Effects of Tilt Angle on Deep Learning-Based COSMO-SkyMed SAR-to-Optical Translation Images

본 논문은 영상 딥러닝 기반 COSMO-SkyMed SAR 영상의 광학영상화 시 원영상과 참조 영상 간 촬영각 차이가 모의 결과에 미치는 영향을 분석하였다. 촬영 각도가 다른 두 위성영상의 ‘Image-to-Image Translation’을 위하여 FFC (Fast Fourier Convolution) 블록을 적용한 UNSB (Unpaired Image-to-Image Translation via Neural Schrödinger Bridge) 모델을 사용하였다. 참조 영상으로는 SAR 영상과 약 19.8°의 촬영 각도 차이를 가진 광학영상과 약 43.7°의 촬영 각도 차이를 가진 광학영상으로 실험을 진행하여 결과를 비교 분석하였다. 실험 결과, SAR 영상과 촬영 각도 차이가 적은 광학영상을 참조한 경우가 상대적으로 지형지물의 Edge를 잘 유지하면서 SAR 영상 내 건물의 기울어짐이 보정되었다. 또한, 정량적 지표 SSIM이 약 0.8782의 값으로 상대적으로 좋은 결과를 나타내었다.