• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권7호
• /
• pp.1858-1872
• /
• 2023

With the advance of radar technologies, the availability of synthetic aperture radar (SAR) images increases. To improve application of SAR images, a management system for SAR images is proposed in this paper. The system provides trainable land cover classification module and display of SAR images on the map. Users of the system can create their own classifier with their data, and obtain the classified results of newly captured SAR images by applying the classifier to the images. The classifier is based on convolutional neural network structure. Since there are differences among SAR images depending on capturing method and devices, a fixed classifier cannot cover all types of SAR land cover classification problems. Thus, it is adopted to create each user's classifier. In our experiments, it is shown that the module works well with two different SAR datasets. With this system, SAR data and land cover classification results are managed and easily displayed.

• 대한원격탐사학회지
• /
• 제30권4호
• /
• pp.431-444
• /
• 2014

위성 SAR 영상의 활용이 증가하면서 영상의 해석 및 융합을 위한 정밀 기하보정에 대한 필요성이 높아지고 있다. 특히 광역감시 목적으로 활용되기 위해 서로 다른 해상도를 갖는 SAR 영상간 정보융합도 활발해지고 있다. 일반적으로 SAR 영상의 기하보정은 위성의 궤도 및 자세정보를 활용하여 수행할 수 있지만 SAR 센서의 궤도 및 시스템 오차, 대상지형 특성에 의한 왜곡으로 인해 추가적인 보정이 필요하게 된다. SAR 영상을 통한 변화탐지나 타 영상과의 융합에 적용하기 위해서는 기하 오차 보정이 반드시 선행되어야 한다. 이를 위해 다수의 지상 기준점을 선정하고 이를 포함하는 기준 영상과 비교하여 원본 영상에서 대응점을 찾는 방식으로 정밀 기하보정을 수행할 수 있다. Speeded Up Robust Feature (SURF) 기법은 쉽고 빠르게 영상의 기준점을 찾을 수 있지만 상대적으로 해상도가 낮고 스펙클 잡음에 영향을 받는 SAR 영상에서는 활용하기가 어렵다고 알려져 있다. 본 논문에서는 SURF 기법을 위성 SAR 영상에 적용할 때 발생할 수 있는 오차를 추출하고 영상 특성에 따른 성능 변화를 분석하였다. SURF 알고리즘의 적용이 가능한 입력 변수의 적정 범위를 제시하고 그에 따른 영상 정합의 오차를 분석하여 중저해상도의 위성 SAR 영상에 대해서도 SURF 기법을 통한 기하 보정 및 영상 정합이 적용될 수 있음을 검증하였다.

• 한국전자파학회논문지
• /
• 제22권11호
• /
• pp.1092-1100
• /
• 2011

본 연구에서는 C-밴드 대역 지상 운용 회전형 SAR 시스템에 대한 시험 결과를 선보인다. 회전형 SAR 시스템은 지상과 우주 공간 상에서 운용될 수 있는 미래의 회전형 SAR 시스템을 위한 시험대(test-bed)로써, 지표면 및 낮은 깊이의 지표면 속 목표물로부터의 전자파 산란를 영상화하기 위해 설계되었다. 또한, 생성된 SAR 영상과 시험결과를 본 논문에서 선보인다. 회전형 SAR 시스템은 네트워크 분석기(Agilent 8753E)를 기반으로한 HPS(Hongik Polarimetric Scatterometer) 시스템과 수평 회전팔(1.6 m)로 구성된다. 설계/제작된 시스템을 이용하여 다양한 목표물 설정 지역에서 SAR 영상을 획득하였다. 회전형 SAR 시스템을 검증하기 위해서 FDTD(Finite Difference Time Domain) 알고리즘을 이용한 SAR 영상 생성 과정을 모의 실험하였으며, 실제 측정 결과를 이용한 SAR 영상을 비교 분석하였다. 설계/제작된 회전형 SAR 시스템은 5 GHz의 중심 주파수로 운용되며, 해상도 조절을 위해 대역폭을 0.5~2 GHz 범위 내에서 변화시켜 SAR 영상을 분석하였다.

• 한국군사과학기술학회지
• /
• 제24권1호
• /
• pp.12-21
• /
• 2021

For successful automatic target recognition(ATR) with synthetic aperture radar(SAR) imagery, SAR target images of the database should have the identical or highly similar resolution with those collected from SAR sensors. However, it is time-consuming or infeasible to construct the multiple databases with different resolutions depending on the operating SAR system. In this paper, an approach for resolution conversion of SAR target images is proposed based on conditional generative adversarial network(cGAN). First, a number of pairs consisting of SAR target images with two different resolutions are obtained via SAR simulation and then used to train the cGAN model. Finally, the model generates the SAR target image whose resolution is converted from the original one. The similarity analysis is performed to validate reliability of the generated images. The cGAN model is further applied to measured MSTAR SAR target images in order to estimate its potential for real application.

• 대한공간정보학회지
• /
• 제21권4호
• /
• pp.109-116
• /
• 2013

SAR(Synthetic Aperture Radar) 영상으로부터 3차원 정보를 추출하는 방법에는 InSAR기법과 radargrammetry기법이 있다. 지금까지는 정밀한 DEM의 생성을 위해서 InSAR가 주로 사용되어 왔으나 InSAR는 지형의 기복이 심하거나 혹은 식생지역에서도 두 영상사이에 높은 상관도를 요구한다. 이에 비해 radargrammetry는 InSAR에 비해서 두 영상의 상관도에 덜 민감하기 때문에 경우에 따라서 DEM을 생성하는데 더 효과적일 수 있다. 특히 두 영상의 상관도를 유지하기가 어려운 X-밴드 SAR 위성영상의 경우는 DEM의 생성에 radargarmmetry가 더 유용할 수 있다. 본 연구에서는 C-밴드 위성인 RADARSAT-1의 입체위성영상과 X-밴드인 TerraSAR-X 입체위성영상에 radargrammetry기법을 적용하여 DEM을 생성하고, 그 특성을 분석하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume II
• /
• pp.692-694
• /
• 2006

X-SAR images taken on the coastal waters of Hwanghe province in Korea during SIR-C/X-SAR campaign in April and October 1994 are analysed. The SAR images show the peculiar signatures like nail marks, curved long string, and vortex streets patterns and they all seem to be produced by strong interactions between the topography in the coastal waters and tidal currents. The nail mark signatures are located at the same position of small scaled sand banks and the curved line patterns are almost identical to the outer boundary of large sand banks. Based on the tidal record, all the three images are taken at the almost same phase of tidal cycles, which are close to the low tide. It seems that bottom shapes are more strongly appeared on the SAR images when the tidal currents are slow. The front between two different current velocities caused by the flows along the steep boundaries of sandbanks is also the main factors imprinting the bottom features to the sea surface SAR images

• 대한원격탐사학회지
• /
• 제22권5호
• /
• pp.415-419
• /
• 2006

X-SAR images taken on the coastal waters of Hwanghe province in Korea during SIR-C/X-SAR campaign in April and October 1994 are analysed. The SAR images show the peculiar signatures like nail marks, curved long string, and vortex street patterns and they all seem to be produced by strong interactions between the topography in the coastal waters and tidal currents. The nail mark signatures are located at the same position of small scaled sand banks and the curved line patterns are almost identical to the outer boundary of large sand banks. Based on the tidal records, all the three images are taken at the almost same phase of tidal cycles, which are close to the low tide. It seems that bottom shapes are more strongly appeared on the SAR images when the tidal currents are slow. The front between two different current velocities caused by the flows along the steep boundaries of sandbanks is also the main factors imprinting the bottom features to the sea surface SAR images.

• 항공우주기술
• /
• 제11권2호
• /
• pp.164-170
• /
• 2012

본 논문에서는 SAR 영상 내부에서 나타나는 능동 트랜스폰더의 응답으로부터 얻은 위치정보와 GPS 장비를 이용하여 획득한 위치정보를 비교한 후, 능동 트랜스폰더의 지상기준점(GCP) 활용 가능성에 대한 연구를 수행하였다. 신호대 클러터 비(SCR)를 향상시키기 위하여 X밴드 대역의 중심주파수를 가지는 능동 트랜스폰더는 넓고 평평한 지역에 설치되었으며, 능동 트랜스폰더의 응답을 얻기 위하여 Cosmo-SkyMed 영상이 사용되었다. 이후 위치정확도 측정을 위하여 SAR 영상 내부와 GPS 장비로부터 측정된 능동 트랜스폰더의 위치정보를 비교하였으며, ENVI-SARscape 소프트웨어가 SAR 영상 내부에서의 능동 트랜스폰더 위치정보를 얻기 위하여 사용되었다. 이러한 비교분석을 통하여 본 논문에서는 능동 트랜스폰더의 응답이 SAR 영상의 지상기준점 응답으로 적절하다는 것을 보이고자 한다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 1998년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.207-212
• /
• 1998

It is not easy to identify a ground control point (GCP) or even locate its vicinity from a SAR image. Although simulated SAR images may be useful to interpret mountain areas, they are not useful in flat areas because they do not show ground coverage or key features such as rivers, lakes and roads. In this study, we developed a method to simulate SAR images integrating geographical features to DEM to facilitate to locate ground control features from SAR images.

• 한국멀티미디어학회논문지
• /
• 제25권1호
• /
• pp.1-9
• /
• 2022

Ship detection in synthetic aperture radar (SAR) images is an important application in marine monitoring for the military and civilian domains. Over the past decade, object detection has achieved significant progress with the development of convolutional neural networks (CNNs) and lot of labeled databases. However, due to difficulty in collecting and labeling SAR images, it is still a challenging task to solve SAR ship detection CNNs. To overcome the problem, some methods have employed conventional data augmentation techniques such as flipping, cropping, and affine transformation, but it is insufficient to achieve robust performance to handle a wide variety of types of ships. In this paper, we present a novel and effective approach for deep SAR ship detection, that exploits label-rich Electro-Optical (EO) images. The proposed method consists of two components: a data augmentation network and a ship detection network. First, we train the data augmentation network based on conditional generative adversarial network (cGAN), which aims to generate additional SAR images from EO images. Since it is trained using unpaired EO and SAR images, we impose the cycle-consistency loss to preserve the structural information while translating the characteristics of the images. After training the data augmentation network, we leverage the augmented dataset constituted with real and translated SAR images to train the ship detection network. The experimental results include qualitative evaluation of the translated SAR images and the comparison of detection performance of the networks, trained with non-augmented and augmented dataset, which demonstrates the effectiveness of the proposed framework.