[논문 리뷰] SAR Image Generation of Ground Targets for Automatic Target Recognition Using Indirect Information

 

 

 연구실 과제 관련하여 논문을 읽었다. AI 학습을 위해서는 몇십만 개 이상의 많은 데이터가 필요하다. 하지만 적군의 무기체계를 직접 SAR 영상을 찍기 어려울 뿐더러 여러 배경에 대해서 모든 상황의 케이스 영상을 구하기는 불가능하다. 이를 위해서 시뮬레이션을 통해 유사한 데이터를 만들수 있지 않을까 하는 방법을 제시하는 논문이다. 유사도 평가지표와 결과 분석부분은 생략한 부분이 있고 관심있는 모델링 과정에 대해서 요약적으로 리뷰를 하였다

 

 

Introduction

SAR- ATR을 위한 표적 데이터 베이스를 생성하려고 할때 기밀이나 군사적인 어려움에 의해서 직접적인 측정에 의해서 획득하기는 불가능하다. 따라서 정교한 3차원 CAD 모델에 CEM 방법을 적용해 SAR 이미지를 예측하는 방법이 대안으로 개발되었다. 이 방법은 다양한 운영 조건에 대처할 수 있다. 실제 목표에 접근이 가능하다면 고정밀 3D 레이저 스캐너로 스캔하여 매우 정확한 3D CAD 모델을 얻을수 있다. 실제 목표나 상세한 3D 도면에 접근할 수 없는 경우에는 2D 도면, 다양한 각도의 사진, 비디오 클립, 플라스틱 모델 등의 간접 정보를 조합해 3D CAD 모델을 역설계하여 실제 형상과 최대한 유사하게 만들 수 있다. 적절한 CEM 알고리즘을 이용해 이런 CAD 모델에 적용하면 모든 측면과 고각의 데이터를 포함한 SAR-ATR용 표적 데이터베이스를 구축할 수 있다.

 

 목표를 위해 합리적인 정확도와 계산 속도가 빠른 시뮬레이션 툴이 필요하다. 이 논문에서는 여러 CEM 알고리즘 중에서 SBR 접근법을 기반으로 한 바이스태틱 방법을 사용하였다. 또 시뮬레이션 알고리즘 및 CAD 모델에 대한 평가는 MSTAR 영상과 간접정보를 사용해 만든 모델로 생성한 시뮬레이션 영상간의 SSIM으로 유사도 평가를 진행하였다.

 

시뮬레이션 검증 절차

 

 

TARGET SAR IMAGE GENERATION USING INDIRECT INFORMATION

 표적 분류를 위해 사용되는 표적 데이터베이스는 아래 그림과 같이 모든 측면 각도와 depression angle에서의 전체 영상이 필요하다. 또한 이런 영상들은 여러 극성과 다양한 주파수 대역을 가진 많은 표적들을 포함해야 하고 표적의 움직임, 가려짐, 변형까지 고려되어야 한다. 환경이나 표적 외형의 변화를 고려하면 실제 영상을 찍는 것만으로 데이터베이스를 구축하는 것은 거의 불가능하다. 따라서 표적 3D CAD 모델에 작용하는 CEM 도구를 사용하는 시뮬레이션 방법이 SAR 영상 수집에 대한 좋은 대안이 될수 있지만, 실제 표적에 직접 접근할 수 없다면 3D CAD 모델과 실제 표적의 모양이나 치수가 일치하지 않을수 있다.

 

A. 3D CAD MODELING USING TARGET INDIRECT INFORMATION

관심 대상이나 3D 도면에 직접적인 접근이 가능하다면 정밀한 3D CAD 모델을 생성 할 수 있다.

레이저 스캔을 통해 생성된 LVT-P7 차량 3D CAD 모델

 

 표적에 직접 접근이 불가능할 때 3D 모델 재구성에 표적의 2D 초안, 플라스틱 모형, 표적의 사진 등 간접적인 정보를 이용할 수 있고 CAD 모델링 과정은 다음과 같다.

간접적인 정보를 이용한 3D CAD 모델링 과정

 

 사진과 2D 초안으로 크기를 조정함으로써 초기 형태를 생성하고, 그 형태로부터 와이어프레임 모델을 만든다. 그 다음 표면 모델과 3D 솔리드 모델이 역설계된다. 세부적인 부분의 모델링이 추가하여 크기와 형태 측면에서 거친 모델을 세밀화하여 표적 3D CAD 모델이 생성된다.

이후에 원래 형태와의 유사성 보장을 위해 간접 정보로 생성한 CAD 모델과 레이저 스캔을 통해 생성한 모델을 비교가 필요하다.

 

 직접적인 정보를 이용해 만든 3D CAD 모델과 간접 정보를 이용한 3D CAD 모델에서 53개의 점을 선택해 각 점에 모델의 표면 차이를 비교하고 두 CAD 모델의 산란 특성을 맞추기 위해 모델의 RCS, ISAR 영상 그리고 3D Scattering Center를 분석한 후 Ray Tracing 방법을 통해 모형을 수정한다. 이 분석 과정을 통해 더 현실적인 3D CAD 모델 생성이 가능하다.

 

B. SAR IMAGE GENERATION USING THE BISTATIC IMAGE FORMATION METHOD

 본 논문에서는 Ray Tracing 방법 중 SBR(Shooting and Bouncing Ray)과 바이스태틱 이미지 형성 방법을 사용하는데 PO(Physical Optics) 방에 비해 정확성이 떨어지지만 계산속도가 빠르다. 즉 예측 정확도를 희생시키는 대신 복잡한 형태의 표적 이미지를 빠르게 계산할수 있도록 하였다.

 SBR 방법은 광선이 물체에 충돌하고 그 표면을 따라 튕겨져 나오는 과정을 모델링한다. 이 방법은 복잡한 환경에서 전자기파의 전파를 예측하는 데 유용하다.

(a) 모노스태틱, (b) 바이스태틱 방법  모노스태틱 방법은 여러 양방향 화살표로 표시된 다중 광선 추적을 필요로 하며, 반면에 바이스태틱 방법은 하나의 양방향 화살표로 표시된 단일 광선 추적을 필요로 한다

 

 또한 바이스태틱 방법은 광선 추적을 한 번만 수행하면 되므로, 모노스태틱 방법에서 각 룩 앵글마다 광선 추적을 수행해야 하는 것에 비해 계산 시간이 크게 단축된다.

 

 시뮬레이션에서는 모든 aspeck angle에 대해 1도, 내림각 15도 마다 표적 SAR 영상을 생성하여 이를 MSTAR 데이터셋과 비교하였다. 12개 코어의 HP 28 워크스테이션에서 23초 미만의 시간이 소요되었고 모노스태틱 방법을 사용했을 때는 12분 정도가 걸렸다. 또한 계산 시간을 줄이기 위해 Ray Tracing서 병렬 처리를 하였다.

 

MSTAR 영상과 동일한 내림각에서 시뮬레이션을 수행한 결과 생성된 영상은 다음과 같다. (T-72)

 

SAR 영상 예측에 사용된 CAD 모델의 정확도가 증가함에 따라 MSSIM 지수가 증가하는 것을 확인할 수 있다. 

 

 

생성된 영상과 유사도 평가 지표 결과는 SAR ATR에 필요한 데이터베이스 구축에 대한 가능성을 제시한다.