• 대한원격탐사학회지
• /
• 제36권5_2호
• /
• pp.917-927
• /
• 2020

우리나라 국토교통부는 GSD가 0.5m 급인 위성영상의 촬영이 가능한 CAS 500-1/2 위성과 함께 이를 활용하기 위한 기술을 개발 중에 있다. 이에 본 연구에서는 CAS 500-1/2 위성영상의 활용을 위한 기술로 자동화를 지향하는 공간객체추출 기술을 개발하고자 하였다. 연구 수행을 위해 CAS 500-1/2와 가장 유사할 것으로 예상되는 KOMPSAT-3A 위성영상을 연구에 이용하였으며, 상대방사보정을 통해 공간객체추출의 자동화 가능성을 분석하고자 하였다. 이를 위하여 상대방사보정에 이용된 참조 영상과 상대방사보정된 영상에서 매개변수 및 임계값을 동일하게 적용하고, 공간객체를 추출하였다. 추출된 공간객체가 참조영상과 상대방사보정된 영상에서 유사한 형태로 추출되는지에 대한 정성적 분석과 분류정확도가 본 연구에서 설정한 목표정확도인 90% 이상을 만족하는지에 대한 정량적 분석을 통해 공간객체추출의 자동화 가능성 여부를 분석하고자 하였다. 그 결과, 참조영상과 상대방사보정된 영상에서 각각 추출한 공간객체가 유사하게 추출되는 것을 확인하였으며, 분류정확도 분석 결과가 모두 목표정확도인 90% 이상을 만족하는 것으로 나타나 상대방사보정을 통해 공간객체추출 시 자동화가 가능할 것으로 판단된다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2008년도 춘계 종합학술대회 논문집
• /
• pp.436-440
• /
• 2008

단지계획 또는 특정 목적의 시설물 설립을 위한 적지선정은 제반여건과 주변환경을 면밀하게 고려해야 한다. 특히, 인간의 생활공간이라면 채광 및 통풍, 부지활용의 효용성 등이 중요한 요소이다. 이를 위해서 3차원 지형모델링과 가상 시뮬레이션을 통한 다각적인 입체분석이 필요하다. 이러한 지형모델링에 필수적인 고해상 위성영상이 아리랑2호 위성(KOMPSAT2)을 통해 국내기술로 제공되고 있으므로 저렴한 비용으로 처리가 가능해 졌다. 본 연구에서는 특정목적의 단지계획을 위해 몇 개의 후보지를 선정하고 3차원 지형모델링과 토지정보를 이용하여 적지분석을 하고자 하였다. 이를 위해 필지분석, 지가산정, 경사도 분석, 향분석을 실시하였으며 각 후보지 별 평가지표를 마련하여 정량적인 평가를 시도한 결과 효율적이며 합리적으로 적지선정을 할 수 있었다.

• 한국지리정보학회지
• /
• 제19권4호
• /
• pp.63-75
• /
• 2016

우리나라에서는 삼면이 바다와 접해있는 반도형태의 국가로 과거부터 해양수산물에 대한 양식이 이루어져 왔다. 최근에는 양식시설물들을 체계적으로 관리하기 위해 생산량에 대한 조사하고 있으며, 조사된 자료를 기반으로 생산물에 대한 가격책정을 수행하여 내수 어족자원을 안정화하고 어민생활권을 보장하고 있다. 이러한 양식시설물의 조사는 매년 항공사진 기반의 수동 디지타이징을 기반으로 하고 있다. 고해상도의 항공사진을 활용한 수동 디지타이징은 양식시설물 별 종류에 따른 특징과 시설물 운용 여부 등을 알고 있는 전문가의 지식을 기반으로 하여 정확한 구획이 수행된다. 그러나 항공사진의 활용은 생육주기가 다른 양식자원들을 모니터링하기에는 경제적, 시간적 한계가 있으며, 전문가의 지식기반 구획 역시 다수의 전문 인력 등이 투입되어야 한다. 그러므로 본 연구에서는 관측 대상지에 대한 대단위 모니터링이 가능한 위성영상을 바탕으로 양식장에 대한 외곽정보 자동으로 검출하는 프로토타입 시스템 개발에 대해 연구하였다. 연구에 사용되는 위성영상은 국내 고해상 위성인 KOMPSAT-3 위성영상 13 Scene을 양식시설이 주로 이용되는 10월에서 4월 사이에 신규 촬영하여 사용하였다. 양식시설의 검출은 가두리식, 연승식, 부류식 양식시설을 검출하였으며 검출 방법은 영상 처리를 통한 ANN 분류기법 및 Polygon 생성기법을 사용하였다. 개발된 프로토타입 시스템의 양식시설 검출율은 약 93% 정도로 나타났다. 위성영상 기반의 양식시설물 외곽정보 검출은 기존 항공사진이 가지는 모니터링의 한계를 개선할 수 있을 뿐만 아니라, 전문가가 양식시설을 탐지하고 판독하는 데 있어 유용하게 지원될 수 있을 것이다. 향후 양식장 시설물별 분류 및 영상 처리 기법의 적용을 통해 양식장 시설물 검출 시스템이 개발되어야 할 것이며, 해당 시스템을 통해 양식시설물 모니터링을 수행하여 관련 의사결정 지원에 도움이 될 수 있을 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제28권2호
• /
• pp.191-202
• /
• 2012

KOMPSAT-2와 같은 고해상 위성영상은 대상영역의 3차원 위치결정을 위하여 RPC(Rational Polynomial Coefficient)가 포함된 자료를 제공한다. 그러나 RPC로 계산된 영상기하는 일정량의 편이(systematic errors)를 지니고 있는 상태이며, 이를 보정하기 위해서는 수 개 이상의 지상기준점(ground control point)이 필요하다. 이에 본 논문에서는 지상기준점 없이 입체영상(stereo pair)과 SRTM(Shuttle Radar Topography Mission) DEM(Digital Elevation Model) 사이의 대응점(tie point)만을 이용하여 자동으로 영상 기하를 보정하는 효과적인 방법을 제안하였다. 이러한 방법은 4가지 단계를 포함 한다: 1) 대응점 추출, 2) 대응점에 대한 지상좌표 결정, 3) SRTM DEM을 이용한 지상좌표의 보정, 4) RPC 보정 모델의 파라미터 결정. 우리는 KOMPSAT-2 입체영상을 이용하여 제안된 방법의 성과를 입증하였다. 검사점(check point)을 통해 계산된 RMSE(Root Mean Square Error)는 X와 Y, Z방향으로 각각 약 3.55 m, 9.70 m, 3.58 m를 나타냈다. 이는 SRTM DEM을 이용하여 RPC가 지닌 편이를 X, Y 및 Z 모든방향에 대하여 10 m이내의 정확도로 자동보정할 수 있다는 것을 의미한다.

• 대한원격탐사학회지
• /
• 제37권6_3호
• /
• pp.2011-2025
• /
• 2021

고해상도 위성영상 분류에서 다양한 색상을 가지는 건물들과 같이 동일한 클래스에 속하지만 색상 정보가 상이한 화소들이 클래스를 구성하는 경우에는 클래스를 대표하는 색상 정보를 결정하기가 어렵다. 본 논문에서는 클래스의 대표적인 색상 정보를 결정하는 문제를 해결하기 위해 HSV(Hue Saturation Value)의 색상 채널을 분할하고 객체 기반의 분류를 수행하는 방법을 제안한다. 이를 위해 RGB 컬러 공간의 입력 영상을 HSV 컬러 공간의 성분으로 변환한 후에 색상(Hue) 성분을 일정 간격의 서브채널로 분할한다. 각 색상 서브채널에 대해 최소거리기반의 영상 분류를 수행하고 분류 결과를 영상 분할 결과와 결합한다. 제안한 방법을 아리랑3A 위성영상에 적용한 결과 overall accuracy는 84.97%, kappa coefficient는 77.56%로 나타났고 상용 소프트웨어 대비 분류 정확도가 10% 이상 개선된 결과를 보였다.

• 지적과 국토정보
• /
• 제49권1호
• /
• pp.103-112
• /
• 2019

위성영상 분류를 위한 관심 지역 추출은 국토 공간을 효율적으로 관리하기 위한 중요한 기술 중 하나이다. 하지만 위성영상 분류에 관한 최근의 연구들은 관심 지역을 선택하는데 있어서 영상 내의 정보에 의존하는 경우가 많다. 본 연구에서는 고해상도 영상으로부터 구축된 공간정보인 연속수치지형도를 활용하여 효과적인 관심 지역 선택 방안을 제시하였다. 본 연구에 사용된 공간정보는 국토지리정보원에서 제공하는 2013년~2017년 연속수치지형도와 환경부에서 제공하는 2015년 세종시 토지피복도를 활용하였다. 공간정보를 통해 추출된 관심 지역의 정확도 검증을 위해 2015년 10월 28일과 2018년 7월 7일 촬영된 KOMPSAT-3A호 위성영상을 사용하였다. 2013년~2015년 동안 연속수치지형도에서 변화하지 않은 영역과 2015년 토지피복지도를 사용하여 2015년 기초샘플을 추출하였다. 또한, 2015년~2017년 동안 연속수치지형도에서 변화하지 않은 영역과 2015년 토지피복지도를 사용하여 2018년 기초샘플을 추출하였다. 연속수치지형도와 토지피복도를 융합할 때 발생하는 중복된 영역은 데이터의 혼동을 방지하기 위해 모두 제거하였다. 최종적으로 관심 지역 내에서 검사점을 생성하고, 2015년, 2018년 K3A 위성영상과 오차행렬을 통해 추출된 관심 지역의 정확도를 나타냈으며 전체 정확도는 각각 약 93%, 72%로 나타났다. 관심 지역의 정확도 검증을 통해 정확하게 분류된 지역은 관심 지역으로써 사용할 수 있고 오분류된 지역은 변화탐지를 위한 참고자료로서 활용할 수 있다고 판단된다.

• 대한원격탐사학회지
• /
• 제34권6_3호
• /
• pp.1383-1398
• /
• 2018

해상풍은 복잡한 해양 현상을 이해하는 데 가장 기초 요소 중 하나이다. 1990년대 초부터 산란계를 활용하여 전세계 바람장 자료를 생산해왔지만, 낮은 해상도로 인해 해양 연구에 제한적으로 사용되었다. Synthetic Aperture Radar(SAR)는 이러한 한계점을 보완하여 고해상도의 바람장 자료 생산이 가능하다. KOMPSAT-5는 한반도 최초의 X-band SAR 탑재 인공위성으로 고해상도 해상풍 산출이 가능하다. 본 연구는 KOMPSAT-5 후방산란계수 자료를 활용하여 산출한 해상풍의 검증 결과를 최초로 제시하였다. 18장의 KOMPSAT-5 ES 모드 자료를 수집하여 해양 부이와의 일치점 데이터베이스를 생산하였다. 정확한 해상풍 산출을 위해 육지 화소, 스페클 잡음, 선박 화소를 제거하는 전처리 과정을 거쳤고, 해양 부이 실측 자료에 Liu-Katsaros-Businger (LKB) 모델을 통해 10-m 중성 바람으로 변환하여 기준 자료로 활용하였다. XMOD2를 활용하여 산출한 해상풍은 후방산란계수 산출식에 따라 $2.41-2.74m\;s^{-1}$의 평균 제곱근 오차를 보였다. 분석 결과 KOMPSAT-5 후방산란계수 자료를 활용하여 해상풍을 산출하는 경우, 대기 중력파, 파랑, 내부파를 포함한 해양 기상 환경과 레인지 모호성(range ambiguity), 입사각의 이산적 불연속적 분포를 포함한 영상 품질에 의한 잠재적 오차 요인이 존재함을 규명하였다.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1591-1604
• /
• 2020

본 연구는 고해상도 위성영상을 딥러닝 알고리즘에 적용하여 토지피복을 분류하고 공간객체별 알고리즘의 성능 검증에 대한 연구이다. 이를 Fully Convolutional Network계열의 알고리즘을 선정하였으며, Kompasat-3 위성영상, 토지피복지도 및 임상도를 활용하여 데이터셋을 구축하였다. 구축된 데이터셋을 알고리즘에 적용하여 각각 최적 하이퍼파라미터를 산출하였다. 하이퍼파라미터 최적화 이후 최종 분류를 시행하였으며, 전체 정확도는 DeeplabV3+가 81.7%로 가장 높게 산정되었다. 그러나 분류 항목별로 정확도를 살펴보면, 도로 및 건물에서 SegNet이 가장 우수한 성능을 나타내었으며, 활엽수, 논의 항목에서 U-Net이 가장 높은 정확도를 보였다. DeeplabV3+의 경우 밭과 시설재배지, 초지 등에서 다른 두 모델보다 우수한 성능을 나타내었다. 결과를 통해 토지피복 분류를 위해 하나의 알고리즘 적용에 대한 한계점을 확인하였으며, 향후 공간객체별로 적합한 알고리즘을 적용한다면, 높은 품질의 토지피복분류 결과를 산출할 수 있을 것으로 기대된다.

• 한국측량학회지
• /
• 제40권4호
• /
• pp.293-304
• /
• 2022

본 연구에서는 고해상도 위성영상의 상대기하보정 결과에 건물이 미치는 영향을 분석하기 위해 건물에서 추출된 정합쌍의 유무에 따른 상대기하보정 결과를 비교한다. 건물 정합쌍의 제거를 위해 수치지형도에서 건물 객체를 추출하여 생성한 건물마스크 영상을 이용하였으며, 추가적으로 수렴각의 크기에 따른 정합쌍 추출 성능 및 상대기하보정 결과를 분석하였다. Affine 및 Piecewise linear 변환모델을 각각 적용하여 건물밀집지역에 대한 상대기하보정 결과를 비교하였다. 실험 결과, Affine 변환모델은 건물 정합쌍 제거 후 전반적인 정확도 향상을 나타내었다. 반면에, Piecewise linear 변환모델은 주변에 건물을 포함하고 있는 검사점에서 정확도가 향상되었으나, 건물이 없는 평탄한 지역의 검사점에서는 정확도 향상이 크지 않았다. 또한, Piecewise linear 변환모델을 적용할 경우 20° 이하의 수렴각을 갖는 영상에서 2 pixels 이하의 안정적인 정확도를 도출하였다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1679-1692
• /
• 2023

대한민국은 인구 증가와 산업 발전의 결과로 많은 양의 오염물질을 배출하는 국가이자, 지리적 위치로 인해 월경성 대기오염의 심각한 영향을 받는 국가이다. 국내외에서 발생하는 오염물질이 대한민국의 대기오염에 큰 피해를 야기하는 상황에서, 대기 오염물질 배출원의 위치 정보는 대기 중 오염물질의 이동 및 분포를 파악하고, 국가 차원의 대기오염 관리 및 대응 전략을 수립하는 데 매우 중요하다. 본 연구는 이러한 배경을 바탕으로, 고해상도 광학위성 영상과 딥러닝 기반의 영상 분할 모델을 활용하여 대기오염 현황을 분석하는 데 필수적인 국내외 대기오염물질 배출원의 공간 정보를 효과적으로 획득하는 것을 목표로 수행되었다. 특히, 월경성 대기오염에 크게 기여하는 것으로 평가된 산업단지와 채석장을 주요 연구 대상으로 선정하였으며, 이들 영역에 대한 다목적실용위성 3호 및 3A호의 영상들을 수집하여 전처리한 후, 모델 학습을 위한 입력 및 라벨 데이터로 변환하였다. 해당 데이터를 활용하여 U-Net 모델을 학습시킨 결과, 전체 정확도는 0.8484, mean Intersection over Union (mIoU)은 0.6490을 달성하였다. 모델의 예측 결과 맵은 코스 어노테이션(Course Annotation) 방식으로 제작된 라벨 데이터보다 객체의 경계를 더욱 정확하게 추출하는 것으로 나타나, 데이터 처리 및 모델 학습 방법론의 유효성을 입증하였다.