• Proceedings of the KSRS Conference
• /
• 2003.11a
• /
• pp.1287-1288
• /
• 2003

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2001.11b
• /
• pp.135-138
• /
• 2001

위성에 탑재된 전자광학 카메라(Electro-Optical Camera)로부터 획득된 영상에서는 카메라의 스캔 방향과 통일한 방향으로 "줄무늬잡음"이 발생하게 된다. 이는 센서의 특성이 통일하지 않고, 우주라는 열악한 환경에서 영상의 획득이 일어나기 때문이다. 똔 논문에서는 줄무늬잡음을 제거하기 위해 비선형 보정방법을 제안한다. 영상의 준균일성(quasi-homogeneous)과 센서특성의 시불변성(time-invariancy) 가정을 바탕으로, 보정하려는 열의 이웃 열을 참조하여 줄무늬잡음에 의한 오차를 추정하고 이를 최소화한다. 줄무늬 잡음 정도를 추정하기 위해 줄무늬잡음을 바이어스에 의한 것과 특성곡선의 경향 차이에 의한 것으로 나눈다. 바이어스에 의한 오차는 센서가 스캔하는 방향과 통일한 방향으로 통계적 특성을 이용하여 추정한다. 특성곡선의 경향차에 의한 오차는 보정하려는 열에서 동일한 박기 레벨을 갖는 화소들을 조사하고, 이들과 이웃하는 열의 동일 위치에 있는 화소의 밝기 레벨의 통계적 특성을 파악하여 추정한다. 이렇게 추정된 오차를 최소화함으로써, 줄무늬잡음을 효과적으로 제거하였다.적으로 제거하였다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2004.03a
• /
• pp.247-250
• /
• 2004

OSMI/KOMPSAT-I 위성의 Level-0 영상자료의 줄무늬 제거에 대한 연구가 수행되었다. 이 줄무늬 원인은 크게 2가지로 구분되었다. 하나는 96 pixel CCD의 전반부와 후반부에 따라 얻어지는 신호크기 차이 있으며, 다른 하나는 pixel간의 감도의 차이가 있는 것으로 나타났다. 문제는 각 영상자료마다 이들의 보정계수가 일치하지 못하여 매 영상으로부터 새로운 보정계수가 필요하다는 것이다. 줄무늬 제거의 근본적인 접근은 바로 2가지 문제를 해결하는 방향으로 접근하였다. 즉, 첫 번째 문제인 전후반부의 CCD pixel에서 얻어지는 신호의 크기 차이가 감도의 차이인지 아니면 upset 값의 차이인지가 규명되었고, 동시에 각 센서 pixel의 감도 역시 신호의 세기에 따라 감도가 다른 것으로 나타났다. 본 연구에서는 이러한 모든 줄무늬 보정 정보를 매 영상마다 독립적으로 얻게 하여 OSMI 위성영상의 질을 보다 높일 수 있었다.

• Journal of the Optical Society of Korea
• /
• v.20 no.6
• /
• pp.752-761
• /
• 2016

Hyperspectral images are often contaminated with stripe noise, which severely degrades the imaging quality and the precision of the subsequent processing. In this paper, a variational model is proposed by employing spectral-spatial adaptive unidirectional variation and a sparse representation. Unlike traditional methods, we exploit the spectral correction and remove stripes in different bands and different regions adaptively, instead of selecting parameters band by band. The regularization strength adapts to the spectrally varying stripe intensities and the spatially varying texture information. Spectral correlation is exploited via dictionary learning in the sparse representation framework to prevent spectral distortion. Moreover, the minimization problem, which contains two unsmooth and inseparable $l_1$-norm terms, is optimized by the split Bregman approach. Experimental results, on datasets from several imaging systems, demonstrate that the proposed method can remove stripe noise effectively and adaptively, as well as preserve original detail information.