A Review of Change Detection Techniques using Multi-temporal Synthetic Aperture Radar Images

다중시기 위성 레이더 영상을 활용한 변화탐지 기술 리뷰

Abstract

Information of target changes in inaccessible areas is very important in terms of national security. Fast and accurate change detection of targets is very important to respond quickly. Spaceborne synthetic aperture radar can acquire images with high accuracy regardless of weather conditions and solar altitude. With the recent increase in the number of SAR satellites, it is possible to acquire images with less than one day temporal resolution for the same area. This advantage greatly increases the availability of change detection for inaccessible areas. Commonly available information in satellite SAR is amplitude and phase information, and change detection techniques have been developed based on each technology. Those are amplitude Change Detection (ACD), Coherence Change Detection (CCD). Each algorithm differs in the preprocessing process for accurate automatic classification technique according to the difference of information characteristics and the final detection result of each algorithm. Therefore, by analyzing the academic research trends for ACD and CCD, each technologies can be complemented. The goal of this paper is identifying current issues of SAR change detection techniques by collecting research papers. This study would help to find the prerequisites for SAR change detection and use it to conduct periodic detection research on inaccessible areas.

접근 불능지역에 대한 표적의 변화 정보는 국가 안보의 측면에서 매우 중요하며 이상 징후에 조속히 대응하기 위해서는 신속하고 정확한 표적의 변화 탐지 결과 도출이 필수적이다. 위성 SAR는 기상 조건과 태양고도에 상관없이 높은 정확도의 영상을 취득할 수 있으며 최근 SAR 위성 수의 증가에 따라 동일 지역에 대하여 1일 미만의 시간 해상도로 영상획득이 가능해졌다. 이러한 장점으로 접근 불능지역에 대한 변화 탐지를 수행할 때 활용성이 크게 증대되었다. 위성 SAR에서 일반적으로 활용 가능한 정보는 강도와 위상 정보로 각각의 기술을 기반으로 변화 탐지 기술이 개발되었다. 강도기반 변화 탐지(ACD; Amplitude Change Detection), 긴밀도 기반 변화 탐지(CCD; Coherence Change Detection). 각각의 알고리즘은 정보의 특성 차이에 따라 변화탐지 기술 구현을 위한 전처리 과정이 다르고 각 알고리즘의 최종 탐지 결과물에 차이가 있다. 따라서 각각의 관측기술에 대한 학술적인 연구동향을 분석함으로써 각 변화탐지 기술의 장단점을 상호보완 할 수 있다. 본 논문의 목적은 위성 SAR 영상을 활용한 변화탐지와 관련하여 기존에 수행된 연구 문헌을 수집하고 동향을 파악하는 것이다. 이 연구는 지속적인 지표변화 탐지를 위한 필요 조건을 조사하여 향후 접근 불능지역에 대한 주기적 탐지 연구를 수행하는데 활용할 예정이다.

1. 서론

위성 원격 탐사는 동일한 품질의 다중시기 지구 관측영상을 지속적으로 제공할 수 있다. 이에 따라 서로 다른 시간에 대하여 변화한 지표의 특성을 관측하기 위하여 위성 원격탐사가 매우 중요하게 활용되고 있다(Zhu, 2017; Lee et al., 2018). 특히 정치적·지리적 특성상 접근이 어려운 지역에 대해서 장기적인 데이터를 구축할 수 있다는 점에서 장점이 크며 장기적으로 누적된 지구 관측 위성 원격탐사 자료를 활용하여 현재까지 매우 다양한 변화탐지 연구가 수행된 바 있다(Rignot and Van Zyl, 1993; Lee et al., 2018; Lee et al., 2016).

변화 탐지와 관련하여 위성 SAR(Synthetic Aperture Radar)는 매우 높은 장점을 가지고 있다. 위성 SAR는 마이크로파 대역의 전자기파를 활용하는 능동형 지구관측 위성으로 1) 긴 파장 대역의 전자기파를 활용하기 때문에 대기에 대한 투과율이 높아 광학 위성보다 기상조건에 대한 영향이 적으며, 2) 직접 지표 방향으로 전자기파를 방출한 뒤, 후방 산란(Back scattering) 되어 돌아오는 전자기파를 입력 받아 영상화하기 때문에 주야에 상관없이 영상 자료를 획득할 수 있는 장점이 있다 (Olmsted, 1993; Moreira, 2013). 이러한 특징에 의하여 위성 SAR는 관심 지역에 대하여 지속적인 데이터 취득에 유리하다. 따라서 국내·외에서 다양한 변화 탐지 연구사례가 존재하며, 특히 군사적인 목적으로도 활발하게 활용되어 왔다(Novak, 2013; Washaya et al., 2018; Bickel, 2015; Moser and Serpico, 2006; Moser et al., 2007; Bazi et al., 2005; 2007; Kang et al., 2015; Gong et al., 2014).

그러나 위성 SAR로부터 촬영된 영상은 촬영 환경(수직기선, 시간기선, 입사각, 편파)과 지역적인 특성(지형)에 따라서 방사왜곡,기하학적 왜곡(Geometric distortion), 후방산란 특징 변화 등 영상의 특징이 크게 변하는 특성이 존재한다. 이러한 촬영 환경과 지역적인 특성은 영상화 된 위성 SAR 자료의 강도·위상 정보에 왜곡을 야기한다(Baek et al., 2018a; 2018b). 특히 전(Master)·후(Slave)에 촬영된 위성 SAR 영상의 촬영 환경이 다르다면 최종변화 탐지 정확도가 크게 저하될 수 있다 (Olmsted, 1993;Ajadi et al., 2016). 따라서 많은 연구에서는 위성 SAR로부터 더 신뢰성 높고 정확한 변화 탐지를 수행하기 위해서는 변화 전·후의 위성 SAR 영상을 정규화 하는 과정을 수행하고 있다 (Hwang and Jung, 2018; Hwang et al., 2017). 또한, 위성 SAR 변화 탐지를 위한 SAR 촬영 환경변화의 영향에 대해 분석함으로써 알고리즘의 실적용과 활용 사례를 기반으로 발전 방향을 모색해야 한다. 특히 SAR 변화 탐지 기술현황 분석 및 사례조사, 기술수준 및 검토, 발전 동향 등을 체계적으로 연구하여 제시할 필요가 있다.

하지만 아직까지 국내에서는 SAR 기반 변화 탐지 기술에 관한 연구가 미비한 편이다. 따라서, 본 연구에서는 국내·외 위성 SAR 기반 변화탐지 기술 및 활용 동향을 조사하고 향후 발전 방향을 제시하고자 한다. 세부적으로는 1) 다중시기 위성 SAR의 강도 및 긴밀도 정보를 활용한 변화 탐지 기술, 2) 다중시기 위성 SAR 변화탐지 기술 적용을 위한 촬영 환경 특성으로 내용을 구성하여 각 분야에 대한 연구 동향을 제시하고자 한다. 본 연구의 과정에서 제시된 연구 결과는 차세대 위성SAR 개발과 영상처리 기술에 의한 신뢰성 높은 영상정보를 기반으로 군사적·과학적 의사결정을 지원할 수 있는 선행 연구로써 이바지할 것이다.

2. SAR 영상의 특징

1) SAR 강도 정보

SAR는 위성체에서 자체적으로 전자기파를 방출하여 지표상에서 후방산란되어 돌아온 신호를 활용하여 지표의 형상을 영상화한다. 능동적으로 데이터를 획득할 수 있으므로 태양 고도와 상관없이 영상 취득이 가능하다. 또한, 가시광선에 비하여 긴 파장 대역의 전자기파를 활용하기 때문에 기상 조건에 상관없이 동일한 품질의 지구 관측 영상을 획득할 수 있다. 따라서 지속적인 데이터를 누적하는 데에 SAR 영상은 매우 효과적이다(Hong et al., 2018).

SAR는 능동형 센서로 센서에서 방출된 신호가 지표에 도달한 후 다시 위성체의 센서로 입력되어야만 영상화할수 있다. 따라서 단순히 입사각과 반사각에 의한 전자기파의 반사만을 고려하였을 때 영상화가 불가능하다. 대신에 SAR는 지표상에서의 후방산란특성을 고려한다. SAR 영상의 후방산란에 가장 큰 영향을 주는 것은 주로 지표의 유전율과 거칠기이다. 유전율은 어떠한 매질이 저장할 수 있는 전하량이라 할 수 있다. SAR위성에서 방출하는 신호는 유전율이 높을수록 매질에서 전자기파를 많이 반사한다. 즉 유전율이 높을수록 위성체의 반대 방향으로 반사되어 신호가 소실된다(Di Baldassarre et al., 2011). 신호가 소실된다는 것은 그만큼 위성의 센서에 입력되는 신호의 양이 줄어든다는 의미이다. 결국, 유전율이 낮은 물체보다 높은 물체에서 더 낮은 강도를 나타낸다.

예를 들어 물은 지표상에서 확인할 수 있는 매질 중에서 높은 유전율을 나타내고 있다. 수계 영역으로 덮인 지역은 주변의 다른 매질에 비하여 낮은 강도 정보를 나타낸다. 많은 연구에서는 이러한 특징을 반영하여 토양수분량, 홍수 탐지, 해안선 탐지 등의 수계에 대한 변화탐지에 활용된다(Park, 2016; Kim et al., 2016; Kim and Jung, 2018; Ding and Li, 2014).

만약 지표가 거울면과 같이 매끈하다면 일정 각도로 입사되는전자기파는동일한반사각을가지고반사된다. 즉 이 경우에는 어떠한 신호도 위성체로 돌아가지 않기때문에 영상화가 불가능하다. 반면에 지표가 거칠어질수록 표면에서의 확산 산란이 우세해진다. 동일한 지표의 거칠기라도 SAR 신호의 파장과 촬영할 때의 기하에 따라서 다른 영향을 보인다. 지표 평균면에 대한 지표 거칠기 높이의 표준편차를 σH, 촬영할 때의 SAR 영상의 입사각을 θ 그리고 레이더 신호의 파장 길이를 λ라 할 때에 유효 거칠기는 다음의 수식 (1)과 같이 정의할 수 있다(Ouchi, 2004).

\(\sigma _h \ll \lambda / (8\cos\theta_i) : 매끄러운 표면 \)

\(\sigma _h \approx \lambda / (8\cos\theta_i) : 적당히 거친 표면\)       (1)

\(\sigma _h \gg \lambda / (8\cos\theta_i) : 거친 표면\)

위의 식에서 매질이 매끄러운 표면에 해당되는 경우 대부분의 신호가 위성체 반대쪽으로 소실되며, 적당히 거친 표면에서는 반대 방향으로 소실되는 신호와 확산 산란되는 신호가 공존한다. 마지막으로 거친 표면에서는 대부분의 신호가 확산 산란된다(Ouchi, 2004; Hong and Wdowinski, 2017).

2) SAR 위상 정보 및 긴밀도

지표에서 변화가 발생하면 그에 따라서 레이더 신호의 후방산란특성이 달라진다. 따라서 다른 시기에 획득된 위성레이더에 대하여 산란특성의 변화를 확인함으로써 변화탐지가 가능하다. 특히 긴밀도 기반 변화 탐지 결과가 강도 영상 기반 변화 탐지 결과보다 민감도가 높아 매우 세밀한 변화 탐지가 가능한 장점이 있다(Bouaraba et al., 2014; 2016; 2018; Novak, 2013; Wahl et al., 2016).

하지만, 그만큼 촬영 환경이나 연구 지역에 특성에 따라서 긴밀도의 품질이 크게 달라진다. 특히 유효한 변화가 발생하지 않은 지역에 대해서 긴밀도가 낮아지면 정확한 변화 탐지가 불가능하다. 따라서 긴밀도 기반변화탐지를 위해서는 지형 효과를 고려한 정밀한 영상정합 기술이 필수적으로 요구되며, 위성 SAR 간섭 영상으로 획득된 위상 정보 중 긴밀도와 직접적으로 연관된 정보만을 추려내는 과정이 매우 중요하다(Zebker and Vilasenor, 1992; Novak, 2013; Bouaraba et al., 2016; 2018).

긴밀도는 SAR 간섭기법을 통하여 생성된 위상을 활용하여 계산할 수 있다. SAR 간섭영상에서 나타나는 위상 성분은 후방산란특성과 관련된 성분 외에 다른 성분들을 포함하고 있기 때문에 정확한 긴밀도를 계산하기 위해서는 다른 성분들을 가능한 저감해주어야 한다. 아래의 식은 SAR 간섭기법을 통하여 생성한 위상 정보 ø_InSAR에 포함된 위상 성분들을 나타낸다.

\(\phi_{InSAR} = \phi_{defo}+ \phi_{topo} +\phi_{flat} +\phi_{atmo} +\phi_{scat} +\phi_{noise}\)        (2)

각각의 항은 위상의 지표변위 성분(ø_defo), 지형 효과(ø_topo), 궤도 효과(flat-earth phase)(ø_flat), 대기 효과(ø_atmo), 후방산란성분(ø_scat), 노이즈 성분(ø_noise)을 나타낸다. 주어진 위상의 성분 중 긴밀도 및 지표의 상태변화와 관련이 있는 성분은 후방산란성분이다. 전술한 바와 같이 정확한 변화탐지를 위해서는 후방산란성분을 제외한 다른 성분을 저감한다. 다음은 그 과정을 간략하게 나타낸다. 전체적인 처리 절차는 (a) 간섭영상 생성; (b) 차분 간섭 영상 생성; (c) 잔여 오차 보정 및 긴밀도 영상 생성으로 구분된다. 전반적으로 전술한 위상의 성분 중 후 방산란특성과 관련이 없는 성분을 저감하기 위한 과정이다.

먼저 간섭영상을 생성하기 전에 SLC 영상에 대하여 공통주파수 필터를 적용한다(Jung et al., 2009; Baek et al., 2018b). 공통주파수 필터는 서로 다른 스퀸트각에 의하여 발생한 도플러 주파수 대역의 차이를 맞춰주는 과정으로 미미한 해상도 저하가 발생할 수 있으나, 주영상과 부영상의 산란특성을 일치를 위하여 필요한 과정이다. 주파수가 보정된 SLC 영상에 대해 공액 복소수 곱을 통해 위성레이더 간섭영상을 생성한다. 이때 지표변위 성분과 대기효과 성분이 미미하다고 가정하면 지형효과 성분과 궤도 성분에 대한 보정만을 필요로 한다.

차분 간섭 영상 생성 단계에서는 지형효과 성분과 궤도 성분을 보정하는 과정이다. 수치표고모델로부터 위성 SAR 촬영 기하정보를 고려하여 궤도성분과 지형효과 성분을 모델링하여 모사된 간섭영상을 생성할 수 있다. 생성된 모사된 간섭영상은 기존 간섭영상에 대해 공액 복소수 곱을 통하여 위성 SAR 차분 간섭영상을 생성한다. 생성된 차분 간섭영상의 위상 성분(ø_DInSAR)은 다음과 같이 표현할 수 있다.

\(\phi_{DInSAR} = \phi_{topoErr} +\phi_{orbitErr} +\phi_{atmo} +\phi_{scat} +\phi_{noise}\)        (3)

제공되는 위성의 궤도 및 촬영 기하 정보는 실제 촬영 환경과 차이가 있으므로 차분 간섭영상에는 지형오차(ø_topoErr)와 궤도오차(ø_orbitErr)의 오차가 남아있다. 이러한 오차 성분(ø^M_ResErr)은 지형 고도와 선형적인 상관관계를 가지고 있으며, 공간적으로 점진적으로 변화하므로 다음과 같은 보정식을 활용하여 보정할 수 있다(Jung et al., 2009; Lee et al., 2015; Baek et al., 2018c).

\(\phi _{RedErr}^M(i,j) = C_0DEM(i,j) +C_1(i-1) +C_2(j-1) + C_3(i-1)(j-1)+ C_4\)     (4)

최종적으로 보정된 위상성분은 후방산란성분과 노이즈 성분 그리고 이상의 과정을 통해서도 보정되지 않은 잔여오차성분을 포함한다. 그럼에도 불구하고 긴밀도에 영향을 미칠 수 있는 지형 효과, 궤도 효과를 보정했으므로 후방산란특성에 대한 긴밀도를 잘 나타낼 수 있다(Jung et al., 2015). 아래의 식은 긴밀도(γ)를 계산하는 식을 나타낸다(Zebker and Vilasenor, 1992; Hong and Wdowinski, 2013; López-Martínez and Pottier, 2007). 이때 L은 긴밀도를 계산하기 위한 윈도우 내의 전체 픽셀, z1, z2는 주영상과 부영상의 복소수 신호이다. 위성 SAR의 긴밀도는 지표 혹은 표적의 변화에 따라 나타난 산란특성의 변화를 나타낸다. 0~1 사이의 값을 가지며 1에 가까울수록 산란 특성의 일치, 반대로 0에 가까울수록 산란 특성이 달라진 상황을 나타낸다. 일반적으로 moving￾window에 따라서 긴밀도를 계산하여 값을 입력하는데, 해상도 저하를 최소화하기 위하여 block에 대하여 긴밀도를 계산한 후 멀티룩(Multi-look)하여 계산을 할 수 있다(Hwang and Jung, 2018).

\(\gamma = {\sum_{i=1}^L Z_{1i}Z^*_{2i} \over \sqrt{ \sum_{i=1}^L\left\vert z_{1i}\right\vert ^2}\sqrt{ \sum_{i=1}^L\left\vert z_{2i}\right\vert ^2}}\)        (5)

3) SAR 촬영 환경

SAR 영상을 취득할 때의 촬영 환경에 따라 영상의 특징이 크게 달라진다. 주로 영향을 미치는 특성으로는 촬영 지역의 특성, 촬영 기하, 촬영 영상의 수직기선 (Perpendicular baseline) 및 시간기선(Temporal baseline)이 있다. 다중시기에 촬영된 영상을 활용하여 변화탐지를 수행할 때에 각 영상이 촬영될 때의 환경적 특징은 최종적인 변화 탐지 품질에 영향을 미친다. 따라서 SAR 변화탐지를 수행할 때에는SAR 촬영 특성을 고려해야한다.

SAR 영상은 센서에서 방사된 신호가 지표에서 후방산란되어 다시 센서에 입력되는 시간의 순서에 따라서 생성된다. 이 때문에 일반적인 광학 위성 영상보다 궤도와 촬영 입사각에 따른 기하 왜곡의 변화가 심한 편이다(Olmstd, 1993). 또한, 동일 궤도에서 촬영하는 SAR영상이라고 하더라도 SAR 촬영 기하는 매번 재방문주기 때마다 조금씩 달라지므로 다중 시기 영상들 사이에서 기하학적인 왜곡의 차이가 매번 발생한다. 또한, 모든 조건이 동일하다고 하더라도 지형 기복에 의하여 단일 영상에서 동일한 품질의 영상을 획득하는 것은 불가능하다. 이러한 강도의 차이는 변화 탐지에서 오차로작용한다. 따라서 정확하고 일정한 변화 탐지를 위해서는 각 영상들을 정규화하는 과정이 필요하다(Ajadi et al.,2016).

취득된 SAR 영상의 각 픽셀별 밝기는 지표 특성과 촬영 기하의 상호작용으로 결정된다. 취득된 SAR 영상의 (m, n)픽셀에서의레이더단면적(σ;Radar cross-section)은 θ(m, n)이 해당 픽셀에서의 지역 입사각(local incidence angle), σ⁰를 후방산란계수, A(θ(m, n))를 입사각에 따라 달라지는 해당 픽셀의 실제 넓이라 할 때 다음과 같이 나타날 수 있다.

\(\theta (m,n) =\sigma ^0(m,n) \times A(\theta (m,n))\)       (6)

위의 식에 따르면 각 픽셀의 레이더 단면적을 변화시키는 것은 후방산란계수와 단면적이다. 즉, 입사각변화에 의하여 각 픽셀에 해당되는 넓이가 달라지거나, 입사각 차이에 따른 지표 산란 특성 변화 때문에 영상에 입력되는 밝기 정보가 변화한다. 일반적으로 전자의 영향이 지배적이기 때문에 기하 왜곡의 정도는 각 픽셀 별 실제 면적으로 나타낼 수 있다(Ajadi et al., 2016; Loew and Mauser, 2007). 기하 왜곡은 주로 포어쇼트닝(Foreshortening), 레이오버(Layover), 쉐도우(Shadow)의 형태로 분류한다(Olmstd, 1993). 또한, 기하 왜곡은 촬영입사각이 작아질수록 심해진다. 따라서 왜곡의 방향은 위성 SAR의 센서 방향이다. 예를 들어 위성체와 바라보는 경사의 경우 반대편 경사보다 한 픽셀에 해당되는 넓이가 더 넓어진다. 따라서 왜곡의 양이 인접한 픽셀보다 크다(Loew and Mauser, 2007).

즉 기하 왜곡에 의하여 바로 근처의 유사한 주변 픽셀과 구분되는 밝기로 영상에 나타날 수 있다. 이러한 기하 왜곡 특성이 제대로 보정되지 않으면 부정확한 탐지와 지형에 따라 다른 탐지 성공률을 나타내는 등 강도기반 변화 탐지 성능이 저하된다(Ajadi et al., 2016). 따라서 이러한 강도 왜곡을 저감하기 위한 연구가 진행된  바 있다(Ajadi et al., 2016; KARI, 2018; Kim et al., 2016; Kim et al., 2018).

긴밀도 기반 변화 탐지 기술은 지표의 변화에 의하여 나타나는 비상관화(decorrelation)으로 변화를 탐지한다. 그런데 긴밀도는 강도 변화에 비하여 매우 민감한 특징을 가지고 있다. 따라서 지표상에서의 유의미한 변화 이외에 SAR 촬영 환경의 변화에도 크게 영향을 받아 쉽게 비상관화(decorrelation) 된다. 특히 SAR 촬영 환경에 의하여 영상 전체 영역의 긴밀도가 전반적으로 저하된 경우에 유효한 긴밀도 기반 변화 탐지가 불가능하다. 따라서 긴밀도 기반 변화 탐지에서 SAR 촬영 환경은 변화탐지의 가능성을 판단할 수 있는 주요한 요인이다.

Zebker and Vilasenor(1992)는 신호 비상관화의 요인을 수직기선 차이에 의한 비상관화(spatial baseline decorrelation), 산란체의 회전에 의한 비상관화 (Decorrelation due to Rotation), 시간의 변화에 따른 비상관화(Temporal decorrelation)으로 정의한 바 있으며, Hong and Wdowinski(2013)은 추가적으로 해상도에 의한 영향을 언급하였다. 이 중 특히 수직기선 차이에 의한 비상관화와 시간의 변화에 따른 비상관화가 전체 영상의 긴밀도 유지에 가장 주요한 영향을 미치는 것으로 알려져있다.​​​​​​

3. SAR 활용 변화 탐지 기술 및 적용 사례

위성 SAR 직접 방사한 전자기파가 후방 산란되어 돌아오는 에너지를 영상화한다. 여기서 측정되는 산란체를 그 특성에 따라서 크게 고정산란체(Persistent Scatterer; PS)와 분포산란체(Distributed Scatterer; DS)로 구분한다 (Ferretti et al., 2001; Even and Schulz, 2018). 고정 산란체는 대표적으로 인공물이나 바위 등과 같이 주변 픽셀 보다 매우 강한 신호대잡음비(signal to noise ratio) 가진 산란체를 뜻하며, 분포 산란체는 중간이나 낮은 수준의 신호대잡음비를 가지는 산란체를 나타낸다.

고정 산란체는 신호대잡음비가 매우 높으므로 소수의 픽셀 정보만으로 유의미한 변화를 결정할 수 있는 반면, 분포산란체는 주변 픽셀을 활용한 통계값을 통하여 유의미한 변화를 도출해야 한다(Ferretti et al., 2001; Even and Schulz, 2018). 전술한 바와 같이 구분되는 산란체의 특성에 따라서 위성 SAR에서 나타나는 변화의 특성에 차이가 있다. 이에 따라 고정 산란체와 분포 산란체 각각의 경우에 대하여 유의미한 변화의 사례를 고려해야한다.

우선 고정 산란체에 대한 변화가 발생하는 경우는 세가지 경우로 고민할 수 있다.

i) 존재하던 고정 산란체가 사라짐;

ii) 영상 내에서 고정 산란체가 이동;

iii) 고정 산란체가 나타남;

여기서 고정 산란체는 주변 픽셀에 비하여 매우 높은 강도를 가지고 있으므로 전술한 세 가지 경우는 영상 내에서

i) 영상에 존재하던 고정 산란체의 강도 값이 갑자기 크게 낮아짐;

ii) 높은 강도 값을 지닌 픽셀의 위치 변화;

iii) 특정 위치의 픽셀 값이 갑자기 크게 높아짐

이상의 세 가지 형태로 나타난다. 이 중에 ii의 경우 i와 iii의 혼합된 형태로 실제로 이동을 했는지 결정하는데에 무리가 있으므로 일반적으로는 고정 산란체가 나타날 때와 사라질 때를 다루고 있다. Fig. 1은 i)의 경우에 해당되는 예시로 주영상(Fig. 1(a))과 부영상(Fig. 1(b)) 사이에 새로운 고정산란체가 나타난 것을 확인할 수 있다.

Fig. 1. The example of new persistent scatters (PSs) detection; Zoomed ALOS2 PALSAR2 amplitude image acquired at(a) 20160307 and (b) 20160419; The white boxes indicate new persistent scatterers.

분포 산란체에서의 변화는 지표면의 상태가 변화하는 경우로 나타난다. 홍수에 의하여 수계 영역이 변화하는 경우, 새로운 시설물을 건설하는 과정에서 복토, 성토 등을 할 때, 혹은 매우 민감한 경우에 차량 이동에 따른 흔적 등을 그 예로 들 수 있다. 지표의 거칠기와 유전율의 유효한 변화가 존재할 때에는 강도 영상에서 밝기의 변화가 유의하게 나타날 수 있으나 매우 미세한 변화가 발생하면 강도에서의 변화를 파악하는 데에 어려움이 있다.

1) SAR 강도 정보를 활용한 변화 탐지

(1) 강도 기반 변화 탐지

강도기반 변화탐지는 서로 다른 시기에 촬영된 위성SAR 영상의 각 픽셀 강도 정보를 비교함으로써 이루어진다. 주로 두 시기에 촬영된 강도 자료를 서로 차분하는 방법(differencing)과 나누는 방법(ratioing)으로 구분된다(Rignot and Van Zyl, 1993; Wang et al., 2016). 일반적으로 차분하는 방법은 동일 영상은 변화탐지 정확도가 영상의 강도에 따라 크게 달라진다(Rignot and Van Zyl, 1993; Villasensor et al., 1993). 따라서 일반적으로 SAR 기반 변화 탐지는 서로 다른 시기에 촬영된 SAR 강도 영상의 각 픽셀 값을 나누는 것으로 이루어진다.

강도기반 변화 탐지는 국내외적으로 활발하게 연구가 진행되었다. 전반적인 연구의 사례를 종합할 때에 지금까지 주로 진행된 강도기반 변화 탐지 연구의 방향은 다음과 같다. 첫 번째로는 위성 SAR 영상의 스펙클 노이즈 저감 방안에 관한 연구이다(Wang et al., 2017). 위성SAR는 스팩클 노이즈가 매우 심해서, 이에 대하여 공간적 필터링을 수행하지 않으면 오탐지율이 증가하는 문제가 있다(Bouaraba et al., 2014; Bazi et al., 2007; Wang etal., 2016).

이에 따라 매우 다양한 연구에서는 위성 SAR의 강도영상에 대하여 스팩클 노이즈의 효과적인 저감 방안에 대하여 고민한 바 있다. Kim et al.(2016)는 강도기반 수계영역 변화탐지(홍수)에 가장 적합한 필터링 기법을 결정하기 위하여 Lee 필터, Frost 필터, 그리고 Non-Local means 필터를 비교하였으며 Non-Local means 필터의 적합성에 대하여 토의하였다. 이 외에도 스펙클 노이즈를 저감하기 위하여 GAMMA-MAP 필터, 중간값 필터 등이 다양하게 적용되었다(Buadeset al., 2011; Hwang and Jung, 2018; Kim and Jung, 2018; Bazi et al., 2015; Rignot and Van Zyl, 1993).

두 번째로는 생성된 강도 비 영상에 대하여 변화 지역과 비변화 지역을 통계적으로 구분하는 방법에 관한 연구이다. 일반적으로 활용되는 이진화 기법인 K&I 알고리즘, Otsu 알고리즘 등이 정규분포를 가정한다는 점에서 강도비 영상에 직접 적용하기 어렵다(Park, 2016; Bazi et al., 2005; 2007; Moser and Serpico, 2006; Moser et al., 2007; Gong et al., 2014; Lee et al., 2015; Wahl et al., 2016; Monti-Guarnieri et al., 2018; Baselice et al., 2013; Cui et al., 2017).

이에 다양한 연구진들은 SAR 강도 분포를 정규분포의 형태로 변환하는 모델을 생성하거나(Moser and Serpico, 2006), 위성 SAR 자료의 강도 분포에 적용할 수 있도록 이진화 기법을 수정하는 연구가 다양하게 진행되었다(Park, 2016; Bazi et al., 2005; KARI, 2015; Lee et al., 2015).

최근 들어 강도기반 변화 탐지를 위하여 위성 SAR 영상의 정규화와 관련된 연구가 진행되고 있다. 특히 위성 SAR 영상의 누적에 따라서 다중시기, 다중궤도 위성SAR 영상에 대한 활용성이 높아지면서 강도 영상의 정규화는 점점 더 주목받고 있다. KARI(2018)에서는 위성의 궤도에 따라 달라지는 위성 SAR 지형 왜곡 효과를 저감하기 위하여 서로 다른 궤도에서 촬영된 SAR 영상을 융합함으로써 서로 다른 방향으로 발생하는 기하 왜곡을 저감하고 정규화된 영상을 제작하는 기술을 제안한 바 있다.

Ajadi et al.(2016)은 지형에 따라 달라지는 지역 촬영 입사각에 따른 각 픽셀의 실제 넓이를 고려하여 지형 방사 보정을 수행하였다. 해당 전처리 과정을 통하여 다중 궤도에서 촬영된 SAR 강도 영상을 활용하여 강도기반 변화탐지가 가능하였다. 이러한 접근 방법은 강도기반 변화 탐지의 주기를 크게 향상시킬 수 있다. 또한, 개발한 기술을 다중궤도 시계열 영상에 적용함으로써 산불 전후에 발생한 지표의 특성 변화를 나타냈다.

(2) 강도 거칠기 기반 변화 탐지

거칠기 영상은 픽셀 값의 공간적인 분포에 대한 정보를 나타내는 특징으로 단일 밴드만을 활용할 수 있는 위성 SAR 영상을 보완하는 방법이다. 최근 들어서는 위성SAR 자료가 단일 밴드 정보만을 포함하고 있는 한계점을 고려하여 거칠기 영상을 고려한 연구가 진행된 바 있다. Kang et al.(2015)는 GLCM(Gray-level Co-occurence Matrix) 거칠기 영상을 활용하여 새로 건설된 건물을 탐지한 바 있으며, Gong et al.(2014)는 강도 영상과 거칠기영상에서 확인되는 변화 정보에 대하여 통계적으로 임계값을 결정하는 연구를 수행했으며, 각각의 강도 영상만을 활용하는 것 보다 향상된 관측결과를 확인한 바 있다(Kang et al., 2015; Gong et al., 2014).

최근 연구에서 효과적인 위성 SAR 영상의 거칠기 영상 제작방법이 제안되었으며, 특히 인공물과 같은 고정 산란체에 대한 대비가 증가하는 특징을 확인되었다 (KARI, 2018). Fig. 2는 KOMPSAT-5 위성으로부터 2018년 2월 13일에 획득된 정규화된 SAR 강도 영상과 거칠기 영상이다. Fig. 2에서 확인할 수 있듯이, 위성 SAR 강도 영상의 밝기값 만으로는 구분이 가능하지 않던 인공물의 정보가 거칠기 영상에서는 강조되어 나타나는 것을 확인할 수 있다(KARI, 2018). 즉 변화 전후의 거칠기영상을 서로 비교함으로써 특히 고정 산란체의 변화 탐지에 효과적일 것으로 판단된다.

Fig. 2. (a) normalized amplitude and (b) normalized amplitude texture image from KOMPSAT-5 (20180213).

2) SAR 위상 정보를 활용한 변화 탐지

(1) 긴밀도 기반 변화 탐지

긴밀도 영상은 강도 영상보다 매우 민감하다. 따라서 강도 영상으로는 관측되지 않는 지표의 변화를 탐지하는 데에 유리하다(Bouaraba et al., 2018). Bouaraba et al. (2016)은 농경지에 대하여 경작 전후에 각각 촬영된 SAR 영상에 대하여 강도 및 긴밀도 기반 변화탐지를 적용한 바 있다. 강도 기반 변화탐지 결과로써는 유효한 변화를 파악하기 어려운 특징이 있었으나, 긴밀도 기반 변화 탐지를 통하여 경작이 완료된 지역과 경작이 수행되지 않은 지역을 구분할 수 있었다. 이러한 특징을 보았을 때 긴밀도 기반 변화 탐지는 강도 기반 변화탐지에 비하여 매우 세밀한 지표 변화 탐지가 가능하다.

Novak(2013)은 X밴드 항공 SAR 시스템(DSTO Ingara airborne SAR)에서 촬영한 양 목장 영상을 활용하여 긴밀도 기반 변화탐지를 수행한 바 있다. 해당 항공 SAR 시스템으로 촬영한 주영상(Master image)과 부영상(Slave image)은 센서의 비행 방향과 관측 방향에 대하여 0.15m, 0.58 m의 공간해상도를 가지고 있었다. 또한, 시간 해상도가 12분(minute) 간격으로 촬영하여 변화 지역 이외의 시간 비상관화(temporal decorrelation)의 영향은 매우 적었다. 해당 연구에서는 촬영한 영상을 활용하여 강도 기반 변화탐지와 긴밀도 기반 변화탐지를 각각 수행했다. 그 결과 강도 영상에서는 확인할 수 없었던 긴밀도 저하를 확인하였다. 분석 결과 양 떼의 발자국에 의한 긴밀도 저하라 토의하였다.

하지만 위의 사례는 항공 SAR로 12분의 시간기선을 활용한 매우 이상적인 연구사례로써 실제로 위성 SAR를 활용하여 긴밀도 기반 지표 변화 탐지를 수행할 때에는 다양한 비상관화 요인을 고려해야만 한다. 이러한 SAR 촬영환경에 따라 발생하는 비상관화는 지표상에서 유의한 변화가 발생하지 않았을 때에도 긴밀도를 저하시킨다. 특히 전체 영상에 대하여 긴밀도가 전반적으로 저하된 경우에는 유효한 긴밀도 기반 변화탐지가 불가능한 특징이 있다.

또한, 긴밀도를 생성할 때 발생하는 편이(bias) 현상이 정확히 긴밀도를 계산하고 변화탐지를 수행하는 데에 어려움을 주기도 한다. 일반적으로 긴밀도 기반 변화탐지에서는 유의한 변화가 발생한 지역과 변화가 발생하지 않은 지역에 대하여 임계값을 결정함으로써 탐지를 수행한다. 그런데 긴밀도의 편이에 의하여 변화지역과 비변화지역에 대한 대비가 줄어 적절한 임계값을 결정할 수 없어진다. 이에 따라서 편이를 저감하고 긴밀도를 정확하게 계산하는 방법이 다양하게 제시되었다(Bouaraba et al., 2016; 2018).

Touzi et al.(1999)은 긴밀도를 계산하는 윈도우 사이즈를 키움에 따라서 긴밀도 편이가 저감되는 양상을 확인하였다. 이에 따라 공간 평균을 통하여 편이를 저감하는 방안을 제시하였으나 해상도의 저하가 수반되는 한계가 존재했다. 한편 Bouaraba et al.(2014)와 Bouaraba et al.(2016)에서는 local fringe frequency를 계산함으로써 긴밀도의 편이를 저감하여 지표의 변화탐지를 수행하는 알고리즘을 제시한 바 있다(Suo et al., 2010).

최근 Jung et al.(2015)는 전시 간섭영상(Forward-looking Interferogram)과, 후시 간섭영상(Backward-looking Interferogram)의 긴밀도의 향상을 위하여 강하게 스무딩 된 전체 개구 간섭영상(Full-Aperture Interferogram)을 차분함으로써 전시, 후시 간섭영상의 후방산란 성분만을 남기고 긴밀도를 계산함으로써 다른 위상 성분에 의한 긴밀도 편이를 저감할 수 있었다.

(2) 편파자료를 활용한 변화 탐지

동일편파 간섭기법은 함께 촬영한 두 편파 성분에 대하여 간섭 영상을 생성하는 것을 의미한다(Kim et al., 2018). 이때두 편파성분은 동시에 촬영되기 때문에 동일편파 간섭 위상은 식 (2)에서 나타나는 지표변위 성분, 지형 효과, 궤도 효과, 대기효과는 서로 상쇄된다. 즉, 오직 후방산란특성에 따른 위상 성분과 노이즈 성분만이 존재한다고 가정할 수 있다(Bouaraba et al., 2016; Kim and Jung, 2018). 따라서, 동일 편파 간섭영상은 후방산란특성에 대한 비교가 가능하다. 동일 편파 간섭 위상 정보, 동일 편파 간섭 위상의 거칠기 및 긴밀도 영상을 통하여 변화탐지가 가능하다(Kim and Jung, 2018).

Kim and Jung(2018)은 이중 편파 자료를 활용하여 동일 편파 간섭 영상을 생성함으로써 선박과 기름유출 지역의 탐지를 수행했다. 선박은 고정산란체로 기름 유출 지역은 분포산란체로 각각 간주할 수 있다. 생성된 동일편파 간섭영상의 거칠기 정보와 긴밀도를 생성함으로써 탐지를 수행했다. 탐지 결과 선박과 기름유출 지역이 보다 높은 값을 나타냈다. Fig. 3은 인공물 지역에 대하여 탐지를 수행한 것이다(KARI, 2018). 해당 연구에서는 인공물에서의 후방산란특성이 자연물에 비하여 안정적인 특징에 따라 인공물을 탐지한 바 있다. 위성 SAR 자료에서 제공되는 편파 SLC의 종류는 HH, VV,HV, VH로 각각의 편파가 가지고 있는 지표상에서의 후방산란특성이 다르므로 이에 대해서는 추가적인 고려가 필요할 것으로 판단된다(Nascimento et al., 2018).

Fig. 3. Real color image from Sentinel-2(20180925); Co-polarized (b) interferogram and (c) coherence image from Sentinel-1 (20191006).

4. 결론 및 토의

이상의 연구 동향을 통하여 본 연구에서는 고정 산란체와 분포 산란체의 변화가 각 변화 탐지 기반 맵에서 나타나는 특성을 확인할 수 있었다(Chae et al., 2015). Fig. 4는 다중시기 위성 SAR 영상을 통하여 적용 가능한 변화탐지 기술과 각각의 기술의 적용 분야를 나타낸다. 고정 산란체의 변화는 주로 강도에서 명확하게 나타나기 때문에 주로 강도 영상을 위주로 변화 탐지를 수행할 수 있다. 특히 강도 거칠기 영상의 경우 고정 산란체에 민감한 특성이 있으므로 주영상과 부영상의 거칠기영상 변화를 활용하여, 고정 산란체의 변화 여부를 확인하는 데에 효과적이다. 한편, 분포 산란체의 변화에 대해서는 강도 영상에서 유의한 차이가 있는 경우 강도기반 변화탐지 기술이 적용할 수 있다(Kim et al., 2016; Ajadi et al., 2016). 하지만 그 변화가 매우 세밀하여 강도기반 변화탐지 기술을 통하여 확인이 어려운 경우에는 긴밀도 기반 변화 탐지를 활용함으로써 세밀한 변화를 탐지할 수 있다. 이때 긴밀도 기반 변화 탐지 알고리즘은매우 민감한 변화를 탐지할 수 있으나, 여러 비상관화(decorrelation) 요인에 의하여 전체 영상의 긴밀도가 저하될 때 탐지가 어려운 한계가 있다(Zebker andVilasenor, 1992; Hong and Wdowinski, 2013). 위성이 편파 자료로 획득되는 경우 동일편파 긴밀도 기반 변화 탐지를 수행할 수 있다. 이 경우 고정산란체와 분포산란체에 대하여 모두 변화 탐지를 수행할 수 있는 장점이 있다.

Fig. 4. The targets of SAR change detection technologies.