요약문
- 합성 개구 레이다(synthetic aperture radar, SAR) 위성은 모든 기상 환경에서 유효 영상 정보 생성이 가능하다. 따라서 이는 항시 구름이 동반되는 홍수 지역에 대한 준 실시간 관측 및 피해 분석을 수행하는데 효과적으로 이용될 수 있다. SAR 영상 기반 수계 검출은 수계와 비수계 지형에서 나타나는 전자기적 산란 특성을 구분하는 다양한 기술들을 활용하여 수행 가능하다. 특히, 인공지능(artificial intelligence, AI) 기술을 활용한 의미론적 영상 분할은 고성능의 수계 검출 모델을 개발하는데 효과적일 수 있다. 이를 위해, 다목적실용위성 5호 영상을 이용하여 위성 SAR 영상 기반 수계 검출 데이터셋을 구축하였다. 구축된 데이터는 현재 aihub.or.kr 웹사이트를 통해 이용할 수 있다.
-
주요어: 데이터셋, 수계 검출, 위성 SAR, 원격탐사, 인공지능
Abstract
- Satellite synthetic aperture radar (SAR) generates valid image information in all-weather. Thus, it can be effectively used for near real-time monitoring and damage analysis of flood areas which always involve overcast skies. Water body detection (WBD) using SAR images can be implemented by various techniques which discriminate electromagnetic characteristics between water and non-water areas. Especially, semantic segmentation exploiting artificial intelligence techniques can be used to develop a high-performance WBD model. To this end, Korea Aerospace Research Institute has built an WBD dataset using KOMPSAT-5 images. The dataset is currently available through the website, aihub.or.kr.
-
Keywords: Dataset, Water body detection, Satellite SAR, Remote sensing, Artificial intelligence
1. 서론
- 합성 개구 레이다(synthetic aperture radar, SAR) 위성은 모든 기상 환경에서 거의 동일한 유효 영상 정보를 생성할 수 있으며, 준 실시간 관측 및 분석이 요구되는 상황에 효과적으로 활용될 수 있다. 특히, 핵심 재난재해 중 하나인 홍수 발생 지역에는 항시 구름이 동반되어 광학 위성 영상을 이용한 관측이 대부분 불가능하다. 따라서 홍수 지역에 대한 실시간 모니터링 및 피해 분석을 수행하기 위해서는 Fig. 1과 같이 SAR 위성 영상 기반 수계 검출 기술이 필수적으로 요구된다. 위성 SAR 영상 기반 수계 검출은 수계와 비수계 지형에서 나타나는 전자기적 산란 특성을 구분하는 것으로 수행될 수 있으며, 다양한 분할 기법들을 활용하여 개발 가능하다(Martinis et al., 2009; Martinis et al., 2015). 특히, 인공지능(artificial intelligence, AI) 분야에서 광학 영상에 대해 높은 성능을 보이는 U-Net, HR-Net 등의 의미론적(Semantic) 분할 기술은 위성 SAR 영상에도 적용 가능하여, SAR 영상 기반 수계 검출의 성능과 효율성을 높일 수 있을 것으로 기대된다. 단, AI 기반 수계 검출 기술을 효과적으로 개발하기 위해 우선적으로 SAR 수계 검출 데이터셋 구축이 선행되어야 한다. 수계 검출 데이터셋은 AI 기반 수계 검출 모델의 개발과 정확한 성능 검증을 위해 반드시 요구되는 핵심 자료이다. 이에, 다목적실용위성 5호 영상을 이용하여 위성 SAR 영상 기반 수계 검출 데이터셋을 구축하였다. 타 연구(Lee et al., 2020)에서 초기 구축된 수계 검출 데이터셋에 대해 간략히 기술된 바 있으며, 본 논문에서는 최종 구축되어 공개된 수계 검출 데이터셋의 구축 방법 및 구조에 대해 상세히 기술한다.
2. 수계 검출 데이터셋 구축 방법
- 위성 SAR 영상 기반 수계 검출 데이터셋을 구축하기 위해, 먼저 한국항공우주연구원에서 운용중인 다목적실용위성 5호(Korea Multi-Purpose Satellite-5, K-5) 영상을 수집하였다. K-5는 고 주파수 대역인 X-밴드 주파수를 이용하며, 이는 C-밴드 및 L-밴드 SAR 위성들에 비해 고해상도 영상을 제공한다. 수집된 K-5 영상의 특징은 Table 1에 나타나 있다.
- K-5 영상의 관측 모드는 해상도와 관측 범위를 적절히 고려하여 거리 및 방위 방향으로 각각 2.5 m의 공간 해상도와 30 km의 관측 범위를 갖는 Stripmap (ES) 모드로 선정하였으며, 편파는 HH 편파로 선정하였다. 또한, K-5 영상의 처리 레벨은 L1A (single look complex, SLC) 레벨의 K-5 영상에 수치표고모델(digital elevation model, DEM) 기반 기하 보정을 적용한 L1D 레벨로 정하였다.
- 다음으로, 수집된 원본 K-5 영상으로부터 수계가 포함된 1024 ⅹ 1024 크기의 K-5 패치를 추출하였다. 이때, K-5 패치는 다양한 수계 비율을 포함하도록 구성되었으며, 도심, 농경지, 초지, 산지 등 다양한 지역에서 추출되었다. Fig. 2는 추출된 K-5 패치의 예시를 보여준다.
- K-5 패치가 추출된 후에는 각 K-5 패치를 이용하여 레이블 데이터를 제작하였다. 레이블 데이터 제작을 위해, 먼저 각 K-5 패치에 수계/비수계 이진 분류를 수행하였다. 이진 분류는 Fig. 3과 같이 포토샵 툴을 활용하여 전문 레이블 작업 인력들에 의해 수행되었으며, 작업 전 레이블 작업자들에 대한 사전 교육을 수행하였다. 사전 교육에서는 SAR 영상에서 나타나는 수계의 특징과 작업 시 주의 사항 등에 대해 안내하였다.
- 일반적으로 SAR 영상에서 수계 영역에 해당하는 픽셀은 비수계 영역에 해당하는 픽셀에 비해 낮은 크기 값을 갖는다. 이는 SAR 위성으로부터 송신된 마이크로파 신호가 수계에서 정반사(specular reflection)를 일으켜 낮은 레이다 후방 산란 값을 생성하기 때문이다. 하지만, 비수계 영역에는 철도, 도로 등 수계와 유사한 정반사를 발생시키는 객체들이 존재하며 이들 또한 낮은 레이다 후방 산란 값을 발생시킨다. 더욱이, SAR 영상에서 빈번히 나타나는 그림자(shadow) 영역 또한 낮은 픽셀 값을 갖는다. 따라서 이들이 SAR 영상에 포함된 경우에는 육안만을 이용한 이진 분류에 상당한 오류가 포함될 수 있다. 이러한 한계점을 해결하기 위해, 구글어스, 오픈스트리트맵 등 수계 표시가 가능한 오픈 데이터를 K-5 패치와 중첩하여 비교한 후, 실제 수계에 대응하는 부분에 대해 레이블 작업을 수행하였다. 그러나, 오픈 데이터와 K-5 패치의 획득 시기 차이에 의한 수계 차이 역시 레이블 데이터의 오류를 발생시킬 수 있다. 이를 고려하여, K-5 패치와 유사한 시기에 획득된 Planet Explorer 내 광학 영상들을 부가 자료로써 참조하여 레이블 보정 작업을 수행하였다.
- SAR 영상의 경우, 일반적인 광학 영상과 다른 특성을 갖기 때문에 해석이 어렵고, 이로 인해 작업자들의 휴먼 에러가 발생할 수 있다. 따라서 레이블 보정 작업 완료 후, 작업자들 간의 1차 상호 검수를 수행하였으며, 추가적인 2차 전수 검수 및 3차 샘플링 검수를 수행하여 휴먼 에러를 최소화하였다. 마지막으로, 이진 분류된 K-5 패치들을 ‘255’(수계)와 ‘0’(비수계)의 값을 갖는 비트맵 형식으로 변환하였다.
3. 수계 검출 데이터셋 예시 및 구조
- 위에 기술한 방법에 따라 총 3,000 쌍의 수계 검출 데이터셋을 구축하였다. Fig. 4는 구축된 수계 검출 데이터셋의 예시를 보여준다. 각 수계 검출 데이터는 K-5 패치 및 레이블 데이터 쌍으로 구성되며, 구축된 수계 검출 데이터셋은 aihub.or.kr 사이트를 통해 무료로 이용 가능하다.
4. 기대효과
- 본 논문에서 소개한 위성 SAR 영상 기반 수계 검출 데이터셋은 AI 기반 홍수 탐지 및 피해 분석 알고리즘 개발을 위한 학습자료로써 활용될 수 있을 뿐만 아니라, 다양한 수계 검출 알고리즘의 성능 검증을 위해 이용될 수 있다. 특히, K-5 영상의 고해상도 특성은 정밀 수계 정보 제공이 가능한 알고리즘 개발에 효과적으로 쓰일 수 있을 것으로 기대된다.
Fig. 1.Comparison of synthetic aperture radar and optical images: the case of Laos dam break.
Fig. 2.Examples of K-5 patches.
Fig. 3.Example of labeling process.
Fig. 4.Examples of water body detection dataset.
Table 1.Characteristics of collected KOMPSAT-5 images.
SAR 위성 |
KOMPSAT-5 |
관측모드 |
Stripmap (ES) 모드 |
주파수대역 |
X-밴드 |
공간해상도(거리/방위) |
2.5 ⅹ 2.5 m |
편파 |
HH 편파 |
처리레벨 |
L1D 레벨 |
참고문헌
- Lee SJ, Oh H, Choi YJ, Kim M (2020) Satellite SAR image dataset for all-weather detection of water bodies. 대한원격탐사학회 추계학술대회
- Martinis S, Twele A, Voigt S (2009) Towards operational near real-time flood detection using a split-based automatic thresholding procedure on high resolution TerraSAR-X data. Natural Hazards and Earth System Sciences 9:303–314Article
- Martinis S, Kersten J, Twele A (2015) A fully automated TerraSAR-X based flood service. ISPRS Journal of Photogrammetry and Remote Sensing 104:203–212Article
Appendix
메타데이터
Sort |
Field |
Subcategory#1 |
Subcategory#2 |
Essential |
Title |
Water body detection, dataset |
|
*DOI name |
10.22761/DATA2021.3.2.001 |
|
*Category |
GeoscientificInformation |
|
Abstract |
|
|
*Temporal Coverage |
30 Nov, 2020 |
|
*Spatial Coverage |
The Earth |
|
*Personnel |
Name |
Han Oh |
Affiliation |
Korea Aerospace Research Institute |
E-mail |
ohhan@kari.re.kr |
*License |
CC BY |
|
Optional |
*Project |
|
|
*Instrument |
KOMPSAT-5 |
|
Citations
Citations to this article as recorded by