• 대한원격탐사학회지
• /
• 제31권5호
• /
• pp.395-408
• /
• 2015

고해상도 위성영상 모자이크는 두 장 이상의 위성영상을 공간적으로 합성하여 보다 넓은 단일 영상을 만드는 영상 처리 과정으로 원격탐사 분야에서 그 중요성이 날로 커지고 있다. 본 연구에서는 영상 모자이크 작업 시 요구되는 접합선 자동 추출기법과 이를 기반으로 한 모자이크 영상 제작 방법을 제시하였다. 대용량인 고해상도 위성영상에서 보다 빠르고 효율적인 접합선 추출하기 위해서, NDVI의 특성을 활용하여 빠르게 경계선을 추출하는 NDVI 기반 접합선 추출 알고리즘을 개발하였다. NDVI는 식생의 분포량 및 활동성을 나타내는 정규화 식생지수로 이를 활용하여 인공지역과 자연지역을 분리하여 초기 접합선을 추출하였다. Canny 에지 연산자를 적용하여 비용범위이미지를 생성하고, 초기 접합선을 기준으로 버퍼링 기법을 사용하여 범위 비용 이미지를 생성하였다. 다익스트라 알고리즘을 사용하여 접합선을 추출하고, 획득시기가 다른 인접영상간의 방사 왜곡을 줄이기 위하여 히스토그램 매칭을 수행하였다. KOMPSAT-2/3 위성영상을 이용한 실험결과, 두 영상의 기하학적 차이로 인한 시각적 불연속 특징이 감소됨을 확인할 수 있었고, 접합선 추출시 소요되는 연산시간이 감소되는 것을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.893-903
• /
• 2018

고해상도 위성영상 활용의 증가와 함께 자동 정밀 기하보정의 필요성이 증가하고 있다. 정밀기하보정을 위한 지상기준점(ground control point, GCP)을 수집하는 방법 중 하나로 항공정사영상과 같은 영상지도의 일부를 추출한 칩(chip) 영상을 이용하는 것을 들 수 있고, 영상 정합 기법을 이용하여 자동화할 수 있다. 이 때 통합기준점과 같이 기존에 측량이 이루어진 지상기준점을 대상으로 칩 영상을 제작하는 경우 개수의 제한으로 영상 정합 성공률의 중요성이 증가한다. 이 연구의 목적은 KOMPSAT-3A 영상과 항공정사영상 기반 지상 기준점 칩 영상 간 정합 성공률을 향상시키기 위한 방법을 제시하는 것이다. 이를 위하여 KOMPSAT-3A 전정색(panchromatic, PAN) 영상, 다중분광(multispectral, MS) 영상, 융합(pansharpening, PS) 영상과 항공정사영상의 각 밴드 조합에 대해 영상 정합을 실시하고 성공률을 비교하였다. 그 결과 주로 사용되고 있는 전정색 영상과 다중분광 영상을 이용할 때 약 10-30%의 영상 정합 성공률이 융합 영상을 이용할 때 약 40-50%로 증가하는 것으로 나타났다. 따라서 KOMPSAT-3A 위성영상과 항공정사영상의 정합에 있어 융합 영상을 사용하는 것이 정합 성공률을 향상시키는데 도움이 되는 것으로 판단된다.

• 대한공간정보학회지
• /
• 제17권1호
• /
• pp.21-35
• /
• 2009

KOMPSAT-2(KOrean MultiPurpose SATellite-2)위성은 GSD(Ground sample distance) 1m급 전정색(panchromatic) 영상과 GSD 4m급의 다중분광(multispectral)영상을 동시에 제공하는 세계 7번째 고해상도(High-Resolution) 위성으로 지도제작, 국토모니터링, 환경 등 여러 분야에서의 다양한 활용이 기대된다. 그러나, KOMPSAT-2영상은 다중분광센서(MSC : Multi Spectral Camera)의 복잡성과 보안성에 의해 위성궤도 및 자세정보 등 영상 취득 시 기하학적 정보 및 영상이 제한적으로 제공되고 있어 KOMPSAT-2 영상을 이용한 다양한 연구가 미흡한 실정이다. 이에 본 연구에서는 KOMPSAT-2의 스테레오 영상을 이용하여 DEM 및 정사영상 제작실험을 수행하여 KOMPSAT-2 영상을 이용한 지형공간정보 생성 가능성을 타진하고자 하였다. KOMPSAT-2영상을 이용한 DEM(Digital Elevation Model) 및 정사영상을 제작하기 위해서는 먼저 표정해석(orientation)을 수행하여야 한다. DEM을 제작하여 정확도를 분석한 결과, 전반적으로 수치지도에 비해 표고가 높게 추출되었다. 평지부에서는 평균 1.8m, 구릉지에서는 평균 7.2m, 산지에서는 평균 11.9m의 표고오차를 나타냈다. 본 연구를 통해 생성된 정사영상의 수평위치오차 평균은 ${\pm}3.081m$로 1:5,000 수치지도 수평위치오차 허용범위인 ${\pm}3.5m$ 준하는 것으로 나타났다. KOMPSAT-2호 영상을 이용하여 DEM 및 정사영상을 제작한 결과, 1:5,000급의 수치지도제작 및 지형공간정보 생성에 활용할 수 있을 것으로 판단된다.

• 항공우주기술
• /
• 제3권2호
• /
• pp.160-169
• /
• 2004

KOMPSAT-2 위성의 MSC는 고해상도 위성영상을 얻기 위하여 TDI 기능을 적용하고, 위성 운영방법으로 자세각 요각에 대한 제어를 요구한다. 본 연구에서는 TDI 기능의 개념과 요구되는 조건을 만족하는 위성의 요각을 계산하기 위하여 촬영궤적평면의 기하관계를 설정하여 최종적으로 요각의 계산식을 구하였다. 이를 바탕으로 프로그램을 작성하고 시뮬레이션 하여 궤도와 촬영 자세각에 따른 요각의 계산결과를 탑재컴퓨터에서 설정되는 요각과 비교하였다.

• 한국환경생태학회지
• /
• 제32권6호
• /
• pp.686-697
• /
• 2018

오늘날 원격탐지기술의 발달로 인해, 산림지역과 같이 피복 분류작업이 난해한 지역을 비롯한 광범위한 지역에서의 세밀한 변화탐지를 위한 고해상도 위성영상 취득이 가능해졌다. 하지만, 고해상도 영상에 대한 시계열분석의 과정에서 많은 양의 지상 관측 데이터가 요구된다. 본 연구에서는 토지피복도를 지상 관측데이터로 활용한 위성영상 분류 방법의 가능성을 시험하였다. 연구대상지는 강원도 원주시이며, 산림지역과 시가화지역이 공존하는 공간이다. 연구 자료는 2015년 3월에 촬영된 KOMPSAT-3A 영상과 2017년도 토지피복도를 이용하여 분류를 시도하였다. 서포트벡터머신(SVM)과 랜덤포레스트(RF)의 두 가지 상이한 화소기반 분류기법을 적용하여 대상지에 대한 피복분류의 분류정확도를 비교 분석하였으며, SVM 분석의 경우 다수 분석(Majority analysis)을 후속 진행하였다. 분석대상은 산림식생만 포함한 지역과 연구대상지 전지역으로 구분하였고, 대상 면적이 협소한 습지는 분석과정에서 제외하였다. 분류 결과는 오차 행렬의 전체 정확도가 두 가지 분류대상에 대해 RF 기법이 SVM 기법보다 더 나은 것으로 나타났다. 산림지역만을 대상으로 한 경우, RF 기법이 SVM 기법에 비해 18.3% 높은 값을 나타낸 반면, 전체지역을 대상으로 한 경우는 둘 사이의 간격이 5.5%로 줄어들었다. SVM 기법에 다수 분석 (Majority analysis)을 추가로 실시한 경우, 1% 정도의 정확도 향상이 나타났다. RF 기법은 산림지역의 활엽수를 분석해 내는데 상당히 효과적이었지만, 다른 대상에 대해서는 SVM 기법이 더 나은 결과를 나타내었다. 본 연구는 고해상도 단일시기 영상에 대한 화소 기반의 분류기법을 시험한 것으로, 추후 시계열분석 및 객체기반 분류기법의 추가적인 적용으로 향상된 정확도와 신뢰도를 얻을 수 있을 것으로 판단된다. 이 연구의 방법론은 시공간적으로 고해상도 분석결과를 제공함으로써, 대면적의 토지계획에 유용할 것으로 기대된다.

• 한국측량학회지
• /
• 제39권1호
• /
• pp.13-21
• /
• 2021

아리랑3호, 국토위성 등 고해상도 국토관측 위성은 일반적으로 가시광 및 근적외선 영역의 영상을 획득하기 위한 MS (Multispectral) CCD (Charge Coupled Device) 센서와 MS보다 4배의 공간해상도를 갖는 고해상도 PAN (Panchromatic) 영상을 획득하기 위한 CCD 센서의 조합으로 된 카메라를 탑재한다. 카메라 내에서 PAN과 MS CCD라인이 일정한 간격을 갖게 설치되기 때문에 위성이 궤도를 지나가며 대상물을 약간의 시간차를 갖고 촬영하게 되며 따라서 영상 내의 대상물 위치도 달라진다. PAN과 MS 영상융합을 위해서는 PAN과 MS영상간의 정밀한 상호좌표등록이 필요한데, 본 연구에서는 센서모델링을 통한 기법과 영상 매칭의 융합을 통한 상호좌표등록을 수행하였다. PAN과 MS 상호 센서모델링을 통해 초기 상호좌표등록을 수행하고, 영상 매칭을 통해 그 정밀도를 향상시켜 약 RMSE (Root Mean Square Error) 0.2 화소의 정밀도를 확보할 수 있었다.

• 한국측량학회지
• /
• 제37권3호
• /
• pp.199-208
• /
• 2019

운용 가능한 위성의 수가 증가하고 기술이 진보함에 따라 영상정보의 성과물이 다양해지고 많은 양의 자료가 축적되고 있다. 본 연구에서는 기구축된 영상정보를 활용하여 부족한 훈련자료의 문제를 극복하고 딥러닝(deep learning) 기법의 장점을 활용하고자 전이학습과 변화탐지 네트워크를 활용한 고해상도 위성영상의 변화탐지를 수행하였다. 본 연구에서 활용한 딥러닝 네트워크는 공간 및 분광 정보를 추출하는 합성곱 레이어(convolutional layer)와 시계열 정보를 분석하는 합성곱 장단기 메모리 레이어(convolutional long short term memory layer)로 구성되었으며, 고해상도 다중분광 영상에 최적화된 정보를 추출하기 위하여 커널(kernel)의 차원에 따른 정확도를 비교하였다. 또한, 학습된 커널 정보를 활용하기 위하여 변화탐지 네트워크의 초기 합성곱 레이어를 고해상도 항공영상인 ISPRS (International Society for Photogrammetry and Remote Sensing) 데이터셋에서 추출된 40,000개의 패치로 학습된 값으로 초기화하였다. 다시기 KOMPSAT-3A (KOrean Multi-Purpose SATllite-3A) 영상에 대한 실험 결과, 전이학습과 딥러닝 네트워크를 활용할 경우 기복 변위 및 그림자 등으로 인한 변화에 덜 민감하게 반응하며 분류 항목이 달라진 지역의 변화를 보다 효과적으로 추출할 수 있었으며, 2차원 커널보다 3차원 커널을 사용할 때 변화탐지의 정확도가 높았다. 3차원 커널은 공간 및 분광정보를 모두 고려하여 특징 맵(feature map)을 추출하기 때문에 고해상도 영상의 분류뿐만 아니라 변화탐지에도 효과적인 것을 확인하였다. 본 연구에서는 고해상도 위성영상의 변화탐지를 위한 전이학습과 딥러닝 기법의 활용 가능성을 제시하였으며, 추후 훈련된 변화탐지 네트워크를 새롭게 취득된 영상에 적용하는 연구를 수행하여 제안기법의 활용범위를 확장할 예정이다.

• 대한원격탐사학회지
• /
• 제33권6_3호
• /
• pp.1187-1196
• /
• 2017

오늘날 생태계가 인간에게 제공하는 기능과 서비스의 가치를 측정하고자 하는 노력이 지속적으로 이어지고 있으나, 지금까지 수행된 연구들의 대다수는 Landsat이나 MODIS와 같은 중저해상도의 위성영상을 활용해 왔다. 최근 들어 가용할 수 있는 고해상도 위성영상이 많아지는 데 비해 고해상도 영상을 활용한 생태계서비스 가치 추정 연구는 많이 이루어지지 않은 것이다. 이에 본 연구에서는 생태계서비스 가치를 좀 더 정밀하게 분석하고자 최근 들어 가장 많은 변화가 발생하였던 세종시 지역에 대한 고해상도 KOMPSAT-3 영상을 활용하여 화소 및 객체기반 분류를 수행한 후, 생태계서비스 가치 추정 결과를 비교하였다. 화소 및 객체기반 토지피복분류 결과, 화소기반 분류에서 산림과 초지는 상대적으로 과소평가되고 농경지와 시가지는 과대평가되는 것을 확인할 수 있었다. 또한 나지의 경우에는 화소기반 분류 결과에서는 증가하였고 객체기반 분류 결과에서는 감소하여 상반된 결과를 보였다. 이러한 토지피복 분류 결과를 토대로 연구지역 전체의 생태계서비스 가치를 추정한 결과, 2014년 기준 연간 약 818만(화소기반 결과) 달러와 863만(객체기반 결과) 달러에서 2016년에는 약 780만(화소기반 결과) 달러와 862만(객체기반 결과) 달러로 감소하는 것을 확인할 수 있었다. 본 연구 결과는 지역적 차원에서의 지속가능한 도시 개발 및 삶의 질 향상을 위한 정책 등을 수립하는 데 기초 자료로서 활용될 수 있을 것으로 기대된다.

• 대한공간정보학회지
• /
• 제20권1호
• /
• pp.53-63
• /
• 2012

이산화탄소 배출로 인한 지구온난화로 발생하는 기상이변에 따른 경제적 손실은 2100년까지 세계 GDP의 5~20% 예상되며, 전 세계적으로 이산화탄소 배출량 감소를 위한 기술 개발이 고부가가치 산업으로 급부상하고 있다. 1997년 교토의정서에 따라 이산화탄소 배출량을 평균 5%수준으로 감축하자는 내용이 채택되고 우리나라도 2013년 2차 의무대상국 지정이 유력하게 되어 이상화탄소 배출량 감축을 위한 다양한 사업 및 연구가 진행되고 있다. 이에 본 연구에서는 LiDAR자료와 KOMPSAT-2 위성영상을 활용하여 산림 바이오매스를 산정하였다. 원시 LiDAR 자료로부터 추출된 수목의 객체수와 수고를 현장조사 자료와 비교 하였을 때, 객체 수는 평균 90%이상의 유사성을 나타내고 수고는 평균 0.3m의 수고차를 나타났으며, KOMPSAT-2 위성영상과 LiDAR 자료로 분류된 임상정보로 산림바이오매스를 산정 하였을 때, 객체목의 수고자료를 이용하여 임상별 산림 바이오매스와 이산화탄소 흡수량 산정이 가능하였으며, 현장조사와의 유사성은 평균 90%이상으로 높게 분석되었다.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1567-1577
• /
• 2020

시가화 지역 토지피복분류는 도시계획 및 관리에 활용된다. 따라서, 시가화 지역에 대한 분류 정확도 향상 연구는 중요하다고 할 수 있다. 본 연구에서는 고해상도 위성영상인 KOMPSAT-3A을 기계학습 중 Support Vector Machine(SVM)과 Artificial Neural Network(ANN)을 기반으로 시가화지역 분류를 진행하였다. 훈련 데이터 구축과정에서 25 m 격자를 기반으로 훈련 지역을 구분하여 영상을 학습하였으며, 학습된 모델을 활용하여 테스트 지역을 분류하였다. 검증과정에서 250개의 GTP를 활용하여 오차 행렬을 통한 결과를 제시하였다. SVM 4가지 기법과 ANN 2가지 기법 중 SVM Polynomial Model이 가장 높은 정확도인 86%를 나타냈다. Ground Truth Points(GTP)를 활용하여 두 개의 모델을 비교하는 과정에서, SVM 모델은 전체적으로 ANN 모델보다 효과적으로 KOMPSAT-3A 영상을 분류하였다. 건물, 도로, 식생, 나대지 4가지 클래스 분류 중 건물이 가장 낮은 분류정확도를 보여주었으며, 이는 고층건물에 따른 건물 그림자에 의한 오분류가 주요 원인으로 나타났다.