위성영상 기반 딥러닝을 활용한 TEL 전개 가능 지역 예측 및 신뢰성 분석 = A Study on the Prediction of TEL Deployment Areas and Reliability Analysis using Satellite Imagery-based Deep Learning

국문 초록 (Abstract)

현대전에서 이동식 미사일 발사대(Transport Erect Launcher, 이하 TEL)의 위협이 증대됨에 따라 TEL 전개 가능 지역을 사전에 탐지하고 그 예측 결과 의 신뢰성을 확보하는 것이 국가 안보의 핵심 과제가 되었다. 기존의 영상 판 독 방식은 탐지 신속성 및 일관성에 한계가 있었으며, 딥러닝 모델은 높은 성 능에도 불구하고 판단 과정을 알 수 없는 ‘블랙박스(black-box)’ 구조로 인해 군사적 의사결정에서의 활용에 제약이 있었다. 본 연구는 이러한 한계를 극복하기 위해 딥러닝을 활용한 TEL 전개 가능 지역 예측 모델 구축과 Score-CAM 기반 설명 가능한 인공지능(Explainable AI, 이하 XAI) 분석을 통합한 방법론을 제시하였다. 먼저, TEL 운용 조건을 기준으로 U-Net 기반 의미론적 분할 모델을 학습하고 북한 지역에 적용하였다. 모델은 IoU 0.8920의 높은 정량적 성능을 보였으며, 실제 TEL 발사 사례 의 84.6%를 전개 가능 지역으로 예측하여 실효성을 입증하였다. 다음으로, 모델이 TEL 전개 가능성을 판단하는 근거를 시각적으로 해석하기 위해 Score-CAM을 적용하였다. 시각화 분석 결과, 모델은 TEL 운용의 핵심 요소인 도로 및 개활지에 일관되게 집중하는 경향을 보였다. 이러한 시각적 근거는 모델이 설정된 운용 기준을 바탕으로 합리적인 예측을 수행했음을 정 성적으로 뒷받침한다. 종합적으로, 본 연구는 딥러닝 기반의 자동 탐지 시스템에 XAI 해석 방법을 결합함으로써 예측 성능과 결과의 신뢰성을 동시에 확보하였다. 이는 분석관 에게 직관적인 판단 근거를 제공하여 실무적 활용도를 높이는 데 기여하며, 지형 정보 분석을 위한 TEL 위협 대응 전략 수립의 핵심 기반이 될 것으로 기대된다. 주요어 : 딥러닝, 위성영상 분석, 설명 가능한 인공지능(XAI), TEL(이동식 미 사일 발사대), 신뢰성 분석

다국어 초록 (Multilingual Abstract)

In modern warfare, as the threat posed by Transport Erect Launchers (TELs) continues to grow, it has become a core national security challenge to proactively detect potential TEL deployment areas and ensure the reliability of the prediction results. Conventional methods relying on visual imagery interpretation have inherent limitations in detection speed and consistency. Furthermore, deep learning models, despite their high performance, have been restricted in military decision-making due to their 'black-box' structure, which obscures the decision process. To overcome these limitations, this study proposes an integrated methodology that combines a deep learning model for predicting TEL deployment areas with Explainable AI (XAI) analysis based on Score-CAM. First, a U-Net based semantic segmentation model was trained using TEL operational conditions and applied to the North Korean region. The model demonstrated high quantitative performance, achieving an IoU of 0.8920 and an Accuracy of 92.15%, and proved its practical effectiveness by predicting 84.6% of actual TEL launch cases as deployment areas. Subsequently, Score-CAM was applied to visually interpret the evidence used by the model to determine TEL deployment possibility. The visualization analysis revealed that the model consistently focused on key operational elements, such as roads and open areas. This visual evidence qualitatively supports that the model performed rational prediction based on established operational criteria. Collectively, this study simultaneously secured both prediction performance and result reliability by integrating an XAI interpretation method into a deep learning-based automatic detection system. This methodology contributes to enhancing practical utility by providing analysts with intuitive decision-making grounds, and is expected to serve as a core foundation for establishing effective TEL threat response strategies for terrain information analysis. Key words: Deep Learning, Satellite Imagery Analysis, Explainable AI (XAI), TEL (Transport Erect Launcher), Reliability Analysis

목차 (Table of Contents)

• 목 차
• 제1장 서 론 1
• 제2장 이론적 배경 및 기존 연구 3
• 2.1. 이론적 배경 3
• 2.2. 기존 연구 10
• 제3장 연구 방법론 12
• 3.1. 연구 절차 12
• 3.2. 학습 데이터 구축 13
• 3.3. 모델 설계 16
• 3.4. Score-CAM 기반 시각화 19
• 제4장 결과분석 21
• 4.1. TEL 전개 가능지역 예측 모델 성능 검증 21
• 4.2. Score-CAM 기반 시각화 분석 24
• 4.3. 종합분석 27
• 제5장 결론 및 향후 연구 방향 29
• 참고문헌 32
• 영문 초록 35