CUT과 SPatchGAN 식별자를 이용한 SAR 영상 색상화 성능 향상 연구

Abstract

마이크로파를 이용하는 SAR 영상은 기상 조건의 영향을 거의 받지 않아 주기적인 관찰을 요구하는 분야에서 폭넓게 사용되고 있다. 하지만 SAR 영상은 색상 정보가 없고 객체의 구별이 쉽지 않아 영상을 해석하기가 어렵다. 이러한 문제를 해결하기 위해 최근 딥러닝 모델을 이용하여 SAR 영상을 색상화하는 연구들이 진행되고 있다. 기존 비지도 학습에 사용되던 CycleGAN은 순환 구조 때문에 기하학적인 변환에 제한이 있어 기하학적인 왜곡이 있는 SAR 영상에 적합하지 않다. 또한 이미지 변환 모델들에 많이 사용되던 PatchGAN 식별자는 복잡한 모양 변화를 가지는 위성 영상에 적합하지 않다. 따라서 본 논문에서는 기하학적인 변환에 장점이 있는 CUT을 기반으로 영상의 통계적 특징을 통해 영상을 식별하는 SPatchGAN 식별자를 적용한 모델을 제안하였다. 게다가 기존 모델들과의 성능 비교를 위해 공개 데이터셋인 SpaceNet을 활용하여 모델들을 학습시킨 후 정성적 및 정량적으로 분석하였다. 분석 결과 제안한 모델이 기존 모델들 대비 주관적, 객관적으로 성능이 향상되었음을 확인하였다.