• 대한원격탐사학회지
• /
• 제35권6_4호
• /
• pp.1391-1401
• /
• 2019

KOMPSAT-3A는 2015년 한국항공우주연구원(KARI)이 발사한 고해상 광학위성으로 0.55 m 급 전정색영상(PAN), 2.2 m 급 다중 분광 영상(MS) 그리고 5.5 m 급 중적외선 영상(MIR_OR)을 제공한다. 그러나 보안 또는 군사적인 문제로 인해 공간 해상도 5.5 m MIR_OR 영상은 33 m 공간해상도로 down-sampling된 MIR_rd 영상으로 제공된다. 본 연구에서는 가상의 고주파(HP) 영상과 최적 융합 계수를 이용하여 MIR_rd 영상의 공간해상도를 복원하는 방법을 제안하였다. MS 영상과 MIR_rd 영상을 이용하여 가상의 MIR_OR^fus 영상을 제작하였으며, 이를 실제 MIR_OR 영상과 비교 분석하였다. 실험 결과, 제안된 방법이 MS 영상의 공간해상도와 MIR_rd 영상의 분광정보를 효과적으로 조합 하였다는 것을 보여주었다.

• 대한원격탐사학회지
• /
• 제35권2호
• /
• pp.251-263
• /
• 2019

Sentinel-2 위성은 기존 Landsat 시리즈보다 높은 공간해상도, 시간해상도 및 13개의 가시광, Red-edge, 적외, 단파적외 영역을 포함하는 다중분광 영상을 제공하고 있다. 이는 Landsat 시리즈와의 비슷한 파장대역 구성으로 향후 Landsat 시리즈와 융합분석이 가능하다는 이점이 있다. 그 동안 Landsat 위성영상은 국내의 다양한 연구에 적용되고 있으나 Sentinel-2 광학 위성영상은 많은 활용 사례가 보고되지 않았다. Sentinel-2 광학 위성은 기존 Landsat 위성이 제공하는 Top-of-Atmosphere(TOA) 반사율 영상을 Level-1C(L1C)에서 제공하고 있으며, Level-2A(L2A)영상을 통해 Landsat 시리즈보다 한 단계 더 대기보정이 수행된 Bottom-of-Atmosphere(BOA) 반사율 영상을 제공할 예정에 있다. BOA 반사율 영상은 에어로졸 광학 두께(AOT: Aerosol optical thickness)와 대기 중 수증기(WV: Water Vapor) 자료를 Sentinel-2 영상으로부터 얻고 이를 보정하여 TOA 반사율 영상을 BOA 반사율 영상으로 변환을 가능하게 한다. 현재, 유럽 전역지역에서 L2A 자료를 무료로 다운로드 가능하며 이외 지역의 경우 L2A 자료의 실시간 제공이 예정되어 있다. 따라서, Sentinel-2 L2A 자료의 활용가능성이 국내에서 점점 커질 것으로 기대되는 바이며 농업지역에서 Sentinel-2 L2A 영상이 제공하는 BOA 반사율 자료의 활용가능성을 확인하기 위해 경상남도 합천군에서 촬영된 항공 초분광영상을 활용하여 Sentinel-2 L2A 자료를 모의해 보고 정량적인 분석을 통해 모의영상과 실제 촬영된 영상을 비교해보았다. 본 연구에서는 Sentinel-2 L2A 자료와 항공기 기반의 초분광 영상을 통해 모의된 Sentinel-2 영상에 대한 정량적인 비교를 수행하였으며, 가시광 영역대의 밴드와 식생지수에 대하여 참조 영상인 모의영상과 대기보정이 수행된 L2A 자료의 RMSE의 감소 및 상관관계의 증가 경향이 뚜렷하게 나타나는 것으로 확인되었다.

• 대한원격탐사학회지
• /
• 제35권2호
• /
• pp.203-215
• /
• 2019

드론에 탑재가 가능한 초분광 센서가 개발됨에 따라 높은 공간해상도와 분광해상도를 가지는 초분광 영상의 획득이 가능해졌다. 드론 초분광 영상은 저고도에서 획득되므로 대기보정의 중요성이 낮아졌으나, 초분광 영상의 활용하여 지표물의 농도 추정 등의 연구를 위해서는 원자료에서 정규화된 분광반사율로 변환 과정에 관한 연구는 필수적으로 이루어져야 한다. 이에 따라 본 연구에서는 드론 초분광 영상에 대리복사보정과 대기복사전달모델 기반의 대기보정 알고리즘을 적용하고 결과를 비교분석하였다. 대리복사보정에는 균일한 물질로 이루어진 타프의 분광반사율을 이용하여 경험적 선형보정 기법을 적용하였다. 대기보정 알고리즘은 항공 초분광 영상의 대기보정에 널리 사용되는 Modtran-5 기반의 ATCOR-4를 사용하였다. 기준 반사율과의 상관도와 차이의 RMSE를 분석한 결과, 단일 시기의 초분광 영상에서 타프를 이용한 대리보정이 가장 정확도가 높았지만, 초분광 영상의 활용 목적에 따라 대기보정 알고리즘의 활용이 가능하다는 것을 확인할 수 있었다. 향후 다중 시기의 영상에 대해 추가적인 대리보정 실험을 통해 정규화된 분광반사율 변환 과정이 이루어진다면 드론 초분광 영상을 활용한 정밀한 분석이 가능할 것으로 사료된다.

• 대한공간정보학회지
• /
• 제21권3호
• /
• pp.11-17
• /
• 2013

사회 변화에 따라 산지이용 수요가 증가하고 다양화되면서 산림을 훼손하고, 타 용도로 활용하는 산지의 면적이 증가하고 있다. 이에 최근 훼손된 산지의 면적을 효과적으로 확인하기 위하여 두 시기의 항공사진을 활용한 훼손 산지 변화탐지 기법을 연구하였다. 본 연구에서 개발한 기법은 객체기반 변화탐지 형식으로, 영상 혼합 - 객체 분할 - 객체 병합 - 노이즈 제거 - 훼손지 추출의 5가지 단계로 진행되었다. 훼손 산지에 적합한 객체생성 수준을 선정하고, 객체를 분할 병합하는 과정을 통해 객체 간의 관계와 각 객체가 지닌 분광 특성 및 정황적(Contextual) 정보를 활용하여 신규 훼손 산지를 추출하였다. 시범 영역 테스트 결과, 전체 판독범위의 12%에 해당하는 훼손 산지를 추출하였고 육안판독 훼손산지의 평균 96%를 포함함으로써, 육안판독 전 후의 보완 자료로서의 가치와 자동추출의 가능성을 확인하였다.

• 대한원격탐사학회지
• /
• 제12권1호
• /
• pp.1-16
• /
• 1996

한국항공우주연구소 총괄주관하에 개발 중인 다목적 실용위성(KOMPSAT) 1호기는 지도 제작, 해양관측, 우주과학실험에 활용할 지구저궤도용 실용위성으로서 고해상도 전자광학 카메라 (Electro-Optical Camera: ECO), 해양관측카메라(Ocean Color Images: OCI), 과학실험 탑재체 (Space Physics Sensor: SPS)를 탑재한다. 다목적 실용위성 1호기는 무게 약 500kg의 위성으로 고도 685km의 태양동기궤도에서 궤도주기 98분과 재방문 주기 28일을 갖는다. 본 위성은 1999년 8-9월 발사 예정이며 최소 3년의 궤도 수명을 갖는다. EOC는 한반도 표준 지도 제작을 위한 위 성영상정보 획득의 임무를 가지며, 가시광선 영역의 관측 파장 대역 510-730nm으로 주어지는 흑 백 단일 채널을 통해 수직촬영시 지상해상도 6.6m와 최소 15km 이상의 지상관측폭을 갖고 push-broom방식으로 한 궤도당 800km의 지상 길이를 촬영한다. OCI의 임무는 생물학적 해양지 리학 연구를 위한 전세계 해표면 색깔 관측이다. OCI는 다중 스펙트랄 영상 카메라로서 whisk-broom방식을 사용하여 지상관측폭 800km이내에서 1km 이하의 지상해상도를 갖는 6가지 색의 해표면 영상을 만들어낸다. OCI는 중심 파장이 443, 490, 510, 555, 670, 865nm인 6개의 관측 파장대역을 수시로 선정할 수 있다. SPS는 고에너지 입자 검출기(High Energy Particle Detector: HEPD)와 이온 측정기 (Ionosphere Measurement Sensor: IMS)로 구성된다. HEPD는 저고도 우 주 공간의 방사선입자 측정을 수행하며 이를 통해 우주방사선이 전자회로에 미치는 영향을 연구 할 수 있으며, IMS는 지구 이온층의 전자 밀도와 전자 온도 측정을 통해 KOMPSAT 궤도상의 이온층의 전지구적 특성 조사에 이용된다.

• 한국지리정보학회지
• /
• 제25권4호
• /
• pp.136-150
• /
• 2022

본 연구는 하천 관리 및 홍수위 분석에 있어 필수적인 자료 중 하나인 하천 지형정보를 얻기 위해 RGB 영상을 활용하는 방법에 대한 비교 검토가 이루어졌다. 하천 구역의 지형정보를 얻는 데 있어 흐름 구간 즉 하도 지형정보를 얻는 것이 가장 어려운 분야 중 하나이기에 본 연구에서는 RGB 영상 기반으로 하도 지형정보를 추정하는 것에 집중하였다. 이를 위해 Acoustic Doppler Current Profiler(ADCP)와 RTK-GPS(Real Time Kinematic-GPS)를 이용하여 하도 지형을 직접 계측하였으며, 동시에 드론 촬영을 통해 획득한 고해상도 이미지를 이용하여 정사 영상을 생성하였다. 이후 수심 계측 결과와 RGB 정사 영상의 밴드 값들을 이용하여 수심 예측을 위한 기존에 개발된 회귀식들을 적용하였으며, 가장 뛰어난 예측력을 보여준 회귀식을 이용하여 연구 대상 지역의 하도 지형을 추정하였다. 흐름 구간 이외 지역의 경우 항공 라이다로부터 생성된 DEM을 이용하여 하천 구간 전체에 대한 지형정보를 구축하였다. 추가로 드론 촬영이 이루어진 동일한 시간 동안 직접 계측한 자료를 이용하여 생성된 지형정보와 드론 정사 영상 기반으로 생성된 하도 지형정보의 비교 검증을 수행하기 위해 CCHE2D 모형을 활용하여 흐름 모델링을 모의하였으며, 일부 구간에 대한 계측이 이루어지지 못한 직접 계측한 지형정보와 비교하여 영상 기반의 지형정보는 보다 나은 수심, 유속 모의 결과를 보여주었다. 본 연구 결과를 통해 RGB 영상으로부터 하도 지형정보를 획득할 수 있는 것을 확인하였으며, 추가적인 연구가 수행된다면 하천 관리를 위한 효율적인 하천 지형정보를 얻는 방법으로 활용할 가능성을 확인하였다.

• 한국항공우주학회지
• /
• 제43권2호
• /
• pp.141-148
• /
• 2015

본 논문에서는 각각 독립적으로 설계된 태양동기궤도 위성에 위성군 개념을 적용하여 다중 위성의 효율적인 운영에 대한 방법론을 제시한다. 이를 위해 태양동기궤도 설계 관점을 단순히 지방시나 태양동기성을 유지하는 것에 국한하지 않고, 지상국과 영상목표물의 교신 및 관측시간등을 고려하여 위성운영의 효율성을 높이고자 한다. 위성의 효율적인 운영을 위해 위성과 단일 목표물을 고려한 새로운 운영요소(Operation Parameter)를 정의하고, 이를 이용하여 위성의 운영효율성을 판단할 수 있는 운영효율성 지표(Figure of Merit)를 정의한다. 상용 소프트웨어인 MATLAB과 STK의 연동을 통해 비선형 시뮬레이션 기반의 수치최적화 기법을 적용하여 사용자의 요구사항을 만족하는 임무궤도를 재설계함으로써 본 연구의 적용가능성을 확인하였다.

• 대한원격탐사학회지
• /
• 제37권6_3호
• /
• pp.2035-2046
• /
• 2021

빙하 이동속도는 빙하역학 연구에 가장 기초가 되는 관측치로 기후 변화에 따른 해수면 상승 등을 예측하는데 매우 중요한 지시자이다. 본 연구에서는 SAR 오프셋트래킹 기법을 통해 동남극 테라노바 만에 위치한 Campbell Glacier에 대한 2차원 이동속도를 관측하였다. 이를 위하여 연구지역에 대하여 2021년 7월 9일과 2021년 8월 6일에 촬영한 국내 KOMPSAT-5 SAR 위성영상을 획득하였다. 선행 연구를 통하여 제안한 다중변위커널을 활용한 오프셋트래킹 기법은 해상도와 정밀도를 모두 만족하는 최적의 결과를 얻는 기법이다. 하지만 커널 크기에 따라 오프셋트래킹을 반복하여 수행하기 때문에 매우 집약적인 연산 능력과 시간이 필요하게 된다. 따라서 본 연구에서는 전략적으로 coarse-to-fine SAR 오프셋트래킹 방법을 고안하였다. coarse-to-fine 오프셋트래킹을 통하여 일반적인 오프셋트래킹 결과보다 해상도는 유지되고 정밀도는 향상(특히, 비행방향으로 약 4배)된 결과를 획득할 수 있다. 이 기법을 활용하여 Campbell Glacier에 대한 2차원 이동속도 영상을 생성하였다. 2차원 이동속도 영상을 분석한 결과 Campbell Glacier의 지반선(grounding line)은 대략 위도 -74.56N 부근에 존재하는 것으로 관측할 수 있었다. 이 연구에서 분석된 Campbell Glacier Tongue의 흐름속도(185-237 m/yr)는 1988-1989년의 흐름속도(140-240 m/yr)에 비하여 증가하였다. 그리고 2010-2012년의 흐름속도(181-268 m/yr)에 비하여 지반선 부근에서 이동속도는 유사하였지만 Campbell Glacier Tongue의 끝부분에서의 이동속도는 감소한 것을 확인할 수 있었다. 하지만 이는 본 연구의 연구 결과는 28일 동안 발생한 빙하의 이동속도를 연간 속도로 환산한 것이기 때문에 발생하는 오차일 가능성이 있다. 향후 정확한 비교를 위해서는 시계열적으로 자료를 확장하여 연간 속도를 정확하게 계산하는 과정이 필요할 것이다. 이 연구를 통해 최초로 국내 X-밴드 SAR 위성인 KOMPSAT-5 위성 영상을 활용하여 빙하의 2차원 이동속도를 관측하였으며, KOMPSAT-5 영상의 coarse-to-fine SAR 오프셋트래킹 기법이 빙하의 2차원 이동속도 관측에 매우 유용함을 확인할 수 있었다.

• 한국측량학회지
• /
• 제37권3호
• /
• pp.199-208
• /
• 2019

운용 가능한 위성의 수가 증가하고 기술이 진보함에 따라 영상정보의 성과물이 다양해지고 많은 양의 자료가 축적되고 있다. 본 연구에서는 기구축된 영상정보를 활용하여 부족한 훈련자료의 문제를 극복하고 딥러닝(deep learning) 기법의 장점을 활용하고자 전이학습과 변화탐지 네트워크를 활용한 고해상도 위성영상의 변화탐지를 수행하였다. 본 연구에서 활용한 딥러닝 네트워크는 공간 및 분광 정보를 추출하는 합성곱 레이어(convolutional layer)와 시계열 정보를 분석하는 합성곱 장단기 메모리 레이어(convolutional long short term memory layer)로 구성되었으며, 고해상도 다중분광 영상에 최적화된 정보를 추출하기 위하여 커널(kernel)의 차원에 따른 정확도를 비교하였다. 또한, 학습된 커널 정보를 활용하기 위하여 변화탐지 네트워크의 초기 합성곱 레이어를 고해상도 항공영상인 ISPRS (International Society for Photogrammetry and Remote Sensing) 데이터셋에서 추출된 40,000개의 패치로 학습된 값으로 초기화하였다. 다시기 KOMPSAT-3A (KOrean Multi-Purpose SATllite-3A) 영상에 대한 실험 결과, 전이학습과 딥러닝 네트워크를 활용할 경우 기복 변위 및 그림자 등으로 인한 변화에 덜 민감하게 반응하며 분류 항목이 달라진 지역의 변화를 보다 효과적으로 추출할 수 있었으며, 2차원 커널보다 3차원 커널을 사용할 때 변화탐지의 정확도가 높았다. 3차원 커널은 공간 및 분광정보를 모두 고려하여 특징 맵(feature map)을 추출하기 때문에 고해상도 영상의 분류뿐만 아니라 변화탐지에도 효과적인 것을 확인하였다. 본 연구에서는 고해상도 위성영상의 변화탐지를 위한 전이학습과 딥러닝 기법의 활용 가능성을 제시하였으며, 추후 훈련된 변화탐지 네트워크를 새롭게 취득된 영상에 적용하는 연구를 수행하여 제안기법의 활용범위를 확장할 예정이다.

• 정보처리학회논문지D
• /
• 제9D권5호
• /
• pp.939-944
• /
• 2002

In this paper, we propose and apply new classification method to the remotely sensed image acquired from airborne multi-spectral scanner. This is a neuro-fuzzy image classifier derived from the generic model of a 3-layer fuzzy perceptron. We implement a classification software system with the proposed method for land cover image classification. Comparisons with the proposed and maximum-likelihood classifiers are also presented. The results show that the neuro-fuzzy classification method classifies more accurately than the maximum likelihood method. In comparing the maximum-likelihood classification map with the neuro-fuzzy classification map, it is apparent that there is more different as amount as 7.96% in the overall accuracy. Most of the differences are in the "Building" and "Pine tree", for which the neuro-fuzzy classifier was considerably more accurate. However, the "Bare soil" is classified more correctly with the maximum-likelihood classifier rather than the neuro-fuzzy classifier.