합성개구레이다(SAR : Synthetic Aperture Radar)는 원거리에서 대상에 대한 보다 정확한 정보를 제공하면서 현대 군사작전의 주도권을 좌우할 수 있는 핵심적인 감시정찰 무기체계가 되었다. 최근에는 영상에서 특정 물체를 인식하는 영상 인식 기술이 발전함에 따라 이를 적용한 다양한 SAR 자동표적인식(ATR : Automatic Target Recognition) 기법들이 연구되고 있다. 특히 이미지에서 특정 사물을 분류하는 성능이 뛰어난 CNN(Convolutional Neural Network)은 SAR ATR에서도 뛰어난 성능을 보여주며 활발히 연구되고 있다.
그러나, CNN을 통한 SAR ATR에서도 한계가 있다. CNN은 이미지에서 특징을 추출하여 물체를 인식하기 때문에 이미지가 선명할수록, 이미지가 많을수록 높은 성능을 보여준다. 하지만 군사용 SAR 영상은 대체적으로 이미지가 선명하지 못하고, 군사작전 시 적에 대한 표적을 무수히 많이 획득하는 것은 매우 어려운 일이다.
또한, 군사용 SAR 영상은 같은 표적이라도 내림각과 방위각에 따라 다른 영상이 형성된다. 특히, 낮은 내림각의 경우 표적 영상이 선명하게 형성되어 보다 정확한 영상 분류가 가능하지만, 높은 내림각의 경우 영상이 흐리게 형성되어 영상 분류가 더 어렵다. 따라서, SAR 자동표적인식에서는 낮은 내림각 뿐만 아니라 높은 내림각에서도 우수한 성능을 보여주어 내림각에 따른 표적인식의 차이를 최소화해야 한다.
이러한 문제를 해결하기 위해 본 연구에서는 초해상화 기반의 SAR ATR 모델을 제시하였다. 초해상화란, 저화질 이미지를 고화질로 변환하는 기술이다. 높은 내림각에서 흐리게 형성된 이미지를 선명하게 변환한 후 분류하게 되면 더 높은 성능을 기대할 수 있다. 따라서, 본 연구에서는 초해상화가 적용된 CNN을 제안하였다. 실험을 통해 SAR 영상을 적합하게 초해상화 하는 방법을 찾고, 해당 초해상화 방법을 적용한 후 SAR 영상 분류를 실험하였다.
제안하는 SAR ATR 모델은 높은 내림각인 45° SAR 영상에서 초해상화 배수 x2를 적용했을 때, 낮은 내림각인 15°에서 형성된 이미지 분류보다 6.76% 정확도가 향상되는 것을 확인하였다. 특히, 제안하는 SAR ATR 모델은 실제 군사작전 시 적군의 표적을 많이 획득할 수 없음을 고려하여 약 240장의 적은 표적 영상으로 학습하였다. 또한, 군사작전 시 정보의 신속성이 중요하기 때문에 CNN 계산량을 줄이면서 모델의 분류 속도를 향상함으로써 실시간 운용에 적합하도록 변경하였다.
향후에는 우리 군에서 실제 획득된 SAR 영상을 이용하여 해당 모델을 실험하고 필요하다면 추가적인 모델 탐색 등을 통해 보다 정확도가 향상된 SAR ATR 모델을 구축해 나가야 할 것이다.