고속 SAR 선박탐지와 해상교통밀도추정

Abstract

합성개구레이더(Synthetic Aperture Radar, SAR) 위성영상이 점차 고해상도화되며, 광범위한 해역의 중소형 선박탐지 가능성을 높여주고 있다. 최근 선박탐지연구에는 딥러닝 알고리즘도 소개되지만, 방대한 학습자료와 고성능GPU가 없으면 사용이 불가능하다. 한편 지금까지 전통적으로 사용되는 선박탐지 방법은 강도(intensity) 기반의 이동창 CFAR(Constant False Alarm Rate) 알고리즘으로 높은 시스템사양을 요구하지 않는다. 그러나 이 알고리즘은 전체픽셀 검사로 인해 효율성이 떨어지는 한계가 있다. 탐지효율을 높이기 위한 후보추출방식에는 전역임계치(global threshold)를 이용(Gao et al., 2009)하거나, Super pixel 기반의 후보군 추출방식(Papas et al., 2018; Wang et al., 2021)이 제안되기도 하였으나, 전자의 경우 임계치 결정을 위한 상수가 제시되지 않았고, 후자의 경우 픽셀군집화에서 연산소요가 높은 한계가 있다. 이 연구에서는 Sentinel-1 영상에 단계적 임계치 적용을 통해 효율적으로 선박탐지를 수행한다. 탐지성능은 탐지시간, 탐지율, 오탐지율로 평가되며, 제안모델은 다른 연구자의 CA-CFAR(Koch et al., 1995; Sciotti et al., 2001), K-CFAR(Crisp, 2004), MAD-CFAR(Madjidi et al., 2023)의 탐지율과 오탐지율에서 유의미한 차이는 없지만 탐지시간은 30배 이상 짧아진 것으로 확인되었다. 탐지결과는 부산과 인천 해역의 해상교통밀도 추정에 활용되었다. 해상교통데이터(AIS, V-Pass) 기반 밀도는 거리가 멀어짐에 따라 낮아지는 반면, 위성탐지결과 기반 밀도는 대마도 동측, 군사분계선 북측의 선박밀도 추정이 가능함을 보여주었다. 제안한 알고리즘은 초소형군집위성 ICEYE에도 적용가능성을 보여주었으므로, 향후 해양경찰의 초소형군집위성의 영상에도 적용하여 해상교통밀도평가 고도화 및 선박추적에 활용할 수 있을 것으로 기대된다.