• 우주기술과 응용
• /
• 제1권1호
• /
• pp.33-40
• /
• 2021

본 논문에서는 총 무게 42 kg 이내의 요구사항을 토대로 차세대소형위성 2호 영상 레이다 시스템을 개발한 결과를 보고한다. 차세대소형위성 2호는 소형급 인공위성으로, 탑재체의 무게 비중이 전체 무게 대비 약 40% 정도를 차지하도록 설계하였다. 영상 레이다 시스템은 안테나, RF송수신기, 기저대역 신호처리기, 전력부 등으로 구성되며, 이 중에서 특히 무게 비중이 큰 부품은 영상 레이다의 핵심인 안테나이다. 안테나 설계시 이득, 효율 등을 고려한 다양한 선택이 가능하지만, 차세대소형위성 2호 사업에서 요구하는 무게, 전력 및 해상도 등을 반영하여 Micro-strip Patch Array 안테나를 채택하여 설계하였다. 차세대소형위성 2호의 임무 요구 조건에 부합하도록 안테나의 주파수는 9.65 GHz, 이득은 42.7 dBi 그리고 반사손실은 -15 dB로 규정하여 개발하였으며, 차량에 탑재한 현장시험을 통하여 요구 성능의 충족 여부를 검증하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.286-286
• /
• 2015

하천과 해양에서 발생한 수질오염은 특성상 유속의 흐름에 따라 광범위하며 급속도로 퍼져나가기 때문에 이를 효율적으로 유지, 관리하기 위해서는 오염인자들에 대한 모니터링이 수행되어야 한다. 원격탐사 기술을 이용한 하천의 수질측정은 대규모지역으로 분포해있는 수질농도의 변화양상을 시 공간적으로 모니터링 하는 것이 가능하게 할 뿐 아니라, 사람이 접근하기 어려운 지역에는 직접취수를 하지 않음으로써 기존의 수질측정방법들에 비해 편의성을 높여 시간적, 경제적 측면에서 효율적이다. 이에 본 연구에서는 최근 수질오염이 심화되고 있는 낙동강유역을 대상으로 인공위성 이미지영상을 이용하여 수질인자들의 농도측정을 수행하였다. 연구를 위해 사용된 인공위성은 NASA와 USGS가 공동으로 운용중인 Landsat 8 인공위성이다. Landsat 8의 11개 band 중 band2(Blue), band3(Green), band4(Red), band5(Near Infrared)를 사용하여 실제로 측정된 지점자료와 인공위성자료간의 상관관계를 규명하였다. 사용된 인공위성자료는 지점자료 날짜를 포함하는 총 4개의 연구날짜(2013/10/27, 2013/11/12, 2014/04/14, 2014/05/16)에 해당하는 위성이미지영상이다. Pearson상관계수를 통한 밴드와 수질인자간의 상관 결과, 본 연구지역에서는 $0.85-0.88{\mu}m$(band5)의 파장영역에서 클로로필-a와 부유물질이 가장 민감하게 반응함을 알 수 있었다. 두 수질인자들은 band2, band3, band4에서도 비교적 높은 상관성을 보였으며, 이를 근거로 band combination, band ratio를 통해 클로로필-a와 부유물질의 회귀모델식을 유도하였다. 각각의 회귀모델식은 실제 측정된 데이터들과 비교 검증을 통해 4개의 연구기간 중 2013년 10월 27일, 2014년 5월 16일에 대해서 클로로필-a와 부유물질의 공간적인 분포양상을 시각적으로 도시화하였다.

• 대한원격탐사학회지
• /
• 제18권4호
• /
• pp.221-231
• /
• 2002

본 연구에서는 한국과학기술원 인공위성연구센터에서 개발한 DEM생성 알고리즘을 다양한 해상도의 위성영상에 적용하여 도심지역의 DEM생성결과를 살펴보고자 한다. 실험에 사용한 위성 영상은 10m해상도의 SPOT영상과, 6.6m해상도를 가지는 EOC영상, 1m해상도를 가지는 IKONOS위성영상이며 모든 위성영상에는 대전광역시의 도심지역이 포함되어 있다. 모든 위성영상에 대해 궤도정보 없이도 카메라 모델이 수립되는 Gupta와 Harteley(1997)가 제안한 DLT모델을 사용하였다. EOC DEM과 SPOT DEM정확도 검증은 USGS DTED를 사용하였으며, IKONOS DEM의 정확도는 DGPS측량을 수행한 23개의 검증점(check points)를 사용하여 정확도를 비교하였다. 그 결과 SPOT 위성영상으로부터 얻은 DEM은 약 38m RMS오차를 갖고 EOC DEM은 약 12m RMS오차를 보였다. 이 수치는 위성영상의 해상도를 고려하면 약 2∼4픽셀에 해당하는 오차이다. IKONOS DEM의 정확도는 약 6.5m RMS오차를 보였으며 해상도를 고려하면 약 6∼7픽셀의 오차를 가지고 있다. 이는 SPOT DEM과 EOC DEM보다 다소 높은 수치나 IKONOS DEM은 SPOT, EOC DEM과 달리 도심지역의 건물을 육안으로 구분할 수 있을 정도의 DEM을 생성하고 있다. 그러나 높이 불연속과 건물의 그림자 등에 의해 오정합이 발생하고 있어 향후 높이 불연속과 그림자의 영향을 최소화하는 알고리즘 개발이 필요하다.

• 지적과 국토정보
• /
• 제53권1호
• /
• pp.107-121
• /
• 2023

실시간으로 변하는 국토를 광범위하게 취득하고, 이를 빠르고 정확하게 파악하기 위해 최근 공개 된 고해상도 국토위성 영상자료와 인공지능(AI; Artificial Intelligence)을 활용하고자 한다. 기존 위성 영상에 비해 국토위성의 경우 분광 및 주기 해상도가 높아져, 국토의 변화상을 주기적으로 모니터링하는 데 보다 적합한 자료원이 되었다. 따라서 본 연구는 국토위성을 취득하여 국토 변화를 탐지하기 위한 객체 8종을 선정하고, 이에 대한 데이터 셋 구축 및 AI 모델을 적용하여 분석하고자 한다. 다양한 유형의 객체 8종을 탐지하기 위한 최적의 모델과 변수 조건들을 확인하기 위해 여러 실험을 수행하고, AI 기반의 영상분석을 기술적으로 검토해보고자 한다.

• 한국우주과학회:학술대회논문집(한국우주과학회보)
• /
• 한국우주과학회 1996년도 한국우주과학회보 제5권1호
• /
• pp.15-15
• /
• 1996

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.355-355
• /
• 2011

토지피복의 분류는 토지표면의 물리적인 지표면의 상태를 나타내는 자료로 환경, 행정, 수자원, 재해 등 다방면으로 이용되고 있다. 특히 수자원과 관련하여 식생의 증산과 토양의 증발을 통칭하는 증발산과 유출, 토양수분 등과 연관되어 있다. 광범위한 토지피복의 산정에는 경제성 및 주기성 등의 장점으로 인하여 인공위성 영상을 이용하는 기법이 적합하다. 위성영상분류법은 훈련지역의 선정 여부에 따라 감독분류와 무감독 분류로 나누어지며 각각의 알고리즘의 특성에 따라 더욱 세분화된다. 본 연구에서는 Landsat-TM (Thematic Mapper) 영상을 이용하여 감독 분류와 무감독 분류를 각각 적용하여 한강유역의 토지피복을 수역, 시가, 나지 습지, 초지, 산림, 농지의 7가지 부분으로 대분류로 산정하고 비교하였다. 두 경우의 정확도는 각각 91.6%, 90.9%의 비슷한 정확도를 나타내었으며, 세부적으로 우리나라의 대부분의 면적에 분포하는 산림, 농지, 시가, 수역의 정확도가 높게 나타났다. 또한 각 항목별로 정확도를 비교하였을 때 감독분류가 무감독분류에 비해 다소 정확한 것을 확인할 수 있었다. 추후 외부자료를 도입하면 비교적 낮은 정확도를 나타낸 초지, 습지, 나지의 정확도를 보완할 수 있을 것이다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 1부
• /
• pp.795-800
• /
• 2008

카메라로 입력되는 영상에서 객체를 인식하기 위한 노력은, 기존의 컴퓨터 비전분야에서 좋은 이슈로 연구되고 있다. 영상 내부에 등장하는 객체를 인식하고 해당 객체를 포함하고 있는 전체 이미지에서 현재 영상의 위치를 인식하기 위해서는, 영상 내에 등장할 객체에 대한 트레이닝이 필요하다. 본 논문에서는 영상에 등장할 객체에 대해서, 특징 점을 검출(feature detection)하고 각 점들이 가지는 픽셀 그라디언트 방향의 벡터 값들을 그 이웃하는 벡터 값들과 함께 DoG(difference-of-Gaussian)함수를 이용하여 정형화 한다. 이는 추후에 입력되는 영상에서 검출되는 특징 점들과 그 이웃들 간의 거리나 스케일의 비율 등의 파리미터를 이용하여 비교함으로써, 현재 특징 점들의 위치를 추정하는 정보로 사용된다. 본 논문에서는 광역의 시설 단지를 촬영한 인공위성 영상을 활용하여 시설물 내부에 존재는 건물들에 대한 초기 특징 점들을 검출하고 데이터베이스로 저장한다. 트레이닝이 마친 후에는, 프린트된 인공위성 영상내부의 특정 건물을 카메라를 이용하여 촬영하고, 이 때 입력된 영상의 특징 점을 해석하여 기존에 구축된 데이터베이스 내의 특징 점과 비교하는 과정을 거친다. 매칭되는 특징 점들은 DoG로 정형화된 벡터 값들을 이용하여 해당 건물에 대한 위치를 추정하고, 3차원으로 기 모델링 된 건물을 증강현실 기법을 이용하여 영상에 정합한 후 가시화 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.439-439
• /
• 2022

인공위성은 위성통신, 기상 등 다양한 분야에서 활용되고 있지만 재난과 위성영상 특성 매칭의 제약으로 재난 상황에서는 제한적으로 사용되었다. 국내외 위성 갯수의 증가로 위성영상을 준-실시간으로 확보 가능함에 따라 활용할 수 있는 범위가 증가하여 최근에는 재난·재해에 신속하게 대비하기 위한 연구가 활발히 진행되고 있다. 본 연구는 재난 발생 지역의 위성 영상 확보를 위해 촬영된 영상과 미래시점의 촬영 예정인 영상의 촬영 예정 시간 및 영역을 빠른 시간 내 분석하여 최적 위성영상 확보에 기반이 되고자 한다. 행정안전부에서 분류한 재난·재해 유형에 따라 재난 예측, 탐지, 사후처리를 위한 위성자료의 확보를 위하여 다양한 위성과 탑재된 센서들의 궤도, 공간 해상도, 파장대 등의 위성영상의 적시성을 분석하여 최적 위성을 정의하였다. 위성 궤도 시뮬레이션은 TLE(Two Line Element) 정보를 이용하는 SGP4(Simplified General Perturbations version 4) 모델에 적용하여 개발하였다. 최신 TLE 정보를 이용하여 위성 궤도 정보 및 센서 정보(공간 해상도, Swath width, incidence angle IFOV 등)을 적용하였다. 수집된 위성 궤도 정보를 기반으로 위성의 궤도를 예측하여 예측된 위치에서의 촬영 영역을 산정하는 분석 기능을 수행하여 최종 시뮬레이션 데이터를 생성한다. 개발된 위성 궤도 시뮬레이션 알고리즘을 토대로 태풍 미탁 사례에 적용하였다. 위성 궤도 시뮬레이션 알고리즘을 태풍 미탁 사례에 적용한 결과 다종 위성리스트 중 위성 궤도 분석을 통해 최단기간 획득 가능한 위성 중 정지 궤도 기상위성인 Himawari-8, GK-2A는 태풍 경로 모니터링, 광학 위성인 Sentinel-2, PlanetScope는 건물 피해 지역, SAR 위성인 Sentinel-1, ICEYE는 홍수 지역을 탐지하는데 최적 위성 영상으로 분석되었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 하계학술대회
• /
• pp.312-313
• /
• 2012

본 논문에서는 고해상도 팬크로매틱 영상과 저해상도 다중분광 영상을 융합하기 위하여 고해상도 팬크로매틱 영상에서 MRF 모델링을 기반으로 에지 방향 정보를 추출하는 방식파 추출된 에지 방향 정보 및 고해상도 팬크로매틱 영상의 기울기 정보를 이용하여 위성영상을 융합하는 방법을 제안한다. 에지 방향 추출은 레이블링(labeling) 문제로 다루어 처리하는데, 이는 MRF 모델링을 통하여 에너지 함수를 설계하고 최소화시킴으로써 풀 수 있다. 또한 고해상도 다중분광영상 합성 시, 저해상도 다중분광영상의 픽셀 값을 정계조건으로 하고 팬크로매틱의 기울기 및 에지 정보를 이용하여 선형방정식을 세워서 풀어내는데, 이를 용하여 색상왜곡을 줄일 수 있으며 영상의 세부 부분을 더 잘 표현할 수 있다 실험 결과, 제안하는 방법이 기존방식에 비하여 좋은 성능을 보임을 확인할 수 있다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.871-884
• /
• 2021

본 연구의 목적은 항공 및 위성영상을 활용한 토지피복 관련 인공지능 학습 데이터를 구축, 검증 및 알고리즘 적용의 효율화 방안을 연구하였다. 이를 위하여 토지피복 8개 항목에 대하여 고해상도의 항공영상 및 Sentinel-2 인공위성에서 얻은 이미지를 사용하여 0.51 m 및 10 m Multi-resolution 데이터셋을 구축하였다. 또한, 학습 데이터의 구성은 Fine data (총 17,000개) 와 Coarse data (총 33,000개)를 동시 구축 및 정밀한 변화 탐지 및 대규모 학습 데이터셋 구축이라는 2가지 목적을 달성하였다. 학습 데이터의 정확도를 위한 검수는 정제 데이터, 어노테이션 및 샘플링으로 3단계로 진행하였다. 최종적으로 검수가 완료된 학습데이터를 Semantic Segmentation 알고리즘 중 U-Net, DeeplabV3+에 적용하여, 결과를 분석하였다. 분석결과 항공영상 기반의 토지피복 평균 정확도는 U- Net 77.8%, Deeplab V3+ 76.3% 및 위성영상 기반의 토지피복에 대한 평균 정확도는 U-Net 91.4%, Deeplab V3+ 85.8%이다. 본 연구를 통하여 구축된 고해상도 항공영상 및 위성영상을 이용한 토지피복 인공지능 학습 데이터셋은 토지피복 변화 및 분류에 도움이 되는 참조자료로 활용이 가능하다. 향후 우리나라 전체를 대상으로 인공지능 학습 데이터셋 구축 시, 토지피복을 연구하는 다양한 인공지능 분야에 활용될 것으로 기대된다.