Real-ESRGAN 초해상화 위성 SAR 이미지에서 특징점기반 분할영역의 유사도 비교

박장한

doi:10.5302/J.ICROS.2024.24.0133

추천

검색

질문

자료유형: 학술저널

저자정보: 박장한 (한화시스템)

저널정보: 제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제30권 제8호

발행연도: 2024.8

수록면: 853 - 862 (10page)

DOI: 10.5302/J.ICROS.2024.24.0133

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

To process large amounts of data due to the short revisit cycle characteristics of micro-satellite synthetic aperture radar (SAR) systems and to compensate for performance degradation due to weight reduction and miniaturization, the target identification must be improved through super-resolution (SR) for low-resolution (LR) satellite SAR images. In this paper, we generate SR satellite SAR images using the real-enhanced SR generative adversarial networks (Real-ESRGAN) for LR satellite SAR images and present the similarity of the peak signal-to-noise ratio (PSNR) and the structural similarity index measure (SSIM) for the segmentation with corresponding pairs based on key-points. SAR images are characterized by the location and intensity of major scattering points, unlike optical images. Therefore, it is necessary to understand the characteristics of the key-points detection method by considering the removal of clutter noise in the background and speckle noise around the target, outline, or boundary. Scale invariant feature transform (SIFT), speeded-up robust feature (SURF), binary robust invariant scalable key-points (BRISK), and oriented features from an accelerated segment test and rotated binary robust independent elementary features (ORB) are used as key-points detection methods, and the segmentation is generated for a local area with corresponding pairs based on key-points using the random sample consensus (RANSAC) method. As a result of the experiment, in the SR satellite SAR image, the PSNR in the segmentation with key-point- based corresponding pairs was high at the average 0.3850dB, and the SSIM was low at the average 0.0718, but when the background was included, the PSNR was maximum at 29.6937dB, and the SSIM was maximum at 0.5396.

#Real-Enhanced Super-Resolution Generative Adversarial Networks #Super-Resolution Satellite SAR Image #Synthetic Aperture Radar #Key-points #Similarity Comparison

참고문헌 (16)

참고문헌 신청

C. H. Park, “Super-resolution of SAR target images using Real-ESRGAN,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 30, no. 1, pp. 13-19, Jan. 2024. doi: https://doi.org/10.5302/J.ICROS.2024.23.0170

M. Yu, S. Quan, G. Kuang, and S. Ni, “SAR target recognition via joint sparse and dense representation of monogenic signal,” Multidisciplinary Digital Publishing Institute Journal, Remote Sensing, vol. 11, no. 22, pp. 1051-1062, Nov. 2019. doi: https://doi.org/10.3390/rs11222676

J. M. Ryu and J. M. Ma, “Automatic target recognition of military SAR images using super-resolution based convolutional neural network,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 28, no. 1, pp. 22-27, Jan. 2022. doi: https://doi.org/10.5302/J.ICROS.2022.21.0178

J. M. Choi and D. J. Kang, “Deep super-resolution method via generative adversarial networks for license place image enhancement,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 23, no. 8, pp. 635-643, Aug. 2017. doi: https://doi.org/10.5302/J.ICROS.2017.17.0087

I. H. Lee, W. Y. Chung, and C. G. Park, “Super-resolution thermal generative adversarial networks for infrared image enhancement,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 28, no. 2, pp. 153-160, Feb. 2022. doi: https://doi.org/10.5302/J.ICROS.2022.21.0228

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

위성 이미지에서의 항공기 탐지를 위한 딥러닝 모델 성능 비교 및 초해상화 기법의 영향 평가

이준호 , 장준건 한국항공우주학회 학술발표회 초록집 2024 .06

WGAN의 성능개선을 위한 효과적인 정칙항 제안

한희일 멀티미디어학회논문지 2021 .01

스펙트럼 정규화 기반 SRGAN를 활용한 초해상도 이미지 생성 방법

양용준 , 이상구 한국정보과학회 학술발표논문집 2019 .06

EDTP: Energy-Density-based Trajectory Planning for Wireless Sensor Networks With Mobile Collectors

Hong-mei Wang , Heejung Byun , Zhao-dong Liu 제어로봇시스템학회 논문지 2024 .09

칼만 필터 기반의 영상 재선택: 영상 검색 기반 영상 측위에서 Collinear와 높은 Co-visibility 상황 처리

문기영 , 김학일 제어로봇시스템학회 논문지 2024 .09

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-090254858

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (16)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)