• 한국항공우주학회지
• /
• 제46권7호
• /
• pp.575-582
• /
• 2018

우주용 냉각기는 관측위성의 적외선 검출기 초점면부의 극저온 냉각을 위해 적용되며, 궤도운용 시 단일 주파수 형태의 미소진동을 발생한다. 상기 미소진동은 관측위성의 영상품질을 저하시키는 주된 요인이며, 이에 따라 미소진동 절연이 요구된다. 본 연구에서는 상기 우주용 냉각기의 미소진동 절연을 목적으로 별도의 발사구속장치 적용 없이도 발사진동 및 궤도 미소진동환경에 동시적용 가능한 적층형 블레이드 진동절연기를 제안하였다. 본 진동절연기에 적용된 블레이드는 얇은 금속 박판을 다층으로 적층하고 각 층 상호면에 점탄성 특성 부여가 가능한 테이프를 적용하여 발사환경에서의 피로 내구성 향상 및 고댐핑 특성 부여를 목적하였다. 제안된 진동절연기의 기본특성 확인을 위해 자유감쇠 시험을 실시하였으며, 인증수준에서의 발사진동 시험을 통해 설계유효성을 입증하였다.

• 대한원격탐사학회지
• /
• 제30권5호
• /
• pp.607-616
• /
• 2014

본 연구에서는 1967년부터 약 50년에 걸친 기간에 대하여 항공사진과 위성영상을 이용하여 진하해수욕장의 해안선 변화를 관측하였다. 해안선은 보정을 거친 영상으로부터 wet/dry 기법에 의해 추출하였고, DSAS에 의해 통계적으로 분석되었다. 그 결과, 1992년까지 회야강의 하구폐색이 심각하였으며, 이로 인해 북측 해안선의 침식이 진행되어왔다. 이후 하구폐색은 도류제 완공과 함께 완화되는 듯하였으나 하구에서 외해로 벗어난 지역에 토사의 퇴적은 계속되고 있으며, 북측 해안선의 침식현상은 완화됨에 반해 남측 해안선의 침식이 급속히 진행되고 있다. 따라서 본 연구지역의 경우 도류제건설과 준설 및 양빈만으로는 변화하는 해안선의 적절한 관리대책이 되지 못 할 것으로 판단된다. 향후 지속가능한 해안의 관리를 위해서는 해양환경뿐만 아니라 해안선 변화에 영향을 미칠 수 있는 유역하천의 유사유출 요인을 고려하여 근본적인 관리방안의 수립이 필요할 것으로 생각된다.

• 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.

• 한국지리정보학회지
• /
• 제13권1호
• /
• pp.89-100
• /
• 2010

본 연구는 다양한 고해상도 위성영상을 사용하여 토지피복도를 제작하고 영상종류와 피복도의 분류에 따른 정확도를 비교함에 목적이 있다. 토지피복도 작성시 세분류의 다양함을 위해 시가지와 농지, 수역 등을 포함하는 낙동강 하구 일대를 연구지역으로 선정하였고, 1m 이상의 해상도를 가지는 KOMPSAT2, QuickBird, IKONOS, 항공사진등을 육안판독 후 분류 하였다. 영상과 피복분류에 따른 토지피복도를 작성 후 상호 비교 한 결과 영상별 정확도는 항공사진과 QuickBird가 KOMPSAT2와 IKONOS 보다 상대적으로 높은 것으로 나타났고, 분류방법에 따른 일치도는 대분류의 경우 0.934~0.956, Kappa value는 0.905~0.937, 중분류의 일치도는 0.888~0.913, Kappa value는 0.872~0.901, 세분류의 일치도는 0.833~0.901, Kappa value는 0.813~0.888로 나타났다. 또한 영상별 혼돈발생 정도는 분류 항목에 따라 대분류의 경우 시가화 건조지역과 나지의 혼돈이 발생했고, 중분류는 논, 밭, 하우스 재배지, 인공초지에서 주로 발생하며, 세분류의 경우 자연녹지, 시설물 경작지, 간석지와 해수면으로 주로 나타났다. 본 연구를 통해 토지피복도 작성시 육안판독에 의한 고해상도 영상분류는 전체 80% 이상의 일치도를 나타내어 활용이 가능했고, 고해상도 영상을 사용할수록 정확한 분류가 가능하며 영상의 촬영시기가 토지피복도 작성에 중요함을 알 수 있었다.

• 한국측량학회지
• /
• 제38권3호
• /
• pp.187-196
• /
• 2020

본 연구에서는 UAV (Unmanned Aerial Vehicle)와 PlanetScope 위성영상을 함께 이용한 붕괴건물 탐지를 수행하여 지표면에 위치한 특정 객체 탐지에 있어 이종 센서의 활용 가능성을 제시하였다. 이를 위해 지난해 4월 산불 피해로 붕괴된 20여 채의 건물들이 있는 곳을 실험장소로 선정하였다. 붕괴건물 탐지를 위해 1차적으로 객체기반 분할을 수행한 고해상도의 UAV 영상을 이용해 ExG (Excess Green), GLCM (Gray-Level Co-occurrence Matrix) 그리고 DSM (Digital Surface Model)과 같은 객체들의 특징(feature) 정보를 생성한 후 이를 붕괴건물 후보군 탐지에 이용하였다. 이 과정에서 탐지정확도 향상을 위해 PlanetScope를 이용한 변화탐지 결과를 함께 사용하였으며 이를 시드 화소(seed pixles)로 사용하여 붕괴건물 후보군에서 오탐지된 영역과 과탐지된 영역을 수정 및 보완하였다. 최종적인 탐지 결과는 참조 영상을 통해 그 성능을 분석하였으며 UAV 영상만을 이용한 붕괴건물 후보군 탐지 결과와 UAV 그리고 PlanetScope 영상을 함께 사용했을 때의 결과의 정확도를 비교, 분석하였다. 그 결과 UAV 영상만을 이용해 탐지한 붕괴건물의 정확도는 0.4867 F1-score를 가지며 UAV와 PlanetScope 영상을 함께 사용했을 때의 결과는 0.8064 F1-score로 그 값이 상승하였다. Kappa 지수 또한 0.3674에서 0.8225로 향상된 것을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제23권4호
• /
• pp.297-309
• /
• 2007

2008년 12월 우리나라 최초의 통신해양기상위성이 발사될 예정이다. 통신해양기상위성의 지상국은 위성영상 데이터의 정확도 향상을 위해 사용자에게 기하보정된 영상을 공급해야 한다. 이때 지상국에 요구되는 처리시간은 30분 내외이며, 전체 처리시간의 준수를 위해 자동기하보정의 기술개발과 기하보정시 수행시간의 효율성이 중요하다. 자동기하보정은 위성의 영상좌표계와 지구좌표계상의 수학적인 관계를 나타내는 센서모델을 자동으로 수립하여 기하보정을 수행하는 것이다. 센서모델 수립을 위해 사용되는 기준점은 위성영상과 랜드마크 칩간의 정합결과를 통해서 자동으로 결정되어다. 실험에 사용한 위성영상은 GOES-9영상이며 실험을 위해 전세계 해안선 데이터베이스를 사용하여 랜드마크 칩을 211개 생성하였다. 위성영상에 존재하는 구름은 위성영상과 랜드마크 칩간의 정합시 오정합을 유발하므로 GOES-9영상의 채널1과 채널2영상에서 구름검출을 수행하여 구름이 아닌 지역에 대해서만 정합을 수행하였으며 가시영상인 채널1영상에서 밤시간이 아닌 지역에 대해서만 정합이 수행될 수 있도록 밤낮을 구분하여 처리하였다. 이때 정합결과는 오정합(Outlier)이 포함되어 있어 강인추정기법 중 하나인 RANSAC을 사용하여 이를 제거하였다. 강인추정기법으로 오정합이 제거된 정합결과를 기준점으로 사용하여 센서모델을 수립하였다. 수립된 모델의 정확도는 채널1영상의 해상도를 기준으로 하였을 때 $1{\sim}2$ 픽셀의 에러가 나타났고 기하보정된 영상에 해안선을 투영하여 센서모델의 정확도를 육안으로 확인하였다. 이때 위성영상의 해안선과 투영된 해안선이 일치함으로써 기하보정이 잘 이뤄졌음을 알 수 있었다. 실험결과 정합된 RANSAC, 센서모델 수립 및 자동기하 보정의 전체 처리시간은 약 4분여가 소요되었다. 이로써 본 논문에서 제안된 자동기하보정방법은 기하보정이 효과적으로 이뤄지고 있으며, 또한 통신해양기상위성의 전처리요구시간에도 만족함을 보여주고 있다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 1998년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.313-318
• /
• 1998

Electro-Optical Camera(EOC) is the main payload of Korea Multi-Purpose SATellite(KOMPSAT) with the mission of cartography to build up a digital map of Korean territory including Digital Terrain Elevation Map(DTEM). This instrument which comprises EOC Sensor Assembly and EOC Electronics Assembly produces the panchromatic images of 6.6 m GSD with a swath wider than 17 km by push-broom scanning and spacecraft body pointing in a visible range of wavelength, 510 ~ 730 nm. The high resolution panchromatic image is to be collected for 2 minutes during 98 minutes of orbit cycle covering about 800 km along ground track, over the mission lifetime of 3 years with the functions of programmable rain/offset and on-board image data storage. The image of 8 bit digitization, which is collected by a full reflective type F8.3 triplet without obscuration, is to be transmitted to Ground Station at a rate less than 25 Mbps. EOC was elaborated to have the performance which meets or surpasses its requirements of design phase. The spectral response the modulation transfer function, and the uniformity of all the 2592 pixel of CCD of EOC are illustrated as they were measured for the convenience of end-user. The spectral response was measured with respect to each gain setup of EOC and this is expected to give the capability of generating more accurate panchromatic image to the EOC data users. The modulation transfer function of EOC was measured as greater than 16% at Nyquist frequency over the entire field of view which exceeds its requirement of larger than 10%, The uniformity that shows the relative response of each pixel of CCD was measured at every pixel of the Focal Plane Array of EOC and is illustrated for the data processing.

• Spatial Information Research
• /
• 제16권2호
• /
• pp.193-206
• /
• 2008

스테레오 영상으로부터 수치표고모델을 생성하기 위해서는 일반적으로 두 영상 간의 정합을 수행한다. 정합은 초기 정합 후보점으로부터 시작되며, 두 영상 간의 접합점(Tie-points)이 이러한 초기 후보점 역할을 하게 된다. 이 초기 정합 후보점의 개수와 영상 내에서의 분포는 정합결과에 영향을 준다. 정합결과를 바탕으로 생성되는 수치표고모델에는 에러가 포함된다. 이러한 에러를 제거하는 가장 보편적인 방법은 주변값으로 보간하는 것이다. 본 논문에서는 신뢰성 있는 수치표고모델을 자동으로 생성하기 위해서 기존 수치표고모델을 이용하여 자동으로 추출한 접합점(Tie-points)과 영상 피라미드 그리고 정합 결과에서 발생한 이상값(Outlier)을 기존 수치표고모델로 보정하는 방법을 제안한다. 본 논문에서는 IKONOS, QuickBird, SPOTS 스테레오 영상과 DTED level 2 데이터를 이용하여 실험을 수행했으며, 실험결과를 통해서 제안된 방법으로 생성한 수치표고모델에서는 에러가 모두 제거되었음을 보여준다. 또한 기존 DTED level 2를 참값으로 하여 산출된 높이값에 대한 RMSE는 15m 미만으로, 비교적 정확한 수치표고모델을 생성하였음을 보여준다.

• Journal of Ecology and Environment
• /
• 제35권2호
• /
• pp.91-98
• /
• 2012

This study was performed in order to suggest the possibility of tree species classification using high-resolution QuickBird-2 images spectral characteristics comparison(digital numbers [DNs]) of tree species, tree species classification, and accuracy verification. In October 2010, the tree species of three conifers and eight broad-leaved trees were examined in the areas studied. The spectral characteristics of each species were observed, and the study area was classified by image classification. The results were as follows: Panchromatic and multi-spectral band 4 was found to be useful for tree species classification. DNs values of conifers were lower than broad-leaved trees. Vegetation indices such as normalized difference vegetation index (NDVI), soil brightness index (SBI), green vegetation index (GVI) and Biband showed similar patterns to band 4 and panchromatic (PAN); Tukey's multiple comparison test was significant among tree species. However, tree species within the same genus, such as $Pinus$ $densiflora-P.$ $rigida$ and $Quercus$ $mongolica-Q.$ $serrata$, showed similar DNs patterns and, therefore, supervised classification results were difficult to distinguish within the same genus; Random selection of validation pixels showed an overall classification accuracy of 74.1% and Kappa coefficient was 70.6%. The classification accuracy of $Pterocarya$ $stenoptera$, 89.5%, was found to be the highest. The classification accuracy of broad-leaved trees was lower than expected, ranging from 47.9% to 88.9%. $P.$ $densiflora-P.$ $rigida$ and $Q.$ $mongolica-Q.$ $serrata$ were classified as the same species because they did not show significant differences in terms of spectral patterns.

• 대한원격탐사학회지
• /
• 제35권6_4호
• /
• pp.1341-1350
• /
• 2019

본 연구는 산불 전후 KOMPSAT-3A 영상을 사용하여 산불피해지역을 분석하는 것을 목적으로 한다. KOMPSAT 시리즈 중 KOMPSAT-3A는 적외선 및 고해상도의 멀티 스펙트럼 밴드를 가진 VHR위성이다. 하지만, KOMPSAT-3A를 활용하여 산불피해강도를 분류하는 연구는 부족한 실정이다. 따라서 본 연구에서는 KOMPSAT-3A의 산불 피해강도를 분류하기 위한 새로운 알고리즘을 제시하는 것을 목표로 한다. 또한, 본 연구에서는 산불 피해지역에 대한 참조자료로 Sentinel-2로 생성한 dNBR을 사용하였다. 본 연구의 연구 지역은 2019년 4월 4일 강릉에서 발생한 산불 피해지역으로 선정하였다. 본 연구에서는 산불피해구간을 산정하기 위한 알고리즘으로 오픈 소스 통계 프로그램인 R software의 확률분포함수를 사용하였다. KOMPSAT-3A에서 산불 피해지역은 산불 전, 후 NDVI의 변화에 따라 생성되었다. 산불피해강도는 분포 함수의 표준 편차를 사용하여 각 등급 크기를 산정하였다. 총 5개 구간에 따른 산불 피해 강도가 효과적으로 분류되었다.