Journal of Korean Society for Geospatial Information Science (대한공간정보학회지)

Korea Spatial Information Society (대한공간정보학회)
권호 표지
DOI QR코드

DOI QR Code

Selective Histogram Matching of Multi-temporal High Resolution Satellite Images Considering Shadow Effects in Urban Area

도심지역의 그림자 영향을 고려한 다시기 고해상도 위성영상의 선택적 히스토그램 매칭

  • 염준호 (서울대학교 건설환경공학부) ;
  • 김용일 (서울대학교 건설환경공학부)
  • Received : 2012.04.19
  • Accepted : 2012.05.23
  • Published : 2012.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

Additional high resolution satellite images, other period or site, are essential for efficient city modeling and analysis. However, the same ground objects have a radiometric inconsistency in different satellite images and it debase the quality of image processing and analysis. Moreover, in an urban area, buildings, trees, bridges, and other artificial objects cause shadow effects, which lower the performance of relative radiometric normalization. Therefore, in this study, we exclude shadow areas and suggest the selective histogram matching methods for image based application without supplementary digital elevation model or geometric informations of sun and sensor. We extract the shadow objects first using adjacency informations with the building edge buffer and spatial and spectral attributes derived from the image segmentation. And, Outlier objects like a asphalt roads are removed. Finally, selective histogram matching is performed from the shadow masked multi-temporal Quickbird-2 images.

도심지 모델링과 분석을 효과적으로 수행하기 위해서는 다른 시기나 다른 지역의 추가적인 고해상도 위성영상이 반드시 필요하다. 그러나 같은 지상 개체라 하더라도 서로 다른 영상에서 방사적인 불일치가 존재하며 이는 영상 처리와 분석의 정확도를 저하시키는 원인이 된다. 더욱이 도심지의 경우 건물, 수목, 교량, 기타 구조물 등 높이를 갖는 개체들은 영상 전체에 걸쳐 그림자를 발생시키며 이는 상대 방사 정규화의 질을 저하시킨다. 본 연구에서는 태양과 위성의 기하학적 위치 정보, 부가적인 수치 표고 모델이 없어도 적용이 가능한 단영상 기반의 그림자 추출기법을 적용하고 그림자의 영향을 배제한 선택적인 히스토그램 매칭 기법을 제안하였다. 건물의 에지 버퍼 영역에 대한 인접 정보와 분할을 통해 생성된 객체의 공간 및 분광인자를 이용하여 그림자를 추출한 후, 아스팔트 도로와 같이 그림자로 잘못 추출된 이상 객체를 제거하였다. 최종적으로 그림자 지역이 마스킹 된 Quickbird-2 다시기 영상을 이용하여 비그림자 지역만을 이용하여 선택적 히스토그램 매칭을 수행하였다.

Keywords

References

  1. 염준호, 장안진, 김용일, 2012, 건물 에지 버퍼를 이용한 Quickbird 영상의 도심지 그림자 추출, 한국측량학회지, 제30권, 제2호, pp.163-171.
  2. Andrefouet, S., Muller-Karger, F. E., Hochberg, E. J., Hu, C. and Carder, K. L., 2001, Change Detection in Shallow Coral Reef Environments using Landsat 7 ETM + Data, Remote Sensing of Environment, RSE, Vol. 78, No. 1, pp.150-162. https://doi.org/10.1016/S0034-4257(01)00256-5
  3. Du, Y., Teillet, P. M. and Cihlar, J., 2002, Radiometric Normalization of Multitemporal High-Resolution Satellite Images with Quality Control for Land Cover Change Detection, Remote Sensing of Environment, RSE, Vol. 82, No. 1, pp.123-134. https://doi.org/10.1016/S0034-4257(02)00029-9
  4. Gonzalez, R. C., Woods, R. E. and Eddins, S. L., 2004, Digital Image Processing using MATLAB, Prentice-Hall
  5. Helmer, E. H. and Ruefenacht, B., 2005, Cloud-Free Satellite Image Mosaics with Regression Trees and Histogram Matching, Photogrammetric Engineering & Remote Sensing, ASPRS, Vol. 71, No. 9, pp. 1079-1089. https://doi.org/10.14358/PERS.71.9.1079
  6. Hong, G. and Zhang, Y., 2008, A Comparative Study on Radiometric Normalization using High Resolution Satellite Images, International Journal of Remote Sensing, RSPSoc, Vol. 29, No. 2, pp.425-438. https://doi.org/10.1080/01431160601086019
  7. Laben, C. A. and Brower, B. V., 2000, Process for Enhancing the Spatial Resolution of Multispectral Imagery using Pan-Sharpening, US Patent 6,011,875
  8. Lillesand, T. M. and Kiefer, R. W., 1994, Remote Sensing and Image Interpretation, John Wiley and Sons
  9. McGovern, E. A., Holden, N. M., Ward, S. M. and Collins, J. F., 2002, The Radiometric Normalization of Multitemporal Thematic Mapper Imagery of the Midlands of Ireland - A Case Study, International Journal of Remote Sensing, RSPSoc, Vol. 23, No. 4, pp.751-766. https://doi.org/10.1080/01431160110039217
  10. Richards, J. A. and Jia, X., 2005, Remote Sensing Digital Image Analysis 4thed, Springer
  11. Roy, D. P., Ju, J., Lewis, P., Schaaf, C., Gao, F., Hansen, M. and Lindquist, E., 2008, Multi-Temporal MODIS-Landsat Data Fusion for Relative Radiometric Normalization, Gap Filling, and Prediction of Landsat Data, Remote Sensing of Environment, RSE, Vol. 112, No. 6, pp.3112-3130. https://doi.org/10.1016/j.rse.2008.03.009
  12. Song, C., Woodcock, C. E., Seto, K. C., Lenney, M. P. and Macomber, S. A., 2001, Classification and Change Detection using Landsat TM Data: When and How to Correct Atmospheric Effects?, Remote Sensing of Environment, RSE, Vol. 75, No. 2, pp.230-234. https://doi.org/10.1016/S0034-4257(00)00169-3
  13. Yuan, D. and Elvidge, C., 1996, Comparison of Relative Radiometric Normalization Techniques, ISPRS Journal of Photogrammetry & Remote Sensing, ISPRS, Vol. 51, No. 1, pp.117-126. https://doi.org/10.1016/0924-2716(96)00018-4
  14. Yuan, D. and Elvidge, C., 1998, NALC Land Cover Change Detection Pilot Study: Washington D.C. Area Experiments, Remote Sensing of Environment, RSE, Vol. 66, No. 1, pp.166-178. https://doi.org/10.1016/S0034-4257(98)00068-6

Cited by

  1. Analysis of Shadow Effect on High Resolution Satellite Image Matching in Urban Area vol.21, pp.2, 2013, https://doi.org/10.7319/kogsis.2013.21.2.093