[논문] 백스캐터를 넘어: 탐지된 SAR 이미지에서의 InSAR 일관성

출처: arXiv - 2606.07374v1

개요

본 연구에서는 정확한 코어지정이 필요 없는, 탐지된 SAR 이미지로부터 직접 코히런스 회귀를 수행하는 딥러닝 프레임워크를 제안한다. 정확히 코어지정된 Sentinel‑1 SLC 데이터에서 추출한 코히런스 맵을 이용해 백스캐터 강도와 코히런스 사이의 관계를 학습하도록 Residual U‑Net을 훈련시킨다. 이 모델은 12일 간격의 SLC 쌍을 사용해 학습되었으며, 코어지정된 SLC 제품 및 Google Earth Engine 등을 통해 제공되는 공개 분석용 데이터 등 다양한 복사계량 특성, 기하학적 형태, 지역을 포함하는 여러 데이터셋에 대해 평가하였다. 실험 결과, 제안된 방법이 기존의 강도 기반 접근법에 비해 향상된 정확도로 고해상도 코히런스 회귀를 달성함을 보여준다. 또한 네트워크는 다양한 지리적 위치와 훈련 시 전혀 보지 못한 다른 시간 간격에도 잘 일반화된다. 전 세계적으로 이용 가능한 분석용 데이터(예: 지상 거리 탐지 데이터)에서도 동작할 수 있어, Google Earth Engine을 통해 배포되는 데이터와 같은 경우에도 대규모 임무 설계, 변화 모니터링 및 다양한 매핑 작업에 적용할 수 있다.

주요 기여

이 논문은 다음 분야의 연구를 제시한다:

• eess.SP
• cs.CV

방법론

자세한 방법론은 전체 논문을 참고한다.

실용적 함의

본 연구는 eess.SP 분야의 발전에 기여한다.

저자

• Francescopaolo Sica
• Andrea Pulella
• Michael Schmitt

논문 정보

• arXiv ID: 2606.07374v1
• 분류: eess.SP, cs.CV
• 출판일: 2026년 6월 5일
• PDF: PDF 다운로드