SIFT 기법을 이용한 중.저해상도 위성영상간의 자동 기하보정

Automatic Image-to-Image Registration of Middle- and Low-resolution Satellite Images Using Scale-Invariant Feature Transform Technique

  • 한동엽 (서울대학교 공과대학 지구환경시스템공학부) ;
  • 김대성 (서울대학교 공과대학 지구환경시스템공학부) ;
  • 이재빈 (서울대학교 공과대학 지구환경시스템공학부) ;
  • 오재홍 (한국전자통신연구원 텔레매틱스.USN연구단 공간정보연구팀) ;
  • 김용일 (서울대학교 공과대학 지구환경시스템공학부)
  • 발행 : 2006.12.31

초록

영상 기하보정은 여러 가지 데이터의 조합으로부터 얻어질 수 있는 영상 분석 작업에 매우 중요한 전처리 과정 중 하나다. 본 연구는 최근 평면 영상간 기하보정에 많이 사용하고 있는 SIFT 기법을 적용하여, 다양한 해상도를 가진 위성영상의 자동 기하보정을 수행하는데 초점을 맞추고 있다. 2차원 영상의 조건을 만족하기 위해 기복변위의 영향이 상대적으로 적은 중 저해상도 위성영상의 기하보정을 수행하였으며, 다양한 해상도 영상을 조합함으로써 공간해상도의 차이를 보이는 영상의 기하보정에 SIFT 기법을 적용할 수 있는지를 실험하였다. 결과를 통해, SIFT 기법이 기존의 상관계수를 이용하여 특징점의 정합을 수행하는 방법에 비해 높은 정합률을 나타냈으며, 추출된 정합쌍을 자동 영상 기하보정에 사용할 수 있을 것으로 기대한다.

To use image data obtained from different sensors and different techniques, the preprocessing step that registers them in a common coordinate system is needed. For this purpose, we developed the methodology to register middle- and low-resolution satellite images automatically. Firstly, candidate matching points were extracted using the Harris and Harris-affine algorithm. Secondly, we used the correlation coefficient, normalized correlation coefficient and SIFT algorithm to detect conjugate matching points from candidates. Then, to test the feasibility of approaches, we applied the developed methodology to various kinds of satellite images and compared results. The results clearly demonstrate that the methology using the SIFT is appropriate to register these multi-resolution satellite images automatically, compared with the classical cross-correlation.

키워드

참고문헌

  1. 김의명, 손흥규, 송영선 (2005), 영상정합을 위한 특정점 추출 연산자의 비교, 대한토목학회논문집, 제 25권, 제 4D호, pp. 591-597
  2. Goshtasby, A. A. (2005), 2-D and 3-D image registration - for medical, remote sensing, and industrial applications, John Wiley & Sons Inc., New York, pp. 4-5
  3. Harris, C. and M. Stephens (1988), A combined comer and edge detector, Fourth Alvey Vision Conference, pp. 147-152
  4. Ke, Y. and Sukthankar, R. (2004), PCA-SIFT: A more distinctive representation for local image descriptors, In Proceedings of the Conference on Computer Vision and Pattern Recognition, Washington, USA, pp. 511-517
  5. Kim, T. and Im, Y. (2003), Automatic satellite image registration by combination of matching and random sample consensus, IEEE Transactions on Geoscience and Remote Sensing, Vol. 41, No.5, pp. 1111-1117 https://doi.org/10.1109/TGRS.2003.811994
  6. Lowe, D. (1999), Object recognition from local scale-invariant features, In Processings of the 7th International Conference on Computer Vision, Kerkyra, Greece, pp. 1150-1157
  7. Lowe, D. (2004), Distinctive image features from scale-invariant keypoints, International Journal on Computer Vision, Vol. 60, No.2, pp. 91-110 https://doi.org/10.1023/B:VISI.0000029664.99615.94
  8. Mikolajczyk, K. and Schmid, C. (2002), An affine invariant interest point detector, In Proceedings of the 7th Europen Conference on Computer Vision, Copenhagen, Denmark, pp. 128-142
  9. Mikolajczyk, K. and Schmid, C. (2004), Scale & affine invariant interest point detectors, International Journal on Computer Vision, Vol. 60, No.1, pp. 63-86 https://doi.org/10.1023/B:VISI.0000027790.02288.f2
  10. Mikolajczyk, K. and Schmid, C. (2005), A performance evaluation of local descriptors, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 27, No. 10, pp. 1615-1630 https://doi.org/10.1109/TPAMI.2005.188
  11. Mikolajczyk, K. et al. (2005), A comparison of affine region detectors, International Journal on Computer Vision, Vol. 65, No. 1-2, pp. 43-72 https://doi.org/10.1007/s11263-005-3848-x
  12. Parks, D and Gravel, J. P. (2001), Coner Detectors, McGill University, Canada, http://www.cimmcgill.ca/~dparks/ComerDetector/index.htm
  13. PG-STEAMER 3.x User's Guide (2006), http://www.pixoneer.co.kr
  14. Schmid, C., Mohr, R. and Bauckhage, C. (2000), Evaluation of interest point detectors, International Journal on Computer Vision, Vol. 37, No.2, pp. 151-172 https://doi.org/10.1023/A:1008199403446
  15. Zitova, B. and Flusser, J. (2003), Image registration methods: a survey, Image and Vision Computing, Vol. 21, No. 11, pp. 977-1,000 https://doi.org/10.1016/S0262-8856(03)00137-9