Operational Ship Monitoring Based on Integrated Analysis of KOMPSAT-5 SAR and AIS Data

Kompsat-5 SAR와 AIS 자료 통합분석 기반 운영레벨 선박탐지 모니터링

Abstract

The possibility of ship detection monitoring at operational level using KOMPSAT-5 Synthetic Aperture Radar (SAR) and Automatic Identification System (AIS) data is investigated. For the analysis, the KOMPSAT-5 SLC images, which are collected from the west coast of Shinjin port and the northern coast of Jeju port are used along with portable AIS data from near the coast. The ship detection algorithm based on HVAS (Human Visual Attention System) was applied, which has significant advantages in terms of detection speed and accuracy compared to the commonly used CFAR (Constant False Alarm Rate). As a result of the integrated analysis, the ship detection from KOMPSAT-5 and AIS were generally consistent except for small vessels. Some ships detected in KOMPSAT-5 but not in AIS are due to the data absence from AIS, while it is clearly visible in KOMPSAT-5. Meanwhile, SAR imagery also has some false alarms due to ship wakes, ghost effect, and DEM error (or satellite orbit error) during object masking in land. Improving the developed ship detection algorithm and collecting reliable AIS data will contribute for building wide integrated surveillance system of marine territory at operational level.

본 연구는 운영레벨에서의Kompsat-5 SAR (Synthetic Aperture Radar) 영상과AIS (Automatic Identification System) 자료를 이용한 선박탐지 모니터링 가능성을 검토하였다. 분석을 위해 신진항 서측연안과 제주항 북측연안에서 수집된 Kompsat-5 SLC 영상과 연안에서 수집된 AIS 자료를 사용하였다. Kompsat-5 영상의 선박탐지를 위해 HVAS (Human Visual Attention System) 알고리즘을 적용하였다. HVAS는 CFAR (Constant False Alarm Rate)에 비해 탐지속도와 탐지율 측면에서 뛰어나다는 장점을 가지고 있다. 통합 분석결과 소형선박을 제외하고 Kompsat-5 선박탐지 결과와 AIS는 전반적으로 일치하는 것으로 분석되었다. Kompsat-5 영상에서 탐지되었으나 AIS 자료에서 탐지되지 않은 선박은 육안 판독을 통해 AIS 자료의 부재로 인한 것으로 보인다. 한편 SAR 영상에서도 선박의 기포항적, 육지 masking을 위해 사용된 DEM 파일의 오차(또는 위성궤도 오차), 그리고 고스트 현상에 의한 오탐지가 발생하였다. 향후 SAR 영상 분석 알고리즘 개선과 신뢰성 있는 AIS 자료 확보를 통한 운영레벨에서의 선박탐지 모니터링 기술 개발은 국가해양영토 광역감시망 구축에 크기 기여할 것이다.

요약

본 연구는 운영레벨에서의Kompsat-5 SAR (Synthetic Aperture Radar) 영상과AIS (Automatic Identification System) 자료를 이용한 선박탐지 모니터링 가능성을 검토하였다. 분석을 위해 신진항 서측연안과 제주항 북측연안에서 수집된 Kompsat-5 SLC 영상과 연안에서 수집된 AIS 자료를 사용하였다. Kompsat-5 영상의 선박탐지를 위해 HVAS (Human Visual Attention System) 알고리즘을 적용하였다. HVAS는 CFAR (Constant False Alarm Rate)에 비해 탐지속도와 탐지율 측면에서 뛰어나다는 장점을 가지고 있다. 통합 분석결과 소형선박을 제외하고 Kompsat-5 선박탐지 결과와 AIS는 전반적으로 일치하는 것으로 분석되었다. Kompsat-5 영상에서 탐지되었으나 AIS 자료에서 탐지되지 않은 선박은 육안 판독을 통해 AIS 자료의 부재로 인한 것으로 보인다. 한편 SAR 영상에서도 선박의 기포항적, 육지 masking을 위해 사용된 DEM 파일의 오차(또는 위성궤도 오차), 그리고 고스트 현상에 의한 오탐지가 발생하였다. 향후 SAR 영상 분석 알고리즘 개선과 신뢰성 있는 AIS 자료 확보를 통한 운영레벨에서의 선박탐지 모니터링 기술 개발은 국가해양영토 광역감시망 구축에 크기 기여할 것이다.

1. 서론

현재의 선박모니터링 시스템(VMS, Vessel Monitoring System)은 해상에서의 안전과 보안을 확보하고 유사시 신속히 대응하기 위해 우리나라 연안해역과 세계 전 해역의 운항선박(상선, 어선)을 실시간으로 모니터링 할 수 있는 시스템이다(Korea Institute of Marine Science & Technology Promotion, 2011). 국제해사기구(IMO, International Maritime Organization)에서는 e-Navigation의  국제적 표준화의 일환으로 2006년도부터 50톤 이상의 선박에 선박자동식별장치(AIS, Automatic Identification System)를 의무적으로 설치하도록 규정하고 있다. 이에 따라 해양수산부는 「어선안전설비기준」에서 총톤수 10톤 이상의 어선은 선박자동식별장치(AIS)를 의무적으로 장착하도록 고시하였다(MOF, 2016). AIS는 탑재되어 있는 GPS(Global Positioning System)으로 계산된 선박의 위치, 침로, 속력 등의 동적 정보와 선명, 호출부호, IMO 식별번호, 선종 등 정적 항해정보를 등 항해정보를 VHF(Very High Frequency)대역을 이용하여 SOTDMA (Self-Organized Time Division Multiplex Access) 통신 프로토콜로 실시간으로 송수신하고 다른 선박으로부터 수신 받은 AIS정보를 이용하여 선박의 위치를 인지함으로써 충돌과 같은 사고를 미연에 방지한다(Jung et al.,  2011; Korea Institute of Marine Science & Technology Promotion, 2011). 하지만, 어선 조업 위치 및 어장 위치 노출을 꺼려하는 어업인들은 AIS를 장착을 했지만 민감해역에서 AIS를 끄고 정해진 구역에서 벗어나는 경우가 종종 발생한다. 따라서 전자해도 기반으로 Class-A, Class-B 등 AIS 메시지를 기반으로 선박의 위치를 표출 하고 감시하는 VMS에서 AIS를 탑재하지 않은 선박이나 또는 AIS를 탑재하였지만 AIS를 작동하지 않아서 자신의 정보를 송신하지 않은 선박의 모니터링에는 한계가 있다. 또한, 지상AIS는 선박의 VHF와 같은 초단파 주파수를 사용하기 때문에 평균 통신거리는 20-30해리 (일반적으로 40 km)로 공해상에서의 선박모니터링에 공간적인 한계가 있다(Brusch et al., 2011). 선박에서 송신된 AIS데이터는 전파환경이 불량할 경우 주변 선박 또는 기지국에 수신되지 못하기도 한다. 또한, 두 개의 AIS데이터가 거의 동시에 수신되어 동일 슬롯 간섭이 발생할 경우, 기지국과 선박 간의 거리가 SOTDMA 프로토콜에서 완충할 수 있는 최대 버퍼링 거리보다 클 경우 수신율이 떨어진다. 또한 페이딩에 의한 순간적인 큰 폭의 신호 감쇠 현상으로 데이터 미수신이 발생 할 수 있다(MOF, 2016).

AIS 자의 미수신, AIS 미 탑재 등으로 인한 지상 AIS 기반의 선박모니터링 시스템의 한계를 극복하기 위해서는 위성에서 AIS 정보를 수신하거나 위성에서 선박을 탐지한 결과가 통합된 선박모니터링 시스템이 필요하다. 최근 위성에서 AIS 정보를 수집하는 시험연구 및 서비스가 진행 중에 있다. 위성 AIS의 경우 기상 상황에 관계없이 밤/낮으로 전 세계의 선박위치 확인이 가능하고 원양에서 발신하는 AIS 정보를 수집할 수 있기 때문에 지역적인 한계를 극복할 수 있다(Zhao et al., 2013). 또한 위성자료로부터 선박을 탐지하는 연구가 활발히 수행되고 있다. 위성에서의 선박탐지는 크게 선박 자체를 탐지하는 방법과 선박이 움직일 때 생기는 기포항적을 탐지하는 방법 두 가지로 나뉜다. 기포항적을 탐지하는 방법은 선박자체를 탐지하는 방법보다 알고리즘이 복잡할 뿐만 아니라 선박이 멈추어 있거나 아주 느린 속도로 이동 할 때엔 기포항적이 잘 보이지 않거나 없다는 단점이 존재한다. 또한, 선박자체의 후방산란이 해양에 비해 강하기 때문에 선박자체의 탐지가 더 선호된다(Amoon et al., 2013). SAR영상을 이용한 선박탐지는 가시광선 대역을 사용하는 광학위성을 활용한 탐지에 비해 기상의 영향이 적어 선박탐지에 용이하다. SAR 영상에서의 선박은 해양 표면에 비해 높은 후방산란값으로 밝게 나타나는데, 개발된 많은 선박탐지 알고리즘은 이런 반사 특성을 기반으로 한다(Pichel et al., 2004). 하지만 대부분 SAR위성에서의 선박탐지 알고리즘을 생성하거나, 한정된 연구 지역에서 지상AIS 자료를 참고하여 SAR위성의 선박 탐지율을 향상하는 위한 연구들이다(Chaturvedi et al., 2012). 본 연구에서는 SAR 영상이 수신된 후 획득된 영상에서 operational하게 선박탐지를 수행하기 위해서 탐지정확도와 자료처리 속도를 고려한 PCT(pulsed cosine transform) 기반의 HVAS (Human Visual Attention System) 알고리즘을 적용하여 SAR위성 기반 준 실시간 선박탐지 모니터링 시스템의 실용화 가능성 및 현재의 한계점에 대해 알아보고자 한다.

2. 연구지역 및 자료

1) 연구지역

연구지역은 서해연안 중 충남 태안군 근흥면 신진도리의 신진항 서측연안과 제주연안 중 제주도 제주시 제주항 북측연안이다. 신진한 서측연안은 고군산군도-외 연도열도 해역에 속하는 곳으로 지정학적으로 해안선의 굴곡이 비교적 완만하고 나치도, 외연도, 어청도 등의 크고 작은 도서가 넓은 해역에 걸쳐 산재되어 있다. 또한, 군산항과 인천항, 평택항으로의 일반항로 및 대천항으로부터 여러 도서를 연결하는 여객항로가 있다. 계절에 따라 농어, 우럭, 꽃게, 병어, 전어 등 다양한 어종의 어장이 잘 형상되어 성어기에 따라 어장이 이동 설치되어 통항 시 주의를 요하는 지역이다. 또한, 안개가 3월부터 증가하기 시작하여 6-7월에 집중적으로 발생하기 때문에 시계의 제한으로 인한 박충돌사고에 주를 요하는 지역이다(KSA, 2009).

제주도 연안은 섬이 많은 서남해와 달리 해안선 굴곡이 단조로운 지형 구조를 가지고 있다. 이러한 해안선 구조에 의해 제주도 연안은 대마 난류수, 황해 난류수, 중국 대륙 연안수 등의 서로 다른 수괴가 계절별로 복잡한 구조를 보이고, 이로 인해 연안 어류의 종조성이나 분포 특성이 시기별로 큰 차이를 보이고 있다(Kang et al., 2008). 제주북부 연안은 제주로부터 완도, 여수, 목포, 부산 등의 여객항로가 발달되어 있다.

Fig. 1. Study area for ship detection: (a) the west coast of Sinjin, (b) the north coast of Jeju (Red box: the boundary of Kompsat-5 data).

2) Kompsat-5 위성자료

선박탐지를 위해서 본 연구에서는 Kompsat-5 SAR 위성자료를 사용하였다. Kompsat-5는 2013년에 발사된 X-밴드 SAR 위성으로 시각적 해석, 지도 제작, 지형고도모델 생성, 재난 모니터링, 해양학 등 다양한 애플리케이션을 포함한 광범위한 범위에 사용될 수 있다. Table 1은 모드에 따른 Kompsat-5 자료의 특성이다 (KARI, 2014).

Table 1. Overall Performance Requirements of Kompsat-5

운영레벨의 선박탐지 연구를 위하여 신진항 서측 연안에 대해 2016년 7월 10일부터 11월 30일까지 144일 동안 총 127개의 Kompsat-5 영상을 획득하였다. 제주북부 연안에 대해 2016년 5월 17일부터 5월 22일까지 5일 동안 총 19개의 Kompsat-5 영상을 획득하였다. 획득되는 영상의 크기와 해상도를 고려하여 Standard HH 모드 영상을 획득하였다. 획득된 영상에 대한 자세한 내용은 Table 2와 같다.

Table 2. List of Kompsat-5 images

3) AIS 자료

본 연구를 위해서 사용된 AIS 관측시스템은 VHF안테나, AIS 수신기, 전원공급장치, 컴퓨터로 구성되어 있으며, 각 구성물품은 전원 공급 및 데이터 전송을 위해 케이블로 연결되어 있다. 현재 군산대학교에서 운용중인 AIS 수신기는 em-trak(모델: a100)과 Alltek Marine(모델: camino-701) 이다. 수신율을 높이기 위해 스테인리스로 제작된 30 cm 지지대에 길이 2.2 m VHF안테나를 연결하여 태안 안면도와 군산 어청도에 각각 설치하였다. AIS에서 동적정보 이외의 정보는 매 6분마다 전송된다. 동적정보는 선박의 속력에 따라 Class-A AIS는 2초 내지 3분 간격으로, Class-B AIS는 30초 내지 3분 간격으로 전송된다(MOF, 2016). 수신 AIS 자료는 케이블을 통해 컴퓨터에 저장되, 저장방법은 수신된 모든 선박의 선박식별번호(MMSI, Maritime Mobile Service Identity)로  파일명이 생성되고 저장파일 내에 해당 선박의 AIS 정보들이 순차적으로 기록된다. 컴퓨터에서 저장된 AIS 자료들은 매일 연구실 PC로 전송된다.

3. HVAS 알고리즘

해양은 표면산란으로 작은 후방산란계수를 가지지만, 선박은 이중 또는 다중 산란으로 인해 해수표면에 비해 큰 후방산란계수를 나타낸다. 따라서 SAR영상에서 선박검출의 위해서는 후방산란계수의 차이를 적용하여 선박의 식별이 가능하다(Lee et al., 2012). 선박탐지에서 중요한 요소는 탐지의 정확도와 자료처리 속도이다. 선박 탐지에 주로 사용되는 CFAR(Constant False Alarm Rate) 기법은 자료처리 속도 측면에서 단점을 가지고 있다. 최근 제안된 DCT(Discrete Cosine Transform)를 이용한 HVAS는 CFAR에 비교 처리 속도가 빠르고, 정확도도 높은 것으로 알려져 있다. HVAS는 영상 내에 위치하는 주요 물체를 인지하는 시각 시스템의 원리를 응용한 알고리즘 중 하나로, 선박이 해양 표면의 낮은 산란값에 비해 눈에 띄는 SAR 영상의 특성과 결합해 사용된다(Amoon et al., 2013). 본 연구에서는 Kompsat-5 SAR 영상에 HVAS 알고리즘을 적용하여 선박탐지를 수행하고자 한다.

HVAS 알고리즘은 영상 내에 포함된 주요 물체를 탐지하는 방법으로 후방산란이 해양보다 큰 선박탐지에 적용이 가능하다. 다음은 Amoon et al.(2013)이 제시한 HVAS를 이용한 선박탐지 알고리즘을 요약한 것으로, 자료처리는 크게 전처리 단계와 탐지 단계로 구분된다 (Fig. 2). 우선, 전처리 단계에선 영상을 동일한 크기의 sub-image로 나눈다. sub-image의 크기는 가장 크고 작은 배의 크기, 배와 배 사이의 최소거리, 위성영상의 해상도, 바다표면의 노이즈에 따라 고려된다. Sub-image의 크기는 단일 크기 또는 다수 크기를 이용할 수 있다. 각 sub image에 3×3의 이동 창을 한 칸씩 옮겨가며 다음 식을 통해 계산된 v값을 중앙화소에 넣는다.

\(v=\mu^{2} /\left(2 \sigma^{2}\right)\))       (1)

μ : moving window의 평균값

σ : sub-image 내의 모든 화소의 표준편차

Fig. 2. Flowchart of HVAS algorithm for ship detection (modified from Amoon et al. (2013))

v값은 sub-image내에서 어떤 그룹의 화소가 상대적으로 밝은지를 타내주는 값으로, 바다의 sub-image보다 육지가 대부분인 sub-iage의 경우 표준편차가 크므로 v값은 상대적으로 낮아진다. 전처리 영상(S1)은 다수의 sub-image 크기를 사용한 경우 각 화소에서 계산된 v값 중 최소값을 이용해 생성된다(예, Fig. 4(c)).

Fig. 4. (a) Kompsat-5 SLC image acquired on May 19, 2016, (b) Detection result by MCA-CFAR, (c) Preprocessed image, (d) Relief map, and (e) output of the detection stage by HVAS.

탐지단계에서는 전처리영상에 PCT를 적용하여 표적을 탐지한다. 크게 세 단계로 구성되어 있으며, 각 단계별 세부과정은 다음과 같다.

① PCT 적용 전에 노이즈 화소를 줄이고 영상강화를 위해 다음과 같이 임계값을 구한 후, 전처리된 영상의 화소값이 임계값보다 작을 경우 임계값으로 대치한다.

 \(T_{F}=\mu_{S_{1}}+\left(\alpha \times \sigma_{S_{1}}\right)\)      (2)

\(μ_{S_1}\) : S₁ 의 평균, \(σ_{S_1}\) : S₁의 표준편차

α = constant value

\(S_{2}(x, y)=\left\{\begin{array}{ll} S_{1}(x, y), & \text { when } S_{1}(x, y) \geqq T_{F} \\ T_{F}, & \text { when } S_{1}(x, y)       (3)

② S₂영상을 DCT 변환하고 나서 sign 함수로 적용하는 PCT 과정을 수행한 후, 다시 DCT 역변환을 적용한다.이때 F값 중 음수는 0을 할당한다.

\(\begin{array}{l} P=\operatorname{sign}\left[D C T\left(S_{2}\right)\right] \\ F=D C T^{-1}(P) \\ F(x, y)=0, \text { when } F(x, y)<0 \end{array}\)      (4)

그 후, 가우시안 필터(G)를 이용한 스무딩을 통해 relief map인 S_S(예, Fig. 4(d)) 영상을 구한다.

\(S_{S}=G * F^{2}\)       ₍₅₎

③ 최종적으로선박 탐지를 수행하는 단계로, relief map의 표준편차와 평균을 이용하여 임계값 TD를 구한다. S_S값이 임계값 T_D보다 높은 경우 선박으로 탐지된다(예,  Fig. 4(e)).

\(T_{D}=\mu_{s_{s}}+\left(\beta \times \sigma_{s}\right)\)       (6)

μ_Ss  : relief map의 평균, σ_Ss: relief map의 표준편차

β : constant value

4. 결과

1) HVAS알고리즘 적용 결과

 Kompsat-5 위성자료에 HVAS 알고리즘을 적용하여 선박탐지를 수행하였다. 전처리과정 중 사용된 subimage 크기는 300×300 화소이다. 탐지단계에서의 임계값 설정에 따라 탐지되는 표적이 결정된다. 식 3-2와 3-6에 사용될 임계값 α와 β는 다양한 Kompsat-5 자료의 테스트를 통해 각각 0.6과 0.7로 설정되었다. 또한, 영상의 해상도를 최대한 유지하기 위해 Kompsat-5 자료 수신 후 최소한의 후처리를 거친 레이더좌표계의 Level-1A SLC 자료를 사용하였다. Kompsat-5 Level-1A 자료가 수신 된 후 운용적인 측면에서 HVAS 알고리즘을 통해 자동 선박탐지가 가능할 수 있도록 Perl과 Python을 이용하여 스크립트를 작성하였다. 작성된 스크립트를 사용해 연구기간 동안 수집된 모든 Kompsat-5 SAR 자료처리를 수행하였다. 선박탐지 결과의 예는 Fig. 3과 같다. 자료처리 과정상, HVAS 알고리즘을 통해 해상뿐만 아니라 육상의 모든 표적이 일차적으로 탐지된다. 그 후, SRTM 1-arc DEM을 이용하여 육지 표적을 제거한 뒤 해상에서의 표적만 최종적으로 구하였다.

Fig. 3. Examples of ship detection result by HVAS.

HVAS 알고리즘의 선박탐지 성능을 알아보기 위해 기존에 선박탐지 연구에 많이 사용되는 CFAR 방법 중 한 화소씩 이동해 처리시간이 긴 CFAR의 단점을 보완한 MCA(Multiple target Cell Averaging) CFAR 알고리즘을 통한 선박탐지 결과와 비교하였다. MCA-CFAR는 표적의 유무를 판단하는 중심화소를 다중으로 잡아 평균을 내어 판별하고, 중심화소의 크기만큼 옆으로 이동하는 방식으로 표적의 위치를 빠르게 찾아낸 후, 한 화소씩 판별하는 CFAR를 필요시 표적의 위치에 적용하는 방이다(Song et al., 2010). MCA-CFAR는 계산 속도가 기존 CFAR의 보다 빠르면서, 표적 탐지 정확도 손실이 거의 발생하지 않는는 장점이 있다. 특히, 이 연구에서는 3x3 크기의 다중화소를 사용한 초기 탐지를 수행하였기 때문에 선박탐지 정확도 측면에서 성능저하는 무시할 수 있다. 2016년 9월 15일에 획득한 Kompsat-5영상에 MCA-CFAR와 HVAS 알고리즘을 적용한 결과는 Fig. 4와 같다. MCA-CFAR 알고리즘 적용 결과(Fig. 4(b))와 HVAS 알고리즘의 전처리, relief map 생성 그리고 최종 탐지결과(Fig. 4(c)-(e)) 모두 영상 내 포함된 두 개의 선박을 정확히 탐지하였다.

Fig. 4. (a) Kompsat-5 SLC image acquired on May 19, 2016, (b) Detection result by MCA-CFAR, (c) Preprocessed image, (d) Relief map, and (e) output of the detection stage by HVAS.

연구레벨이 아닌 운용레벨에 있어서는 영상이 수신된 후 선박탐지 결과가 나오기까지의 자료처리 속도가 중요하다. 운용레벨에 적합한 자료처리 속도를 알아보기 위하여 임의로 선정된 4개 영상에 대하여 HVAS와 CFAR자료처리 속도 및 정확도를 비교해보았다. Table 3과 같이 HVAS 알고리즘을 이용한 자료 처리가 훨씬 빠른 것으로 나타났다. 정확도 검증은 육안 분석을 통해 추출된 결과를 이용하여 수행하였다. 분석결과 HVAS 알고리즘을 사용한 경우 CFAR 알고리즘을 사용한 경우보다 오보율이 낮아 정확도가 높은 것으로 나타났다. 하지만, 큰 입사각으로 인해 고스트 현상이 발생한 3번째와 4번째 영상의 경우 HVAS와 CFAR 알고리즘에서 모두 오보율이 높아지는 것으로 나타났다.

Table 3. Comparison of performance between HVAS and CFAR

2) AIS자료 Kompsat-5자료 통합분석 결과

Kompsat-5자료와 AIS자료의 통합분석을 통한 선박 탐지를 위해서는 두 자료의 좌표계를 통일시켜주는 작업이 필요하다. 본 연구에서는 HVAS알고리즘을 통해 나온 Radar좌표계의 선박탐지 결과를 위경도 좌표계로 변환하여 AIS자료와의 통합분석을 수행하였다. AIS자료와 Kompsat-5 선박탐지결과를 통합하기 위하여 Kompsat-5영상 획득 시간의 AIS자료를 추출하였다. 선박이 빠른 속도로 이동할 경우 도플러 변이에 의해 SAR 영상에서 다른 위치에 선박이 위치하지만, 본 연구에서는 doppler shift는 고려하지 않았다.

Kompsat-5영상 촬영 시간의 AIS자료를 추출한 뒤 반경 200m 안에 Kompsat-5영상에서 타겟으로 탐지된 선박이 위치할 경우 동일 선박으로 인지하였다. IS자료와 Kompsat-5 선박탐지 결과를 비교한 결과를 Table 4에 정리하였고, 확대하면 Fig. 5(b)와 Fig. 5(d)와 같이 나타난다. 테스트1 지역인Fig. 5(b)의 경우, SAR와 AIS에서 둘 다 감지한 표적은 9개였다. SAR에서는 탐지 되었지만 AIS에서 탐지 되지 않은 3개의 표적을 확대한 영상은 Fig. 6(a) 적색 칩과 같다. 육안 분석을 통해 SAR에서 탐지된 표적은 선박이 확실하므로, AIS를 끄고 운용 중인 선박으로 파악된다. AIS에서는 탐지되었지만 SAR에서는 탐지되지 않은 1개의 선박은 Fig. 6(b) 청색칩의 확대 영상에서와 같이 육안 판독에 의해서도 구별되지 않는다. AIS 정보 확인 결과 선박의 길이 정보가 없는 것으로, 일반적으로 소형 선박에 해당한다. 또한, 육지에 근접한 곳에서 4개의 False alarm이 있었는데 이는 SRTM 자료를 사용하여 육지에서 감지된 타겟을 제거할 때 미처 제거되지 않은 표적으로 분석되었다. 테스트2 지역인 Fig. 5(d)의 경우, SAR와 AIS에서 둘 다 감지한 표적은 4개였다. SAR에서는 탐지 되었지만 AIS에서 탐지 되지 않은 표적은 2개이다. 이들 표적의 육안분석 결과 (Fig. 6(b) 적색칩 참조) SAR에서 탐지된 표적은 선박으로 AIS를 끄고 운용 중인 선박으로 파악된다. AIS에서는 탐지되었지만 SAR에서는 탐지 못하는 선박은 1개 (Fig. 6(b) 청색칩)도 AIS 정보에 선박 크기 정보가 없는 것으로 보아 소형 선박으로 추정된다. SAR 영상에서 탐지된 한 개의 False alarm은 선박의 기포항적을 선박으로 인식한 결과이다(Fig. 6(b) 황색칩 참조).

Table 4. Comparison between SAR derived and AIS derived vessels

Fig. 5. Ship detection results by integration of Kompsat-5 and AIS.

Fig. 6. Enlared images of mismatched targets in Fig. 5.

5. 토의 및 결론

대형 선박의 경우 선박의 AIS 안테나고가 높기 때문에 통신 환경이 양호하지만 상대적으로 소형 선박의 경우에는 AIS 안테나고가 낮기 때문에 통신 환경이 불량하게 된다(KOF, 2016). 이런 통신 환경 분량으로 인해 AIS를 검증용 자료로 사용함에 있어서 주의를 요한다. 또한, 위성영상으로 분석되는 지역이 AIS의 전파수신 범위 내에 위치해야 한다. 본 연구에서 영상이 획득된 지역의 경우 상대적으로 연안에 위치하기 때문에 전파 범위 안에 포함되어 있다. 그럼에도 불구하고 신진도와 어청도에 각각 설치된 AIS에서 획득된 선박의 위치가 일치하지 않는 것으로 나타났다. AIS가 오류를 나타낼수 있는 원인으로는 1) 타 관측장비 통신/전원케이블에 의한간섭현상 발생, 2) 불안정 전원이 AIS 수신기로 유입되는 경우, 3) 외부로부터 이상전파가 수신되는 경우가 있을 수 있다(Kim et al., 2015).

KOMPSAT5 SAR 영상을 이용한 연구수행을 통해 다음과 같은 문제점들이 확인되었다. 표적 탐지 후 육지 표적 제거 시 사용된 DEM/shape 파일의 오차 또는 위성궤도 오차에 의한 좌표 오차로 인해 연안이나 항구에서 제거되지 않은 표적이 선박으로 탐지되는 것으로 나타났다(Fig. 7(a)). SAR 영상에 나타나는 선박의 기포 항적이 선박으로 오탐지 되기도 하였다(Fig. 7(b)). 향후, 기포항적에 의한 선박 탐지 오류를 줄이기 위한 알고리즘 개선이 필요하다. 또한, Fig. 7(c)와 같이 Kompsat-5영상이 40° 이상의 큰 입사각에서 획득된 경우, azimuth ambiguity로 인해 고스트 현상이 발생하였다. 추후, 큰입사각을 가지는 영상에서도 원활하게 선박탐지를 수행하기 위해서는 고스트 효과를 제거하는 전처리 단계가 필요하다.

Fig. 7. Example of false detected targets in the Kompsat-5 SLC image. (a) targets in land close to harbor, (b) strong backscattering from the ship wake, (c) ghosting caused by azimuth ambiguity.

이번 연구에서 사용된 SAR 자료는 선박탐지에서 널리 사용되는 좌표투영된 Level-1C나 Level-1D가 아닌  Level-1A SLC 자료를 사용하였다. 이 자료는 multilook 이전의 원시 해상도가 유지되기 때문에 소형 선박 탐지율을 높이는데 기여할 수 있지만, 선박탐지 수행 전에 지리좌표계의 Landmask 파일을 적용해 해양 지역만 추출하는데 어려움이 있다. 따라서, 원시해상도를 유지하면서 operational하게 선박탐지 알고리즘을 수행하기 위해서는 Landmask shape 파일을 레이더좌표계로 변환하는 프로그램이 필요하다. SAR에서 탐지된 선박과 AIS 자료와 매칭할 때 이동선박의 도플러 변이를 고려하지 않았다. 향후, 도플러 변이를 고려하여 정확한 선박의 위치가 산정되고 선박의 속도를 추정하게 되면 AIS 자료와의 매칭 정확도를 개선할 수 있다.

HVAS 알고리즘을 Kompsat-5 SLC 영상에 적용한 결과, 성공적인 선박탐지가 수행되었다. 제안된 방법은 수행 속도와 탐지 정확도에서 CFAR 보다 우수한 것으로 보이지만 운영레벨 적용을 위해서는 정밀연안경계 자료가 필요하고, 기포항적, 고스트 현상에 의한 오탐지 문제점들이 추가적으로 개선되어야 한다. 선진국에서  TerraSAR-X, RADARSAT과 같은 X-밴드 C-밴드 SAR 영상을 이용해서 영상이 수신되면 선박을 탐지하고 모니터링 하는 작업을 운용레벨에서 수행하고 있다(Brusch et al., 2011; Vachon et al., 2014). 원거리의 선박을 인식하기 위해서는 AIS자료만 사용하는 것은 한계가 있고, 연안에서도 AIS를 끄고 운행하는 선박이 있기 문에 향후 Kompsat-5 위성자료와 AIS 자료를 연계하여 통합된 운용레벨의 선박탐지 모니터링 시스템 구축이 필요한 것으로 생각된다.