[논문]KOMPSAT-5 SLC 영상과 AIS 데이터에 기반한 선박탐지

김동한; 이윤경; 김상완

doi:10.7780/kjrs.2020.36.2.2.11

KOMPSAT-5 SLC 영상과 AIS 데이터에 기반한 선박탐지
Ship Detection Based on KOMPSAT-5 SLC Image and AIS Data 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.2 pt.2, 2020년, pp.365 - 377

김동한 (세종대학교 지구정보공학과) , 이윤경 (세종대학교 에너지자원공학과) , 김상완 (세종대학교 에너지자원공학과)

초록
AI-Helper

국가해양영토에서 불법어업활동을 하는 어선으로부터 해상자원과 영토를 보호하기 위해 지속적인 모니터링과 즉각적인 대응은 필수적인 요소이다. Synthetic Aperture Radar (SAR) 영상은 넓은 촬영 범위를 가지고 있으며, 기상과 주야 조건에 영향을 받지 않아 광역적인 해상 모니터링에 효과적이다. 그러나 SAR 영상의 데이터 크기와 스펙클 노이즈 등 다양한 특성으로 인해 처리속도와 탐지율이 높은 선박탐지 알고리즘 개발은 쉽지 않다. 본 논문에서는 국내 최초의 X-band SAR 위성인 KOMPSAT-5에 적합한 선박탐지 알고리즘을 개발 적용하였다. 효율적인 선박탐지를 위해 선박탐지 알고리즘은 Human Visual Attention System (HVAS), SAR-Split, Constant False Alarm Rate (CFAR) 알고리즘의 특성을 융합하여 적용했다. 또한, SAR 영상의 관측모드 별 특성을 고려한 SAR-Split 알고리즘 적용을 통해 탐지율을 향상시켰다. SAR 영상으로부터 탐지된 선박은 Automatic Identification System (AIS) 데이터와의 매칭을 통해 탐지율 분석이 수행되었다. 탐지된 선박은 AIS 자료와 전반적으로 잘 매칭되었으며, SAR 영상의 모드 별 특성을 고려하여 적용했을 때 보다 향상된 탐지율을 보였다. 탐지율은 Enhanced Standard (ES) 모드에서 약 80%, Standard (ST) 모드에서 약 64%의 결과를 보였다. 선박 탐지결과에서 발생한 대부분의 오탐지는 선박의 이동으로 발생하는 기포항적, AIS의 위치오차 등으로 발생하였다. 개발된 선박탐지 알고리즘은 대한민국 국가해양영토 광역 감시망 구축에 기여할 것으로 기대된다.

Abstract ▼ AI-Helper

Continuous monitoring and immediate response is essential to protect the national maritime territory and maritime resources from the activities of illegal ships. Synthetic Aperture Radar (SAR) images with a wide range of images are effective for maritime surveillance asthe weather and day-night conditions rarely affect to image acquisition. However, an effective ship detection is not easy due to the huge data size of SAR images and various characteristics such as the speckle noise. In this study, the Human Visual Attention System (HVAS) algorithm was applied to KOMPSAT-5 to extract the initial targets, and the SAR-Split algorithm depending on the imaging modes was used to remove false alarms. The detected targets were finally selected by the Constant False Alarm Rate (CFAR) algorithm and matched with the ship's Automatic Identification System (AIS) information. Overall, the detected targets were well matched with AIS data, but some false alarms by ship wakes were observed. The detection rate was about 80% in ES mode and about 64% in ST mode. It is expected that the developed ship detection algorithm will contribute to the construction of a wide area maritime surveillance network.

주제어

표/그림 (14)

그림 Fig. 1. Research area and acquired KOMPSAT-5 data.
표 Table 1. Overall Performance requirements of KOMPSAT-5
표 Table 2. List of KOMPSAT-5 images used in the study
그림 Fig. 2. Data processing flow chart for ship detection from KOMPSAT-5 SLC data.
그림 Fig. 3. Masking land using SWBD.
그림 Fig. 5. Correlation of (a) sea clutter and (b) ship target chip.
그림 Fig. 4. Split-look images generated from each sub aperture (Iehara et al., 2001).
그림 Fig. 6. Flow chart of sub-look extraction (Marino et al., 2015).
그림 Fig. 7. Sub-look images and TCR value of SB (a, b) and SS (c, d).
그림 Fig. 8. The point sets (a) and comparison between NN (b) and CPD (c) (Zhao et al., 2014).
그림 Fig. 9. Detected ships (red box), AIS location (blue box) and matched ships (green box) of NN (a, b) and CPD+NN (c, d).
표 Table 3. Detect rate of HVAS-SB-CFAR and HVAS-SS-CFAR
그림 Fig. 10. Ship detection result of HVAS-SS-CFAR (a) and HVAS-SB-CFAR (b) on scene5.
그림 Fig. 11. False alarms (red box) caused by land masking (a) and ship wake (b) on Fig. 10(b).

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 SAR 영상의 촬영모드 별 특성에 따른 선박탐지 알고리즘을 제안했다. 제안된 알고리즘은SAR 영상으로부터 효율적인 선박탐지를 위해 HVAS, SAR-Split, CFAR 알고리즘의 장단점을 고려하여 복합적인 과정을 개발 적용하였다.
본 논문에서는 대한민국의 X-밴드 SAR위성인KOMPSAT-5에 Human Visual Attention System(HVAS)알고리즘을 적용해 초기 타겟을 추출하고 영상분리 알고리즘 처리를 통해 선박탐지를 수행하고자 한다. HVAS를 통해 검출된 타겟에 Constant False Alarm Rate(CFAR)알고리즘을 적용하여 2차검출을 하고 선박의 Automatic Identification System(AIS) 정보와의 매칭을 통해 탐지율을 알아보고자 한다.
먼저, 전처리단계에서는 SAR SLC 영상에 육지가 포함된 경우, SWBD를 이용한 육지 마스킹을 수행하고 2 * 2 크기의 multi look 처리를 한다. 이는 HVAS알고리즘 탐지성능향상과 다음 단계에서 수행될 SAR-Split 기법의 입력형식인 SLC로 형식을 통일하여 처리속도를 높이려는 목적이 있다. SWBD는 SRTM으로부터 수체지역의 정보를 벡터 형식으로 만들어 마스킹 시처리속도가 빠른 장점을 가지고 있다(Fig.

제안 방법

본 연구에서는 비행방향과 거리방향 해상도가 유사한 ES 모드의 SAR 영상에 SS 알고리즘을 적용하여 2개의 sub-look 영상을 분리해 선박탐지를 수행하였다. ES 모드의 SAR 영상에서 획득된 동일 선박칩에 대해 SB 알고리즘과 SS 알고리즘을 적용하여 sub-look 영상의 비행방향, 거리방향 TCR (Target to Clutter Ratio)을 분석하였다. 비행방향, 거리방향 TCR은 SB 알고리즘에서 각각 93.
본 논문에서는 대한민국의 X-밴드 SAR위성인KOMPSAT-5에 Human Visual Attention System(HVAS)알고리즘을 적용해 초기 타겟을 추출하고 영상분리 알고리즘 처리를 통해 선박탐지를 수행하고자 한다. HVAS를 통해 검출된 타겟에 Constant False Alarm Rate(CFAR)알고리즘을 적용하여 2차검출을 하고 선박의 Automatic Identification System(AIS) 정보와의 매칭을 통해 탐지율을 알아보고자 한다.
SAR 영상으로부터 효율적인 선박탐지를 위해 본논문에서는 HVAS, SAR-Split, CFAR 알고리즘의 장단점을 고려하여 복합적인 과정을 개발 적용하였다(Fig. 2). 선박탐지를 적용하기에 앞서 SAR 영상내에 육지(섬포함)가 포함되어 있을 경우, 불필요한 오탐지와 더불어 HVAS 알고리즘의 성능향상을 위해 육지지역 마스킹을 수행하였다.
또한, SAR-Split 알고리즘으로 획득된 KOMPSAT-5 영상의 ES, ST 모드에 따라 구분되는 알고리즘을 제안하였다. SAR-Split 단계에서 구분한 ES, ST 모드 별 처리는 SAR 영상의 거리, 비행방향 해상도에 따라 적용했다. 일반적으로 SS 알고리즘이 SB 보다 더 높은 탐지율을 보였으며 거리방향 해상도의 변화에 따라 탐지 성능의 차이를 보였다.
따라서 본 연구에서는 KOMPSAT-5 촬영모드에 따라 비행방향 해상도가 높은 ST 모드에는 Split-Beam 알고리즘, 거리방향과 비행방향의 해상도가 유사한 ES 모드에는 Split-Spectrum 알고리즘을 적용해 해상도 손실을 최소화했다. SAR-Split을 통한 선박탐지는 HVAS 알고리즘을 통해 탐지된 초기 타겟의 위치를 기준으로 분리된 영상을 각각 400 * 400 크기의 타겟칩을 생성하여 교차상관분석을 수행해 탐지시간을 단축시켰다.
논문에서는 AIS 데이터에 기록된 위치를 SAR 영상촬영시간의 위치로 보간하여 사용했다. 보간 된 AIS 위치와 탐지된 선박위치의 매칭에는 CPD를 적용하고 잔여 오차를 보완하기 위해 NN을 적용하여 매칭을 수행하였다.
다중 셀 평균 기반 CFAR를 통한 2차 타겟 검출은 앞서 SAR-Split을 통해 검출된 1차 타겟칩에 100 * 100크기의 윈도우를 생성하여 수행하였다. 사용된 중심 픽셀과 외곽부 픽셀의 크기는 각각 2와 11이며 사용된 G⁰ 분포는 다음과 같다.
이를 위해 벡터형식의 SWBD 파일을 SLC영상의 레이더 좌표계로 변환하여 육지 마스킹을 수행했으며 육지가 성공적으로 제거되었다. 또한, SAR-Split 알고리즘으로 획득된 KOMPSAT-5 영상의 ES, ST 모드에 따라 구분되는 알고리즘을 제안하였다. SAR-Split 단계에서 구분한 ES, ST 모드 별 처리는 SAR 영상의 거리, 비행방향 해상도에 따라 적용했다.
5(b)). 반면, 본 연구에서는 ST 모드에서 획득된 영상에 비행방향으로 2의 sub-look 영상을 생성하여 선박탐지를 수행하였다.
논문에서는 AIS 데이터에 기록된 위치를 SAR 영상촬영시간의 위치로 보간하여 사용했다. 보간 된 AIS 위치와 탐지된 선박위치의 매칭에는 CPD를 적용하고 잔여 오차를 보완하기 위해 NN을 적용하여 매칭을 수행하였다.
, 2015). 본 연구에서는 비행방향과 거리방향 해상도가 유사한 ES 모드의 SAR 영상에 SS 알고리즘을 적용하여 2개의 sub-look 영상을 분리해 선박탐지를 수행하였다. ES 모드의 SAR 영상에서 획득된 동일 선박칩에 대해 SB 알고리즘과 SS 알고리즘을 적용하여 sub-look 영상의 비행방향, 거리방향 TCR (Target to Clutter Ratio)을 분석하였다.
2). 선박탐지를 적용하기에 앞서 SAR 영상내에 육지(섬포함)가 포함되어 있을 경우, 불필요한 오탐지와 더불어 HVAS 알고리즘의 성능향상을 위해 육지지역 마스킹을 수행하였다. 육지지역 마스킹시 자료처리의 효율성을 위해 수체 정보를 벡터 형식으로 저장한 SWBD (SRTM Water Body Data) 파일을 사용하였다.
전처리 단계에서 수행한 마스킹은 SAR-Split 알고리즘의 처리형식을 위해 SLC 영상을 사용했다. 이를 위해 벡터형식의 SWBD 파일을 SLC영상의 레이더 좌표계로 변환하여 육지 마스킹을 수행했으며 육지가 성공적으로 제거되었다. 또한, SAR-Split 알고리즘으로 획득된 KOMPSAT-5 영상의 ES, ST 모드에 따라 구분되는 알고리즘을 제안하였다.
이때 SAR에서탐지되었지만 AIS 정보가 부재한 선박은 불법선박으로 판단할 수 있다. 제안된 선박탐지 알고리즘은 기존의 영상 전체를 처리하는 알고리즘보다 향상된 처리속도 효과를 위해 1차 HVAS 알고리즘 적용을 통해 추출된 타겟칩의 국지적 윈도우에서만 수행한다.
본 논문에서는 SAR 영상의 촬영모드 별 특성에 따른 선박탐지 알고리즘을 제안했다. 제안된 알고리즘은SAR 영상으로부터 효율적인 선박탐지를 위해 HVAS, SAR-Split, CFAR 알고리즘의 장단점을 고려하여 복합적인 과정을 개발 적용하였다. 전처리 단계에서 수행한 마스킹은 SAR-Split 알고리즘의 처리형식을 위해 SLC 영상을 사용했다.
반면 거리방향의 해상도가 ES 모드의 거리방향해상도보다 낮은 ST 모드의 2018년 데이터는 SS를 적용할 경우 SB 보다 성능이 낮아지는 결과를 보였다. 탐지결과에서 탐지율은 전체 AIS 데이터 중 매칭된 SAR 선박의 개수로 계산했다(Table 3).

대상 데이터

2017년 7월 25일에 획득된 데이터 3개, 2018년 10월3일에 획득된 데이터 2개에 제안된 선박탐지 알고리즘을 적용하였다. CPD 알고리즘과 NN 알고리즘을 통해 수행된 탐지 선박위치와 AIS 데이터의 매칭결과는 Fig.
선박탐지 분석을 위해 KOMPSAT-5 위성은 2017년9월 25일 3장, 2018년 10월 3일 3장총 6장의 영상을 사용하였다. KOMPSAT-5 영상의 편광은 모두 HH이며 촬영모드는 ST (Standard) 모드와 ES (Enhanced Standard)모드 두 가지로 획득하였다. 본 연구에서 획득한 KOMPSAT-5 영상의 ST 모드는 거리방향 해상도가 비행방향 해상도 보다 높으며, ES 모드는 비행방향 해상도와 거리방향 해상도가 비슷한 특징을 가지고 있다.
본 연구에서는 현재 군산대학교에서 운용중인 지상수신 AIS 데이터를 사용하였다. 획득된 AIS는 현장조사일자의 일별 데이터이며 탐지된 선박과의 매칭을 통한 불법선박여부, 오탐지, 미탐지 등의 평가기준으로 사용된다(Chaturvedi et al.
본 연구의 연구지역은 대한민국 태안군 서측 해안을 대상으로 하였다. 태안군 서측 해안은 계절에 따른 어장이 잘 형성되고 군산항과 신진항으로부터 여러 도서지역을 연결하는 항로가 있어 크고 작은 선박의 이동이 잦은 지역이다(Fig.
선박탐지 분석을 위해 KOMPSAT-5 위성은 2017년9월 25일 3장, 2018년 10월 3일 3장총 6장의 영상을 사용하였다. KOMPSAT-5 영상의 편광은 모두 HH이며 촬영모드는 ST (Standard) 모드와 ES (Enhanced Standard)모드 두 가지로 획득하였다.
선박탐지를 위하여 본 연구에서는 KOMPSAT-5 SLC 영상을 사용하였다. KOMPSAT-5는 대한민국 최초의X-band SAR 위성으로 DEM 제작, 지도제작, 변화탐지 그리고 타겟 탐지 등 많은 분야에 응용되고 있다.
선박탐지를 적용하기에 앞서 SAR 영상내에 육지(섬포함)가 포함되어 있을 경우, 불필요한 오탐지와 더불어 HVAS 알고리즘의 성능향상을 위해 육지지역 마스킹을 수행하였다. 육지지역 마스킹시 자료처리의 효율성을 위해 수체 정보를 벡터 형식으로 저장한 SWBD (SRTM Water Body Data) 파일을 사용하였다. 본 연구에서 사용되는 SAR 영상은 SAR-Split 단계의 자료처리를 위해 SLC 레벨의 자료가 사용되므로, 육지 마스킹을 위해 지리좌표계의 파일을 SLC 영상의 레이더좌표계로 변환하는 과정이 필요하다.

데이터처리

마지막으로 S_saliency의 표준편차와 평균을 이용하여 임계값을 구한다. S_saliency가 임계값보다 큰 경우 선박 화소로 탐지한다.

이론/모형

이러한 문제를 해결하기 위해 Zaho et al.(2014)는 2개의점집합의 상관 토폴로지 구조를 이용하는 Non-rigid PPM (Point Pattern Matching)을 사용하였다. CPD는 Non-rigid PPM 중에서 반복을 통해 점 군집이 방향성을 가지고 정답에 이동하는 알고리즘으로 가장 좋은 매칭결과를 보였다(Myronenko et al.
HVAS 알고리즘을 통해 탐지된 초기 타겟은 SAR-Split 알고리즘을 통해 1차 검출을 수행한다. SAR SLC영상의 분리는 분리하는 방향에 따라 비행방향에는 SB, 거리방향에는 SS 알고리즘이 사용되며 해당 방향의 해상도가 분리하는 영상 개수에 비례하여 감소한다.
이때 비록 오탐지율이 높더라도 영상내에 포함되어 있는 선박의 탐지율을 높이기 위해 낮은 임계값이 사용된다. 다음으로 1차 선박 후보군의 위치를 기준으로 생성된 타겟칩에 SAR-Split 알고리즘을 적용하여 클러터에서 오탐지 된 타겟칩을 제거한다. 이렇게 2차로 추출된 선박 타겟칩에 최종적으로 CFAR 알고리즘을 적용하여 오탐지 된 타겟칩을 추가적으로 제거하고 남은 타겟이 탐지된 선박으로 결정된다.
, 2013). 본 논문에서는 분포 중, 구현이 비교적 간편한 G⁰ 분포에 기반한 다중 셀 평균 기반 CFAR알고리즘을 적용하였다. 한 픽셀씩 처리하는 CFAR와는 달리 다중 셀 평균 기반 CFAR는 지정한 픽셀 크기로 처리하며 이동하기 때문에 처리속도가 빠르다는 장점을 가지고 있다(Song et al.
, 2013). 본 연구에서는 SAR 영상에 우선 HVAS 알고리즘을 적용하여 초기 타겟 추출을 수행한다.
선박탐지 알고리즘은 먼저 탐지속도가 빠른 HVAS 알고리즘을 사용하여 SAR 영상 전체에서 1차 선박 후보군을 추출한다. 이때 비록 오탐지율이 높더라도 영상내에 포함되어 있는 선박의 탐지율을 높이기 위해 낮은 임계값이 사용된다.
제안된 알고리즘은SAR 영상으로부터 효율적인 선박탐지를 위해 HVAS, SAR-Split, CFAR 알고리즘의 장단점을 고려하여 복합적인 과정을 개발 적용하였다. 전처리 단계에서 수행한 마스킹은 SAR-Split 알고리즘의 처리형식을 위해 SLC 영상을 사용했다. 이를 위해 벡터형식의 SWBD 파일을 SLC영상의 레이더 좌표계로 변환하여 육지 마스킹을 수행했으며 육지가 성공적으로 제거되었다.
본 연구에서는 현재 군산대학교에서 운용중인 지상수신 AIS 데이터를 사용하였다. 획득된 AIS는 현장조사일자의 일별 데이터이며 탐지된 선박과의 매칭을 통한 불법선박여부, 오탐지, 미탐지 등의 평가기준으로 사용된다(Chaturvedi et al., 2012).

성능/효과

적색사각형은 SAR 영상에서 탐지된 선박의 위치, 청색사각형은 SAR 영상촬영시간으로 보간한 AIS데이터, 녹색사각형은 매칭결과를 나타낸다. NN 알고리즘을 이용한 매칭결과를 보면 SAR 영상에서 탐지된선박과 AIS 데이터 간의 전반적인 이동(shift)로 인하여 매칭이 잘 수행되지 않았다. 이는 SAR 영상에서 이동하는 타겟이 SAR 센서와의 상대속도로 인해 영상의 비행방향으로 이동하는 도플러 변위 때문인 것으로 분석된다.
39으로 나타났다. 거리방향의 TCR이 전반적으로 높아 교차상관분석 수행시 더 좋은 효과를 가져올 것으로 분석되었다(Fig. 7).
SAR SLC영상의 분리는 분리하는 방향에 따라 비행방향에는 SB, 거리방향에는 SS 알고리즘이 사용되며 해당 방향의 해상도가 분리하는 영상 개수에 비례하여 감소한다. 따라서 본 연구에서는 KOMPSAT-5 촬영모드에 따라 비행방향 해상도가 높은 ST 모드에는 Split-Beam 알고리즘, 거리방향과 비행방향의 해상도가 유사한 ES 모드에는 Split-Spectrum 알고리즘을 적용해 해상도 손실을 최소화했다. SAR-Split을 통한 선박탐지는 HVAS 알고리즘을 통해 탐지된 초기 타겟의 위치를 기준으로 분리된 영상을 각각 400 * 400 크기의 타겟칩을 생성하여 교차상관분석을 수행해 탐지시간을 단축시켰다.
, 2007). 또한 CPD를 NN과 실제 선박 위치와 AIS 매칭에 적용했을 때 매우 높은 정확도를 보였다(Fig. 8).
이러한 경우에는 비행방향을 분리하는 SB 보다 상대적으로 TCR 값이 높은 거리방향을 분리하는 SS를 사용하는 것이 전반적으로 높은 정확도를 보였다. 반면 거리방향의 해상도가 ES 모드의 거리방향해상도보다 낮은 ST 모드의 2018년 데이터는 SS를 적용할 경우 SB 보다 성능이 낮아지는 결과를 보였다. 탐지결과에서 탐지율은 전체 AIS 데이터 중 매칭된 SAR 선박의 개수로 계산했다(Table 3).
KOMPSAT-5 영상의 편광은 모두 HH이며 촬영모드는 ST (Standard) 모드와 ES (Enhanced Standard)모드 두 가지로 획득하였다. 본 연구에서 획득한 KOMPSAT-5 영상의 ST 모드는 거리방향 해상도가 비행방향 해상도 보다 높으며, ES 모드는 비행방향 해상도와 거리방향 해상도가 비슷한 특징을 가지고 있다. 또한 ST 모드와 ES 모드의 거리방향 해상도가 약 2배의차이를 보이는 특징을 가진다.
ES 모드의 SAR 영상에서 획득된 동일 선박칩에 대해 SB 알고리즘과 SS 알고리즘을 적용하여 sub-look 영상의 비행방향, 거리방향 TCR (Target to Clutter Ratio)을 분석하였다. 비행방향, 거리방향 TCR은 SB 알고리즘에서 각각 93.64, 88.42을, SS 알고리즘에서는 각각 135.98, 123.39으로 나타났다. 거리방향의 TCR이 전반적으로 높아 교차상관분석 수행시 더 좋은 효과를 가져올 것으로 분석되었다(Fig.
연구에서 사용된 SAR 영상은 2017년 데이터의 경우, ES 모드로 비행방향과 거리방향의 해상도가 유사한 특징을 가지고 있다. 이러한 경우에는 비행방향을 분리하는 SB 보다 상대적으로 TCR 값이 높은 거리방향을 분리하는 SS를 사용하는 것이 전반적으로 높은 정확도를 보였다. 반면 거리방향의 해상도가 ES 모드의 거리방향해상도보다 낮은 ST 모드의 2018년 데이터는 SS를 적용할 경우 SB 보다 성능이 낮아지는 결과를 보였다.

후속연구

본 논문의 연구지역인 태안군 서측 해안의 경우 소형선박의 이동이 잦아 AIS 신뢰도가 낮아져 오탐지가 발생한 것으로 분석된다. 따라서 선박 탐지율의 정답으로 사용된 AIS의 신뢰도가 떨어지는 문제가 발생하는 한계점이 있으며 소형선박의 단계적인 AIS탑재를 통해 이를 개선할 수 있을 것으로 생각된다. AIS정보는 존재하지만 SAR에서 탐지하지 못한 선박은 모두 AIS 데이터에서 위치정보만 존재하고 크기정보가 부재한 소형선박으로 SAR 영상 해상도의 한계로 탐지하지 못한 것으로 파악된다.
대한민국 해역의 광역적인 선박 모니터링을 위해서는 AIS 뿐만 아니라 X-band SAR 위성인 KOMPSAT-5자료와 융합한 선박탐지 모니터링이 필요하다. 본 논문에서 제안한 KOMPSAT-5의 선박탐지 알고리즘을 통해 향후 대한민국 선박 감시망 구축에 기여할 수 있을 것으로 사료된다.
육지지역 마스킹시 자료처리의 효율성을 위해 수체 정보를 벡터 형식으로 저장한 SWBD (SRTM Water Body Data) 파일을 사용하였다. 본 연구에서 사용되는 SAR 영상은 SAR-Split 단계의 자료처리를 위해 SLC 레벨의 자료가 사용되므로, 육지 마스킹을 위해 지리좌표계의 파일을 SLC 영상의 레이더좌표계로 변환하는 과정이 필요하다.
11(b)와 같이 선박이 빠른 속도로 이동할 때 생기는 기포항적이 SAR 영상에서 밝게 나타나 타겟으로 오탐지 되는 것으로 나타났다. 이러한 오차는 향후 SWBD 파일의 업데이트와 선박의 기포항적 제거알고리즘의 적용을 통해 제거될 수 있을 것으로 생각된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	KOMPSAT-5는 무엇인가?	, 2018). KOMPSAT-5는 한국항공우주연구원에서 개발한 대한민국 최초의 X-band SAR 위성이다. X-band SAR위성은 파장이 약 3.
	CFAR 알고리즘의 단점은?	CFAR 알고리즘은 현재도 가장 많이 사용되고 있으며 윈도우에 사용되는 분포에 따라 높은 탐지 정확도를 갖는다. 그러나 전체 영상에 대해 한 픽셀씩 처리하기 때문에 속도가 매우 느리다는 단점을 가지고 있다. 이를 보완하기 위해 한번에 다중 픽셀로 처리하는 MCA (Multi-Cell-Averaging) CFAR 알고리즘이 개발되었다(Song et al.
	HVAS 알고리즘의 장단점은 무엇인가?	(2013)은 SAR 영상에서 선박이 바다에 비해 밝은 반사값을 갖는 특징과 PCT를 융합하여 선박탐지를 하는 HVAS (Human Visual Attention System) 알고리즘을 개발했다. HVAS 알고리즘은 퓨리에 변환을 이용하기 때문에 탐지속도가 매우 빠르다는장점을 가지고 있지만 탐지 정확도와 오탐지율을 고려한 임계 값 설정이 어렵다는 단점을 가지고 있다.

참고문헌 (20)

Amoon, M., A. Bozorgi, and G. Rezai-rad, 2013. New method for ship detection in synthetic aperture radar imagery based on the human visual attention system, Journal of Applied Remote Sensing, 7(1): 071599.

상세보기
Back, M., D. Kim, S.-W. Kim, and J.-S. Won, 2019. Two-Dimensional Ship Velocity Estimation Based on KOMPSAT-5 Synthetic Aperture Radar Data, Remote Sensing, 11(12): 1474.

상세보기
Brekke, C., S.N. Anfinsen, and Y. Larsen, 2012. Subband extraction strategies in ship detection with the subaperture cross-correlation magnitude, IEEE Geoscience and Remote Sensing Letters, 10(4): 786-790.

상세보기
Brusch, A.l., S. Lehner, T. Fritz, M. Soccorsi, and B. Schie, 2011. Ship surveillance with TerraSAR-X, IEEE Transactions on Geoscience and Remote Sensing, 49(3): 1092-1103.

상세보기
Chaturvedi, S.K., C.S. Yang, K. Ouchi, and P. Shanmugam, 2012. Ship recognition by integration of SAR and AIS, The Journal of Navigation, 65(2): 323-337.

상세보기
Iehara, M., K. Ouchi, I. Takami, K. Morimura, and S. Kumano, 2001. Detection of ships using cross-correlation of split-look SAR images, Proc. of IEEE 2001 International Geoscience and Remote Sensing Symposium, Sydney, NSW, Jul. 9-12, vol. 4, pp. 1807-1809.
KARI (Korea Aerospace Research Institute), 2014. Kompsat-5 Image data manual V1.0, Satrec Initiative, Daejeon, Republic of Korea.
Kim, S.-W., D. Kim, and Y.-K. Lee, 2018. Operational ship monitoring based on integrated analysis of KOMPSAT-5 SAR and AIS data, Korean Journal of Remote Sensing, 34(2-2): 327-338 (in Korean with English abstract).
Lee, K.Y., S.H. Hong, B.Y. Yoon, and Y.S. Kim, 2012. Vessel detection using satellite SAR images and AIS data, Journal of the Korean Association of Geographic Information Studies, 15(2): 103-112.

원문보기 상세보기
Liao, M., C. Wang, Y. Wang, and L. Jiang, 2008. Using SAR images to detect ships from sea clutter, IEEE Geoscience and Remote Sensing Letters, 5(2): 194-198.

상세보기
Marino, A., M. Sanjuan-Ferrer, I. Hajnsek, and K. Ouchi, 2015. Ship detection with spectral analysis of synthetic aperture radar: A comparison of new and well-known algorithms, Remote Sensing, 7(5): 5416-5439.

상세보기
MOF(Ministry of Oceans and Fisheries), 2016. A fishing boat and Mechanical Standards, Notification No. 2016-13, Ministry of Oceans and Fisheries, Department of Maritime Industrial Technology, Sejong, Republic of Korea.
MOF(Ministry of Oceans and Fisheries), 2017. Regulations on the Installation Criteria and Operation of Automatic Information System for ship, Notification No. 2017-130, Ministry of Oceans and Fisheries, Department of Maritime Industrial Technology, Sejong, Republic of Korea.
Myronenko, A., X. Song, and M.A. Carreira-Perpinan, 2007. Non-rigid point set registration: Coherent point drift, Advances in Neural Information Processing Systems, 32(12): 1009-1016.
Ryu, J.-H., S. Lee, D.-J. Kim, and J.D. Hwang, 2018. Wide Integrated Surveillance System of Marine Territory Using Multi-Platform, Korean Journal of Remote Sensing, 34(2-2): 307-311 (in Korean with English abstract).
Pichel, W.G., P. Clemente-Colon, C.C. Wackermanm, and K.S. Friedman, 2004. Ship and wake detection, NOAA SAR Marine Users Manual, US Department of Commerce, Washington, D.C., USA.
Song, W.Y., S.H. Roh, C.H. Jung, and Y.K. Kwag, 2010. Synthetic aperture radar target detection using multi-cell averaging CFAR scheme, The Journal of Korean Institute of Electromagnetic Engineering and Science, 21(2): 164-169.

원문보기 상세보기
Vachon, P.W., L.C. Kabatoff, and L.R. Quinn, 2014. Operational ship detection in Canada using Radarsat, Proc. of 2014 IEEE Geoscience and Remote Sensing Symposium (IGARSS), Quebec City, QC, Canada, Jul. 13-18, pp. 998-1001.
Yu, Y., B. Wang, and L. Zhang, 2009. Pulse discrete cosine transform for saliency-based visual attention, Shanghai, Proc. of 2009 IEEE 8th International Conference on Development and Learning, Shanghai, China, Jun. 5-7, pp. 1-6.
Zhao, Z., K. Ji, S. Xing, H. Zou, and S. Zhou, 2014. Ship surveillance by integration of space-borne SAR and AIS - review of current research, The Journal of Navigation, 67(1): 177-189.

상세보기

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