• 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.

• 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.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.

• 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.

• 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.

• 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.

• Proceedings of the KSRS Conference
• /
• 2007.03a
• /
• pp.70-75
• /
• 2007

2008년 12월에 우리나라 최초의 통신해양기상위성(Communications， Oceanography and Meteorology Satellite, COMS)이 발사될 예정이다. 통신해양기상위성의 영상데이터의 기하보정을 위하여 다음과 같은 연구를 수행하였다. 기상위성은 정지궤도상에 위치하여 전지구적인 영상을 얻는다. 영상의 전지구적인 해안선은 구름 등으로 가려져서 명확한 정보를 제공할 수 없게 된다. 구름 등으로 방해되지 않는 명확한 해안선 정보를 얻기 위하여 구름 추출을 한다. 실시간으로 기상정보를 얻는 기상위성의 특성상 정합에 전체 영상을 사용하면 수행시간이 다소 소요된다. 정합시 전체 영상에서 정합을 위한 후보점 추출을 위하여 GSHHS(Global Self-consistent Hierarchical High-resolution Shoreline)의 해안선 데이터베이스를 사용하여 211 개 의 랜드마크 칩들을 구축하였다. 이때 구축된 랜드마크 칩은 실험에 사용한 GOES-9의 위치 동경 155도를 반영하여 구축하였다. 전체 영상에서 구축된 랜드마크 칩들의 위치를 중심으로 구름추출을 수행한다. 전체 211 개의 후보점 중 구름이 제거된 나머지 후보점에 대하여 정합을 수행한다. 랜드마크 칩과 위성영상 간의 정합 중 참정합과 오정합이 존재하는데 자동으로 오정합을 검출하기 위하여 강인추정기법 (RANSAC, Random Sample Consensus)을 사용한다. 이때 자동으로 판별되어 오정합이 제거된 정합결과로 최종적인 기하보정을 수행한다. 기하보정을 위한 센서모델은 GOES-9 위성의 센서특정을 고려하여 개발되었다. 정합 및 RANSAC결과로 얻어진 기준점으로 정밀 센서모델을 수립하여 기하보정을 실시하였다. 이때 일련의 수행과정을 통신해양기상위성의 실시간 처리요구사항에 맞도록 속도를 최적화하여 진행되도록 개발하였다.

• 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.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2007.06a
• /
• pp.169-174
• /
• 2007

식생지수 시계열 자료를 이용한 식생 및 토지피복 모니터링을 수행하기 위해서는 구름으로 인한 누락 및 왜곡된 식생지수 문제를 먼저 해결해야만 한다. 특히 한반도와 같이 여름철 집중 호우기에 대부분의 영상에 구름이 존재하는 경우 이들 구름화소를 제거하거나 복원하지 않을 경우, 분석 결과에 상당한 왜곡이 발생하거나 특정 시기의 영상자료를 분석에 반영할 수 없는 경우가 발생하게 된다. HANTS 알고리즘은 이 같은 구름 화소 문제를 해결하기 위한 알고리즘으로 연중 식생지수의 변화는 비교적 단순한 반복적 주기함수의 형태를 가지므로 소수의 cos 함수를 이용한 푸리에 근사식으로 전체 연중 식생지수를 표현할 수 있다는 가정에서 출발한다. 이 때 구름화소로 인한 원식생지수와의 차이가 특정 임계값을 초과하였을 경우 해당 관측치를 근사과정에서 제외함으로써 구름의 영향을 받지 않은 식생지수 시계열 자료만을 이용하게 된다. 이 과정을 수행하기 위해서는 몇몇 제어변수의 설정이 필요한데, 본 연구에서는 한반도와 같이 특정 시기에 장기간 구름이 분포하는 상황에서 최적의 식생지수 복원을 위한 HANTS 알고리즘의 제어변수를 선정하고 재구축된 식생지수를 평가하였다. 이를 위한 실험으로 2002년 대전 지역의 MODIS Terra 식생지수 시계열 영상을 대상으로 HANTS 알고리즘을 주요 식생피복별로 적용해 보았다.