Detection of Water Bodies in South Korea Using High-Resolution Capella X-Band SAR Images: Deep Learning and Ensemble Approaches

Abstract

위성 영상을 활용한 수체 탐지는 수자원 관리 및 환경 모니터링 분야에서 매우 중요한 역할을 담당한다. 정확한 수체 지도는 홍수 예측, 물 이용 계획, 생태계 보호 및 지속 가능한 농업 개발과 같은 다양한 응용 분야에서 필수적 이다. 기후 변화와 급격한 도시화로 인해 변화하는 수자원의 동태를 이해하고 효율적으로 관리하기 위해, 본 연구는 고해상도의 Capella Space의 X-band SAR 영상을 활용하여 한국 내 수체를 효과적으로 탐지하는 모델을 개발하였 다. 모델은 전천후 및 주야간에도 효과적인 수체 탐지를 가능하게 하는 고해상 도 SAR 영상을 기반으로 한다. 본 연구에서는 CNN 기반의 U-Net과 HRNetV2, Transformer 기반의 Swin Transformer 모델을 적용하고, 이들의 성능을 가중 평 균 앙상블 방법을 통해 향상시키는 방안을 제안하였다. 교차 검증을 통한 일반 화된 성능 평가와 전이 학습을 통한 모델 최적화를 진행하였으며, SRTM 5m 해상도 기반으로 생성된 HADN DEM과 Slope 지형 데이터를 추가하여 모델의 수체 탐지 능력을 강화하였다. 실험 결과, 가중 평균 앙상블 방법은 개별 모델 들의 5 폴드 교차 검증 결과를 능가하는 94.24%의 mIoU를 달성하였으며, 수체 탐지 알고리즘의 높은 정확도와 일반화 성능을 보여주었다.