은 해수면 파워로 생성된 DBS 이진화 영상과 정사각형 3×3 구조적 요소로 구성된 형태연산 필터 결과를 보여준다. 그림 7(b) 의 침식연산이 적용된 영상은 이전 이진화 영상보다 이미지가 축소되었으며, 잡음이 제거되었고, 이미지의 외곽선이 더 선명해짐을 알 수 있다. 그리고 작은 이미지는 제거되었는데, 작은 표적의 경우도 이처럼 제거될 가능성이 있으므로 DBS 해상도 설정이 중요하다.
해상도를 적게 하여 이미지 크기를 크게 한다면 제거될 가능성은 적어지게 될 것 이다. 반면에, 그림 7(c) 팽창연산이 적용된 영상은 이미지간의 홀이 채워지고, 잡음과 이미지가 합쳐져서 각 이미지가 확대된다. 또한 잡음이 확장되어 표적처럼 오인될 가능성이 높게 되고, 이미지가 합쳐져 새로운 이미지가 생성되어 이미지 왜곡 현상이 심하게 된다.
현재 해상 운용 상황의 DBS 영상에서는 클러터 성분 때문에 표적 식별이 불가능하기에 DBS 영상으로 표적 탐지/추적이 어려웠다. 본 논문에서 제기된 방안으로 DBS 영상 내에서의 표적 탐지/추적 기능을 향상시킬 수 있다. 특히 영상 크기 정보를 이용하여 클러터를 배제하는 기술을 서술하였다.

후속연구

추후에는 본 논문에서 후처리로 통하여 설정한 이진화 임계값을 프로세싱 파라미터 등을 이용하여 구하는 방안을 설계할 예정이다. 그리고 power PC 등 RTOS(Real Time OS)을 이용하여 본 논문에서 제안된 방안의 실시간성을 확인토록 하겠다.

질의응답

핵심어	질문	논문에서 추출한 답변
	방위각 해상도를 향상시켜 얻는 효과는?	DBS(Doppler Beam Sharpening; 이하 DBS) 알고리즘은 SAR(Synthetic Aperture Radar: 이하 SAR) 의 한 기법으로 도플러 주파수 천이 개념을 이용하여 방위각 해상도를 향상시키는 기술이다. 일반적으로 방위각 해상도를 향상시켜 표적 구분 능력을 증대시키는데, 특히 일정한 속도와 방향으로 움직이는 표적에 효과적이다. 그림 1과 같이 3개의 표적이 하나의 빔 폭 안에 들어오게 되어 같은 거리 셀에 위치하게 되면 일반적인 레이다에서는 하나의 표적으로 인식하게 되어 세 표적에 대한 구분이 힘들어진다.
	DBS 알고리즘이란?	DBS 알고리즘은 레이다가 방위각 해상도 성능을 향상시키는 방안이다. DBS 영상에는 레이다의 탐색영역 정보를 포함하기 때문에 탐지하고자 하는 표적외에도 다양한 클러터 성분이 존재한다.
	DBS 알고리즘을 클리터 성분이 많은 해상 혹은 지상 표적을 탐지 시 주로 사용하는 이유는?	DBS 알고리즘은 클러터 성분이 많은 해상 혹은 지상 표적을 탐지 시 주로 사용된다. 같은 거리에 표적과 클러터 성분이 동시에 존재할 경우, 그림 2의 LPRF 를 이용한 표적 탐색처럼 표적과 클러터 성분이 겹쳐져서 보이기 때문에 구분이 힘들지만, DBS 를 적용한 표적 탐색의 경우에는 거리-도플러 DBS 2-D 영상을 생성시켜 표적과 클러터 성분의 구분이 가능하다. 이것이 DBS 알고리즘을 사용하는 주요 이유이다[2],[3].

참고문헌 (7)

E. Byron, Radar : Principles, Technology, Applications, Prentice-hall, pp. 616-620, 1993.
G.W. Stimson, Introduction to Airborne RADAR, Scitech, pp. 431-438, 1998.
K. Kim, S. Kim, and J. Ui, "Detection of ship targets near coastline by using Doppler beam sharpening technique", Proc. of 3rd International Asia-Pacific Conference on Synthetic Aperture Radar, pp. 1-4, 2011.
Nick Efford, Digital Image Processing: A Practical Introduction Using JavaTM, Addison Wesley, pp. 271-297, 2000.
N. A. Jusoh, J. M. Zain, "Application of Freeman chain codes: An alternative recognition technique for malaysian car plates", IJCSNS, vol. 9, no. 11, pp. 222-227, Nov. 2009.
국토지리정보원, "www.nagii.go.kr"
MIL-PRF-8902B, "Performance specification digital terrain elevation data(DTED)", May 2000.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증