다중시기 SAR 영상 간 정합 정도에 따른 변화탐지 성능분석 연구

Ⅰ. 서 론

레이다는 주야 및 날씨에 상관없이, 표적을 탐지할 수 있는 특성을 기반으로 군사 및 민수의 다양한 분야에서 널리 사용되고 있다. 특별히, 레이다를 이동 플랫폼에 탑재하여 지상의 고정 클러터 및 표적을 영상화하는 다양한 합성 개구면 레이다(synthetic aperture radar: SAR) 알고리즘들이 개발되었다^[1]. 해당 알고리즘들을 이용하여 획득한 SAR 영상을 기반으로, 영상 내 관심 표적 탐지 성능을 향상시킬 수 있는 방안에 관한 다양한 연구들이 진행되고 있다. 특히, 동일지역에 대하여 다중 시기에 측정된 복수의 영상가운데, 표적이 전혀 존재하지 않는 참조 영상(reference image)이 포함되어 있다면, 변화 영상(chagne image: CI)을 생성하고, 해당 변화영상에 대하여 탐지를 수행함으로써 단일 SAR 영상기반 표적 탐지와 비교하여 향상된 표적 탐지 성능을 획득할 수 있다. 이러한 탐지기법 ‘변화탐지’라고 명칭하며, 사용된 변화 영상을 기준으로 변화탐지 알고리즘을 일반적으로 구분한다.

SAR 변화탐지 알고리즘은 일반적으로 크기 변화 탐지 (amplitdue change detection: ACD) 알고리즘과 코히런트 변화 탐지(coherent change detection :CCD) 알고리즘으로 나눌 수 있으며, 각 변화탐지 기법은 각자의 변화 영상을 형성하여 탐지를 수행한다. 크기 변화 탐지 기법은 적용 영상 내 화소들의 크기값만을 이용하여 형성된 변화영상을 이용하여 변화탐지기법을 의미하며, 코히런트 변화 탐지는 영상 내 화소의 크기와 위상값을 동시에 이용한 변화 영상 이용한 변화 탐지 기법을 뜻한다. 크기 변화 탐지는 세부적으로 크기 차 비교 변화탐지 기법과 크기 비 비교 변화 탐지 기법이 대표적이며, 코히런트 변화 탐지는 기본 코히런트 변화 탐지 기법과 코히런트-베르거(coherent-Berger) 변화탐지 기법으로 구분된다^[2].

특히, 지구 관측용 위성에 탑재된 SAR 시스템의 경우, 위성이 지구를 공전하고 있으므로 주기적으로 동일지역 측정이 용이하며, 해당 위성 SAR 기반의 변화탐지가 다양한 분야에서 사용되고 있다. 수한 변화탐지 성능을 도출하기 위해서는 이상적으로 비변화 클러터 지역 화소들이 완벽하게 동일해야 한다. 그러나, 현실적으로 측정마다의 위성의 위치 및 클러터 지형에 대한 관측각도가 완벽히 동일하지 않기 때문에 비변화 클러터 간의 차이가 존재하게 된다. 뿐만 아니라, 모든 지역이 다중 시기 영상 내 동일 화소로 지정되어야 함에도 불구하고, 완벽하게 동일한 영상을 생성하는 것이 불가능하기에 영상 간 정합(co-registration)은 필수적으로 수행되어야 하며, SAR 영상 간 정합에 있어서 널리 사용되는 기법에는 상호상관(cross-correlation) 기법^[3], 푸리에(Fourier) 기반 기법^[4], 스펙트럼 다양성(spectral diversity) 기법^[5] 등이 있다. 상기 정합에도 불구하고, 짧은 관측 시간차에서 발견되는 변화를 탐지하기 위한 다중 위성 기반 실시간 변화탐지에서는 SAR 영상간 차이가 매우 크기 때문에 영상 정합을 수행함에도 불구하고, 일반적으로 비변화 지역에도 불구하고 영상 간 차이가 존재할 수밖에 없다. 이런 영상 간 차이는 변화탐지성능에 큰 영향을 끼치게 될 것이다.

본 논문에서는 영상 간 정합 수준 차이에 대한 변화탐지기법별 탐지성능 변화에 대한 분석연구를 진행하였다. 미공군에서 측정한 moving and stationary target acquisition and recognition (MSTAR) 데이터^[6]를 기반으로 생성된 다중시기 SAR 시뮬레이션 영상을 이용하여 영상 간 정합 수준을 조정하면서 크기 변화 탐지의 크기 차 비교 변화탐지, 크기 비 비교 변화탐지, 코히런트 변화 탐지의 기본 코히런트 변화탐지, 및 코히런트-베르거 변화탐지 기법들의 변화탐지 성능을 측정 및 분석하였다.

Ⅱ. SAR 변화탐지 알고리즘

2-1 크기 변화 탐지(Amplitude Change Detection)

크기 변화 탐지 (ACD) 기법은 코히런트 SAR 영상의 크기 정보만을 이용하여 변화탐지를 수행하는 알고리즘을 의미하며, 일반적으로 크기 변화 탐지 기법 중에 널리 사용되는 알고리즘으로는 크기 차 비교 변화 탐지 기법과 크기 비 비교 변화 탐지 기법으로 나눈다. 특별히, 변화 탐지를 수행하기 위한 크기 차 비교 변화 영상, D,은 참조 SAR 영상과 시험 SAR 영상(test SAR image)의 크기성분간 차이를 통해 형성된 변화 영상을 의미하며, 크기 비 비교 변화영상, R,은 두 SAR 영상의 크기를 나눈 후에 대수(log)를 취한 후 얻어지는 영상을 뜻한다. 해당 변화 영상들은 다음의 식을 통해 획득된다.

$$D=\left|S_{test}\right|-\left|S_{ref}\right|$$

(1)

$$R=\log \left[\frac{\left|S_{test}\right|}{\left|S_{ref}\right|}\right]$$

(2)

S_test는 시험 SAR 영상이고, S_ref는 비변화의 기준이 되는 참조 SAR 영상을 의미한다.

SAR 영상을 형성하는데 있어서, 열 잡음 등에 의해 스페클이 존재하는데, D는 스페클 크기 변화에 따른 오차가 생기기 때문에, 화소 크기가 큰 지역에서는 스페클에 의한 오차가 상대적으로 더 커지게 된다. 반면, R은 상대적인 값을 이용하여 변화를 탐지하기 때문에, 스페클에 의한 오차가 SAR 영상의 크기와 무관하다^[7]. 이러한 이유로 SAR 영상을 이용한 변화탐지는 일반적으로 R을 주로 이용한다. 그럼에도 불구하고, 후방산란계수 크기가 작은 지역에서는 스페클에 의한 오차가 D에서도 작기 때문에, D를 이용한 변화탐지 기법연구도 필요하다.

이상적으로, 비변화 지역에 대해서는 D=0 및 R=0이며, 변화가 있는 지역에 대해서는 D≠0 및 R≠0(혹은 |D|>0 및 |R|>0)을 갖는다. 특별히, 시간에 따라 생성된 변화를 증가변화라고 명칭할 수 있는데, 일반적으로 클러터보다 표적의 후방산란계수가 크다고 할 때, 변화 영상 내 표적 화소에 대하여 D>0 및 R>0의 결과를 갖는다. 반대로, 시간에 따라서 표적이 제거되는 감소변화에 대해서는 D<0 및 R<0의 값을 갖는다. 그림 1은 변화영상 D의 예시를 보여주고 있다. 대부분의 지역에서 D=0의 값을 갖고, 붉은 색을 통해 양의 값이 표현된 지역은 증가변화 지역임이고, 푸른색을 통해 음의 값을 갖는 지역은 감소변화 지역이다.

그림 1. | Fig. 1. 크기 차 비교 변화 영상, D | ACD difference change image, D.

Download Original Figure

2-2 코히런트 변화 탐지(Coherent Change Detection)

다중시기의 복수 SAR 영상의 위상값은 스페클, 부정확 영상정합 결과 등의 원인으로 사실상 오차가 크게 될 가능성이 높다. 그렇기에 크기기반 변화탐지가 더 일반적으로 널리 사용되자만, 소형 표적의 변화 등의 미세변화를 탐지하기 위해서는 위상을 이용할 때 탐지성능을 극대화할 수 있다. 여기서, 코히런트 변화 탐지 기법은 SAR 영상의 크기뿐 아니라, 위상 성분도 함께 사용하여 변화탐지를 수행하는 알고리즘을 의미하고, 코히런트 변화 탐지 기법은 일반적으로 기본 코히런트 변화 탐지 기법과, 코히런트-베르거 변화 탐지 기법으로 나누어진다. 두 세부 알고리즘은 두 관측 SAR 영상 내 소형 패치마다의 상관 계수를 계산하여 각각의 변화영상을 생성해 내며, 각 상관 계수는 다음과 같다.

$$C^{ij}=\frac{\left|{{\displaystyle \sum }}^{\text{}}{S}_{test}^{ij}{\left(S_{ref}^{ij}\right)}^{\ast }\right|}{\sqrt{{{\displaystyle \sum }}^{\text{}}{\left|S_{test}^{ij}\right|}^2{{\displaystyle \sum }}^{\text{}}{\left|S_{ref}^{ij}\right|}^2}}$$

(3)

$$C{B}^{ij}=\frac{2\left|{{\displaystyle \sum }}^{\text{}}{S}_{test}^{ij}{\left(S_{ref}^{ij}\right)}^{\ast }\right|}{{{\displaystyle \sum }}^{\text{}}{\left|S_{test}^{ij}\right|}^2+{{\displaystyle \sum }}^{\text{}}{\left|S_{ref}^{ij}\right|}^2}$$

(4)

$S_{test}^{ij}$ 와 $S_{ref}^{ij}$ 는 [i, j] 위치의 화소를 중심으로 하는 참조 및 시험 SAR 영상 패치를 의미하며, C^ij는 해당 화소의 기본 코히런트 상관계수, CB^ij는 코히런트-베르거 상관계수이다. 영상 전체에 대하여 동일한 계산을 반복하여 변화 영상인 C 및 CB를 생성할 수 있다. 이상적으로는 변화가 없는 지역의 화소는 C^ij=1 및 $C_{Berger}^{ij}=1$ 의 값을 지닌다. 반면, 변화가 있는 지역은 C^ij ≪ 1 및 $C_{Berger}^{ij}\ll 1$ 의 값을 갖게 된다. 그림 2는 변화영상 C의 예시를 보여주고 잇으며, 비변화지역은 1과 근사한 값을 가지고 있고, 변화가 있는 지역은 0과 가까운 값을 갖는 것을 볼 수 있다. 다만, 도심지역과 같이 건물이 많이 포지되어 있는 지역은 거의 1로 완벽하게 비변화를 표현하는 반면, 산림, 농경 등, 자연 지형에 대해서는 나뭇잎 등의 매우 미세한 변화도 큰 변화로 표현되면서, 상관값이 크게 변하는 것을 볼 수 있다. 이는, 산림 등의 자연지역에서 코히런트 변화 탐지 기법을 사용할 경우, 수많은 오경보가 발생될 것임을 예상해 볼 수 있다.

그림 2. | Fig. 2. 기본 코히런트 변화영상, C^[8] | Classical coherent change image, C^[8].

Download Original Figure

Ⅲ. 다중 시기 SAR 시뮬레이션

SAR 영상은 비행 플랫폼에 레이다 시스템을 설치 및 측정하여 신호처리를 통해 획득하는 2차원 영상을 의미하다. 이를 위해서는 일반적으로 위성이나 항공기 등의 비행 플랫폼을 이용하는데, 이 경우, 경제적/현실적 문제로 인해 SAR 영상 획득이 쉽지 않다. 뿐만 아니라, 변화탐지 수행을 위한 다중 시기 SAR 영상을 얻기 위해서는 동일 지역에 대하여 측정이 동일한 관측각도, 고도 등의 시스템 변수 하에서 수행되어야 하므로, 학교 및 소형 연구실 수준에서는 실행되기 어렵다. 특히, 변화 탐지 알고리즘 분석을 위해서는 변화 표적에 대한 완벽한 지상 검증 자료(ground truth)가 완비되어야 하지만, 해당 자료획득도 쉽지 않다. 이를 극복하기 위하여 본 논문에서는 참고문헌 [9]에서 발표되었던 시뮬레이션을 통한 다중시기 SAR 획득방안 기반의 지상검증자료가 포함된 SAR 영상을 획득하고자 한다. 참고문헌 [9]에서는 1995년 미 공군에 의해 측정된 MSTAR 데이터에 포함되어 있는 클러터 및 표적 SAR 영상들을 합성함으로써 획득하였다.

우선, 클러터 배경 SAR 영상과 표적 SAR 영상의 변수를 통일화한다. 고려되어야 할 변수에는 위성의 관측고각, 관측방위각, 해상도, 화소 크기, 후방산란계수가 포함된다. 참고문헌 [9]에서 보다시피, MSTAR 데이터에 포함되어 있는 클러터 배경 SAR 영상의 관측 고각(depression angle)은 15도로 측정되었고, 표적 SAR 영상 중 15도의 관측 고각을 갖는 데이터만을 선정한다.

또한, 영상의 관측 방위 방향에 대한 일치화 과정이 필요하며, 송신된 전자기파가 물체 및 클러터에 입사 및 반사되어 다시 레이다 수신기로 수신된 데이터를 이용하여 SAR 영상을 형성한다. 이 과정에서 관측 방위 방향에 따라서 표적의 산란 정도가 변화하며, 표적에 대한 그림자 방향도 변화하게 된다. 표적 SAR 영상을 회전시켜 클러터 SAR 영상 및 표적 SAR 영상의 관측 방향을 일치시킨다.

한편, 클러터 배경 SAR와 표적 SAR내 클러터 지역의 SAR 영상 내 크기에 대한 일치화가 필요하다. SAR 영상에서의 반사 크기는 사용된 레이다 시스템 및 플렛폼의 비행 고도등의 특성에 따라서 변화하기 때문에, 동일 지역 및 동일 표적임에도 불구하고 SAR 영상에서 다른 크기로 표현된다. 이를 보완하기 위하여 표적 SAR 영상내 클러터 지역의 평균 크기가 사용되는 클러터 배경 SAR 의 평균 크기를 갖도록 표적 SAR 영상의 크기를 크기변환(scaling)을 수행한다. 반면, 클러터 배경 및 표적 SAR 영상의 해상도 및 화소 크기는 동일하기 때문에 이에 대한 추가 수행을 진행하지 않는다. 상기 방법에 따라서 클러터 배경 SAR과 동일 영상 변수를 갖게 된 표적 SAR 영상의 표적 및 그림자 지역에 대해서만 표적 영상에 삽입하여 SAR 영상 합성을 수행한다. 또한, 코히런트 SAR 영상임을 고려하여, 영상 전체에 대하여 [−π~π]의 위상값을 임의로 지정함으로써, 코히런트 참조 SAR 영상을 생성할 수 있다.

뿐만 아니라, 변화탐지 실험을 위한 다중시기 SAR 영상을 생성해야 하므로, 변화가 포함된 복수의 SAR가 필요하다. 이를 위하여, 상기 방법을 이용하여 다른 지역에 표적을 배치하고, 위상 및 크기 값에 대하여 임의 변화를 지정함으로써 변화탐지 알고리즘 분석을 적용할 수 있는 시험 SAR 영상을 획득할 수 있다. 다음 그림 3은 상기 방법을 이용하여 획득한 변화탐지 분석용 다중시기 SAR 영상을 보여주고 있으며, 클러터 배경 SAR에 원 내부의 위치에 각 표적들을 배치함으로써 다중시기 SAR 영상 간의 변화를 지정해 주었다. 이를 통해서 변화표적에 대한 완벽한 검증자료가 포함되어 있는 다중시기 SAR 시뮬레이션 영상을 획득할 수 있다.

그림 3. | Fig. 3. 다중 시기 SAR 시뮬레이션 영상 | Mutli-temporal SAR simulation pair.

Download Original Figure

Ⅳ. 탐지성능 분석 결과

본 논문에서는 실시간 변화탐지 수행을 위해 획득한 다중시기 SAR 영상들이, 획득한 SAR 영상의 특성으로 정합 수준이 열등할 경우에 변화탐지알고리즘들의 성능변화를 분석하고자 한다. III장에서 설명된 완벽하게 정합된 상황에 대한 다중시기 SAR 시뮬레이션을 이용하여 임의로 다중시기 SAR 영상간 정합 수준을 열화시켰다.

정합 성능 열화를 위하여 시험 SAR 영상 내 화소들의 일괄 위치변화(shift)를 수행하였다. 특별히 그림 4와 같이 하단 및 우측의 화소들을 위치변화를 수행하여 영상간 정합 수준을 열화시켰다. 또한, 영상 정홥 수준을 수치화하기 위하여 정규 평균 제곱근 편차(normalized root mean square error: NRMSE)를 이용하였다^[10]. 정규 평균 제곱근 편차는 식 (5)처럼 계산할 수 있다. 표 1은 정합수준 열화를 위한 시험 SAR 영상의 화소 위치변화 정도에 따라서 변화하는 정규 평균 제곱근 편차를 보여주고 있으며, 어떠한 화소 위치변화도 없는 완벽한 정합 상태에서의 NRMSE=0.0041의 값을 가지고 있으며, 점차 위치 변화가 커짐에 따라서 정규 평균 제곱근 편차가 증가하는 것을 볼 수 있다. 특히, 거리(range) 및 방위방향(cross-range)으로 2 화소 만큼의 위치변화를 조정하였을 때는 영상 간 정규 평균 제곱근 편차가 0.0439까지 증가하며, 영상 간의 정합 수준이 많이 열화된다.

그림 4. | Fig. 4. 영상정합 열화를 위한 화소 위치 변화 | Pixel shift for degradation of co-registration.

Download Original Figure

수신자 조작 특성(receiver operating characteristic: ROC) 커브 기반의 다양한 영상 정합 수준에 따른 탐지 기법별 성능분석을 수행하고자 한다. ROC 커브의 인자는 화소단위의 탐지율과 오경보율을 기반으로 구성되며, 각 인자는 다음과 같이 계산된다.

P_D는 화소 단위 탐지율, P_FA는 화소 단위 오경보율을 의미한다. N_T 및 N_c는 변화 표적 화소와, 비변화 클러터 화소의 전체개수를 의미한다. N_dt 및 N_dc는 변화탐지 알고리즘을 적용하여 탐지된 표적 화소 개수 및 클러터 화소 개수를 나타낸다. III 장에서 설명한 다중시기 SAR 시뮬레이션을 통해 완벽한 지상 검증 자료를 획득하였으므로 각 인자를 정확하게 계산할 수 있다.

그림 5에서는 II장에서 설명한 변화탐지기법인 D, R, C 및 CB별로 영상 정합 열화 수준에 따른 탐지 성능변화를 보여주고 있으며, 해당 시뮬레이션 데이터는 그림 3의 S_ref과 S_test를 이용하였다. 그림 5(a)는 식 (1)을 통해서 획득한 크기 변화 탐지 기반의 D를 이용하여 변화탐지를 수행한 결과를 보여주고 있으며, 영상 간 정합 수준 열화를 위해 화소 위치 변화 정도를 증가시킴에 따라 ROC 커브가 우측 하단으로 이동하는 것을 볼 수 있다. 즉, 영상 간 정합 성능이 열화됨에 따라서 변화탐지 성능이 저하되는 것을 수치적으로 확인할 수 있었다. 식 (2)를 통해 형성된 크기 변화 탐지 기반의 R에 대한 변화탐지 성능변화 그래프는 그림 5(b)에서 확인할 수 있으며, D와 마찬가지로 화소 위치 변화 정도가 증가함에 따라 생기는 영상 간 정합 수준가 열화되면서 변화탐지 성능이 저하되고 있는 것을 볼 수 있다. 반면, 그림 5(c)는 코히런트 변화 탐지의 C 영상을 식 (3)을 통하여 획득하고, 이에 대해서 변화 지역을 탐지하였을 때를 보여주고 있다.

그림 5. | Fig. 5. 영상 정합 수준에 따른 변화 탐지 기법 별 성능 | Change detection performance of detectors depending on co-registration condition.

Download Original Figure

특별히, 그림 5(a) 및 그림 5(b)의 크기 변화 탐지 기법과 비교하여, C 기법은 화소 위치 변화 정도에 따라서 매우 급격하게 변화탐지 성능이 저하되는 것을 확인할 수 있다. 이 이유는 C를 수행함에 있어서 위상 정보 특성만을 이용하여 변화 지역을 탐지하는데, 정합이 정확히 이루어지지 않을 경우에 화소 성분이 매우 급격하게 변화되어, 이와 같은 성능 저하를 보인다. 하지만, CB의 경우, C 와 달리 변화탐지 성능 저하 수준이 크기 변화 탐지 기법들보다 완만하여, 화소가 거리 및 방위(range & cross range)방향에 대하여 [2 화소, 2 화소]만큼의 위치변화가 존재한 상황에 대해서도 탐지 성능의 저하수준이 적은 것을 볼 수 있다. 식 (4)에서 보는 것과 같이 CB를 형성하는데 있어서, 식 (4)의 두 영상간의 크기의 합으로 이루어진 분모와는 달리, 식 (3)의 부모를 이루는 곱보다는 정합 열화 수준에 따른 변화탐지 저하가 완화되어 감지된다.

그림 6의 그림 5에서 분석된 변화탐지 성능 ROC 커브에 대해서, 영상 정합 수준에 따른 각 변화탐지 기법별 성능분석을 비교분석에 용이하도록 취합된 그래프이다. 그림 6(a)는 영 상간 화소 차이가 없는 완벽한 정합 상태에서의 각 변화탐지 기법별 성능을 보여주고 있으며, 모든 탐지 기법이 P_FA=10⁻¹에서 P_D=0.95 이상의 우수한 탐지성능을 가지는 것을 볼 수 있다. 반면, 그림 6(b)에서와 같이 정합이 불완전하여 화소 간 위치 차이가 존재하게 되면서 각 변화탐지성능이 저하되게 되고, 각 탐지 기법에 따라 탐지 성능의 저하 정도가 서로 다르다. 특별히, 그림 6(c)～그림 6(e)와 같이 영상 간 위치 차이가 커지며, 정합 수준이 열화될수록 C 탐지성능과 CB의 탐지 성능 간 차이가 더욱 커지는 것을 확인할 수 있다. 특별히 코히런트 변화 탐지의 CB 기법은 영상정합 수준의 모든 상황에서 가장 우수한 탐지성능을 가지며, 크기 변화 탐지는 상대적으로 다양한 영상간 정합 수준에 대해서 D와 R이 거의 동일한 탐지 성능을 가지며, 각 기법도 우수한 탐지성능을 갖는 것을 볼 수 있다. 또한 영상 간의 2 화소 이상 차이가 존재하는 영상 정합 결과라면 크기 변화 탐지 기법을 이용하였을 때 CB보다 상대적으로 많이 저하된 변화탐지성능을 낸다. 한편, C는 영상 정합 수준이 우수하다면 해당 기법의 탐지 성능이 매우 우수하지만, 2 화소 이상 차이가 존재하는 SAR 영상에 대해서는 변화탐지기로서 그 성능을 발휘하기 어렵다. 따라서 C는 영상 정합이 완벽한 상황에서만 사용 가능한 특징이 있다.

그림 6. | Fig. 6. 영상 정합 수준에 따른 변화탐지성능 비교 | Change detection performance depending on co-registration condition.

Download Original Figure

더불어, 변화탐지를 수행하기 위한 각 탐지 기법의 수행시간에 대한 비교가 필요하다. 코히런트 변화 탐지 기법은 영상 내 패치들에 대하여 패치간 식 (3) 및 식 (4)와 같이 상관계수를 계산함으로써, 변화 영상 C 및 CB를 생성하기에 계산 과정상 긴 수행시간이 필요하다. 반면, 크기 변화 탐지를 위한 식 (1) 및 식 (2)를 통해서 얻어진 D와 R은 상대적으로 매우 간단한 계산을 통하여 획득된 변화 영상을 사용하기에 매우 빠르게 수행할 수 있는 장점이 있다. 표 2에서와 같이 1474×1784 화소 크기의 SAR 영상에 대하여 변화 영상을 형성하는데, D와 R는 약 0.03초 정도의 매우 짧은 수행시간이 필요한 반면, C와 CB는 약 16초 정도의 상대적으로 긴 수행 시간을 필요로 하였다. 또한, 실제로 SAR 영상의 크기가 더 크기 때문에, 이에 대한 시간 차이는 더욱 극명하게 구분될 것으로 기대되고, 수행시간 측면에서는 크기 변화 탐지 기법이 더욱 유리하다.

따라서, 수행시간 측면과 영상 간 정합 수준을 종합적으로 고려하여 가장 최적의 변화탐지 기법을 설정할 필요가 있으며, 영상 간 정합 수준이 좋다면 크기 변화 탐지 기반의 D 및 R을 이용하여 변화탐지를 수행하는 것이 시간 측면에서 효율적인 변화탐지 구현이 가능할 것이다. 한편, 측정 영상 간 차이가 커서 영상 정합 과정을 수행했음에도 불구하고, 영상 간 정합정 도가 열화된 상황이라며 수행시간에도 불구하고, 크기 변화 탐지 기법의 성능이 많이 저하되기 때문에, 이런 경우에 계산량이 많더라도 CB기법이 우수한 성능을 가짐으로써 효과적인 변화탐지 구현이 가능할 것임을 예상할 수 있다.

Ⅴ. 결론 및 향후 연구 방향

본 논문에서는 다중시기 SAR 영상들을 이용한 변화탐지에 대하여 영상 간 정합 정도에 따른 기존 변화탐지 기법들의 성능 변화 정도에 대한 분석을 수행하였다. 시뮬레이션을 위하여 MSTAR 데이터 내의 클러터 및 표적 SAR 영상을 합성하여, 다중시기 SAR 영상을 만들고, 시험 SAR 영상의 화소를 이동시킴으로써 영상 간 정합 정도를 조정하였다. [0 화소～2 화소] 범위에서의 영상 간 위치 차이에 대하여 크기 변화 탐지의 D와 R, 그리고 코히런트 변화 탐지의 C과 CB의 변화탐지 성능을 분석하였다. 영상 정합 수준이 열화됨에 따라 C는 매우 급격한 성능 저하가 존재하며, CB는 성능 저하가 심하지 않아 영상 정합 수준이 열악하더라도 우수한 탐지 성능을 갖는다. 반면, D와 R은 영상 정합 수준에 따라서 탐지 성능이 열악해지지만, 변화 영상을 획득하는데 소요되는 수행시간이 매우 짧기 때문에, 실시간 변화탐지에는 효과적으로 사용될 수 있음을 확인하였다. 추후 연구로는 실제 SAR 영상간 정합 오차 정도의 변화를 일으키는 다양한 기타 요소들을 고려하여 추가 분석을 수행할 예정이다.