DOI QR코드

DOI QR Code

Report of Wave Glider Detecting by KOMPSAT-5 Spotlight Mode SAR Image

KOMPSAT-5 Spotlight Mode SAR 영상을 이용한 웨이브글라이더 탐지 사례 보고

  • Lee, Yoon-Kyung (Korea Ocean Satellite Center, Korea Institute of Ocean Science & Technology) ;
  • Kim, Sang-Wan (Department of Mineral Resources Engineering, Sejong University) ;
  • Ryu, Joo-Hyung (Korea Ocean Satellite Center, Korea Institute of Ocean Science & Technology)
  • 이윤경 (한국해양과학기술원 해양위성센터) ;
  • 김상완 (세종대학교 에너지자원공학과) ;
  • 유주형 (한국해양과학기술원 해양위성센터)
  • Received : 2017.12.20
  • Accepted : 2018.04.04
  • Published : 2018.04.30

Abstract

We analyzed the feasibility of detecting wave gliders moving on the sea surface using SAR images. For the experiment, a model was constructed and placed on the sea using a towing ship before and after the satellite observation time. In the acquisition of KOMPSAT-5 image, high resolution SAR data of spotlight mode was collected considering the small size of wave glider. As a result of the backscattering intensity analysis around the towing ship along with wave glider, several scattering points away from the ship were observed, which are not strong but clearly distinguished from the surrounding clutter values. Considering the distance from the center of the ship, it seems to be a signal by the wave glider. On the other hand, it is confirmed that the wave glider can be detected even at the very low false alarm rate ($10^{-6}$) of the target detection using CFAR. Although the scatter signal by the wave glider could be distinguished from the surrounding ocean clutter in the high resolution SAR image, further research is needed to determine if actual wave gliders are detected in various marine environments.

해상 표면에서 이동하는 웨이브글라이더의 SAR 영상을 이용한 탐지 가능성에 대한 분석을 수행하였다. 실험을 위해 모형 웨이브글라이더를 제작해 위성 촬영 시각 전후로 견인선박을 이용해 해상에 배치하였다. KOMPSAT-5 영상 촬영은 웨이브글라이더의 크기를 고려하여 spotlight mode의 고해상도(Range: 0.51 m, Azimuth: 0.65 m pixel spacing) SAR 자료를 수집하였다. 견인 선박 주변의 후방산란 강도 분석 결과, 선박과 떨어져서 강하지는 않지만 주변 클러터 밝기값과 구분이 되는 몇몇 산란점들이 관측되었다. 선체 중심으로부터 이격 거리를 고려할 때 웨이브글라이더에 의한 신호로 판단된다. 한편 CFAR를 이용한 표적탐지 결과 비교적 매우 낮은 $10^{-6}$의 오경보율에서도 웨이브글라이더로 판단되는 화소들이 탐지됨을 확인하였다. 비록 spotlight 모드와 같은 고해상도 SAR 영상에서 웨이브글라이더에 의한 산란 신호가 주변 해양 클러터와 구분될 수 있었지만, 다양한 해양환경에서 실제 웨이브글라이더의 탐지 여부에 대한 추가적인 연구가 필요하다.

Keywords

1. 서론

SAR(Synthetic Aperture Radar) 영상은 기상상태에 영향을 받지 않고, 야간에도 촬영이 가능하여 지상이나 해상의 표적을 탐지하는데 매우 유용하다(Crisp, 2004; Kim, 2011; Marino et al., 2015). 또한, 가시적 특성 외에 표적의 재질과 같은 물리적 특성을 이용할 수 있는 장점이 있다(Kim and Kim, 2015). 이러한 SAR 영상의 장점을 활용하여 해상에서 선박을 탐지할 뿐만 아니라 선박의 위치와 크기를 파악하고 선박의 이동방향에 대해 추정하는 연구가 활발히 진행 중이다(Brusch et al., 2010). 이렇게 SAR 위성영상을 이용한 해상에서의 선박탐지 및 이동속도 측정은 해상방위나 교통감시에 있어서 필수적이다(Park et al., 2008).

이동형 수중무인기는 선체에 센서를 부착시켜 수중을 자율적으로 이동하며 해양의 시공간적 변동성을 동시에 측정하는 무인 플랫폼으로 수중글라이더, 웨이브글라이더 등이 있다(Park et al., 2012). 웨이브 글라이더는 추진시스템이 없이 오직 부력만을 조정하며 자동운항을 통해 실시간으로 파고, 수온, 해상기상 등의 자료를 수집하며, 파동을 추진력으로 전환시켜 운항하기 때문에 연구목적에 따라 다양한 해양 자료를 장기적으로 취득할 수 있는 무인장비이다(Kim et al., 2017). Fig. 1과 같이 파력추진을 위한 수중의 하부구조체와 수면에서 통신 및 제어를 위한 본체 부분이 나누어져 있으며 각 섹션은 와이어로 연결되어있다. 파도에 의한 상하 이동과 수중에 있는 하부구조체인 글라이더 핀의 움직임을 이용하여 추진하고 후미부분에 있는 방향키를 이용하여 자율주행이 가능하다. 본체에는 태양 전지 패널이 장착되어 있어 원격 접속을 통해 웨이브글라이더 이동지점을 설정하면 자율적으로 이동하며 장기간 운용이 가능하다. 미국의 Liquid Robotics사의 경우 웨이브글라이 더로 100만 해리(1,852,000 km) 자율항해를 수행하였고, 한국해양과학기술원에서도 오션테크(주)와 공동으로 제 18호 태풍 탈림의 중심권 해상에서 웨이브글라이더로 기상 관측을 실시하였다. 통신 모듈이 AIS(Automatic Identification System) 수신기와 GPS를 이용하면 인공 위성에서 신호를 받아 웨이브글라이더의 위치를 알 수있다. 하지만 통신 모듈에 이상이 있을 경우 웨이브글 라이더의 위치를 파악하여 회수하는데 어려움이 있다.

OGCSBN_2018_v34n2_2_431_f0001.png 이미지

Fig. 1. Assembly diagram of the wave glider (Kim et al., 2017).

2016년도부터 일본 해상보안청은 국제적으로 영해와 EEZ(Exclusive Economic Zone)의 정당성을 주장한 과학적 근거 마련을 위해 영유권 분쟁이 벌어지는 동중국해 주변 해역 및 일본영해에 웨이브글라이더형의 이동형 수중무인기를 투입해 해안선 조사를 진행하고 있다 (Yonhap, 2017). 웨이브글이더는 소형선박에 비해 크기가 작지만 본체가 항상 해상에 노출되어 있고, 기상 자료 및 AIS 수신을 위한 구조물이 corner reflector 역할을 하여 SAR영상에서 탐지될 가능성이 있다. 본 연구에서는 KOMPSAT-5 위성에서 해상의 다양한 표적 중 웨이브글라이더의 탐지가능성을 알아보기 위하여 모형 웨이브글라이더를 이용하여 실험을 수행하고자 한다.

2. 현장조사 및 위성자료

이번 시험분석의 목적은 X-밴드 SAR 영상을 이용하여 해양에서의 웨이브글라이더 탐지 가능성을 판단하는 것이다. 이때 사용된 모형 웨이브글라이더는 하부구 조체 없이 길이 2.4 m, 폭 0.6 m인 본체의 크기와 동일하게 프레임을 나무로 제작하고 AIS 등의 수신장치 등과 동일한 높이의 아크릴 봉을 달았다. 그 후, 웨이브글라이더와 반사특성을 동일하게하기 위하여 FRP소재를 덧칠하고, 태양전지판 대신 검정 아크릴을 장착하였다. Fig. 2는 해상에서 모형 웨이브글라이더와 실제 웨이브글라이더의 항해 모습이다. 2016년 11월 30일 KOMPSAT-5위성의 영상촬영 시간인 19:04:34에 태안 만대항 주변 해역에서 시험조사를 수행하였다. 선박의 신호와 모형 웨이브글라이더의 신호가 섞이는 것을 방지하기 위하여 2.7톤급의 어선(길이 약 10 m, 폭 4 m)에 모형 웨이브글라이더를 10 m 길이의 줄로 연결하여 운항하였다 (Fig. 3). 그리고 그때의 위치를 GPS로 트랙킹 하였다. 웨이브글라이더의 길이와 폭을 고려하여 한국항공우주 연구원에 1 m 이내의 공간해상도를 갖는 EH(Enhanced High resolution) 모드의 HH 편파 영상촬영을 의뢰하여 획득하였다. 2016년 11월 29일과 11월 30일에 수집된 두개의 SAR 자료의 특성은 표 1과 같다.

OGCSBN_2018_v34n2_2_431_f0002.png 이미지

Fig. 2. Photographs of (a) the model of wave glider, (b) and (c) the survey of real wave glider at Jeju (Photos by Dr. Son, Young Baek).

OGCSBN_2018_v34n2_2_431_f0003.png 이미지

Fig. 3. Photographs of the ship named ‘Enterprise’ used for pulling a wave glider.

Table 1. Characteristics of collected KOMPSAT-5 SAR images

OGCSBN_2018_v34n2_2_431_t0001.png 이미지

3. 위성자료 분석 결과 및 토의

수집된 두 개의 영상 중 2016년 11월 30일 자료는 azimuth 방향의 focusing에 문제가 있어 영상 내 표적이 모두 azimuth 방향으로 길게 왜곡되어 나타나 분석에 사용하지 않았다. 2016년 11월 29일에 촬영된 KOMPSAT-5 SAR 영상으로부터 HVAS(Human Visual Attention System) 알고리즘(Amoon et al., 2013) 반 선박 탐지 결과는 Fig.4(a)와 같다. KOMPSAT-5 영상으로부터 11개의 표적이 탐지되었다. 탐지된 11개의 표적 중 현장에서 수집된 선박의 GPS 좌표를 이용하여, KOMPSAT-5 영상 촬영시 간에 가장 근접한 표적을 웨이브글라이더와 연결된 선박으로 선정하였다. Fig. 4(b)와 4(c)는 탐지된 표적으로부터 생성된 200×200화소의 영상 칩으로, Fig. 4(b)는 영상에서 두 번째 탐지된 표적으로 선박이 아니라 바다 위 암초에 세워진 등대구조물에 의한 독특한 형태의 반사값을 보여주고 있으며, Fig. 4(c)가 웨이브글라이더와 연결되어 있는 선박에 의한 반사값을 보여주고 있다.

OGCSBN_2018_v34n2_2_431_f0006.png 이미지

Fig. 4. (a) KOMPSAT-5 SAR image (2016/11/29) with detected targets (red circles), (b) target chip of light tower, and (c) target chip of ship of interest.

추출된 영상 칩의 후방산란 강도에 3×3 median 필터를 적용한 결과는 Fig. 5와 같다. 선박을 중심으로 확대하고 히스토그램 스트레칭을 조정한 영상은 Fig. 5(b)와 같다. 선박 중심부에 위치한 조타실 구조물 부분에서 강한 산란이 발생하는 것을 확인할 수 있다. 선박형태(Fig. 3 참조) 및 크기를 고려했을 때 산란값이 매우 큰 위치를 중심으로 약 10 m 정도가 선박에 해당하는 것으로 판단 된다. 선박과 약간은 떨어져서 영상 위쪽에 강하지는 않지만 주변 클러터 밝기값과 구분이 되는 몇몇 산란점들이 관측된다. 좀 더 세부적인 분석을 위해 선박의 장축 (azimuth)방향에 평행한 A-A′선(Fig. 5(b) 참조)을 따라 후반산란 강도 프로파일을 작성하였다. 이때 노이즈에 의한 영향을 줄이기 위해 range 방향으로 5화소씩 평균 하였다(Fig. 6). 강한 산란이 발생하는 구역을 중심으로 좌우 최대 6 m 까지 선박에 의한 산란 신호로 볼 때, 선박과 약 11 m 정도 떨어져 비교적 높은 산란값을 보이는 신호는 웨이브글라이더에 의한 산란 신호로 판단된다. 선체 중심으로부터 웨이브글라이더의 이격 거리 11 m는 실험 조건에서 주어진 거리 10 m와 유사하다.

OGCSBN_2018_v34n2_2_431_f0007.png 이미지

Fig. 5. (a) Median filtered KOMPSAT-5 backscatter intensity image and (b) Enlarged intensity image including a ship and a wave glider.

OGCSBN_2018_v34n2_2_431_f0004.png 이미지

Fig. 6. Mean backscatter intensity profile in A-A’ cross section (Fig. 5).

한편 SAR 영상을 이용한 선박탐지에 일반적으로 널리 사용되는 CFAR(Constant Fale Alarm Rate) 알고리즘 (Dai etal., 2016)을 이용한 웨이브글라이더의 탐지 가능성을 살펴보았다. 먼저 클러터 화소 모델링을 위해 200×200화소 크기의 영상 칩으로부터 선박이 위치한 중앙의 50×50화소 지역을 제외한 나머지 지역의 화소를 이용하여 G0 분포 모델링을 수행하였다. 설정된 클러터 모델을 이용하여 각각 10-4, 10-5, 그리고 10-6의 오경 보율에 따른 표적 탐지를 수행한 결과는 Fig. 7과 같다. 오경보율이 10-4과 10-5인 경우에는 오탐지가 매우 많이 된 것을 확인할 수 있다. 하지만 비교적 매우 낮은 10-6의 오경보율에서도 웨이브글라이더로 판단되는 표적이 탐지되었으며, 두 개의 오탐지만이 발생하였음을 확인할 수 있다. 또한 오탐지된 두 개 표적의 크기가 실제 관심 표적에 비해 작기 때문에, 추후 연구를 통해 표적의 크기를 기준으로 오탐지를 줄일 수 있을 것으로 판단된다.

OGCSBN_2018_v34n2_2_431_f0005.png 이미지

Fig. 7. Detected target pixels by CFAR with respect to false alarm rates.

4. 결론

본 연구는 해양에서 운행중인 웨이브글라이더를 SAR 위성영상을 이용하여 탐지가 가능한지에 대한 초기 실험 결과를 제시한다. 이를 위해 모형 웨이브글라이더를 제작하여 해상 실험을 수행하였으며, KOMPSAT-5 EH 모드의 X-밴드 SAR 영상을 수집하였다. 위성 영상 내에서 후방산란이 해양보다 큰 선박탐지에 적용 가능한 HVAS 알고리즘과 선박탐지에 주로 사용되는 CFAR 알고리즘을 적용하여 웨이브글라이더 탐지 분석을 수행 하였다. 분석 결과, spotlight 모드로 획득된 고해상도 SAR 영상에서 매우 낮은 10-6의 오경보율에서도 웨이브 글라이더에 의한 산란 신호가 주변 해양 클러터와 구분 가능하였다. 하지만 견인선박이 없을 때나 다양한 해양 환경에서 실제 웨이브글라이더의 탐지 여부에 대한 정확한 분석을 위해서는 다음과 같은 추가 실험이 필요한 것으로 판단된다.

– 견인선박 산란 신호에 의한 영향을 배제하기 위해 최대한 원거리에 글라이더 배치

– 실제 웨이브글라이더를 촬영한 SAR 영상 분석

– 웨이브글라이더의 진행 방향에 따른 반사 신호 분석

– 3D 모델의 시뮬레이션을 통한 다양한 관측 조건에서의 후방산란 모델링

사사

이 논문은 2017년 해양수산부 재원으로 한국해양과학기술원의 지원을 받아 수행된 연구(국가해양영토 광역 감시망 구축 기반연구)이며, 이에 감사드립니다.

References

  1. Amoon, M., A. Bozorgi, and G.-A. Rezai-rad, 2013. New method for ship detection in synthetic aperture radar imagery based on the human visual attention system, Journal of Applied Remote Sensing, 7(1): 071599. https://doi.org/10.1117/1.JRS.7.071599
  2. Brusch, S., S. Lehner, T. Fritz, M. Soccorsi, A. Soloviev, and B. van Schie, 2010. Ship surveillance with TerraSAR-X, IEEE Transaction on Geoscience and Remote Sensing, 49(3): 1-12.
  3. Crisp, D.J., 2004. The State-of-the-Art in Ship Detection in Synthetic Aperture Radar Imagery, DSTO Information Sciences Laboratory, Edinburgh, Australia.
  4. Dai, H., L. Du, Y. Wang, and Z. Wang, 2016. A Modified CFAR Algorithm Based on Object Proposals for Ship Target Detection in SAR Images, IEEE Geoscience And Remote Sensing Letter, 13(12): 1925-1929. https://doi.org/10.1109/LGRS.2016.2618604
  5. Kim, K.T., 2011. SAR target identification technology, Journal of Electromagnetic Engineering, 22(6): 80-89.
  6. Kim, Y.J., S. Jung, N.H. Koo, J.H. Chun, J.K. Kim, K.D. Hwang, H.Y. Lee, S. Heo, K.D. Moon, C.H. Jeong, and S.D. Hong, 2017. Case study of the shallow seismic refraction survey using wave glider, Geophysics and Geophysical Exploration, 21(1): 43-48.
  7. Kim, S.Y. and S.W. Kim, 2015. Detection of group of targets using high resolution satellite SAR and EO images, Korean Journal of Remote Sensing, 31(2): 111-125 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2015.31.2.6
  8. Marino, A., M. Sanjuan-Ferrer, I. Hajnsek, and K. Ouchi, 2015. Ship Detection with Spectral Analysis of Synthetic Aperture Radar: A Comparison of New and Well-Known Algorithms, Remote Sensing, 7(5): 5416-5439. https://doi.org/10.3390/rs70505416
  9. Park, J.W., H.S. Jung, and J.S. Won, 2008. Velocity estimation of moving targets by azimuth differentials of SAR images, Korean Journal of Remote Sensing, 24(2): 91-98. https://doi.org/10.7780/kjrs.2008.24.2.91
  10. Park, Y.S., S.J. Lee, Y.K. Lee, S.K. Jung, N.D. Jang, and H.W. Lee, 2012. Report of East Sea crossing by underwater glider, The Sea Journal of the Korean Society of Oceanography, 17(2): 130-137 (in Korean with English abstract).
  11. Yonhap News, 2017. http://www.yonhapnews.co.kr/bulletin/2017/04/30/0200000000AKR20170430063600073.HTML, Accessed on Apr. 10, 2017.

Cited by

  1. Automatic Ship Detection Using the Artificial Neural Network and Support Vector Machine from X-Band Sar Satellite Images vol.10, pp.11, 2018, https://doi.org/10.3390/rs10111799