Ship Detection from Sentinel-1 through Threshold and Clustering Approach
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Jeon, Ho Kun | - |
dc.contributor.author | Cho, Hong Yeon | - |
dc.date.accessioned | 2022-11-21T04:50:36Z | - |
dc.date.available | 2022-11-21T04:50:36Z | - |
dc.date.created | 2022-11-18 | - |
dc.date.issued | 2022-11-16 | - |
dc.identifier.uri | https://sciwatch.kiost.ac.kr/handle/2020.kiost/43426 | - |
dc.description.abstract | Sentinel-1 SAR 이미지로부터 해상의 선박탐지를 위한 기계학습모델을 구축하기 위해서는 초기에 충분한 양의 데이터셋 생성이 요구된다(Huang et al., 2018). 일반적으로 해상교통데이터인 AIS와 SAR이미지를 육안 비교하여 선박여부가 명확한 물표를 학습데이터로 생산하나, 이러한 방식은 충분한 학습데이터 확보에 장시간이 소요된다. 따라서 이 연구에서는 초기학습자료 없이 Sentinel-1 이미지로부터 선박을 탐지하는 방법을 제안하며, 해상교통데이터인 AIS, V-Pass와 SAR탐지와의 위치 비교를 통해 학습데이터셋을 생성한다. 선박탐지는 이미지처리를 기반으로 하며 이미지 분할, 경향성 제거, 임계치 설정, 군집화 과정을 통해 효율성을 높인다. 제안된 방법을 이용하여 2018년 부산(46개 이미지)과 인천(52개 이미지) 해역에 대해 선박탐지를 수행하였으며, Sentinel-1으로부터 탐지된 AIS 및 V-Pass와의 연평균 매칭 성공률은 부산에서 AIS 87.03%, V-Pass 23.02%, 인천에서 AIS 77.32%, V-Pass 24.64%였다. 거제도 동측 해역의 이미지에 제안된 방법과 이동창기반 CA-CFAR알고리즘(Campbell et al., 1997)을 이용하여 선박탐지를 수행하였고 제안된 방법이 약 9% 높은 성능(매칭률)을 가진 것이 확인되었다. | - |
dc.description.uri | 2 | - |
dc.language | Korean | - |
dc.publisher | GeoAI데이터학회 | - |
dc.title | Ship Detection from Sentinel-1 through Threshold and Clustering Approach | - |
dc.type | Conference | - |
dc.citation.conferenceDate | 2022-11-16 | - |
dc.citation.conferencePlace | KO | - |
dc.citation.conferencePlace | 그랜드하얏트호텔제주 | - |
dc.citation.endPage | 105 | - |
dc.citation.startPage | 105 | - |
dc.citation.title | 2022년 GeoAI데이터학회 추계학술대회 | - |
dc.contributor.alternativeName | 전호군 | - |
dc.contributor.alternativeName | 조홍연 | - |
dc.identifier.bibliographicCitation | 2022년 GeoAI데이터학회 추계학술대회, pp.105 | - |
dc.description.journalClass | 2 | - |