고해상도 광학 인공위성 영상을 활용한 선박탐지 방법 = A Methodology of Ship Detection Using High-Resolution Satellite Optical Image

다국어 초록 (Multilingual Abstract)

As the international trade increases, vessel traffics around the Korean Peninsula are also increasing. Maritime accidents hence take place more frequently in the southern coast of Korea where many big and small ports are located. Accidents involving ship collision and sinking result in a substantial human and material damage as well as the marine environmental pollution. Therefore, it is necessary to locate the ships quickly when such accidents occur. In this study, we suggest a new ship detection index by comparing and analyzing the reflectivity of each channel of the Korea Multi- Purpose SATellite-2 (KOMPSAT-2) images of the area around the Gwangyang Bay. A threshold value of 0.1 is set based on a histogram analysis, and all vessels are detected when compared with RGB composite images. After selecting a relatively large ship as a representative sample, the distribution of spatial reflectivity around the ship is studied. Uniform shadows are detected on the northwest side of the vessel. This indicates that the sun is in the southeast, the azimuth of the actual satellite image is 144.80o, and the azimuth angle of the sun can be estimated using the shadow position. The reflectivity of the shadows is 0.005 lower than the surrounding sea and ship. The shadow height varies with the position of the bow and the stern, perhaps due to the relative heights of the ship deck and the structure. The results of this study can help search technology for missing vessels using optical satellite images in the event of a marine accident around the Korean Peninsula.

국문 초록 (Abstract)

국제 해상교통량 및 물동량이 증가함에 따라 한반도 주변해역의 선박유동량도 늘어나고 있으며 이에 따라 크고 작은 항구가 위치하고 있는 남해에서의 해양 사고도 꾸준히 발생하고 있다. 특히 선박간의 충돌 및 침몰 사고는 인적 및 물적 피해뿐만 아니라 해양환경오염을 유발하기 때문에 광역의 범위를 고해상도로 볼 수 있는 인공위성을 통한 신속한 선박탐지가 필요하다. 본 연구에서는 광학 인공위성 아리랑 2호 관측자료를 활용하여 광양만 인근해역의 각 채널 별 반사도 값을 비교 분석하여 새로운 선박탐지지수를 제시하였다. 선박 분류를 위해 그 선박탐지지수의 역치를 0.1로 설정하였고, RGB 합성영상과 비교하였을 때 대다수의 선박을 탐지하였음을 보여주었다. 연구해역에 포함되어 있는 큰 규모의 선박을 선정 후, 선박 주변의 공간적 반사도 분포를 분석하였다. 그 결과 선박 북서방향에 위치한 균일한 형태 의 선박그림자를 확인할 수 있었다. 이는 태양의 위치가 남동방향에 위치하고 있음을 나타내고 있으며, 실제 위성영상 이 촬영된 시기의 방위각은 144.80o로 영상내의 그림자의 위치를 통해 태양의 방위각을 유추할 수 있다. 그림자의 반사 도는 주변 바다 및 선박에 비해 낮은 0.005 값을 나타냈고, 선수 및 선미에 따라 높이차가 달라짐을 보였다. 이는 선박 의 갑판 및 구조물의 높이를 반영한 것으로 판단된다. 본 연구 결과는 연안 해상사고 발생 시 실종선박 수색기술에 고 해상도 광학 인공위성 영상이 활용될 수 있음에 의의가 있다.

참고문헌 (Reference)

1 박재진, "초분광 원격탐사 기반 항공관측 및 현장자료를 활용한 선박탐지" 한국지구과학회 38 (38): 535-545, 2017

2 이문진, "위험유해물질 유출사고 대응을 위한 가상시나리오 개발" 해양환경안전학회 20 (20): 677-684, 2014

3 이은방, "위험도에 기반한 HNS 방제자원 모델 개발에 관한 연구" 한국항해항만학회 36 (36): 857-864, 2012

4 송세필, "고정밀 GPS 항법정보 기반 선박통항안전시스템 설계" 한국항해항만학회 37 (37): 71-77, 2013

5 Liao, M., "Using SAR images to detect ships from sea clutter" 5 (5): 194-198, 2008

6 Rabus, B., "The shuttle radar topography mission-a new class of digital elevation models acquired by spaceborne radar" 57 (57): 241-262, 2003

7 Yang, G., "Ship detection from optical satellite images based on sea surface analysis" 11 (11): 641-645, 2014

8 Melsheimer, C., "Observation and analysis of ship wakes in ERS SAR and SPOT images" 1 : 554-559, 1999

9 Zhang, H., "Object-oriented shadow detection and removal from urban high-resolution remote sensing images" 52 (52): 6972-6982, 2014

10 Yokoya, N., "Object detection based on sparse representation and Hough voting for optical remote sensing imagery" 8 (8): 2053-2062, 2015

11 Seo, D. C., "Kompsat-2 direct sensor modeling and geometric calibration/validation" 37-, 2008

12 Homayouni, S., "Hyperspectral image analysis for material mapping using spectral matching" 20 : 2004

13 Kim, M., "Hebei Spirit oil spill monitored on site by fluorometric detection of residual oil in coastal waters off Taean, Korea" 60 (60): 383-389, 2010

14 Kim, T. S., "Detection of the Hebei Spirit oil spill on SAR imagery and its temporal evolution in a coastal region of the Yellow Sea" 56 (56): 1079-1093, 2015

15 Lee, M. S., "Detection and dispersion of thick and film-like oil spills in a coastal bay using satellite optical images" 9 (9): 5139-5150, 2016

16 Tang, J., "Compressed-domain ship detection on spaceborne optical image using deep neural network and extreme learning machine" 53 (53): 1174-1185, 2015

17 Proia, N., "Characterization of a bayesian ship detection method in optical satellite images" 7 (7): 226-230, 2010

18 Wackerman, C. C., "Automatic detection of ships in RADARSAT-1 SAR imagery" 27 (27): 568-577, 2001

19 Wang, B., "Automated detection and removal of clouds and their shadows from Landsat TM images" 82 (82): 453-460, 1999

20 Vanem, E., "Analysing the risk of LNG carrier operations" 93 (93): 1328-1344, 2008

21 Lee, S. G., "Absolute radiometric calibration of the KOMPSAT-2 multispectral camera using a reflectance-based method and empirical comparison with IKONOS and QuickBird images" 6 (6): 063594-, 2012

22 Cheng, G., "A survey on object detection in optical remote sensing images" 117 : 11-28, 2016

23 Zhu, C., "A novel hierarchical method of ship detection from spaceborne optical image based on shape and texture features" 48 (48): 3446-3456, 2010

24 Corbane, C., "A complete processing chain for ship detection using optical satellite imagery" 31 (31): 5837-5854, 2010