A study on the application of high resolution K5 SAR images

다목적 위성 5호 고해상도 SAR 영상의 활용 방안 연구

  • 유수진 (한국항공대학교 전자 및 항공 전자공학부 위성전자시스템연구실) ;
  • 송경민 (한국항공대학교 전자 및 항공 전자공학부 위성전자시스템연구실) ;
  • 이우경 (한국항공대학교 전자 및 항공 전자공학부 위성전자시스템연구실)
  • Received : 2017.01.06
  • Accepted : 2017.02.03
  • Published : 2017.03.31

Abstract

Recently, the demand for SAR imaging is growing to monitor natural disasters or military sites to foresee topographic changes, where optical sensing is not easily available. High-resolution SAR images are useful in exploring topography and monitoring artificial land objects in all weather conditions. In this paper,high resolution SAR images acquired from KOMPSAT-5 are exploited for the applications of change detection and classification. In order to detect change areas, amplitude change detection (ACD) and coherence change detection (CCD) algorithms are employed and their performances are compared in practical applications. For enhanced performance, the potential of small scaled change detection is explored by combining multi-temporary SAR images. The k-means and SVM methods are applied for land classifications and their performances are compared by applying to the real spaceborne SAR images.

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. 고해상도 SAR 영상은 이러한 수요에 따라 활용할 수 있다. 본 논문에서는 X-band에서 운용되고 있는 KOMPSAT-5의 고해상도 위성 영상을 기반으로 변화탐지와 분류 활용 방안을 연구하였다. 변화탐지 방법으로는 ACD(Amplitude Change Detection), CCD(Coherence Change Detection)을 적용하였다. 각 기법에 대한 결과 영상을 각각 비교하여 융합할 경우 미세 변화탐지 분야 활용가능성을 확인하였다. 또한, 분류 방법으로는 k-means와 SVM기법을 적용하였다. 그 결과 SVM기법을 사용한 분류 결과가 향상됨을 확인하였다.

Keywords

References

  1. Gabriele Moser, Sebastiano B. Serpico, Generalized Minimum-Error Thresholding for Unsupervised Change Detection From SAR Amplitude Imagery, IEEE Transactions on Geoscience and Remote sensing, 44(10): 2972-2982, 2006. https://doi.org/10.1109/TGRS.2006.876288
  2. A. Bouaraba, A. Younsi, A. Belhadj-Aissa, M. Acheroy, N. Milisavljevic, D. Closson, Robust Techniques for Coherent Change Detection using Cosmo-SkyMed SAR Images, Progress In Electromagnetics Research M, Vol. 22, pp. 219-232, 2012. https://doi.org/10.2528/PIERM11110707
  3. 한학용, 2009, 패턴인식 개론, pp.165.
  4. Eric J. M. Rignot ,Jakob J. van Zyl, Change Detection Techniques for ERS-1 SAR Data, IEEE Transaction on geoscience and Remote Sensing, 31(4): 896-906, 1993. https://doi.org/10.1109/36.239913
  5. Gui Gao, 2010. Statistical Modeling of SAR Images : A Survey, Sensors, 10: 775-795, 2010. https://doi.org/10.3390/s100100775
  6. Greco, M.S, Gini, F, Statistical Analysis of High-Resolution SAR Ground Clutter Data, IEEE Transactions on Geoscience and Remote sensing, 45(3):556-575, 2007.
  7. Michael D. DeVore, Joseph A. O'Sullivan, Statistical Assessment of Model Fit for Synthetic Aperture Radar Data, SPIE4382, Algorithms for Synthetic Aperture Radar Imagery VIII, 379, 2001.
  8. Ridha Touzi, Armand Lopes, Jerome Bruniquel, Paris W. Vachon, Coherence Estimation for SAR Imagery, IEEE Transactions on Geoscience and Remote Sensing, Vol. 37, No. 1, pp. 135-149, 1999. https://doi.org/10.1109/36.739146
  9. Miriam Cha, Rhonda D. Phillips, Patrick J. Wolfe, Christ D. Richmond, Two-Stage Change Detection for Synthetic Aperture Radar, IEEE Transactions on Geoscience and Remote sensing, Vol. 53, No. 12, 2015.
  10. Song W.Y., Rho S.H., Jung C.H., Kwag, Y.K., Synthetic Aperture Radar Target Detection Using Multi-Cell Averaging CFAR Scheme, Koea Electromagnetic Engineering Society, Vol. 21, pp. 164-169, 2010.
  11. J. Kittler, J. Illingworth, Minimum error thresholding, Pattern Recognition, 19: 41-47, 1986. https://doi.org/10.1016/0031-3203(86)90030-0