KR101736899B1 - 선박 식별 방법 - Google Patents

선박 식별 방법 Download PDF

Info

Publication number
KR101736899B1
KR101736899B1 KR1020140139726A KR20140139726A KR101736899B1 KR 101736899 B1 KR101736899 B1 KR 101736899B1 KR 1020140139726 A KR1020140139726 A KR 1020140139726A KR 20140139726 A KR20140139726 A KR 20140139726A KR 101736899 B1 KR101736899 B1 KR 101736899B1
Authority
KR
South Korea
Prior art keywords
ship
data
identification
templates
shape information
Prior art date
Application number
KR1020140139726A
Other languages
English (en)
Other versions
KR20160044801A (ko
Inventor
양찬수
오우치 카즈오
Original Assignee
한국해양과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국해양과학기술원 filed Critical 한국해양과학기술원
Priority to KR1020140139726A priority Critical patent/KR101736899B1/ko
Publication of KR20160044801A publication Critical patent/KR20160044801A/ko
Application granted granted Critical
Publication of KR101736899B1 publication Critical patent/KR101736899B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/74—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems
    • G01S13/76—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems wherein pulse-type signals are transmitted
    • G01S13/78—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems wherein pulse-type signals are transmitted discriminating between different kinds of targets, e.g. IFF-radar, i.e. identification of friend or foe

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 선박 식별 방법에 관한 것이다. 본 발명에 따른 선박 식별 방법은 선박을 포함하는 소정 영역에 대한 합성개구레이더(SAR) 데이터를 수신하는 단계와; 상기 선박으로부터 선박자동식별장치(AIS) 데이터가 수신되지 않는 경우, 상기 SAR 데이터로부터 상기 선박의 위치 및 형상 정보를 획득하여 선박 데이터베이스에 기초하여 선박을 분류하는 제1차 식별단계와; 상기 선박의 위치 및 형상 정보에 기초하여 복수 개의 템플릿과 매칭함으로써 선박을 분류하여 식별하는 제2차 식별단계를 포함한다. 이에 의해 선박으로부터 선박자동식별장치(AIS) 데이터가 수신되지 않는 경우에도 선박을 식별할 수 있다.

Description

선박 식별 방법{Method for ship classification and identification}
본 발명은 선박 식별 방법에 관한 것으로서, 보다 상세하게는 선박으로부터 선박자동식별장치(AIS) 데이터가 수신되지 않는 경우 선박 식별 방법에 대한 것이다.
최근 해상 교통, 어업 활동, 증가하는 불법적인 해상 범죄 등의 모니터링을 위하여 선박 식별에 대하여 많은 관심을 끌고 있다. 일반적으로 선박자동식별장치(AIS)는 선박에 장착되어 선박의 위치, 침로, 속력 등 운항정보를 제공할 수 있다. 따라서 이러한 선박자동식별장치로부터 AIS 정보를 입수할 수 있다면 비교적 손쉽게 선박을 식별할 수 있다. 그러나, 이러한 AIS 장치가 모든 선박에 마련되는 것은 아니고 인근 연안에서 어업을 하는 어선이나 해상 범죄를 야기시키는 선박의 경우에는 이러한 AIS 장치가 없는 경우가 많다.
AIS 장치로부터 정보를 획득할 수 없는 경우에는 레이더 또는 합성개구레이더(SAR)로부터 수집한 정보에 근거하여 선박을 식별하고자 하는 연구는 종래부터 있어왔다. 그러나 대부분 대략적인 선박의 위치 탐지에 그칠 뿐이며, 선박의 제원, 종류 등 구체적으로 선박을 분류하고 식별할 수 있는 방법이 없었다.
따라서, 본 발명의 목적은, 선박으로부터 선박자동식별장치(AIS) 데이터가 수신되지 않는 경우 선박 식별 방법을 제공하는 것이다.
상기 목적은, 본 발명에 따라, 선박 식별 방법에 있어서, 선박을 포함하는 소정 영역에 대한 합성개구레이더(SAR) 데이터를 수신하는 단계와; 상기 선박으로부터 선박자동식별장치(AIS) 데이터가 수신되지 않는 경우, 상기 SAR 데이터로부터 상기 선박의 위치 및 형상 정보를 획득하여 선박 데이터베이스에 기초하여 선박을 분류하는 제1차 식별단계와; 상기 선박의 위치 및 형상 정보에 기초하여 복수 개의 템플릿과 매칭함으로써 선박을 분류하여 식별하는 제2차 식별단계를 포함하는 선박식별방법에 의해 달성된다.
상기 제2차 식별단계는, 샘플 선박에 대하여 서로 상이한 방위각을 가지는 복수 개의 이미지 데이터를 포함하는 복수 개의 제1템플릿과 상기 SAR데이터로부터 획득된 선박의 위치 및 형상 정보를 매칭하는 제1서브 식별단계를 포함한다.
상기 제2차 식별단계는, 레이 트레이싱 방법 및 산란 기법에 기초하여 상기 샘플 선박에 대한 이미지 시뮬레이션을 수행하여 상기 이미지 시뮬레이션 수행 결과로 생성된 이미지 데이터를 포함하는 복수 개의 제2템플릿과 상기 SAR데이터로부터 획득된 선박의 위치 및 형상 정보를 기초로 하여 상기 이미지 시뮬레이션을 수행한 결과로 생성된 이미지 데이터를 매칭하는 제2서브 식별단계를 더 포함한다.
상기 복수 개의 제1템플릿은, 방위각에 기초하여 좌우 30 내지 60도 범위에서 각도 변화에 대응하여 생성될 수 있다.
상기 이미지 시뮬레이션은, 프레넬 반사계수를 포함하는 산란이론을 통하여 해수면 또는 선박에 조사되어 반사되는 광선의 진폭 및 위상을 이용하여 이미지 데이터를 생성할 수 있다.
상기 이미지 시뮬레이션은, 바다의 전기적 특성, 선박 재질 및 반사 종류에 기초하여 이미지 데이터를 생성할 수 있다.
상기 제 1차 식별단계는 상기 SAR 데이터로부터 상기 선박의 위치 정보, 형상 정보 및 RCS패턴정보를 획득하여 선박 데이터베이스에 기초하여 선박을 분류할 수 있다.
한편, 상기 목적은, 본 발명에 따라, 상기 기재한 선박식별방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 의해 달성될 수 있다.
이상 설명한 바와 같이, 본 발명에 따르면, 선박으로부터 선박자동식별장치(AIS) 데이터가 수신되지 않는 경우에도 선박을 식별할 수 있는 방법이 제공된다.
도 1은 본 발명의 일 실시예에 따른 선박식별방법의 일 실시예이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예들에 한정되지 않는다. 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙이도록 한다.
도 1은 본 발명의 일 실시예에 따른 선박 식별 방법의 플로우차트로서, 도 1을 참조하면, 본 발명의 선박 식별 방법은, 선박을 포함하는 소정 영역에 대한 합성개구레이더(SAR) 데이터를 수신하는 단계(S110)와; 상기 선박으로부터 선박자동식별장치(AIS) 데이터가 수신되지 않는 경우(S120), 상기 SAR 데이터로부터 상기 선박의 위치 및 형상 정보를 획득하여 선박 데이터베이스에 기초하여 선박을 분류하는 제1차 식별 수행 단계(S130)와; 상기 선박의 위치 및 형상 정보에 기초하여 복수 개의 템플릿과 매칭함으로써 선박을 분류하여 식별하는 제2차 식별 수행 단계(S140)를 수행한다.
상기 단계 S110에서, 상기 합성개구레이더(Synthetic Aperture Radar, SAR)는 안테나에서 전파를 쏜 뒤 반사되어 돌아오는 전파를 측정하여 2차원 이미지로 복원하는 장치로서 정찰위성/항공기에 장착되어 측량, 관측, 정찰, 자원탐사 등 넓은 영역의 고해상도 이미지를 생성할 수 있다. 합성개구레이더로부터는 주파수나 편파 등에 따라 다양한 데이터를 획득할 수 있다. 따라서, 상기 합성개구레이더로부터 식별하고자 하는 타깃 선박을 포함하는 수십 내지 수백 km의 다양한 범위의 해상 영역에 대한 SAR 데이터를 획득할 수 있다.
상기 단계 S120에서, 타깃 선박으로부터 AIS 정보가 수신되는지 여부를 확인한다. 상기 AIS 정보가 수신되지 않는 경우에는 단계 S130를 수행하고, AIS 정보가 수신되는 경우에는 단계 S121를 수행한다.
상기 단계 S130에서, 상기 획득된 SAR 데이터로부터 상기 타깃 선박의 위치 및 형상 정보를 획득한다. 상기 형상정보는 상기 타깃 선박의 길이, 폭, 형태 등 선박의 물리적 정보를 포함하며, 이는 이미지 데이터 형태이다.
일반적으로 선박은 사용목적, 화물상태, 적재방식에 따라 분류되며, 사용목적에 따라 상선, 특수작업선, 군함, 어선 등으로 분류되고, 상선은 화물을 나르는 화물선, 사람을 나르는 여객선, 및 화물과 사람을 함께 나르는 화객선으로 분류된다. 수송하는 화물상태에 따라 액체 상태는 탱커(tanker), 포장된 고체 상태는 카고(cargo), 분말 상태의 화물은 캐리어(carrier)로 분류된다. 화물을 적재하는 방식에 따라 자동차와 같이 스스로 이동 가능한 화물을 운반하는 선박을 Ro-Ro(Roll-on Roll-off) 선이라 하며, 포장된 화물을 운반하는 선박을 Lo-Lo(Lift-on Lift-off)라 하며, 크레인으로 적재하지 못하는 작은 선박 또는 거대한 철구조물을 수송할 때는 Fo-Fo(Float-on Float-off) 선이라 한다. 일반적으로 상기 상선 중 탱커는, 액체상태의 화물을 나르는 유조선, 화학제품운반선, 액화천연가스 운반선, 액화석유가스 운반선을 포함하고, 상기 카고는 컨테이너선 및 살물선을 포함하고, 상기 여객선은 페리선과 크루즈선을 포함하고, 특수작업선은 드릴십 및 쇄빙선을 포함하며, 군함은 전함, 순양함, 구축함, 항공모함, 잠수함을 포함한다. 이렇게 선박은 그 분류에 따라 선박의 제원, 크기, 형태, 갑판의 구조 등이 서로 상이하다.
상기 선박 데이터베이스는 선박 식별 정보를 포함하는 데이터베이스로서, 선박 국적, 이름, 위치, 형상(길이, 폭, 무게 등), 상기 선박 분류에 따른 선박 종류 등 선박에 대한 상세 정보를 포함하고 있으며, 이러한 선박 데이터베이스는 다양한 출처에서 제공하고 있으므로 이들을 활용할 수 있다.
따라서, S130단계에서는, 타깃 선박으로부터 AIS 데이터가 수신되지 않는 경우, 상기 SAR데이터로부터 선박의 위치 및 형상 정보가 획득되면 상기 선박 데이터베이스에 액세스하여 상기 위치 및 형상정보에 기초하여 1차적으로 타깃 선박이 될 수 있는 후보 선박들을 추출할 수 있다. 또는 상기 SAR 데이터로부터 상기 선박의 위치 및 형상 정보 뿐만 아니라 RCS패턴정보를 획득하여 상기 선박의 특성을 확인한 후 선박 데이터베이스에 엑세스하여 1차적으로 타깃 선박이 될 수 있는 후보 선박들을 추출할 수도 있다.
그러나 1차 식별단계에서는 후보 선박들의 종류 및 개수가 다양할 것이기에 타깃 선박을 명확히 식별하기는 어렵다.
만약, 타깃 선박으로부터 AIS 데이터가 수신되면, 단계 S121에서 상기 AIS 데이터를 이용하여 상기 선박 데이터베이스에 액세스하여 타깃 선박이 어떤 선박인지 명확하게 식별할 수 있다. 왜냐하면, 상기 기재한 바와 같이, 상기 AIS 데이터에는 선박의 위치, 목적지, 침로 등 선박 운항정보를 포함하고 있기 때문이며, 이를 근거로 상기 선박 데이터베이스를 이용하여 타깃 선박을 명확히 식별할 수 있다.
상기 S140단계에서, 2차 식별 수행단계는, 선박의 형상 정보에 기초하여 복수 개의 템플릿과 매칭을 통하여 선박을 식별하게 된다.
상기 S140단계는, 샘플 선박에 대하여 서로 상이한 방위각을 가지는 복수 개의 이미지 데이터를 포함하는 복수 개의 제1템플릿과 매칭하는 제1서브 식별단계(S141)와; 레이 트레이싱 방법 및 산란 기법에 기초하여 상기 샘플 선박에 대한 이미지 시뮬레이션을 수행하여 상기 이미지 시뮬레이션 수행 결과로 생성된 이미지 데이터를 포함하는 복수 개의 제2템플릿과 매칭하는 제2서브 식별단계(S143)을 포함한다.
상기 S141단계에서, 복수 개의 제1템플릿은, 샘플 선박에 대하여 서로 상이한 방위각을 가지는 복수 개의 이미지 데이터를 포함의미한다. 즉, 동일 선박에 대한 두 개의 이미지가 관찰 방향이 서로 상이할 경우 방위각이 서로 상이하여 상기 두 개의 이미지는 매치되지 않는다. 상기 복수 개의 제1템플릿은, 방위각에 기초하여 좌우 30 내지 60도 범위 간격의 각도 변화에 대응하여 생성될 수 있다.
본 발명에서는 상기 SRA 데이터가 바람직하게 고해상도 이미지 데이터인 것을 조건으로 하여 입사각 범위가 작기에 입사각 의존성이 미미하다는 가정 하에 하나의 샘플 선박에 대하여 다양한 시야각을 적용하여 복수의 제1템플릿을 사전에 제작하고, 이러한 제1템플릿은 복수 개의 샘플 선박 마다 복수 개 제작되어 이를 데이터베이스화하여 저장할 수 있다.
이러한 복수 개의 제1템플릿은 상기 샘플 선박의 제원, 형상, 갑판 구조 등 3차원 정보에 기초하여 템플릿의 개수를 결정할 수 있으며, 하나의 샘플 선박 당 수개 내지 수십 개의 템플릿을 제작하여 데이터베이스화 할 수 있다. 여기에서 상기 샘플 선박은 상기 S110단계에서 기재한 선박의 종류 마다 임의로 선택된 적어도 하나 이상의 선박일 수 있다.
따라서, 단계 S141에서는 미리 제작된 제1템플릿 데이터베이스를 이용하여, 상기 SAR데이터로부터 획득된 타깃 선박의 위치 및/또는 형상정보를 상기 복수 개의 제1템플릿과 매칭을 수행함으로써 2차적으로 선박을 분류하고 식별을 수행한다. 상기 제1템플릿 매칭은, 선박의 크기, 형상, 갑판 구조, 제원 등 3차원 정보에 기인하여 매칭을 수행하는 것이므로 이를 통하여 선박의 종류를 분류할 수 있다.
선박 식별을 더욱 명확히 하기 위하여, 다음 단계 S143을 더 수행할 수 있다.
단계 S143은, 레이 트레이싱 방법 및 산란 기법에 기초하여 상기 샘플 선박에 대한 이미지 시뮬레이션을 수행하여 상기 이미지 시뮬레이션 수행 결과로 생성된 이미지 데이터를 포함하는 복수 개의 제2템플릿과 매칭하는 제2서브 식별단계이다.
상기 이미지 시뮬레이션은 레이 트레이싱(ray tracing) 방법 및 산란이론을 이용한다. 레이 트레이싱은 SAR 이미지의 픽셀을 통하여 빛의 경로를 추적하여 목표물의 이미지를 생성하는 기법이다. 본 발명의 경우에는 타깃이 바다에 위치한 선박이기에, 전파가 해수면이나 선박에 부딪치게 될 때 반사되는 레이(진폭과 위상)을 해석하기 위하여 프레넬 반사계수를 포함하는 산란이론을 이용한다. 예를 들어, 해수면과 유전체에 대하여 SPM(small-perturbation model)을, 선박의 완전도체에 대하여 POM(physical optics model)과 같은 산란이론을 이용할 수 있고, 상기 이미지 시뮬레이션의 정확도 향상을 위하여 GTD(geometrical theory of diffraction)과 에지 회절(edge diffraction) 등을 추가로 이용할 수도 있다. 상기 레이 트레이싱 및 산란이론을 통하여 상기 이미지 시뮬레이션은 바다의 전기적 특성, 선박 재질 및 반사 종류(단일 반사, 이중 반사, 다중 반사)에 기초하여 상기 샘플 선박의 이미지 데이터를 제2템플릿으로서 생성할 수 있고, 이 역시 상기 S110단계에서 기재한 선박의 종류 마다 임의로 선택된 적어도 하나 이상의 샘플 선박에 대하여 복수 개의 제2템플릿으로 생성하여 데이터베이스화할 수 있다. 따라서, 본 단계를 통하여 S110단계에서 수신한 SAR 데이터로부터 타깃 선박에 대하여 상기 S143단계에서 기재한 방법과 동일한 방법으로 이미지 시뮬레이션을 수행한 후, 이렇게 생성된 타깃 선박의 이미지 데이터를 상기 제2템플릿들과 매칭시킴으로써, 상기 타깃 선박을 좀 더 구체적으로 분류하고 식별할 수 있게 된다.
상기 제1 및 제2 서브 식별단계에서 복수의 템플릿과 매칭할 때, 교차상관, 퍼지이론 등에 따른 알고리즘을 적용하여 매칭을 수행할 수도 있다.
본 발명에 따른 선박 식별 방법은, 타깃 선박으로부터 AIS 정보를 수신할 수 없는 경우에 선박의 종류를 식별하는데 아주 유용하다. 또한, 본 발명에 따른 선박식별방법에서는, 타깃 선박이 수m 내지 수십m의 길이를 가지는 연근해 어선의 식별에 아주 유용하다. 이러한 종류의 어선의 경우에는 AIS 장치가 장착되지 않은 경우가 많아서 해양 영토 관리에 있어서 큰 어려움을 주고 있기에, 본 발명에 따른 선박식별방법을 활용할 경우 선박의 종류를 분류하고 식별할 수 있어 해양 영토 관리에 아주 유용하게 활용될 수 있을 것이다.
또한 본 발명은 상기 도 1을 통하여 설명한 선박 식별 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다. 상기 프로그램은 컴퓨터로 읽을 수 있는 매체에 저장되어 컴퓨터로 읽혀짐으로써 그 기능을 수행하고, 상기 매체는 본 발명을 위하여 특별히 설계되어 구성된 것들이거나 컴퓨터 소프트웨어 분야에서 통상의 지식을 가진 자에서 공지되어 사용 가능할 것일 수 있으며, 예를 들면, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD, DVD와 같은 광 기록 매체, 자기 및 광 기록을 겸할 수 있는 자기-광 기록 매체, 롬, 램, 플래시 메모리 등 단독 또는 조합에 의해 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치일 수 있다. 또한, 상기 프로그램은 상기 매체에 의해 컴퓨터에 읽혀질 수 있는 것뿐만 아니라, 인트라넷이나 인터넷 등의 통신망을 통해 정보를 전송할 수 있는 서버 시스템에 저장되어 컴퓨터로 전송될 수도 있고, 상기 서버 시스템에서 상기 프로그램을 컴퓨터로 전송하지 않고 컴퓨터가 상기 서버 시스템으로 접근하여 상기 서버 시스템상에서 상기 프로그램을 수행할 수 있는 플랫폼을 제공할 수도 있다.
비록 본 발명의 몇몇 실시예들이 도시되고 설명되었지만, 본 발명이 속하는 기술분야의 통상의 지식을 가진 당업자라면 본 발명의 원칙이나 정신에서 벗어나지 않으면서 본 실시예를 변형할 수 있음을 알 수 있을 것이다. 발명의 범위는 첨부된 청구항과 그 균등물에 의해 정해질 것이다.

Claims (8)

  1. 선박 식별 방법에 있어서,
    선박을 포함하는 소정 영역에 대한 합성개구레이더(SAR) 데이터를 수신하는 단계와;
    상기 선박으로부터 선박자동식별장치(AIS) 데이터가 수신되는 경우, 상기 선박자동식별장치(AIS) 데이터에 기초하여 선박 데이터베이스를 이용하여 선박을 분류하여 선박식별작업을 종료하는 단계;
    상기 선박으로부터 선박자동식별장치(AIS) 데이터가 수신되지 않는 경우, 상기 SAR 데이터로부터 상기 선박의 위치 및 형상 정보를 획득하여 선박 데이터베이스에 기초하여 선박을 분류하는 제1차 식별단계와;
    상기 선박의 위치 및 형상 정보에 기초하여 복수 개의 템플릿과 매칭함으로써 선박을 분류하여 식별하는 제2차 식별단계를 포함하고,
    상기 제2차 식별단계는,
    샘플 선박에 대하여 서로 상이한 방위각을 가지는 복수 개의 이미지 데이터를 포함하는 복수 개의 제1템플릿과 상기 SAR데이터로부터 획득된 선박의 위치 및 형상 정보를 매칭하는 제1서브 식별단계; 및
    레이 트레이싱 방법 및 산란 기법에 기초하여 상기 샘플 선박에 대한 이미지 시뮬레이션을 수행하여 상기 이미지 시뮬레이션 수행 결과로 생성된 이미지 데이터를 포함하는 복수 개의 제2템플릿과 상기 SAR데이터로부터 획득된 선박의 위치 및 형상 정보를 기초로 하여 상기 이미지 시뮬레이션을 수행한 결과로 생성된 이미지 데이터를 매칭하는 제2서브 식별단계를 더 포함하고,
    상기 이미지 시뮬레이션은, 프레넬 반사계수를 포함하는 산란이론을 통하여 해수면 또는 선박에 조사되어 반사되는 광선의 진폭 및 위상을 이용하여 이미지 데이터를 생성하고,
    상기 이미지 시뮬레이션은, 바다의 전기적 특성, 선박 재질 및 반사 종류에 기초하여 이미지 데이터를 생성하고,
    상기 복수 개의 제1템플릿은, 방위각에 기초하여 좌우 30 내지 60도 범위에서 각도 변화에 대응하여 생성되고,
    상기 제1차 식별단계는,
    상기 SAR 데이터로부터 상기 선박의 위치 정보, 형상 정보 및 RCS패턴정보를 획득하여 선박 데이터베이스에 기초하여 선박을 분류하는 것을 특징으로 하는 선박식별방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 제1항에 따른 선박 식별 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020140139726A 2014-10-16 2014-10-16 선박 식별 방법 KR101736899B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140139726A KR101736899B1 (ko) 2014-10-16 2014-10-16 선박 식별 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140139726A KR101736899B1 (ko) 2014-10-16 2014-10-16 선박 식별 방법

Publications (2)

Publication Number Publication Date
KR20160044801A KR20160044801A (ko) 2016-04-26
KR101736899B1 true KR101736899B1 (ko) 2017-05-17

Family

ID=55919156

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140139726A KR101736899B1 (ko) 2014-10-16 2014-10-16 선박 식별 방법

Country Status (1)

Country Link
KR (1) KR101736899B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110390337A (zh) * 2019-06-27 2019-10-29 清华大学 一种舰船个体识别方法
KR102214431B1 (ko) 2019-10-02 2021-02-09 한국해양과학기술원 미식별 선박의 이동 속도 추정 시스템 및 방법
US11501119B2 (en) 2020-02-24 2022-11-15 Electronics And Telecommunications Research Institute Apparatus and method for identifying warship

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2638939C1 (ru) * 2016-08-17 2017-12-19 Федеральное государственное унитарное предприятие "Государственный научно-исследовательский институт авиационных систем" Способ радиолокационного распознавания кораблей
KR101880437B1 (ko) * 2016-10-28 2018-08-17 한국해양과학기술원 실제카메라 영상과 가상카메라 영상을 활용하여 넓은 시야각을 제공하는 무인선 관제시스템
CN106646469B (zh) * 2016-12-21 2019-01-29 中国科学院遥感与数字地球研究所 基于变异系数法的sar船只检测优化方法
CN108961840A (zh) * 2017-05-26 2018-12-07 东莞前沿技术研究院 船舶监控系统及其方法
CN109584279A (zh) * 2017-09-29 2019-04-05 中国科学院遥感与数字地球研究所 基于sar图像的船舶检测方法、装置及船舶检测系统
KR102458410B1 (ko) * 2020-09-29 2022-10-25 동강엠텍(주) 3차원 물표 이미지 변환 장치
CN113591627A (zh) * 2021-07-16 2021-11-02 浙江华是科技股份有限公司 一种船舶识别方法、装置及计算机可读存储介质
CN116226706A (zh) * 2022-12-07 2023-06-06 大连海事大学 一种基于群运动特征的渔网示位标识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001221857A (ja) * 2000-02-10 2001-08-17 Mitsubishi Electric Corp 逆合成開口レーダ装置および逆合成開口レーダ画像を用いた目標識別方法
JP2007121111A (ja) * 2005-10-27 2007-05-17 Mitsubishi Heavy Ind Ltd 合成開口レーダ画像による目標物識別方法及び装置
JP2013083623A (ja) * 2011-10-07 2013-05-09 Korea Ocean Research And Development Inst 船舶の統合監視のための衛星情報及び船舶情報の統合方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001221857A (ja) * 2000-02-10 2001-08-17 Mitsubishi Electric Corp 逆合成開口レーダ装置および逆合成開口レーダ画像を用いた目標識別方法
JP2007121111A (ja) * 2005-10-27 2007-05-17 Mitsubishi Heavy Ind Ltd 合成開口レーダ画像による目標物識別方法及び装置
JP2013083623A (ja) * 2011-10-07 2013-05-09 Korea Ocean Research And Development Inst 船舶の統合監視のための衛星情報及び船舶情報の統合方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110390337A (zh) * 2019-06-27 2019-10-29 清华大学 一种舰船个体识别方法
CN110390337B (zh) * 2019-06-27 2021-05-18 清华大学 一种舰船个体识别方法
KR102214431B1 (ko) 2019-10-02 2021-02-09 한국해양과학기술원 미식별 선박의 이동 속도 추정 시스템 및 방법
US11501119B2 (en) 2020-02-24 2022-11-15 Electronics And Telecommunications Research Institute Apparatus and method for identifying warship

Also Published As

Publication number Publication date
KR20160044801A (ko) 2016-04-26

Similar Documents

Publication Publication Date Title
KR101736899B1 (ko) 선박 식별 방법
Bo et al. Ship detection and classification from optical remote sensing images: A survey
EP3805794B1 (en) Analysis of sar data using neural networks
Tsokas et al. SAR data applications in earth observation: An overview
Graziano et al. Ship heading and velocity analysis by wake detection in SAR images
Crisp The state-of-the-art in ship detection in synthetic aperture radar imagery
Wilthil et al. A target tracking system for ASV collision avoidance based on the PDAF
US11681036B2 (en) Image processing apparatus, image processing method, and non-transitory computer readable medium storing image processing program
US8374054B1 (en) Apparatus and method for grazing angle independent signal detection
KR101713173B1 (ko) 타깃 탐지의 정확성 개선 방법
US20220398448A1 (en) Systems, methods, and computer readable media for vessel rendezvous detection and prediction
Arguedas Texture-based vessel classifier for electro-optical satellite imagery
Leng et al. 2D comb feature for analysis of ship classification in high‐resolution SAR imagery
Loran et al. Ship detection based on faster R-CNN using range-compressed airborne radar data
Lee et al. Efficient generation of artificial training DB for ship detection using satellite SAR images
Fan et al. Underwater ice adaptive mapping and reconstruction using autonomous underwater vehicles
Matasci et al. Deep learning for vessel detection and identification from spaceborne optical imagery
Hashimoto et al. Ship classification from SAR images based on deep learning
Meyer et al. Small ships don't shine: classification of ocean vessels from low resolution, large swath area SAR acquisitions
Pandey et al. Deep Learning for Iceberg Detection in Satellite Images
Hannevik Literature review on ship and ice discrimination
Reggiannini et al. Remote sensing for Maritime monitoring and vessel prompt identification
Bon et al. Recent developments in detection, imaging and classification for airborne maritime surveillance
Horn Detection and tracking of ships in the Canadian Arctic
Young Detection of illegal fishing

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E90F Notification of reason for final refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant