[논문]다목적 위성 5호 고해상도 SAR 영상의 활용 방안 연구

유수진; 송경민; 이우경

문제 정의

따라서 상관 값은 0에 가까울수록 변화가 많고, 1에 가까울수록 변화가 적은 의미로 분석하여 SAR 변화탐지에 이용될 수 있다. 따라서 본 논문에서는 SAR 상관 연산으로 제시된 Berger Model 연산 기법과 기존 상관 연산 기법을 이용하여 SAR 상관 변화탐지의 개선방안을 모색한다.
SAR 영상의 경우 스펙클 잡음 영향에 취약하기 때문에, 픽셀 단위의 변화탐지 수행 결과는 상당한 탐지오류가 발생할 가능성이 존재한다. 따라서 본 연구에서는 스펙클 잡음에 의한 영향을 최소화하기 위한 방안으로 그림 1과 같이 가변 윈도우 (Moving Window)를 이용한 변화탐지 모델을 제안한다. 그림 1은 가변 윈도우를 이용한 변화 검출 과정을 도식화한 자료로써, 본 논문에서 전체 영상에 대해 윈도우가 이동하면서 검사창의 변화를 검출하는 방법을 나타낸다.
본 논문에서는 상용 S/W인 MATLAB과 ENVI를 이용하여 각 기법을 적용한 변화 탐지와 분류의 기초적 활용 방안을 제시한다. 모든 기법들은 필터링과 같은 영상 전처리 적용 후 수행되었다.
본 논문에서는 지리정보의 활용에 따른 부가가치의 중요성이 점차 높아짐에 따라 국방감시, 농지측량, 자연재해 관측, 도시개발 및 환경감시 등 국가지리 정보를 계측하고 관리하는 기능에 대한 SAR 영상의 기초적 활용 방안을 제시하였다. 변화 탐지 기법으로는 SAR 영상의 통계분포 특성을 반영하는 Amplitude기반 ACD와 영상 간 위상 유사성을 반영한 상관을 연산하여 CMLD 기법을 적용한 CCD 알고리즘을 제시하였고, 두 정보를 융합하여 위성 SAR 영상으로 미세 변화탐지 가능성을 확인했다, 분류 기법으로는 무감독 분류기법인 k-mean와 분류 성능을 향상시킬 수 있는 SVM의 결과를 비교함으로써 SVM을 적용한 영상의 분류 성능이 향상된 것을 확인하였다.

가설 설정

SVM은 패턴을 고차원 특징 공간으로 사상시킬 수 있다는 점과 최적의 대역적인 식별이 가능하다는 특징이 있다. 본 절에서는 K-5의 대전 지역의 지역을 영상 신호가 선형적으로 분리 가능한 데이터라고 가정하고 다음 식 (8)과 같이 표현되는 초평면(hyper-plane)을 만드는 선형 분류기를 정의하였다.

제안 방법

I_Xi ≤ x는 지표 함수로, X_i ≤ x의 경우 I = 1, 그렇지 않은 경우 I = 0을 나타낸다. K-S 기법을 적용하여 SAR 영상의 통계적 모델을 추정하는 기법은 [6]와 [7]의 연구에서 수행되었으며 본 논문에서는 대수정규분포와 웨이블 분포를 이용하여 비교 영상의 통계분포를 추정한다.
본 논문에서는 상용 S/W인 MATLAB과 ENVI를 이용하여 각 기법을 적용한 변화 탐지와 분류의 기초적 활용 방안을 제시한다. 모든 기법들은 필터링과 같은 영상 전처리 적용 후 수행되었다. 표 1은 본 연구에서 사용된 다목적실용위성 5호의 시스템 변수와 데이터 값을 나타낸다.
비 영상은 로그 스케일로 변환하여, 변화의 발생 여부를 픽셀 값의 대칭적 분포로 판단할 수 있다. 본 연구에서는 로그-비 연산자를 이용한 로그-비 감소영상과 로그-비 증가영상을 생성하여 영상간의 감소변화와 증가변화를 탐지한다.
최근 국내에서도 SAR 센서를 탑재한 다목적실용위성 5호가 발사되어 운용중이며, 이에 따라 SAR 영상의 활용도가 증가할 것으로 기대된다. 본 연구에서는 로그비(Log ratio) 연산을 통해 생성한 비교 영상을 다중 스케일로 분류하고 통계 기반 알고리즘을 적용한 영상 강도 기반 변화탐지(ACD)와 SAR의 Single Look Complex data의 위상 정보를 이용한 위상 기반 변화탐지(CCD)를 적용하였다[1],[2]. 분류의 기법으로는 k-means와 SVM을 이용하여 도시, 농촌의 지형 및 식생 분류를 수행했다[3].
n차원의 공간상에서 초평면을 이루는 단위 법선 벡터를 의미하고, x는 초평면상의 한 점이다. 본 연구에서는 앞서 기술한 k-means 알고리즘으로 3개 벡터를 임의로 선택하여 유클리디안 거리척도로 초기 중심 집합을 생성한 후 3차원 공간상의 단위 법선 벡터를 생성하여 분류할 영상을 x에 대입하여 최대 마진 수식 (9)에 따라 최적 분류 초평면의 최적 파라미터를 찾아 분류의 오차가 최소가 되도록 하였다.
본 절에서 사용한 SVM 알고리즘은 k-means 기법이 적용된 분류 결과를 바탕으로 Ⅱ장에서 기술한 초평면 선형분류기를 이용하여 분류하였다. 최대 마진을 고려한 support vector 선정으로 실험 결과 k-means 기법에서 클러스터링하지 못한 인공지물 사이의 나무들이 분류 되는 것을 확인하였다.
k-means는 초기값 선택이 최적화에 결정적인 요소가 된다. 본 절에서는 3개의 벡터를 임의로 선택하여 초기 중심 집합을 생성한다. 추정 단계로 x_n이 y_i에 가장 가깝다면 클러스터 X_i에 속하도록 라벨링한다.
그림 9는 본 절에서 분류 영상으로 쓰인 KOMPSAT-5의 프랑스 베르사유 획득 영상이다. 분류의 결과를 비교하기 위해 광학영상을 참고하였다. 각 기법들은 총 3개의 계층으로 RGB영상을 이용해 나타냈다.
통계분포 추정은 K-S(Kolmogorov-Smirnov) 기법으로 수행되며, 추정된 분포를 기반으로 K&I기법을 적용하여 임계값을 설정한다. 영상에서 임계값 이상의 변화가 발생한 픽셀의 위치를 나타냄으로서 변화탐지 결과를 제시한다. 그림 4는 부산 영상의 임계값을 설정하기 위한 통계분포 추정 결과이다.
본 절에서는 일반적으로 분류시 사용되는 유클리디안 거리를 이용하였다. 이러한 척도를 이용하여 집합 내의 멤버간 거리의 합을 최소화하는 점을 구성함으로써 집합의 중심을 계산하여 결정한다. 유클리디안 거리를 척도로 사용할 경우, 중심은 단순히 다음과 같이 집합의 중심 평균이 된다.
본 절에서는 K-5의 독일 Queichheim 지역의 전체 영상을 스펙클 필터링한 결과이다. 전체 영상 중 건물과 농경지가 혼재한 2000 x 2000 영역에 대해 ROI를 선정하여 CCD를 수행하였다. 그림 6은 실험에 사용한 영상이다.

대상 데이터

왜곡 척도에는 여러 가지가 존재하며 특정한 특징 공간에서는 그 공간에 맞는 척도를 사용해야 한다. 본 절에서는 일반적으로 분류시 사용되는 유클리디안 거리를 이용하였다. 이러한 척도를 이용하여 집합 내의 멤버간 거리의 합을 최소화하는 점을 구성함으로써 집합의 중심을 계산하여 결정한다.

이론/모형

해당 데이터와 가장 가까운 클러스터 중심들과 거리의 합으로 총 왜곡을 구하고 총 왜곡이 적절하게 변하지 않거나 설정된 반복 횟수 5회에 도달할 때까지 위 절차를 반복한다. 본 절에서는 상용 S/W인 ENVI를 이용하여 실험하였다.
본 연구에서는 로그비(Log ratio) 연산을 통해 생성한 비교 영상을 다중 스케일로 분류하고 통계 기반 알고리즘을 적용한 영상 강도 기반 변화탐지(ACD)와 SAR의 Single Look Complex data의 위상 정보를 이용한 위상 기반 변화탐지(CCD)를 적용하였다[1],[2]. 분류의 기법으로는 k-means와 SVM을 이용하여 도시, 농촌의 지형 및 식생 분류를 수행했다[3]. Ⅱ장에서는 활용 기법의 이론적 설명을 기술하였다.
위와 같이 로그-비 영상의 통계분포를 K&I(Kittler and Illingworth) 기법을 통해 임계값을 설정한다.
통계분포 추정은 K-S(Kolmogorov-Smirnov) 기법으로 수행되며, 추정된 분포를 기반으로 K&I기법을 적용하여 임계값을 설정한다.

성능/효과

(c)는 Berger 연산 방식을 적용한 CCD 결과를 나타내고 있다. 같은 영상을 ACD 결과 (d)와 비교했을 때, 영상 강도 기반의 변화탐지 기법은 큰 변화에 민감하기 때문에 인공구조물이나 건물들의 변동에 대한 탐지에 효율적이지만 상관 기반의 변화탐지 기법에 비해 미세한 변화를 탐지하기는 어려운 것으로 나타났다. 반면 상관 기반의 변화탐지 기법은 영상 강도기반의 변화탐지 기법에서 탐지하기 어려운 미세한 변화에 대해 탐지가 가능하였지만, 활용 지역이 상대적으로 제한적인 것으로 나타났다.
ACD map은 RGB 영상에서 Red를 감소 영상, Blue를 증가 영상으로 전이하여 원본 SAR 영상과 융합한 결과이다. ACD 결과에서 변화 탐지 영역으로 선정된 지역 중심으로 유사 시기의 광학 영상 비교 하였을 때, 항구 근처의 선박과 인공지물의 변화탐지 결과가 근사한 것을 확인하였다.
표 2와 그림 8은 OS, MLD, CMLD 기법으로 수행한 변화탐지 성능분석 결과를 요약한 것이다. CMLD 기법으로 변화탐지를 수행하였을 때 가장 높은 탐지확률을 나타냈다. 또한,Guard Cell 적용 유무에 따라 탐지성능이 차이가 나는 것으로 나타났다.
2에 서술한 SVM 실험 결과 영상이다. k-means 결과와 비교하여 체적산란을 보이는 영역에 대해 분류의 성능이 향상됨을 확인하였다. 본 절에서 이용한 SVM기법은 SAR 영상이 선형 분리가 가능한 데이터라고 가정하였으나 명확하게 선형 분리가 되지 않는 경우 오분류를 일으키는 경우를 고려하는 slack 변수를 고려한다면 분류의 성능이 향상될 것으로 전망한다.
수직 방향으로 Guard Cell을 적용한 결과와 수평 방향으로 Guard Cell을 적용한 결과는 약 3%의 탐지확률 차이가 나타났고, 십자가 방향으로 Guard Cell을 적용한 결과는 위 두 방식과 비교하여 약 5~7%의 탐지확률 차이가 나타났다. 결과적으로 Berger 상관 연산 방식으로 생성된 SAR 상관 영상에 십자가 방향의 Guard Cell을 적용한 CMLD 기법이 84.45%의 탐지확률을 나타내어 가장 우수한 기법임을 실험적으로 알 수 있었다.
CMLD 기법으로 변화탐지를 수행하였을 때 가장 높은 탐지확률을 나타냈다. 또한,Guard Cell 적용 유무에 따라 탐지성능이 차이가 나는 것으로 나타났다. 수직 방향으로 Guard Cell을 적용한 결과와 수평 방향으로 Guard Cell을 적용한 결과는 약 3%의 탐지확률 차이가 나타났고, 십자가 방향으로 Guard Cell을 적용한 결과는 위 두 방식과 비교하여 약 5~7%의 탐지확률 차이가 나타났다.
같은 영상을 ACD 결과 (d)와 비교했을 때, 영상 강도 기반의 변화탐지 기법은 큰 변화에 민감하기 때문에 인공구조물이나 건물들의 변동에 대한 탐지에 효율적이지만 상관 기반의 변화탐지 기법에 비해 미세한 변화를 탐지하기는 어려운 것으로 나타났다. 반면 상관 기반의 변화탐지 기법은 영상 강도기반의 변화탐지 기법에서 탐지하기 어려운 미세한 변화에 대해 탐지가 가능하였지만, 활용 지역이 상대적으로 제한적인 것으로 나타났다.
본 논문에서는 지리정보의 활용에 따른 부가가치의 중요성이 점차 높아짐에 따라 국방감시, 농지측량, 자연재해 관측, 도시개발 및 환경감시 등 국가지리 정보를 계측하고 관리하는 기능에 대한 SAR 영상의 기초적 활용 방안을 제시하였다. 변화 탐지 기법으로는 SAR 영상의 통계분포 특성을 반영하는 Amplitude기반 ACD와 영상 간 위상 유사성을 반영한 상관을 연산하여 CMLD 기법을 적용한 CCD 알고리즘을 제시하였고, 두 정보를 융합하여 위성 SAR 영상으로 미세 변화탐지 가능성을 확인했다, 분류 기법으로는 무감독 분류기법인 k-mean와 분류 성능을 향상시킬 수 있는 SVM의 결과를 비교함으로써 SVM을 적용한 영상의 분류 성능이 향상된 것을 확인하였다. 제시한 SAR 영상 활용 기술은 향후 국내 SAR 영상 활용 방안의 기반자료로서 활용될 수 있을 것으로 전망한다.
또한,Guard Cell 적용 유무에 따라 탐지성능이 차이가 나는 것으로 나타났다. 수직 방향으로 Guard Cell을 적용한 결과와 수평 방향으로 Guard Cell을 적용한 결과는 약 3%의 탐지확률 차이가 나타났고, 십자가 방향으로 Guard Cell을 적용한 결과는 위 두 방식과 비교하여 약 5~7%의 탐지확률 차이가 나타났다. 결과적으로 Berger 상관 연산 방식으로 생성된 SAR 상관 영상에 십자가 방향의 Guard Cell을 적용한 CMLD 기법이 84.
그림 7에서 (a)와 (b)는 앞서 Ⅱ장에 기술한 상관 연산을 이용한 결과다. 실험 결과 Berger 상관 연산 방식으로 생성된 상관 변화탐지 성능은 기존 상관 연산 방식으로 생성된 상관 변화탐지 성능보다 비교적 높은 탐지확률을 나타냈다.(c)는 Berger 연산 방식을 적용한 CCD 결과를 나타내고 있다.
본 절에서 사용한 SVM 알고리즘은 k-means 기법이 적용된 분류 결과를 바탕으로 Ⅱ장에서 기술한 초평면 선형분류기를 이용하여 분류하였다. 최대 마진을 고려한 support vector 선정으로 실험 결과 k-means 기법에서 클러스터링하지 못한 인공지물 사이의 나무들이 분류 되는 것을 확인하였다.

후속연구

k-means 결과와 비교하여 체적산란을 보이는 영역에 대해 분류의 성능이 향상됨을 확인하였다. 본 절에서 이용한 SVM기법은 SAR 영상이 선형 분리가 가능한 데이터라고 가정하였으나 명확하게 선형 분리가 되지 않는 경우 오분류를 일으키는 경우를 고려하는 slack 변수를 고려한다면 분류의 성능이 향상될 것으로 전망한다.
이와 같은 실험결과를 통해 SAR CCD 기법과 ACD 기법을 모두 활용하여 보다 정확한 변화탐지 결과를 나타낼 수 있는 체계가 구축됨으로써 보다 의미 있는 변화 탐지가 가능할 것으로 분석된다.
변화 탐지 기법으로는 SAR 영상의 통계분포 특성을 반영하는 Amplitude기반 ACD와 영상 간 위상 유사성을 반영한 상관을 연산하여 CMLD 기법을 적용한 CCD 알고리즘을 제시하였고, 두 정보를 융합하여 위성 SAR 영상으로 미세 변화탐지 가능성을 확인했다, 분류 기법으로는 무감독 분류기법인 k-mean와 분류 성능을 향상시킬 수 있는 SVM의 결과를 비교함으로써 SVM을 적용한 영상의 분류 성능이 향상된 것을 확인하였다. 제시한 SAR 영상 활용 기술은 향후 국내 SAR 영상 활용 방안의 기반자료로서 활용될 수 있을 것으로 전망한다.
특히 위성 영상을 이용한 변화탐지와 분류연구 분야에서는 지형의 미세한 변화를 탐지하고, 도심지역의 빈번한 변화 과정을 추적하기 위해 SAR 영상의 활용도가 높아지고 있다. 최근 국내에서도 SAR 센서를 탑재한 다목적실용위성 5호가 발사되어 운용중이며, 이에 따라 SAR 영상의 활용도가 증가할 것으로 기대된다. 본 연구에서는 로그비(Log ratio) 연산을 통해 생성한 비교 영상을 다중 스케일로 분류하고 통계 기반 알고리즘을 적용한 영상 강도 기반 변화탐지(ACD)와 SAR의 Single Look Complex data의 위상 정보를 이용한 위상 기반 변화탐지(CCD)를 적용하였다[1],[2].

핵심어	질문	논문에서 추출한 답변
	고해상도 SAR 위성 영상의 확보로 변한 것은?	최근 고해상도 SAR 위성 영상의 확보가 용이해짐에 따라 활용 시장이 확대되고 있다. 광학 영상과 달리 위성 SAR 영상은 전천후환경에서 영상 획득이 가능하다.
	위성 SAR 영상의 장점은?	최근 고해상도 SAR 위성 영상의 확보가 용이해짐에 따라 활용 시장이 확대되고 있다. 광학 영상과 달리 위성 SAR 영상은 전천후환경에서 영상 획득이 가능하다. 특히 광학 영상으로 활용하기 힘든 화산 및 지진과 같은 재난 감시 수요가 증가 하였고, 또한 군사지역 및 인공지물의 모니터링에 대한 수요가 높아지고 있다.
	세계 위성 시장의 변화는?	최근 10년 동안 세계 위성 시장은 꾸준히 성장해왔다. 과거에는 주로 광학 위성 영상의 비중이 높았지만, 최근에는 SAR (Synthetic Aperture Radar) 영상에 대한 수요가 증대되고 있다. SAR 영상은 전천후환경에서 영상 획득이 가능하며 주파수 및 편파에 따른 산란특성을 이용하여 다양한 분야에 활용이 가능하다.

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

다목적 위성 5호 고해상도 SAR 영상의 활용 방안 연구
A study on the application of high resolution K5 SAR images 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

다목적 위성 5호 고해상도 SAR 영상의 활용 방안 연구 A study on the application of high resolution K5 SAR images 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

유수진 (1) 송경민 (7) 이우경 (31)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

다목적 위성 5호 고해상도 SAR 영상의 활용 방안 연구
A study on the application of high resolution K5 SAR images 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper