Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-6692(Print)
ISSN : 2287-4518(Online)
Journal of the Korean earth science society Vol.39 No.3 pp.241-249
DOI : https://doi.org/10.5467/JKESS.2018.39.3.241

A Methodology of Ship Detection Using High-Resolution Satellite Optical Image

Jae-Jin Park1, Sangwoo Oh2, Kyung-Ae Park3*, Min-Sun Lee1, Jae-Cheol Jang1, Moonjin Lee2
1Department of Science Education, Seoul National University, Seoul 08826, Korea
2Maritime Safety Research Division, Korea Research Institute of Ships and Ocean engineering, Daejeon 34103, Korea
3Department of Earth Science Education/Research Institute of Oceanography, Seoul National University, Seoul 08826, Korea
Corresponding author: kapark@snu.ac.kr Tel: +82-2-880-7780 Fax: +82-2-874-3289
June 19, 2018 June 25, 2018 June 25, 2018

Abstract


As the international trade increases, vessel traffics around the Korean Peninsula are also increasing. Maritime accidents hence take place more frequently in the southern coast of Korea where many big and small ports are located. Accidents involving ship collision and sinking result in a substantial human and material damage as well as the marine environmental pollution. Therefore, it is necessary to locate the ships quickly when such accidents occur. In this study, we suggest a new ship detection index by comparing and analyzing the reflectivity of each channel of the Korea Multi-Purpose SATellite-2 (KOMPSAT-2) images of the area around the Gwangyang Bay. A threshold value of 0.1 is set based on a histogram analysis, and all vessels are detected when compared with RGB composite images. After selecting a relatively large ship as a representative sample, the distribution of spatial reflectivity around the ship is studied. Uniform shadows are detected on the northwest side of the vessel. This indicates that the sun is in the southeast, the azimuth of the actual satellite image is 144.80°, and the azimuth angle of the sun can be estimated using the shadow position. The reflectivity of the shadows is 0.005 lower than the surrounding sea and ship. The shadow height varies with the position of the bow and the stern, perhaps due to the relative heights of the ship deck and the structure. The results of this study can help search technology for missing vessels using optical satellite images in the event of a marine accident around the Korean Peninsula.



고해상도 광학 인공위성 영상을 활용한 선박탐지 방법

박 재진1, 오 상우2, 박 경애3*, 이 민선1, 장 재철1, 이 문진2
1서울대학교 과학교육과, 08826, 서울특별시 관악구 관악로 1
2선박해양플랜트연구소 해양안전연구부, 34103, 대전광역시 유성구 유성대로 1312-32
3서울대학교 지구과학교육과/해양연구소, 08826, 서울특별시 관악구 관악로 1

초록


국제 해상교통량 및 물동량이 증가함에 따라 한반도 주변해역의 선박유동량도 늘어나고 있으며 이에 따라 크고 작은 항구가 위치하고 있는 남해에서의 해양 사고도 꾸준히 발생하고 있다. 특히 선박간의 충돌 및 침몰 사고는 인적 및 물적 피해뿐만 아니라 해양환경오염을 유발하기 때문에 광역의 범위를 고해상도로 볼 수 있는 인공위성을 통한 신 속한 선박탐지가 필요하다. 본 연구에서는 광학 인공위성 아리랑 2호 관측자료를 활용하여 광양만 인근해역의 각 채널 별 반사도 값을 비교 분석하여 새로운 선박탐지지수를 제시하였다. 선박 분류를 위해 그 선박탐지지수의 역치를 0.1로 설정하였고, RGB 합성영상과 비교하였을 때 대다수의 선박을 탐지하였음을 보여주었다. 연구해역에 포함되어 있는 큰 규모의 선박을 선정 후, 선박 주변의 공간적 반사도 분포를 분석하였다. 그 결과 선박 북서방향에 위치한 균일한 형태 의 선박그림자를 확인할 수 있었다. 이는 태양의 위치가 남동방향에 위치하고 있음을 나타내고 있으며, 실제 위성영상 이 촬영된 시기의 방위각은 144.80°로 영상내의 그림자의 위치를 통해 태양의 방위각을 유추할 수 있다. 그림자의 반사 도는 주변 바다 및 선박에 비해 낮은 0.005 값을 나타냈고, 선수 및 선미에 따라 높이차가 달라짐을 보였다. 이는 선박 의 갑판 및 구조물의 높이를 반영한 것으로 판단된다. 본 연구 결과는 연안 해상사고 발생 시 실종선박 수색기술에 고 해상도 광학 인공위성 영상이 활용될 수 있음에 의의가 있다.



    Ministry of Oceans and Fisheries

    서 론

    국제 해상교통량이 증가함에 따라 한반도 연안 해 역에서의 선박 유동량이 증가하고 있으며 특히 서해 및 남해에서는 다수의 항구 및 여객터미널이 존재하 므로 선박간의 충돌, 침몰, 화재 및 폭발 등과 같은 잦은 선박사고가 빈번히 발생하고 있다(Lee et al., 2012; Song et al., 2013). 선박사고는 인적물적 피해 에 그치는 것이 아니라 기름유출로 인해 심각한 해 양환경 오염을 유발한다. 한반도에서 발생한 대표적 해양사고로는 2007년 12월 태안에서 발생한 유조선 허베이스피릿호와 해상 크레인이 충돌하여 12,547 kL 의 원유가 유출되는 사고와 2014년 1월 유조선 우이 산호가 여수 부두의 송유관과 충돌하여 164 kL의 기 름이 유출되는 사고가 있다(Kim et al., 2010; Kim et al., 2015; Lee et al., 2016).

    해상 선박사고가 발생 시 선박을 이용한 사고지점 주변 수색이 진행되지만 최근 사고범위가 점차 광역 화되고 사고 선박이 위험유해물질(HNS, Hazardous Noxious and Substance)을 운반하는 경우 2차 사고로 이어질 가능성이 있다(Lee et al., 2012; Lee et al., 2014). 한편 인공위성은 광역의 범위를 고해상도로 관측할 수 있고 쉽게 접근할 수 없는 지역을 촬영할 수 있으며 실시간 모니터링이 가능하기 때문에 인공 위성을 활용하여 사고 선박을 탐지는 것은 매우 효 과적이다. 이러한 이유로 인공위성을 활용한 선박탐 지 연구가 활발히 진행 중에 있으며 최근 원격탐사 분야에서 중요한 연구주제로 다루어지고 있다(Tang et al., 2015; Yokoya and Iwasaki, 2015; Cheng and Han, 2016).

    광학 인공위성을 활용한 선박탐지 연구로는 2.5-5 m의 고해상도를 가지는 SPOT-5 (Satellite Pour l’Observation de la Terre-5) 전정색(Panchromatic) 채 널 영상을 이용한 사례가 많다. 탐지 방법으로는 선 박과 그 주변 배경장의 강도 차이(IDD, Intensity Discrimnation Degree)의 역치를 제시하거나 선박의 모양에 기반한 SVM (Support Vector Machine) 분류 기법, 구름제거 및 필터링 전처리 과정을 거친 후 웨 이브릿 변환(wavelet transform) 또는 라돈 변환 (radon transform)을 사용한 자동화된 기법 등이 있다 (Corbane et al., 2010; Proia and Page., 2010; Zhu et al., 2010; Yang et al., 2014). 한반도 주변해역을 대상으로 한 선박탐지 연구로는 Lee et al. (2016)이 2014년 여수 기름유출 사고 발생 당시 DubaiSat-2 영상을 활용해 기름, 육지, 선박, 그림자를 분류하는 연구사례가 있다.

    마이크로파 채널의 경우에는 기상환경에 영향을 받 지 않고 전천후로 관측 가능한 고해상도 합성개구레 이더(Synthetic Aperture Radar, SAR) 자료를 주로 선박탐지에 활용한다. SAR 영상에 포함되어 있는 선 박은 주변 배경장 화소보다 큰 정규화 레이더 반사 면적을 가지므로 더 밝은 형태로 나타난다. 선박을 배경으로부터 구분하기 위한 역치로 CFAR (Constant False Alarm Raio) 알고리즘이 사용된다(Wackerman et al., 2001; Liao et al., 2008). 이 밖에 초분광센서 를 활용한 선박탐지 연구도 진행되었다. 초분광센서 는 기존 5~6개의 채널을 사용하는 다중분광센서와 달리 수백 개의 좁고 연속적인 채널을 포함하므로 다양한 채널의 분광정보를 활용할 수 있는 장점이 있다. 일차적으로 선박의 실측 라이브러리를 구축하 고 영상의 스펙트럼과 실측 스펙트럼 사이에 spectral distance similarity (SDS), spectral correlation similarity (SCS), spectral similarity value (SSV), spectral angle mapper (SAM), spectral information divergence (SID) 등 다양한 분광정합 알고리즘 기법을 사용함으 로써 선박을 분류 할 수 있다(Homayouni and Roux et al, 2004; Park et al., 2017).

    대다수 기존 연구들은 국외 연구지역을 대상으로 고해상도의 전정색을 이용하거나 마이크로파 채널을 활용하여 선박탐지 연구를 진행해왔다. 본 연구에서 는 국내 광양만 연안 해역을 대상으로 다목적실용위 성 아리랑 2호(KOMPSAT-2, Korea Multi-Purpose SATellite-2)의 반사도 값을 활용하여 새로운 선박탐 지지수 제시하였고, 위 지수를 활용한 선박탐지 및 오차요인을 분석하였다.

    자료 및 방법

    고해상도 광학 인공위성 영상

    아리랑 2호는 2006년 7월 28일 한국항공우주연구 원(KARI, Korea Aerospace Research Institute)에서 발사한 우리나라 다목적실용위성으로 15×15 km 크기 의 지상수신범위를 가진 고해상도의 광학 위성이다 (Seo et al., 2008; Lee et al., 2012). 총 4개의 다중 분광채널과 1개의 전정색 채널을 가지고 있으며 다 중분광채널은 450-520 nm의 Blue band, 520-600 nm 의 Green band, 630-690 nm의 red band, 760-900 nm 의 Near-infrared band를 포함하며 4 m의 공간해상도 의 사양을 보유하고 있으며, 전정색 채널은 500-900 nm의 파장대와 1 m의 공간해상도를 가진다(Table 1).

    본 연구에서 사용한 광학 위성영상은 2016년 3월 15일 02:02:33 (UTC)에 한반도 광양 및 여수 인근 해역을 촬영한 영상으로 Fig. 1a는 남해안 연구해역 의 지리적 위치를 나타내고 있다. Fig. 1b는 실제 위 성이 관측한 해역의 RGB 합성영상으로 이곳은 광양 항을 비롯한 크고 작은 항구 및 여객터미널이 위치 하고 있어 선박 유동량이 많은 해역이다.

    반사도 변환

    인공위성 관측을 통해 획득한 영상의 디지털 기기 값(Digital Number, DN)은 복사휘도(Radiance) 및 반 사도(Reflectance)와 같은 유의미한 값으로 변환하는 과정이 필요하다. 식 (1)은 DN을 파장 λ에서의 TOA (Top of Atmosphere) 복사휘도(Lλ) 값으로 변환하는 과정으로 각 밴드 별 Gainoffset을 곱하고 더해줌 으로써 구해진다. 식 (2)는 앞서 구한 복사휘도를 사 용하여 최종적으로 TOA 반사도(ρλ) 값으로 산출하는 과정으로 d는 지구와 태양사이의 거리(astronomical unit), ESUNλ는 각 파장별 태양 외기권 평균 복사조 도(Wm−2 mm−1)이며 θs는 태양천정각이다(Lee et al., 2012).

    L λ = G a i n × ( D N ) + o f f s e t
    (1)

    ρ λ = π L λ d 2 ( E S U N λ ) cos θ s
    (2)

    Fig. 2는 연구해역의 각 채널별 반사도 분포영상으 로 바다를 포함한 대부분의 해상 물체는 0에서 0.16 사이의 반사도 값을 보이고 있다. 회색으로 표시한 육지는 NASA (National Aeronautics and Space Administration) SRTM (Shuttle Radar Topography Mission)에서 제공하는 DEM (Digital Elevation Model) 30 m 자료를 사용하여 제거하였다(Rabus et al., 2003). DEM은 아리랑 2호에 비해 낮은 공간해상도 뿐만 아니라 자연 및 인공적인 지형변화로 인해 추 가적인 육지 제거 작업을 수행하였는데, NIR 채널의 45이상의 DN 값은 육지로 간주하고 제거하였다. 모 든 채널의 반사도 영상에서 선박이 바다에 비해 높 은 값을 보이고 있으며, 일부 이동 중인 선박 후면에 서는 이동방향에 따른 선형 형태의 난류 후류와 V자 형태의 켈빈 후류가 보인다(Melsheimer et al., 1999).

    선박탐지지수

    기존 연구사례들은 전정색 영상에서의 선박과 주변 배경장과 강도 차이를 통해 선박을 탐지하였지만 Blue, Green, Red, NIR과 같은 다중분광 채널에서도 선박과 바다 사이에 반사도 차이가 발생하므로 이를 활용하여 선박과 바다를 분류할 수 있다. Fig. 3은 대표 선박 주변의 RGB 합성영상 및 각 채널에 따른 공간적 반사도 분포이다. RGB 합성영상을 통해 선 박으로 추정되는 화소들을 선정한 후에 각 채널별 평균 선박 반사도를 구한 결과 Blue 채널은 0.046, Green 채널은 0.051, Red 채널은 0.069 그리고 NIR 채널은 0.075로 네 개의 채널 모두 선박은 주변 바다 에 비해 큰 반사도를 보였으며, 특히 Red와 NIR 채 널과 같은 장파장대에서는 단파장대보다 큰 반사도를 나타내고 있음을 알 수 있다. 따라서 상대적 큰 반사 도를 가지는 Red와 NIR 채널를 이용하여 새로운 선 박탐지지수를 제시하였다. 식 (3)은 두 채널의 최대 및 최소 반사도 값을 사용하여 두 채널의 정규화된 반사도를 서로 곱해줌으로써 두 채널 모두에서 큰 반사도를 갖는 화소들을 우선적으로 선별하였다.

    S D I = R e f R e d R e f min R e f max R e f min × R e f R R e f min R e f max R e f min
    (3)

    연구 결과

    광학영상 선박탐지

    Fig. 4는 연구해역 중 선박이 다수 분포하는 묘도 좌측상단 해역을 샘플링한 후 각 화소에 대한 선박 탐지지수 분포도이다. Fig. 4a는 정규화된 Red 및 NIR 채널 반사도 빈도수로 두 채널 모두 최소 0에서 최대 1의 값을 가지고 있으며, 대부분의 화소들은 0.2 보다 작은 반사도에 분포하고 있으며 이는 바다 에 해당한다. 반사도가 커질수록 두 채널의 분포하는 화소 갯수도 감소하는데 이는 선박임을 알 수 있다. 즉 선박화소는 Red와 NIR 채널 모두에서 큰 반사도 를 나타낸다. Fig. 4b, 4c는 각각 x축의 정규화된 Red 채널 및 NIR 채널의 반사도와 선박탐지지수의 빈도수 분포로 선박탐지지수가 0.1 보다 작은 경우 대부분의 바다에 해당하는 화소들이 분포하고 있다. 0.1을 기준으로 영상 내 화소를 분류한 결과 선박탐 지지수가 기준보다 작은 경우는 전체해역의 약 86.42% 를 차지하고 있으며 이는 바다에 해당하며, 기준보다 큰 화소들은 0.33%를 나타냈고 이는 선박으로 판단 할 수 있다. 나머지에 해당하는 화소는 전처리 과정 에서 제거된 육지로 13.25%를 차지하고 있다.

    Fig. 5는 전체 연구해역과 선박이 다수 분포하는 두 해역에 대한 선박탐지 결과 그림이다. Fig. 5a, 5b 는 전 해역의 RGB 합성영상 및 탐지 결과로 바다는 흰색, 선박은 검정색, 육지는 회색으로 분류하였고, 탐지결과 그림에서 항구 및 선착장에 정박 중이거나 항해 중인 다수의 선박을 확인할 수 있다. Fig. 5c는 묘도 좌측상단에 해당하는 해역의 RGB 합성영상으 로 가시적으로 크기가 서로 다른 총 15척의 선박이 있으며 갑판의 구조물 및 색상에 따라 주변보다 밝 게 빛나는 선박과 주변 바다와 유사한 초록색을 띠 는 선박도 일부 나타나있다. 특히 오른쪽 상단에 상 대적으로 진한 초록색을 띠는 선박은 후면에 켈빈후 류를 보여주고 있으며 묘도에 인접해 있는 작은 선 박의 경우에도 선박 후미로 후류가 길게 나타나 있 어 영상이 촬영되기 이전 선박의 이동경로를 유추할 수 있다. Fig. 5d는 동일한 영역을 선박탐지지수를 통해 분류한 그림으로 총 14개 선박을 탐지하였다. 탐지 못한 한 개의 선박은 묘도 상단에 바다와 유사 한 색상을 나타내고 있는 선박으로 위 선박은 갑판 에 큰 반사도를 나타내는 물체가 없어 RGB 합성영 상도 분별하기 어려운 한계가 있다. Fig. 5e는 여수 와 남해 사이에 위치한 해역으로 중앙에 6개의 선박 과 왼쪽 상단에 크기가 작은 1개의 선박이 존재한다. 특히 경도 127.784°E, 위도 34.872°N 부근에 위치한 선박은 밝게 빛나는 동그란 구조물이 연속적으로 보 이는 것으로 보아 구형 모형의 탱크를 보유한 LNG (Liquefied Natural Gas) 선박으로 판단할 수 있다 (Vanem et al., 2008). 대부분 선박 후미에는 후류가 나타나지 않는 것으로 보아 큰 이동이 없는 선박으 로 볼 수 있다. Fig. 5f는 동일한 선박탐지지수를 적 용한 결과로 Fig. 5e에서 볼 수 있듯이 동일한 7개의 선박을 탐지하였다.

    선박탐지 오차요인

    고해상도 광학 위성영상에서는 태양의 위치에 따라 달라지는 선박 측면의 그림자를 확인할 수 있다 (Wang et al., 1999; Zhang et al., 2014). 선박 그림 자는 RGB 합성영상에서 주변 바다에 비해 어둡게 보이며 영상의 DN을 반사도로 변환하였을 경우 확 연히 구분된다. Fig. 6a는 Green 채널에서의 선박 주 변의 공간적 반사도 분포로 중앙에는 앞에서 언급한 LNG 선박이 위치해 있고 그 주변으로 균일한 반사 도 값을 보이는 바다가 고르게 분포하고 있다. 선박 왼쪽 측면에는 바다보다 더 낮은 반사도 값을 가지 는 화소들을 볼 수 있는데 영상 촬영이 이루어진 날 짜는 2016년 3월 15일 2시 2분 33초(UTC)로 이 당 시 연구지역의 태양 방위각은 144.80 o , 고도는 46.64 o 로 태양은 남동방향에 위치한 것으로 보아 선박 좌 측인 북서방향을 따라 나란히 분포하고 있는 픽셀들 은 그림자임을 알 수 있다. 이와 같이 고해상도 광학 영상의 선박 그림자를 활용해서 태양의 위치를 추정 할 수 있다. Fig. 6a은 저위도 보다 고위도에서 그림 자 높이가 상대적으로 크게 보이는데 이는 선박의 갑판 및 조타실의 높이 차가 반영되어 있는 것으로 이는 선미에 위치한 조타실이 갑판에 비해 상대적으 로 높기 때문에 구조물에 의한 그림자의 높이차가 반영된 것으로 판단된다.

    Fig. 6b는 선박중심을 그림자를 포함하는 방향의 대 각선으로 구분하였을 때 각 선과 일치하는 바다, 그림 자, 선박의 반사도 분포를 나타낸 것이다. 127.783 o E 위치는 바다를 통과하는 지점으로 평균 0.009~0.01 사 이의 값을 보이고 있으며, 선박 그림자와 만나는 127.784 o E 위치에서 0.005로 약 50% 감소한다. 그림자 통과 후 선박과 만나는 지점에서는 최대 0.07까지 반 사도가 급격히 증가함을 보인 후 다시 바다를 통과할 때는 0.01의 균일한 반사도 분포를 나타낸다. 그림자 는 선박 보다는 바다와 유사한 반사도를 보여주므로 선박을 탐지하는데 있어 큰 영향이 없음을 알 수 있다.

    일부 선박으로 탐지된 화소를 보면 선박 중간 및 후미 부분에 움푹 파인 모양을 볼 수 있다. RGB 합 성영상에서 동일한 위치를 비교해보면 파인 부분은 주변에 비해 어둡게 나타난다. 이는 선박 내부에서도 각 구조물의 색상 및 재질에 따른 반사도의 차이를 나타내는 것으로 이로 인해 일부 선박의 내부 측면 은 바다로 탐지되는 경우가 발생하기도 한다. 따라서 선박 내부의 구조물은 선박탐지의 오차요인으로 작용 할 수 있다.

    항해 중인 선박의 후미에는 선박의 지나간 흔적인 후류가 나타나는데 후류는 선박 외관, 프로펠러, 이 동 속도 등 여러 요인에 의해 형태가 달라진다. 소형 선박 또는 시간이 지난 후류들은 바다와 유사한 반 사도를 나타내지만 대형선박 또는 이동 속도가 빠른 보트의 후류들은 바다에 비해 큰 반사도를 가지므로 선박으로 탐지될 가능성이 있다.

    요약 및 결론

    본 연구에서는 고해상도 광학 인공위성 아리랑2호 영상의 Blue, Green, Red, NIR 채널 반사도 값을 활 용한 선박탐지 및 오차요인을 분석하였다. 2016년 3 월 15일 광양만 인근 해역을 촬영한 영상의 DN을 반사도로 변환한 후 각 채널별 선박 반사도 차이를 비교 분석한 결과 Red와 NIR 같은 장파장채널이 Blue, Green과 같은 단파장채널보다 상대적으로 큰 반사도를 나타내었고, 두 채널을 활용한 선박탐지지 수를 제시하였다. 선박과 바다를 분류하기 위해 0.1 의 선박탐지지수를 적용하였고, 다수의 선박이 분포 하는 연구해역의 탐지결과를 RGB 합성영상과 비교 하였을 때 한 개의 선박을 제외한 모든 선박이 탐지 됨을 보여주었다.

    상대적 규모가 큰 LNG 선박을 선정한 후 Green 채널에서의 반사도 공간 분포를 분석한 결과 선박 좌측면에서 평균 0.005를 가지는 균일한 형태의 화소 들이 존재하였다. 영상이 촬영된 시간이 오전 11시 (KST)이며 이때 연구해역의 방위각은 144.80 o로 태양 이 남동쪽에 위치한 것으로 보아 선박 좌측인 북서 쪽 방향으로 나타난 균일한 픽셀들은 그림자로 판단 할 수 있다. 이러한 그림자는 최대 0.08의 선박 반사 도와 달리 낮은 반사도를 보이기 때문에 선박탐지에 있어 큰 영향이 없음을 알 수 있다. 또한 선박 선미 와 후미에 그림자 높이차가 발생하는데 이는 선박갑 판 및 구조물의 높이차를 반영한 것으로 고려된다. 본 연구결과는 한반도 연안 해역에서 해상사고 발생 시 광학 인공위성을 활용한 실종선박 수색기술에 도 움이 될 것으로 사료된다.

    사 사

    이 논문은 선박해양플랜트연구소의 주요사업인 “해 양사고 신속 수색구조 지원 기반기술 개발(PES9370)” 및 2018년 해양수산부 재원으로 해양수산과학기술진 흥원의 지원(위험유해물질(HNS) 사고 관리기술 개발) 을 받아 수행되었습니다.

    Figure

    JKESS-39-241_F1.gif

    (a) The coastal line of the Korea peninsula including the study area, (marked by a black box), (b) enlarged Korea Multi- Purpose SATellite-2 (KOMPSAT-2) RGB composite image taken at 11:02 KST on March 15, 2016, the red box indicates a sampling area containing many ships.

    JKESS-39-241_F2.gif

    The study area represented by the reflectances of (a) Blue, (b) Green, (c) Red, and (d) NIR.

    JKESS-39-241_F3.gif

    (a) The representative ship in the RGB composite and reflectance images of the same ships as (a) for four channels, namely (b) Blue, (c) Green, (d) Red, and (e) NIR.

    JKESS-39-241_F4.gif

    Frequency of histogram using the Ship Detection Index, corresponding to the regions shown in Fig. 5b.

    JKESS-39-241_F5.gif

    The results of the detected ship by Ship Detection Index.

    JKESS-39-241_F6.gif

    The reflectance of the ship (a) in green channel and (b) the reflectance change at the cross section.

    Table

    Characteristics of the Korea Multi-Purpose SATellite- 2 (KOMPSAT-2) images

    Reference

    1. G. Cheng , J. Han (2016) A survey on object detection in optical remote sensing images., ISPRS J. Photogramm. Remote Sens., Vol.117 ; pp.11-28
    2. C. Corbane , L. Najman , E. Pecoul , L. Demagistri , M. Petit (2010) A complete processing chain for ship detection using optical satellite imagery., Int. J. Remote Sens., Vol.31 (22) ; pp.5837-5854
    3. S. Homayouni , M. Roux (2004) Hyperspectral image analysis for material mapping using spectral matching., ISPRS Congress Proceedings, Vol.20
    4. M. Kim , U.H. Yim , S.H. Hong , J.H. Jung , H.W. Choi , J. An , W.J. Shim (2010) Hebei Spirit oil spill monitored on site by fluorometric detection of residual oil in coastal waters off Taean, Korea., Mar. Pollut. Bull., Vol.60 (3) ; pp.383-389
    5. T.S. Kim , K.A. Park , X. Li , M. Lee , S. Hong , S.J. Lyu , S. Nam (2015) Detection of the Hebei Spirit oil spill on SAR imagery and its temporal evolution in a coastal region of the Yellow Sea., Adv. Space Res., Vol.56 (6) ; pp.1079-1093
    6. M. Liao , C. Wang , Y. Wang , L. Jiang (2008) Using SAR images to detect ships from sea clutter., IEEE Geosci. Remote Sens. Lett., Vol.5 (2) ; pp.194-198
    7. E.B. Lee , J.H. Yun , S.T. Chung (2012) A study on the development of the response resource model of hazardous and noxious substances based on the risks of marine accidents in Korea., Journal of Navigation and Port Research, Vol.36 (10) ; pp.857-864
    8. M. Lee , S. Oh (2014) Development of Response Scenario for a Simulated HNS Spill Incident., Journal of the Korean Society of Marine Environment and Safety, Vol.20 (6) ; pp.677-684
    9. M.S. Lee , K.A. Park , H.R. Lee , J.J. Park , C.K. Kang , M. Lee (2016) Detection and dispersion of thick and film-like oil spills in a coastal bay using satellite optical images., IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens., Vol.9 (11) ; pp.5139-5150
    10. S.G. Lee , C.G. Jin , C.U. Choi , H.S. Lim , Y. Kim , J. Kim (2012) Absolute radiometric calibration of the KOMPSAT-2 multispectral camera using a reflectance-based method and empirical comparison with IKONOS and QuickBird images., J. Appl. Remote Sens., Vol.6 (1) ; pp.063594
    11. C. Melsheimer , H. Lim , C. Shen (1999) Observation and analysis of ship wakes in ERS SAR and SPOT images., Proc. 20th Asian Conf. Remote Sensing, Vol.1 ; pp.554-559
    12. J.J. Park , S. Oh , K.A. Park , P.Y. Foucher , J.C. Jang , M. Lee , T.S. Kim , W.S. Kang (2017) The Ship Detection Using Airborne and In-situ Measurements Based on Hyperspectral Remote Sensing., Journal of the Korean Earth Science Society, Vol.38 (7) ; pp.535-545
    13. N. Proia , V. Pagé (2010) Characterization of a bayesian ship detection method in optical satellite images., IEEE Geosci. Remote Sens. Lett., Vol.7 (2) ; pp.226-230
    14. B. Rabus , M. Eineder , A. Roth , R. Bamler (2003) The shuttle radar topography mission-a new class of digital elevation models acquired by spaceborne radar., ISPRS J. Photogramm. Remote Sens., Vol.57 (4) ; pp.241-262
    15. D.C. Seo , J.Y. Yang , D.H. Lee , J.H. Song , H.S. Lim (2008) Kompsat-2 direct sensor modeling andgeometric calibration/validation., Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci, ; pp.37
    16. S.P. Song , D.J. Cho , S.G. Park , C.E. Hong , S.H. Park , S.H. Suh (2013) Design of Transportation Safety system with GPS Precise Point Positioning., Journal of Navigation and Port Research, Vol.37 (1) ; pp.71-77
    17. J. Tang , C. Deng , G.B. Huang , B. Zhao (2015) Compressed-domain ship detection on spaceborne optical image using deep neural network and extreme learning machine., IEEE Trans. Geosci. Remote Sens., Vol.53 (3) ; pp.1174-1185
    18. E. Vanem , P. Antão , I. Østvik , F.D.C. de Comas (2008) Analysing the risk of LNG carrier operations., Reliab. Eng. Syst. Saf., Vol.93 (9) ; pp.1328-1344
    19. C.C. Wackerman , K.S. Friedman , W.G. Pichel , P. Clemente-Colón , X.I.A.O.F.E.N.G. Li (2001) Automatic detection of ships in RADARSAT-1 SAR imagery., Can. J. Rem. Sens., Vol.27 (5) ; pp.568-577
    20. B. Wang , A. Ono , K. Muramatsu , N. Fujiwara (1999) Automated detection and removal of clouds and their shadows from Landsat TM images., IEICE Trans. Inf. Syst., Vol.82 (2) ; pp.453-460
    21. G. Yang , B. Li , S. Ji , F. Gao , Q. Xu (2014) Ship detection from optical satellite images based on sea surface analysis., IEEE Geosci. Remote Sens. Lett., Vol.11 (3) ; pp.641-645
    22. N. Yokoya , A. Iwasaki (2015) Object detection based on sparse representation and Hough voting for optical remote sensing imagery., IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens., Vol.8 (5) ; pp.2053-2062
    23. H. Zhang , K. Sun , W. Li (2014) Object-oriented shadow detection and removal from urban highresolution remote sensing images., IEEE Trans. Geosci. Remote Sens., Vol.52 (11) ; pp.6972-6982
    24. C. Zhu , H. Zhou , R. Wang , J. Guo (2010) A novel hierarchical method of ship detection from spaceborne optical image based on shape and texture features., IEEE Trans. Geosci. Remote Sens., Vol.48 (9) ; pp.3446-3456