• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 2001.11a
• /
• pp.87-88
• /
• 2001

대기오염물질 제거에 중요한 역할을 하는 침적 현상은 크게 건성침적(dry deposition)과 습성침적(wet deposition)으로 구분된다. 건성침적은 오염물질이 중력이나 분자 확산에 의해 지면이나 그 부근에 침강ㆍ흡착하는 현상이며, 습성침적은 구름 속의 에어로졸이 응결핵으로 제거되는 성우제거(rainout)와 구름 이하의 고도에서 강수에 의해 제거되는 세척제거(washout)와 같은 현상을 일컫는다. 습성침적은 강수 및 구름 물리와 관련하여 대기 중 오염물질 제거에 큰 비중을 차지함에도 불구하고 건성침적에 비해 그 연구가 미흡한 실정이며, 침적 모형을 이용한 연구는 더욱 찾아보기 어렵다. (중략)

• Proceedings of the KAIS Fall Conference
• /
• 2012.05b
• /
• pp.845-847
• /
• 2012

본 논문에서는 다수의 Landsat 영상을 이용하여 구름지역을 보정한 영상을 제작하였다. 비슷한 시기에 취득된 다수의 영상에서 구름을 제거하고, 구름이 제거된 부분을 다른 영상의 온전한 화소값을 기준으로 복원함으로써 효과적으로 구름지역 보정 영상을 제작할 수 있었다. 제작된 영상은 구름 때문에 식별이 불가능한 지역을 크게 감소시켰으며, 주기적인 위성영상의 취득이 어려운 여건을 개선하는 한편, 대규모 지역의 변화탐지 및 영상분류 등 다양한 분야에 활용될 것이다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.10a
• /
• pp.261-263
• /
• 2009

본 논문에서는 퍼지 기법을 이용하여 구름의 종류를 분석하는 방법을 제안한다. 제안된 방법은 각각 영상에 대해 R채널의 임계치를 적용하여 잡음을 제거하며, 잡음 영역이 제거된 각각의 근적외 영상과 가시 영상의 반사 특성 및 근적외 영상과 적외 영상의 방출 특성의 특징을 구한 후, 각각의 임계치를 적용하여 1차적으로 구름을 판별한다. 1차적으로 구름 판별에서 제외된 영역에 대해서는 가시 및 적외 영상의 R 채널 값을 퍼지 기법에 적용하여 2차적으로 구름의 종류를 판별한다. 1차적으로 판별된 구름 영역과 2차적으로 판별된 구름 영역을 합성하여 최종 구름 영역을 도출한다. 제안된 방법을 실험한 결과, 기존의 구름 분류 방법보다 제안된 방법이 구름 분류의 성능이 개선된 것을 확인하였다.

• Korean Journal of Remote Sensing
• /
• v.27 no.1
• /
• pp.9-15
• /
• 2011

Since PAN(panchromatic) and MS(multispectral) imagery of pushbroom scanner have the offset between PAN and MS CCD(charge coupled device) in the focal plane, PAN and MS images are acquired at different time and angle. Since clouds are fast moving objects, they should lead mis-registration problem with wrong matching points on clouds. The registration of cloudy imagery to recognize and remove the contamination of clouds can be categorized into three classes: (1) cloud is considered as nose and removed (2) employing multi-spectral imagery (3) using multi-temporal imagery. In this paper, method (1) and (3) are implemented and analysed with cloudy pushbroom scanner images.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.05a
• /
• pp.355-359
• /
• 2009

본 논문에서는 퍼지 기법을 이용하여 구름의 종류를 분석하는 방법을 제안한다. 본 논문에서는 가시 영상과 적외 영상을 대상으로 육지 영역은 RGB 컬러 정보 중에 G 채널 값의 수치가 높고, 바다영역에서는 B 채널 값의 수치가 높다는 정보를 이용한다. 이 정보를 이용하여 육지 영역에서는 R과 B 채널 값을 적용하고, 바다 영역에서는 R과 G 채널 값을 적용한다. 가시 영상과 적외 영상에서 임계치를 적용하여 잡음(구름 이외의 영역)을 제거하고, 잡음을 제거한 영상에서 육지 영역과 바다 영역을 구분한 후, 각 R, G, B 채널 정보를 퍼지 기법에 적용하여 구름 영역을 판별한다. 그리고 가시영상과 적외 영상에 모두 포함된 구름 영역에 대해서는 두 영상을 합성하여 구름을 판별한다. 제안된 기법을 구름 분류에 적용한 결과, 제안된 방법이 기존의 양자화를 적용한 방법보다 구름의 분류 성능이 개선된 것을 확인하였다.

• Korean Journal of Remote Sensing
• /
• v.31 no.2
• /
• pp.149-160
• /
• 2015

A comparative study was conducted for alternative consecutive procedures of detection of cloud-contaminated pixels and gap-filling and smoothing of time-series data to produce high-quality gapless satellite vegetation index (i.e. Normalized Difference Vegetation Index, NDVI). Performances of five alternative methods for detecting cloud contaminations were tested with ground-observed cloudiness data. The data gap was filled with a simple linear interpolation and then, it was applied two alternative smoothing methods (i.e. Savitzky-Golay and Wavelet transform). Moderate resolution imaging spectroradiometer (MODIS) data were used in this study. Among the alternative cloud detection methods, a criterion of MODIS Band 3 reflectance over 10% showed best accuracy with an agreement rate of 85%, which was followed by criteria of MODIS Quality assessment (82%) and Band 3 reflectance over 20% (81%), respectively. In smoothing process, the Savitzky-Golay filter was better performed to retain original NDVI patterns than the wavelet transform. This study demonstrated an operational framework of gapdetection, filling, and smoothing to produce high-quality satellite vegetation index.

• Korean Journal of Remote Sensing
• /
• v.38 no.6_1
• /
• pp.1357-1369
• /
• 2022

Cloud removal is an essential image processing step for any task requiring time-series optical images, such as vegetation monitoring and change detection. This paper presents a two-stage cloud removal method that combines conditional generative adversarial networks (cGANs) with regression-based calibration to construct a cloud-free time-series optical image set. In the first stage, the cGANs generate initial prediction results using quantitative relationships between optical and synthetic aperture radar images. In the second stage, the relationships between the predicted results and the actual values in non-cloud areas are first quantified via random forest-based regression modeling and then used to calibrate the cGAN-based prediction results. The potential of the proposed method was evaluated from a cloud removal experiment using Sentinel-2 and COSMO-SkyMed images in the rice field cultivation area of Gimje. The cGAN model could effectively predict the reflectance values in the cloud-contaminated rice fields where severe changes in physical surface conditions happened. Moreover, the regression-based calibration in the second stage could improve the prediction accuracy, compared with a regression-based cloud removal method using a supplementary image that is temporally distant from the target image. These experimental results indicate that the proposed method can be effectively applied to restore cloud-contaminated areas when cloud-free optical images are unavailable for environmental monitoring.

• Proceedings of the KSRS Conference
• /
• 2009.03a
• /
• pp.82-86
• /
• 2009

원격탐사 근적외선(NIR)과 Red 밴드의 반사도로부터 계산되는 정규식생지수(NDVI)는 구름에 오염된 곳에서는 실제보다 낮은 값으로 계산된다. 식생지수에서 구름오염 문제를 극복하는 기존의 대표적인 방법에는 보름 정도 장기간 식생지수 값 중에서 최대인 값을 취하는 MVC(Maximum Value Composite) 방법이 있다. 하지만 MVC 방법으로는 식생지수의 단기간 변동을 파악할 수 없으며, 장기간 계속 구름으로 오염된 곳은 잘못된 식생지수 값으로 계산되는 문제점이 있다. 가시광 RGB 자료로부터 snapshot 영상자료의 구름을 마스크(mask)하는 새로운 방법인 CIM(Color Index Manipulation) 알고리즘을 개발하였다. 이 알고리즘을 사용하면 snapshot 영상자료에서 구름에 오염된 곳은 제외하고 오염되지 않은 곳에 대한 식생지수를 계산할 수 있다. RGB 자료에 대한 정규색상지수 NCI (Normalized Color Index) 3개 성분을 $120^{\circ}$ 간격으로 벌어진 3개 축상의 좌표로 나타낸 후 이들 3개 값의 벡터합(vector sum) 정보를 이용하여 구름을 식별하는 CIM 방법으로 위성영상에서 두꺼운 구름과 않은 구름을 구분하여 식별할 수 있다. 이 구름식별 기법을 MODIS snapshot 위성영상 자료에 적용하여 한반도의 일별(daily) 식생지수 자료를 계산하였다. 그리고 수년간의 일별 식생지수 자료로부터 한반도 식생지수의 계절적 변동을 조사하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.13 no.6
• /
• pp.1181-1187
• /
• 2009

In this paper, we proposed a method to analyze kind of clouds using a fuzzy reasoning method. In the proposed method, we used the clues that G channel value is dominant from RGB color values in land areas and B channel value is dominant in the sea areas discovered by the analyses of both visible images and infrared images. By these information, R and B channel values are applied to land areas and R and G channel values are applied to the sea areas. Noise areas(areas except cloud areas) are removed from a visible image and an infrared image by a threshold value, and then land areas and the sea areas are discriminated from the noise removed image. Cloud areas are extracted from discriminated areas using R, G, B channel values and a fuzzy reasoning method, and finally kind of clouds is decided by combining same cloud areas included in both the visible image and the infrared image. In comparison with a conventional quantization method, we verified that the performance of cloud analysis by the proposed method is more efficient through experiments.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.32 no.2
• /
• pp.133-142
• /
• 2014

Landsat is one of the popular satellites for observing land surface that is used in various areas including monitoring, detecting and classifying changes in land surface. However, shades, which cloud itself and its shadow, interrupted often clear observation and analysis of ground surface. For this reason, the process of removing shades and restoring original ground surfaces are critical for geospatial users. This study is planned to recommend a methodology for more accurate and clear images of Landsat-8 sensor, which provided two additional bands of costal/aerosol and cirrus. In fact, those bands are known as functioned effectively in detecting and restoring shades. Otsu's thresholding technique to detect clouds, we replaced those detective shades by using experimental and reference images. In accurate assessment, the overall accuracy and kappa coefficients were about 85% and 0.7128, respectively. This indicates that the proposed technique is effective for recovering the original land surface.