• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.121-124
• /
• 2008

2000 년대 들어 방송통신융합의 흐름에 따라 등장한 IT 기반의 Non Linear 제작공정은 2005 년까지 IMX-50, DV25/50 포맷 등 50Mbps 급 이하의 동영상 Data 를 중심으로 영상 콘텐츠 제작을 위해 부분적인 프로그램 장르에 국한하여 구축, 운용되어 왔다. 최근 초고속 네트워크를 통해 대용량의 고해상도 영상데이터를 안정적으로 수용 처리하는, 상대적으로 저렴하면서 효과적인 기능을 보유한 컴퓨터 기술 기반 단위 Application 들이 등장함에 따라 고해상도 프로그램 제작을 지향하는 Contents 생산기지들을 중심으로 IT 기반 제작공정으로의 전환과 차세대 제작시스템으로 HD 급 NPS 구축 필요성이 대두되었다. 본 논문에서는 IT 기반의 방송 시스템 구축의 단초로서 최초로 HD 급 대용량 구축모델의 프로토 타입을 설계하고 발전 로드맵을 분석, 최적화를 위한 방안을 제시한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.417-417
• /
• 2023

도시홍수는 도시의 주요 기능을 마비시킬 수 있는 수재해로서, 최근 집중호우로 인해 홍수 및 침수 위험도가 증가하고 있다. 집중호우는 한정된 지역에 단시간 동안 집중적으로 폭우가 발생하는 현상을 의미하며, 도시 지역에서 강우 추정 및 예보를 위해 레이더의 활용이 증대되고 있다. 레이더는 수상체 또는 구름으로부터 반사되는 신호를 분석해서 강우량을 측정하는 장비이다. 기상청의 기상레이더(S밴드)의 주요 목적은 남한에 발생하는 기상현상 탐지 및 악기상 대비이다. 관측반경이 넓기에 도시 지역에 적합하지 않는 반면, X밴드 이중편파레이더는 높은 시공간 해상도를 갖는 관측자료를 제공하기에 도시 지역에 대한 강우 추정 및 예보의 정확도가 상대적으로 높다. 따라서, 본 연구에서는 딥러닝 기반 초해상화(Super Resolution) 기술을 활용하여 저해상도(Low Resolution. LR) 영상인 S밴드 레이더 자료로부터 고해상도(High Resolution, HR) 영상을 생성하는 기술을 개발하였다. 초해상도 연구는 Nearest Neighbor, Bicubic과 같은 간단한 보간법(interpolation)에서 시작하여, 최근 딥러닝 기반의 초해상화 알고리즘은 가장 일반화된 합성곱 신경망(CNN)을 통해 연구가 이루어지고 있다. X밴드 레이더 반사도 자료를 고해상도(HR), S밴드 레이더 반사도 자료를 저해상도(LR) 입력자료로 사용하여 초해상화 모형을 구성하였다. 2018~2020년에 발생한 서울시 호우 사례를 중심으로 데이터를 구축하였다. 구축된 데이터로부터 훈련된 초해상도 심층신경망 모형으로부터 저해상도 이미지를 고해상도로 변환한 결과를 PSNR(Peak Signal-to-noise Ratio), SSIM(Structural SIMilarity)와 같은 평가지표로 결과를 평가하였다. 본 연구를 통해 기존 방법들에 비해 높은 공간적 해상도를 갖는 레이더 자료를 생산할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제36권5_1호
• /
• pp.775-784
• /
• 2020

최근 지구온난화 및 인간 활동 등에 의해 전지구적으로 산불발생이 빈번해지고 있으며, 산불의 규모가 대형화되고 지속기간이 길어지는 경향을 보이면서, 산불 피해 또한 급증하고 있다. MODIS는 20년 가까이 전지구 산불탐지 정보를 제공하고 있고, GK2A와 Himawari-8은 1일 144회의 빈도로 동아시아권의 산불감시를 수행하고 있지만, 1~2 km의 공간해상도는 중·소 규모 산불탐지에 있어서는 충분하지 않으므로 고해상도 위성영상을 이용한 산불탐지 연구가 반드시 필요하다. 그러나 타고있는 산불탐지(active fire detection)에 대한 고해상도 산출물은 현재 공식적으로 존재하지 않는다. 이에, 본연구에서는 Landsat 8 산불탐지 알고리듬을 구현하여 고해상도 산불탐지를 수행하였으며, 최근의 대표적인 산불사례인 2019년 12월 호주 대형산불에 대하여 Landsat 8 탐지 결과를 Himawari-8, MODIS 산출물과 비교하였다. 강한 산불의 경우에는 세 위성 모두 유사한 결과를 보였지만, 타기 시작하거나 진화되고 있는 약한 산불 및 좁은 지역에 발생한 산불은 30m 해상도의 Landsat 8에서만 탐지되었고, 1~2 km 해상도의 Himawari-8나 MODIS에서는 탐지되지 않는 경향이 있었다. 우리나라와 같이 소규모 산불이 대부분인 경우에는 Landsat 8, Sentinel-2, Kompsat-3A, 그리고 2021년 발사예정인 Kompsat-7과 같은 고해상도 위성을 이용한 산불탐지가 가능할 것이며, GK2A, Himawari-8, Fengyun-3 등 동아시아 정지궤도 위성의 탐지결과와 함께 종합적인 분석을 수행한다면, 시간해상도와 공간해상도를 현재보다 향상시키는 것이 가능할 것이다. 이러한 진보된 산불감시를 위해서는 우리나라의 복잡지형에 보다 적합한 한국형 고해상도 산불탐지 알고리듬의 개발이 무엇보다 선행되어야 할 것이다.

• 대한원격탐사학회지
• /
• 제29권4호
• /
• pp.361-373
• /
• 2013

공간해상도 약 1 m의 고해상도 X-band SAR 위성이 이용되면서 SAR를 이용한 도심지 모니터링, 표적탐지, 건물 재구성에 관한 연구가 진행되고 있다. 본 연구에서는 고해상도 TerraSAR-X SAR 영상을 이용한 도심지 건물 재구성을 수행하였다. 도심지 건물 재구성을 위하여 1:25,000 수치지형도로부터 건물의 외곽선을 추출하였으며, 추출한 건물의 외곽선을 기반으로 SAR 영상에서 모서리반사 위치를 찾았다. KS 테스트(Kolmogorov-Smirnov Test)에 기반하여 고해상도 SAR 진폭영상의 건물 모서리반사 위치로부터 레이오버 길이를 측정하여 건물의 초기 높이를 설정하였다. 진폭영상을 이용하여 추출한 건물의 초기 높이 기준 -10 m에서 +10 m로 건물의 높이를 변화시키며 도심지에 적합한 간섭위상 시뮬레이션을 수행하여 TerraSAR-X 간섭위상과의 위상 일치성 계산을 하였다. 위상 일치의 경향성 분석을 통해 건물의 높이를 설정해 줌으로써 고해상도 SAR 영상을 이용한 도심지 건물 재구성 연구를 진행하였다. 대전지역의 아파트 단지에 적용한 결과, 진폭영상과 간섭위상을 이용하여 추정된 건물 높이는 LiDAR로부터 추출된 높이를 기준으로 약 1~2 m 정도의 RMSE (Root Mean Square Error)를 보였다. 개발된 알고리즘은 향후 TerraSAR-X와 TanDEM-X 간섭쌍 자료에 적용할 경우, 보다 도심지 모니터링에 효과적으로 이용될 수 있을 것이다.

• 한국측량학회지
• /
• 제30권6_1호
• /
• pp.519-528
• /
• 2012

SAR는 기상상태와 태양고도 제약을 받지 않고 영상을 취득할 수 있는 장점을 갖지만 측면 관측 촬영방식으로 인해 고도에 의한 왜곡이 발생하여 광학영상과의 통합적 활용을 위해서는 지형 보정 작업이 필수적이다. 일반적으로 SAR 영상의 지형보정은 대상지역의 수치표고모델(Digital Elevation Model, DEM)을 사용하여 수행되기 때문에 DEM 품질이 지형보정 정확도에 미치는 영향에 대한 평가가 이루어져야 한다. 이를 위해 본 연구에서는 1:5000 수치지도로부터 제작한 DEM, LiDAR DEM, ASTER GDEM, SRTM DEM을 비교 분석하여 고해상도 SAR 영상의 지형보정에 적합한 DEM을 탐색하였다. 실험데이터로는 KOMPSAT-5호와 동일한 고해상도 X-band SAR 시스템을 장착한 TerraSAR-X와 Cosmo-SkyMed 영상을 사용하였다. 지형보정 결과 평가를 위해 동일지역의 KOMPSAT-2 정사영상과의 정량적 비교평가를 수행하였다. 실험결과 수치지도로 제작한 DEM이 가장 정확한 지형보정 결과를 보였으며 현업에서 가장 많이 활용되고 있는 SRTM DEM의 경우 고해상도 SAR 영상의 지형보정에는 부적합 하였다.

• 한국우주과학회:학술대회논문집(한국우주과학회보)
• /
• 한국우주과학회 2004년도 한국우주과학회보 제13권1호
• /
• pp.82-82
• /
• 2004

인공위성의 다양한 활용분야 중 중요하며 일반적으로 많이 이용되는 것이 영상의 획득이다. 그러나 위성에서 획득된 영상은 예상치 못한 상황과 시스템의 성능에 의해 그 품질의 현격한 차이가 발생한다 그래서 고품질의 위성영상을 획득하기 위해서는 시스템에 대한 분석이 요구되며 그 분석을 기반으로 한 모델링으로 향후 설계될 위성영상의 품질을 예측 할 수 있게 된다. 향후 개발될 고해상도 위성영상의 품질 분석을 위해서는 현재 운용중인 위성의 특성분석을 기초로 모델링하여 사전에 위성영상 품질 예측을 수행할 수 있도록 해야 한다. (중략)

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1505-1514
• /
• 2022

영상정합은 다시기 및 다중센서 고해상도 위성영상을 효과적으로 활용하기 위해 필수적으로 선행되는 중요한 과정이다. 널리 각광받고 있는 딥러닝 기법은 위성영상에서 복잡하고 세밀한 특징을 추출하여 영상 간 빠르고 정확한 유사도 판별에 사용될 수 있음에도 불구하고, 학습자료의 양과 질이 결과에 영향을 미치는 딥러닝 모델의 한계와 고해상도 위성영상 기반 학습자료 구축의 어려움에 따라 고해상도 위성영상의 정합에는 제한적으로 적용되어 왔다. 이에 본 연구는 영상정합에서 가장 많은 시간을 소요하는 정합쌍 추출 과정에서 딥러닝 기반 기법의 적용성을 확인하기 위하여, 편향성이 존재하는 고해상도 위성영상 데이터베이스로부터 딥러닝 영상매칭 학습자료를 구축하고 학습자료의 구성이 정합쌍 추출 정확도에 미치는 영향을 분석하였다. 학습자료는 12장의 다시기 및 다중센서 고해상도 위성영상에 대하여 격자 기반의 Scale Invariant Feature Transform(SIFT) 알고리즘을 이용하여 추출한 영상쌍에 참과 거짓의 레이블(label)을 할당한 정합쌍과 오정합쌍의 집합으로 구축되도록 하였다. 구축된 학습자료로부터 정합쌍 추출을 위해 제안된 Siamese convolutional neural network (SCNN) 모델은 동일한 두 개의 합성곱 신경망 구조에 한 쌍을 이루는 두 영상을 하나씩 통과시킴으로써 학습을 진행하고 추출된 특징의 비교를 통해 유사도를 판별한다. 본 연구를 통해 고해상도 위성영상 데이터 베이스로부터 취득된 자료를 딥러닝 학습자료로 활용 가능하며 이종센서 영상을 적절히 조합하여 영상매칭 과정의 효율을 높일 수 있음을 확인하였다. 다중센서 고해상도 위성영상을 활용한 딥러닝 기반 영상매칭 기법은 안정적인 성능을 바탕으로 기존 수작업 기반의 특징 추출 방법을 대체하고, 나아가 통합적인 딥러닝 기반 영상정합 프레임워크로 발전될 것으로 기대한다.

• 항공우주기술
• /
• 제1권1호
• /
• pp.177-187
• /
• 2002

본 논문에서는 위성탑재용 고해상도 카메라 광학부의 예비설계 내용을 소개하고 차기 위성탑재체 개발에 필요한 기술적 제안사항을 수록하였다. 위성탑재용 고해상도 전자광학카메라 개발을 위한 광학 설계로서, 685㎞ 고도에서 지상 해상도 5m 성능을 가진 카세그레인 응용 Catadioptric 설계와 Unobscured Reflective Triplet 설계를 각각 수행, 그 spot diagram 및 MTF 등을 분석하였으며 이를 제작하는데 필요한 재질과 궤도상 운용조건까지 고려하여 실제 개발에 충분한 성능을 가진 광학설계 임을 입증하였다. 또한 차세대 위성탑재용 분광영상카메라(Hyperspectral Imager) 개발을 위하여 HSI Development Model을 설계하고 제작하였는데 그 설계 내용을 본 논문에 수록하였다. Off-axis 2-mirror 체계인 Telescope 부분과 Collimator-Grating-Reimaging lens cell로 이루어진 항우연 HSI DM의 광학 설계를 소개하고, 약 25%에 이르는 MTF성능을 포함한 설계부터 성능특성까지 주요기술사항을 기록하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.635-635
• /
• 2012

최근 공공분야 및 민간분야에서 고해상도 위성영상의 활용이 높아짐에 따라 이를 이용하여 수자원 분야의 치수계획 및 안전도 평가, 유역 홍수대응기술 분야에서의 다양한 활용이 비약적으로 증대되고 있는 실정이다. 고해상도 위성영상의 활용은 국지적 규모의 토지이용 변화 및 대기 상태의 모니터링을 위한 효과적인 기술로 인식되어 왔다. 우리나라의 KOMPSAT-2 위성은 GSD(Ground Sample Distance) 1m급의 전정색 영상과 4m급의 다중분광 영상을 동시에 제공하는 고해상도 위성이다. 그러나 다중분광센서의 복잡성과 보안성에 의해 영상이 제한적으로 제공되고 있어 KOMPSAT-2 위성영상을 이용한 다양한 연구가 미흡한 실정이다. 한편, 토지이용도의 제작은 다중분광 영상을 제공하는 위성영상을 이용하여 제작된다. 다중분광 영상이 제공하는 분광정보 및 공간정보 등으로 토지이용분류를 수행하거나 멀티센서 자료의 통합을 통한 토지이용분류 기법을 개발하여 제작하였다. 그러나 대부분 GSD 10m급 이상의 중 저해상도 위성영상을 이용하여 제작이 이루어져 수평위치 정확도 및 세부정보의 제공이 낮으며, 정보의 최신성이 결여되어 있다. 특히, 유역 치수안전도 평가를 위한 토지이용도 작성은 매우 중요한 부분을 차지하고 있으므로 이에 대한 연구가 필요하다. 이에 본 연구에서는 섬강유역을 대상으로 KOMPSAT-2 영상을 이용하여 유역 치수안전도 평가 및 치수계획 수립기술을 위한 토지이용도를 작성하고자 한다. 토지이용 분류방법은 감독분류와 무감독분류 방법을 조합하여 분류정확도를 개선시키는 하이브리드분류(hybrid classification) 방법을 이용하였으며, 분류기준의 선정은 환경부 토지이용분류 기준을 참고하여 1단위와 2단위 분류체계를 혼용하였다. 또한, 분류 후 후처리를 통하여 잡음을 제거하고 환경부의 토지이용도를 참조하여 육안판독으로 오분류된 지역을 보정하였다. 새롭게 작성된 토지이용도는 기존의 토지이용도와 비교 분석하여 토지이용변화 상황을 파악하고, 이를 통하여 KOMPSAT-2 영상의 토지이용도 개선 가능성을 검토하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.325-326
• /
• 2020

고해상도의 홀로그램을 얻기 위한 다양한 연구가 지속되고 있다. 본 논문은 고해상도의 위상 홀로그램을 획득하기 위하여 딥러닝 기반의 학습과 복원 결과를 가지고 분석을 진행한다. 사용된 위상 홀로그램은 보편적인 이미지와 값의 범위가 동일하다. SISR(Single Image Super Resolution)에서 좋은 결과를 보인 네트워크를 사용하여 위상 홀로그램에 대한 학습을 진행하였다. 네트워크로 획득한 홀로그램과 원본 홀로그램의 복원 결과를 비교하여, 차이점과 개선해야할 것들에 대해서 심도 있게 분석한다.