DOI QR코드

DOI QR Code

A Study on the Utilization of SAR Microsatellite Constellation for Ship Detection

선박탐지를 위한 초소형 SAR 군집위성 활용방안 연구

  • Kim, Yunjee (Maritime Safety and Environmental Research Division, Korea Research Institute of Ships & Ocean Engineering) ;
  • Kang, Ki-mook (Water Resources Satellite Research Center, K-water Research Institute)
  • 김윤지 (선박해양플랜트연구소 해양안전환경연구본부) ;
  • 강기묵 (K-water연구원 수자원위성연구센터)
  • Received : 2021.06.11
  • Accepted : 2021.06.25
  • Published : 2021.06.30

Abstract

Although many studies on ship detection using synthetic aperture radar (SAR) satellite images are being conducted around the world, there are still very few employing SAR microsatellites, as most of the microsatellites are optical satellites. Recently, the ICEYE and Capella Space have embarked on the development of microsatellites with SAR sensor, and similar projects are being initiated globally in line with the flow of the new space era [e.g., for the ICEYE: 18 satellites (~2021); Capella Space: 36 satellites (~2023); and the Coast Guard SAR: 32 satellites in the early development stage]. In preparation for these new systems, it is important to review the SAR microsatellite system and the recent advances in this technology. Accordingly, in this paper, the current status and characteristics of optical and SAR microsatellite constellation operation are described, and studies using them are investigated. In addition, based on the status and characteristics of the representative SAR microsatellites, specifically the ICEYE and Capella systems, methods for using SAR microsatellite data for ship detection applications are described. Our results confirm that the SAR microsatellites operate as a constellation and have the advantages of short revisit cycles and quick provision of high-resolution images. With this technology, we expect SAR microsatellites to contribute greatly to the monitoring a wide-area target vessel, in which the spatiotemporal resolution of the imagery is especially important.

SAR위성영상을 활용한 선박탐지연구는 세계적으로 많은 연구가 이루어지고 있으나, 초소형 SAR위성을 활용한 연구는 아직 소수에 불과하다. 최근 ICEYE, Capella 위성을 필두로 초소형 SAR 위성들의 활용이 가능하며, 뉴 스페이스 시대의 흐름에 맞추어 국내외에서 초소형군집위성 개발이 활발히 진행되고 있다. 현재 대부분의 초소형 위성은 광학위성이나, 운용 및 개발 진행중인 SAR (핀란드 ICEYE: 18기(~2021), 미국 Capella: 36기(~2023), 국내 해양경찰 SAR: 32기(기획 연구) 등)의 운용계획에 선제적으로 대비하기 위하여 초소형 SAR 위성의 활용방안에 대한 구체적인 논의가 필요한 시점이다. 이에 본 논문에서는 현재 운용되고 있는 광학 및 SAR 초소형 군집 위성의 현황 및 특징을 기술하였으며, 이를 활용한 연구들에 대해 조사하였다. 또한, 대표적인 초소형 SAR 위성인 ICEYE와 Capella위성의 현황 및 특징을 기반으로 초소형 SAR 위성 자료가 선박탐지연구에서 유용하게 활용될 수 있는 방안에 대해 기술하였다. 그 결과, 초소형 SAR위성은 군집으로 운용되어 재방문주기가 짧으며 고해상도 영상의 신속한 제공이 가능하다는 장점이 있어, 시간 및 공간의 고해상도 영상 수집이 필수적인 광역 해상 선박 모니터링에 크게 기여할 것으로 판단하였다.

Keywords

1. 서론

과거로부터 선박을 통한 해상 무역은 활발하게 이루어졌으며, 2000년 이후 급격한 기술 성장을 이루며 해상 무역은 더욱 증가하였다. 해상무역의 증가로 인해 해상 교통량이 증가하면서 이에 따른 선박사고, 불법 어업도 매년 꾸준히 발생하고 있다. 이에, 운항 중인 선박에 대한 광역적인 지역에서의 모니터링이 요구되고 있다. 또한, 국제해사기구(IMO)의 여러 환경 규제(황산화물(Sox) 배출규제, 온실가스 배출량 모니터링 등)가 시행됨에 따라 해양 인근지역의 경제적, 환경적인 문제와 직결되 는 해상에서의 운항 중인 선박에 대한 모니터링이 매우 필요한 상황이다.

선박 모니터링의 가장 기본이 되는 선박 탐지는 드론, 항공기, 인공위성 등의 원격탐사 자료를 활용한 연구가 활발히 진행중이며, 광역적인 지역에 걸쳐 운항하는 선박의 특성으로 인해 인공위성자료를 활용한 선박 탐지 연구가 활발히 수행되고 있다(Hwang and Jung, 2018; Tang et al., 2014; Qi et al., 2015). 특히, 위성영상에서 선박이 높은 후방산란값으로 나타나며, 주/야 및 날씨에 관 계없이 자료 획득이 가능하다는 장점으로 인해 SAR 위성영상을 활용한 선박탐지연구가 많이 이루어지고 있다(Kang et al., 2017; Kang and Kim, 2019; Kim et al., 2018; Lee et al., 2018; Song et al., 2020). SAR 위성 영상의 임계 값과 기계 학습, AI를 활용한 연구가 주로 진행되고 있으며, 최근에는 선박 식별에 대한 연구도 활발하게 진행되고 있다(Benteset al., 2017; Sharifzadeh et al., 2019). 그러나, 기존의 중대형 SAR 위성은 재방문주기가 TerraSAR-X 는 11일, Sentinel-1A/B는 6일 등 시간해상도가 높지 않다는 한계점이 있어, 운항 중인 선박을 모니터링 하기에는 어려운 점이 있다. 또한, 중대형 SAR 위성의 최대 해상도는 1 m로, 위성 영상만 활용하여 선박을 식별하기에는 다소 한계가 있다. 그러나, 초소형 SAR위성은 시간 해상도(Capella 위성: 1시간 이내(36기 운용 시))와 공간 해상도(spot모드: 0.5 m) 모두 높아 이를 활용하여 선박 식별이 가능할 것으로 기대된다.

최근 몇 년간 우주산업 기술의 발전으로 인해 국내 외적으로 초소형 위성의 개발 및 상용화가 활발해지며, 높은 시간해상도와 공간해상도의 위성 자료의 활용이 가능해졌다. 특히, 대부분의 초소형위성은 군집(Constellation)으로 운용되어 위성 자료에 대한 접근을 용이하게 해주며, 고해상도 시계열 자료 이용을 가능하게 한다. 이러한 초소형위성의 특징은 재난·재해 뿐만 아니라 안보 상황 발생 시, 준실시간으로 정밀 관측을 통해 안보감시체계 구축을 가능하게 할 수 있다. 그러나, 초소형 위성을 활용한 연구는 아직 활발하게 진행되고 있지 않으며, 선박 탐지 연구에서도 주로 중대형 SAR 위성영상을 활용한 연구가 이루어지고 있다.

과거 정부주도의 중대형 위성 개발에서 민간주도의 소형 위성 개발로 변화하면서 현재는 뉴스페이스 시대 흐름에 맞추어 초소형위성의 개발이 주도적으로 이루어지고 있다. 국내에서는 광역해양정보 상황인식체계 구축을 위한 소형 SAR위성 개발 기획 연구를 통해 기본설계를 하였으며, 국외에서는 상용 초소형 SAR 위성인 ICEYE 위성과 Capella 위성을 선두로 초소형 SAR 위성의 개발이 활발히 진행되고 있다. 이에 초소형 SAR 위성의 상용화 시대에 대비하여 본 연구에서는 현재 운용 중인 초소형 위성의 현황 및 특징과 이를 활용한 연구 사례 분석, 그 중 SAR위성인 ICEYE와 Capella 두 위 성의 구체적인 현황 분석을 통해 AI기반의 선박 탐지 연구에서 초소형 SAR 위성영상의 활용 방안을 제시하고자 한다.

2. 초소형 위성 현황 및 특징

본 연구에서는 현재 운용 중인 지구 관측용 초소형 위성들의 현황 및 특징에 대해 기술하였으며, 이를 통해 초소형 위성을 활용한 효과적인 선박 탐지 방안을 모색해보고자 하였다. 위성은 궤도, 탑재 센서, 무게 등의 기준으로 다양하게 분류할 수 있다. 무게를 기준으로 위성을 분류하면 크게 대형(1000 kg 이상), 중형(500~1000 kg), 소형(500 kg 미만), 초소형 위성(10~100 kg)으로 나눌 수 있다(Lee et al., 2019). 기존에는 중대형 위성들이 지구관측 임무를 수행했으나, 최근에는 초소형위성들도 군집 형태로 개발되면서 많이 활용되고 있다. 선박 탐지에 활용 가능한 대표적인 상용 지구관측위성 목록은 Table 1과 같다. Table 1은 항공우주연구원의 ‘군집형 초소형위성을 중심으로 한 인공위성 기반 국가 재난재해 대응시스템 구축을 위한 사업 기획 연구 최종보고서’의 내용을 바탕으로 표로 재구성한 것이다(EOPortal Directory; European Space Agency; Korea Aerospace Research Institute (KARI), 2019).

Table 1. List of microsatellites can be used for ship detection

OGCSBN_2021_v37n3_627_t0001.png 이미지

위성 개발 초기인 1960년대에는 기술의 한계 등으로 인해 소형 위성의 개발이 주를 이루었으며, 이후 위성 개발이 빠르게 진행되며 중대형 위성이 주로 개발되었다. 그러나 2000년 후반부터 다시 초소형 위성의 개발이 활발해졌으며, 2013년 Planet사의 PlanetScope 위성 발사를 시작으로 다시 초소형 위성 시대로 접어들었다. PlanetScope는 3U(10×10×30 cm3), 5 kg 미만의 초소형위성으로 현재 130기 이상의 군집 위성이 운용 중인 대표적인 초소형 위성 중 하나이다. 고해상도(3~5 m) 영상을 제공한다는 특징과 더불어 100기 이상의 위성이 군집으로 운용되고 있어, 전 지구를 하루마다 재방문한다는 특징이 있어, 이를 활용한 몇몇의 선박탐지연구가 진행되고 있다(Lei et al., 2019; Truong et al., 2019). 대표적으로 Lei et al. (2019)은 CNN기법을 기반으로 고해상도 광학영상에서 선박을 탐지하였다(Fig. 1). 해당연구에서는 post CNN 기법을 제안하였으며, 총 4000장의 chip영상을 사용하였다. 그 결과 97%의 높은 정확도로 선박과 선박이 아닌 객체가 구분되었으며, 이는 고해상도 광학 영상이 선박 탐지에 유용하게 활용될 수 있음을 시사한다(Lei et al., 2019).

OGCSBN_2021_v37n3_627_f0001.png 이미지

Fig. 1. Ship detection result from high PlanetScope image (Lei et al., 2019).

고해상도 광학 영상을 활용한 선박 탐지 연구도 활발히 진행되고 있으나, 기상 조건으로 인한 이용 가능한 자료 획득의 한계로 인해 위성영상을 활용한 다수의 선박 탐지 연구에서는 SAR영상을 활용하고 있다. 선박과 해양은 후방산란값으로 나타나 SAR위성 영상에서 서로 대비되는 뚜렷하게 구분되기에 선박 탐지 연구에서는 주로 SAR위성영상이 활용된다. 본 논문에서는 향후 선박탐지분야를 포함한 다양한 분야에서 활용 가능한 대표적인 초소형 SAR위성인 ICEYE와 Capella 위성의 특징에 대해 기술하였다. 두 위성의 구체적인 특징은 Table 2에 나타나 있다.

Table 2. Specification of ICEYE and Capella (Capella, 2020; Capella X-SAR Constellation; ICEYE, 2021)

OGCSBN_2021_v37n3_627_t0002.png 이미지

두 위성 모두 2018년에 처음 발사되었으며, X-밴드의 단일 편파 영상을 제공한다. 또한, 중대형 위성 대비 관측 폭이 좁다는 한계가 있지만, cm급의 고해상도 영상을 제공한다.

특히, ICEYE사는 2018년에 ICEYE-X1, X2 위성 발사를 시작으로 세계 최초로 초소형 SAR 위성을 발사하였으며 총 9기의 위성이 운용 중이다(2021년 6월 기준). 또한, 최근 dark vessel(AIS 송수신기가 꺼진 선박) 감지 제품을 출시하며 초소형 SAR위성영상을 활용한 선박 탐지분야에서 많은 발전을 이루고 있다. 본 논문에서는 이러한 ICEYE사의 SAR위성영상과 많은 연구에 활용 중인 Sentinel 위성영상에서 탐지되는 선박의 특징을 간단하게 비교하였다(Table 3).

Table 3. Specifications of ICEYE and Sentinel-1 data in this study

OGCSBN_2021_v37n3_627_t0003.png 이미지

공간해상도가 0.5 m인 ICEYE-X2 spotlight모드의 위성영상에서는 선박의 형상이 비교적 뚜렷하게 나타나며, 그에 따른 반사 형상도 뚜렷하게 나타나는 것을 확인할 수 있다. 또한, ICEYE 위성영상에서는 소형 선박과, 해양 표층의 움직임 등의 탐지가 가능하여 보다 많은 정보 획득이 가능함을 알 수 있다(Fig. 2). 반면, 공간해상도가 10 m인 Sentinel-1 위성영상에서는 바다와 선박이 구분되기는 하나, 선박의 크기가 작은 경우 노이즈와 구분이 어려운 선박도 있음을 확인하였다(Fig. 3). 동 시간대의 두 위성 자료 획득이 가능하다면, Sentinel-1 위성영상의 넓은 관측폭으로 전반적인 선박의 운영 현황을 파악하고, 고해상도의 ICEYE 위성영상으로 선박 식별, 선박 사고를 모니터링하는 등 위성영상을 활용한 구체적인 선박 탐지가 가능할 것이라고 사료된다.

OGCSBN_2021_v37n3_627_f0002.png 이미지

Fig. 2. Several ships detected in ICEYE image.

OGCSBN_2021_v37n3_627_f0003.png 이미지

Fig. 3. Several ships detected in Sentinel image.

3. 선박탐지에서의 초소형 SAR 위성 활용방안

『제2차 위성정보 활용 종합계획』 2021년도 시행계획 에 따르면 한반도 주변 해역에서 발생하는 비상상황 및 재난·재해 등 해양경찰 임무를 정확하고 신속하게 수 행하기 위하여 32기의 소형 위성과 이를 운용 및 활용 하기 위한 시스템이 개발 중에 있다(Ministry ConcernedJoint, 2021).

해당 소형군집위성은 X밴드 SAR 센서가 탑재될 예정으로, 향후 32기의 군집 SAR위성이 운용된다면 한반도 주변 해역을 촬영한 SAR위성영상의 획득 주기가 매우 짧아질 것으로 기대된다. 또한, 해당 위성 은 최대 공간해상도가 1 m(Spot mode)로 자료 접근성이 용이한 Sentinel-1 위성 영상보다 약 10배 높은 해상도의 영상을 제공하여 효과적인 선박 탐지가 가능할 것으로 사료된다. Sentinel-1 영상으로 어선의 탐지는 가능할 수 있으나, 해상도가 10 m인 영상으로 선종 구분은 한계가 있으며, 해상 상황 따라 선박식별이 어려울 수 있다. 그러나 고해상도 SAR영상을 활용할 경우, 어선과 같은 소형선박 탐지가 가능할 것으로 판단되며, 더 나아가 Cargo, Tanker 등의 선박 식별도 가능할 것으로 기대된다.

본 논문에서는 현재 운용 중인 초소형 SAR위성의 특징과 우리나라의 개발 현황을 기술한 후, 두 가지 관점에서 초소형 SAR 위성 활용방안에 대해 기술하였다.

1) 자료 획득 관점에서의 초소형 SAR 위성의 활용방안

2023년까지 36기 위성 운용을 목표로 하고있는 Capella 위성은 현재 6기의 위성이 궤도를 따라 공전하고있다. 현재는 재방문주기가 6시간이나, 36기가 모두 운용된다면 재방문주기가 1시간으로 매우 단축될 것으로 예상된다. 군집 위성 개수에 대한 구체적인 재방문주기는 Table 4와 같다(Paek et al., 2021).

Table 4. Revisit time according to the number of Capella X-SAR (Paek et al., 2021)

OGCSBN_2021_v37n3_627_t0004.png 이미지

또한, Capella 위성의 지상국은 클라우드 컴퓨팅인 AWS(Amazon Web Services)을 사용하고 있어 위성영상 수요자가 필요한 자료를 신속하게 직접적으로 제공받을 수 있다는 특징이 있다(Fig. 4). AWS는 연계되어 있는 위성과 직접 교신하는 가상의 플랫폼으로 원하는 위성 자료의 신속 확보가 가능하다는 장점이 있다.

OGCSBN_2021_v37n3_627_f0004.png 이미지

Fig. 4. Capella SAR imagery product delivery workflow (Capella Space).

ICEYE 군집 위성의 재방문주기는 평균 20시간으로 Capella위성과 같이 1일 이내의 재방문주기로 운용되는 특징이 있다. 또한 SFTP(Secure File Transfer Protocol) 또는 API를 통해 직접적으로 자료를 다운받을 수 있어, 촬영 후 12시간 이내(향후, 3시간 이내)로 자료를 신속하게 제공받을 수 있다는 장점이 있다. 두 위성의 영상 확보 소요시간은 Table 5에 정리하였다.

Table 5. Image acquisition time of ICEYE and Capella (Capella, 2020; ICEYE, 2021)

OGCSBN_2021_v37n3_627_t0005.png 이미지

두 위성은 고해상도 영상의 신속한 자료 획득이 가능하다는 장점이 있지만, 자료가 상업적으로 판매되고 있어 다수의 위성영상 확보에는 한계가 있다. 최근 연구 목적에 한하여 초소형 SAR위성영상을 무료로 제공받을 수 있으며, 향후 기관 간 라이선스 계약 등의 영상 배포 정책 확대를 통해 초소형SAR 자료에 대한 접근은 용이해질 것이라고 사료된다.

국제적인 초소형 SAR 위성 개발 흐름에 맞추어 우리나라에서도 초소형 SAR위성에 대한 개발이 진행되고 있다. 2020년 진행된 ‘광역해양정보 상황인식체계 위성 개발’ 기획 연구는 해양 임무에 최적화된 저궤도 소형 SAR관측 위성 개발을 목표로 하는 사업으로, 해당 사업에서 개발될 소형 SAR위성은 차세대 소형 위성 플랫폼을 활용하여 발사될 계획이다. 초소형SAR위성 과 저궤도 소형 SAR관측위성, 그리고 현재 운용 중인 KOMPSAT-5, 2022년 발사 예정인 KOMPSAT-6 위성의 활용이 가능해진다면 한반도 관측 위성 영상의 준 실시간 이용이 가능해질것으로 사료된다. 또한, 2025년 발사 예정인 수자원 위성(차세대중형위성 5호)은 C-밴드 SAR 센서를 탑재하고 있어 이러한 SAR 위성들과 연계 하여 한반도 해역 주변 선박 탐지에 활용이 가능할 것으로 기대된다.

초소형 SAR위성은 군집으로 운용되어 자료의 공백 없이 연속적인 자료 획득에 용이하다. 이러한 특징으로 인해 초소형 SAR 위성은 불법조업선박 탐지를 포함한 AIS 미장착 선박 탐지 뿐만 아니라, 자료획득주기가 짧은 시계열자료 확보가 중요한 선박이동궤적 추적에 유용하게 활용될 것이라고 생각된다. 이처럼 시계열자료 획득 관점에서 판단해보면 초소형 SAR 위성은 자료의 획득 주기의 단축을 가능하게 하여, 준 실시간 선박 탐지의 가능성을 높일 수 있는 중요한 자료라고 사료된다.

2) 선박 탐지 정확도 관점에서의 초소형 SAR 위성의 활용방안

SAR 위성영상에서 선박 탐지 시 정확도를 낮추는 요인은 크게 두 가지로 구분할 수 있다. 먼저, 선박이 아닌 객체가 선박으로 잘못탐지되는 false alarms(오 탐지)가 있으며, 두 번째로는 선박의 크기가 작거나, 강한 해상풍 등으로 인해 위성영상에서 선박과 바다의 구분이 어려운 선박 탐지가 불가능한 경우가 있다(Fig. 5).

OGCSBN_2021_v37n3_627_f0005.png 이미지

Fig. 5. False alarms that could be falsely detected as a ship and missing ships that are not detected as a ships due to the unclear signal (Kang et al., 2017)

선박 신호로 오탐지 되는 경우는 선박 운항 시 발생하는 선박 항적(ship wake), 완벽하게 보정되지 않은 위성의 noise 등이 있다. 특히 Sentinel-1 위성의 경우, sub swath 간 noise세기의 차이가 크므로, sub swath 경계면에서의 noise가 선박으로 오탐지 될 수 있다. 선박신호 미 탐지는 육지 근처의 선박과 같이 선박 근처에 후방산란값이 높은 객체가 있을 경우와 선박의 크기가 작아 SAR 영상에서 후방산란값이 작게 나타나는 등의 원인이 있을 수 있다. 이와 같이 선박 탐지의 정확도는 다양한 원인으로 인해 낮아질 수 있다. 고해상도의 초소형 SAR 위성 자료는 기존 SAR위성자료 대비 선박 탐지의 정확도를 향상시킬 수 있을 뿐만 아니라, 선박 식별 연구에서 의미 있는 자료가 될 수 있다. SAR 위성영상을 활용한 선박 식별 연구는 선박탐지연구에 비해 소수의 연구만이 진행되었으며, 대부분의 선박 식별에 대한 연구는 AIS자료와 SAR영상을 연계하여 AI 알고리즘을 활용하여 이루어지고 있다(Jiao et al., 2018; Wang et al., 2019; Zhang and Zhang, 2019). 그러나 고해상도가 아닌 SAR 위성 영상의 후방산란값 만으로 선박을 식별하기에는 한계가 있으며, 이용 가능한 고해상도 자료의 획득에도 제한이 있어 선박 식별에 대한 연구는 아직 초기단계이다. 군집으로 운용되는 초소형 SAR위성은 이러한 고해상도 SAR자료의 한계에 대한 보완책이 될 수 있을 것 이라고 사료된다.

초소형 SAR위성은 cm급의 해상도(spotlight 모드의 경우 50 cm)의 영상을 제공하여, m급 고해상도 영상을 제공하는 중대형 위성에 비해 더 높은 해상도의 영상을 제공한다. 또한, 짧은 재방문주기로 인해 이용 가능한 자료가 많아 선박탐지에서 주로 활용되는 AI 분석을 위한 학습 데이터 생성이 용이하다. 이러한 특징과 더불어, 후방산란 값 이외에 추가적으로 획득 가능한 다른 정보(Incidence angle, 선박의 이동속도, 선박 항적 형상, 영상에서 탐지되는 선박 형상 등)와 연계하여 분석한다면, 위성영상을 활용한 선박 식별 뿐만 아니라 선종 구분의 정확도도 더욱 높아질 것이라고 사료된다.

4. 결론 및 제언

본 논문에서는 현재 운용 중인 초소형 위성의 현황 및 특징과 선박탐지에서의 초소형 SAR위성 활용방안에 대해 기술하였다. 현재 상용 초소형 SAR위성은 ICEYE 와 Capella, 두 위성으로 아직 초소형 SAR 위성은 초기 개발단계이다. 그러나 전 세계적으로 초소형 위성에 대한 개발이 앞다투어 이루어지고 있으며, 초소형 SAR 위성에 대한 개발도 상당수 행하여지고 있다.

초소형 SAR 위성은 군집으로 운용되어 재방문 주기가 짧아 준실시간으로 위성 영상의 신속한 확보가 가능할 것으로 기대된다. 특히, 2023년까지 36기의 위성 운용계획을 세우고 있는 미국의 Capella사의 해당 계획이 실현될 경우, 1시간 주기로 위성영상 확보가 가능할 것으로 판단된다. 이와 더불어, 초소형 SAR위성은 cm급의 고해상도 영상을 제공한다는 특징이 있어 기존 중대형 SAR위성의 m급 영상으로는 구분하기 힘들었던 중대형 선박 식별에 대한 연구에 효과적으로 활용 가능할 것으로 사료된다. 또한, 이용 가능한 SAR위성영상의 추가 확보를 통한 X-밴드 선박 영상의 AI 학습자료 확보를 통해 선박 탐지 및 중대형 선박 식별의 정확도를 향상시킬 수 있을 것이라고 판단된다.

초소형 SAR위성자료는 현재까지는 상업적인 목적으로 판매되고 있어 자료 접근에 한계가 있으나, 최근 연구목적에 한해서는 무료로 자료 획득이 가능하여 향후 초소형SAR 위성 자료를 활용한 선박 탐지 및 선종 식별 연구가 활발히 진행될 것이라고 기대된다. 이를 통해 AIS 미탑재 불법어업 선박 모니터링 및 해양선박사고 모니터링에 큰 기여를 할 수 있을 것이라고 사료된다.

사사

본 논문은 선박해양플랜트연구소가 수행한 ‘SAR 위성영상을 활용한 AIS 미 장착선박탐지 기술개발 기초 연구(PES4170)’와 K-water연구원이 수행한 행정안전부 ‘재난안전 부처협력 기술개발사업(20009742)’의 지원을 받아 수행되었습니다.

References

  1. Bentes, C., D. Velotto, and B. Tings, 2017. Ship classification in TerraSAR-X images with convolutional neural networks, IEEE Journal of Oceanic Engineering, 43(1): 258-266. https://doi.org/10.1109/joe.2017.2767106
  2. Capella, 2020. Capella Space SAR Imagery Products Guide, Capella Space, San Francisco, CA, USA.
  3. Capella X-SAR (Synthetic Aperture Radar) Constellation, https://directory.eoportal.org/web/eoportal/satellite-missions/content/-/article/capella-x-sar, Accessed on Apr. 26, 2021.
  4. EOPortal Directory, 2021. Rapideye, https://directory.eoportal.org/web/eoportal/satellite-missions, Accessed on Jun. 11, 2021.
  5. European Space Agency, https://earth.esa.int, Accessed on Jun. 22, 2021.
  6. Hwang, J.I. and H.S. Jung, 2018. Automatic ship detection using the artificial neural network and support vector machine from X-band SAR satellite images, Remote Sensing, 10(11): 1799. https://doi.org/10.3390/rs10111799
  7. ICEYE. 2021. SAR product guide document Version 4.1, ICEYE, Espoo, FI.
  8. Jiao, J., Y. Zhang, H. Sun, X. Yang, X. Gao, W. Hong, K. Fu, and X. Sun, 2018. A densely connected end-to-end neural network for multiscale and multiscene SAR ship detection, IEEE Access, 6: 20881-20892. https://doi.org/10.1109/ACCESS.2018.2825376
  9. Kang, K.M. and D.J. Kim, 2019. Ship velocity estimation from ship wakes detected using convolutional neural networks, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 12(11): 4379-4388. https://doi.org/10.1109/jstars.2019.2949006
  10. Kang, M., K. Ji, X. Leng, and Z. Lin, 2017. Contextual region-based convolutional neural network with multilayer fusion for SAR ship detection, Remote Sensing, 9(8): 860. https://doi.org/10.3390/rs9080860
  11. Kim, S.W., D.H. 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). https://doi.org/10.7780/KJRS.2018.34.2.2.3
  12. Korea Aerospace Research Institute (KARI), 2019. A Feasibility Study for the Construction of the Satellite Based National Disaster Response System mainly using Clustered Microsatellites, Korea Aerospace Research Institute, Daejeon, KR (in Korean with English abstract).
  13. Lee, K.J., K.Y. Oh, and T.B. Chae, 2019. Development and Application Status of Microsatellites, Current Industrial and Technological Trends in Aerospace, 17(2): 113-124 (in Korean with English abstract).
  14. Lee, S.J., T.B. Chae, and K.T. Kim, 2018. Analysis of Ship Classification Performances Using Open SARShip DB, Korean Journal of Remote Sensing, 34(5): 801-81 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2018.34.5.8
  15. Lei, F., W. Wang, and W. Zhang, 2019. Ship extraction using post CNN from high resolution optical remotely sensed images, Proc. of 2019 IEEE 3rd Information Technology, Networking, Electronic and Automation Control Conference (ITNEC), CN, Mar. 15-17, pp. 2531-2535.
  16. Ministry of Science and ICT, 2021. The 2nd Comprehensive Plan for Using Satellite Information Implementation plan in 2021, Sejong City, KR (in Korean with English abstract).
  17. Nanosat Database. https://www.nanosats.eu/, Accessedon Jun. 22, 2021.
  18. Paek, S. W., S. Balasubramanian, S. Kim, and O. de Weck, 2020. Small-satellite synthetic aperture radar for continuous global biospheric monitoring: A review, Remote Sensing, 12(16): 2546. https://doi.org/10.3390/rs12162546
  19. Qi, S., J. Ma, J. Lin, Y. Li, and J. Tian, 2015. Unsupervised ship detection based on saliency and S-HOG descriptor from optical satellite images, IEEE Geoscience and Remote Sensing Letters, 12(7): 1451-1455. https://doi.org/10.1109/LGRS.2015.2408355
  20. Sharifzadeh, F., G. Akbarizadeh, and Y.S. Kavian, 2019. Ship classification in SAR images using a new hybrid CNN-MLP classifier, Journal of the Indian Society of Remote Sensing, 47(4): 551-562. https://doi.org/10.1007/s12524-018-0891-y
  21. Song, J., D.J. Kim, and K.M. Kang, 2020. Automated procurement of training data for machine learning algorithm on ship detection using AIS information, Remote Sensing, 12(9): 1443. https://doi.org/10.3390/rs12091443
  22. Tang, J., C. Deng, G.B. Huang, and B. Zhao, 2014. Compressed-domain ship detection on spaceborne optical image using deep neural network and extreme learning machine, IEEE Transactions on Geoscience and Remote Sensing, 53(3): 1174-1185. https://doi.org/10.1109/TGRS.2014.2335751
  23. Truong, T.N., T. Do Ngoc, B.N. Quang, and S. Le Tran, 2019. Combining Multi-Threshold Saliency with Transfer Learning for Ship Detection and Information Extraction From Optical Satellite Images. Proc. of 2019 IEEE 14th International Conference on Intelligent Systems and Knowledge Engineering (ISKE), Dalian, Liaoning, CN, Nov. 14-16, pp. 974-980.
  24. Wang, J., T. Zheng, P. Lei, and X. Bai, 2019. A hierarchical convolution neural network (CNN)-based ship target detection method in spaceborne SAR imagery, Remote Sensing, 11(6): 620. https://doi.org/10.3390/rs11060620
  25. Zhang, T. and X. Zhang, 2019. High-speed ship detection in SAR images based on a grid convolutional neural network, Remote Sensing, 11(10): 1206. https://doi.org/10.3390/rs11101206

Cited by

  1. 고해상도 광학위성을 이용한 해상 유출유 면적 산출: 심포니호 기름유출 사고 사례 vol.37, pp.6, 2021, https://doi.org/10.7780/kjrs.2021.37.6.1.24