• 한국지리정보학회지
• /
• 제21권3호
• /
• pp.127-137
• /
• 2018

최근 들어 UAV(무인항공기) 및 드론을 이용하여 다양한 활용기술에 대한 연구들이 이루어지고 있다. 특히, 측량분야에서는 UAV에 탑재된 디지털 카메라나 다양한 센서들을 이용하여 취득된 고해상도의 영상자료를 바탕으로 해당 지형을 모니터링하거나, 고해상도의 정사영상 및 DSM, DEM을 생성하기 위한 기술에 관한 연구들이 수행되고 있다. 본 연구에서는 UAV와 VRS-GPS를 이용하여 GCP 정합수에 따른 정확도를 분석하여 보았다. 먼저 VRS-GPS를 이용해 지상기준점을 선점한 후 UAV를 이용하여 기본고도 150m로 촬영을 실시하였으며, 646장의 영상정보를 취득하여 DSM과 정사영상을 제작하기 위해 pix4d mapper버전을 사용하여 RMSE를 분석한 결과 GCP 정합수를 5장 이상만 하여도 국가 기본도(축척 : 1/5,000) 제작 작업규정의 오차범위를 준수하고 있어 수치지도 수정 갱신 업무까지도 충분이 활용이 가능한 것으로 판단되었다.

• 한국통신학회논문지
• /
• 제24권9A호
• /
• pp.1392-1400
• /
• 1999

본 논문에서는 전역 탐색 알고리듬 (full search algorithm; FSA)과 동일한 성능을 나타내면서도 고속으로 움직임을 추정할 수 있는 블록 움직임 추정을 위한 2단계 고속 전역 탐색 알고리듬을 제안하였다. 제안한 방법에서는 첫 번째 단계에서 9:1로 부표본화된 탐색점에 대하여 블록 정합을 행하여, 여기서 얻어지는 최소 평균 절대치 오차 (mean absolute error, MAE)를 기준 MAE로 설정한다. 두 번째 단계에서는 첫 번째 단계에서 블록 정합을 행하지 않은 탐색점에 대하여 각 탐색점에서 가질 수 있는 MAE의 최소 범위를 구한 뒤, 이 값이 기준 MAE보다 작은 탐색점에 대해여서만 블록 정합을 행하였다. 이때, MAE의 최소 범위는 첫 번째 단계에서 블록 정합을 통하여 얻은 MAE들과 현재 블록 내의 화소들의 이웃 화소간의 화소 값의 차를 이용하여 구하였다. 그러므로, 제안한 방법에서는 MAE의 최소 범위를 이용하여 블록 정합이 필요한 블록에 대하여서만 정합을 행함으로써 FAS와 동일한 움직임 추정 성능을 유지하면서도 움직임 벡터의 추정을 위한 계산량을 줄일 수 있었다.

• 전자공학회논문지T
• /
• 제36T권3호
• /
• pp.32-40
• /
• 1999

본 논문에서는 SEA (successive elimination algorithm) 기반의 고속 블록정합 움직임 추정 알고리즘을 제시한다. 제안하는 기법은 블록 움직임 벡터가 탐색영역의 중앙에 편향되어 분포한다는 특성에 기반 하여 기존의 SEA보다 탐색영역에서 탐색점의 수를 줄임으로써 성능을 향상시키는 기법이다. 또한 더 많은 연산량을 즐기기 위하여 제안된 기법은 블록정합에서 화소를 비교하는 연산량을 줄이는 RBMAD (reduced bits mean absolute difference) 정합기준과 블록정합에서 사용되는 화소의 수를 줄이는 부표본화 기법과 결합하였다. 제안된 기법은 완전탐색 (full-search, FS) 블록정합 알고리즘과 비슷한 성능을 유지하면서 기존의 고속 알고리즘보다 성능이 향상되었음을 실험을 통하여 확인하였다

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 춘계학술대회 논문집
• /
• 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.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2004년도 GIS/RS 공동 춘계학술대회 논문집
• /
• pp.511-516
• /
• 2004

수치표고모델, 정사영상과 같은 공간영상정보를 구축하기 위해서는 입체영상을 이동한 영상정합(image matching)의 과정이 필수적이며, 단영상 또는 스테레오 영상을 이용하여 대상물의 3차원 정보를 재구성하고 복원하는 기술은 사진측량 및 컴퓨터 비전 분야의 주요 연구 중의 하나이다. 본 연구에서는 화소값의 유사성과 상호관계성을 고려하는 MRF 모델을 이용하여 영상정합을 수행하였다. MRF 모델은 공간분석이나 물리적 현상의 전후관계(contextural dependencies)의 분석을 위한 확률이론의 한 분야로 다양한 공간정보를 통합할 수 있는 방법을 제공한다. 본 연구에서는 기준영상의 화소에 시차를 할당하는 접근 방법으로 확률모델의 일종인 마르코프 랜덤필드(MRF)모델에 기반한 영상정합기법을 제안하였고, 공간내 화소의 상호관계를 고려해주므로 대상물의 경계부분에서의 매칭 정확도를 향상시켰다. 영상정합문제에서의 MRF 기본가정은 영상 내 특정화소의 시차는 그 주위화소의 시차에 의한 부분정보에 따라 결정이 가능하다는 것이다. 깁스분포(gibbs distribution)를 사용하여 사후(posteriori) 확률값을 유도해내고, 이를 최대사후확률(MAP: Maximum a Posteriori)추정법을 이용하여 에너지함수를 생성하였다. 생성된 에너지함수의 최적화(Optimization)를 위하여 본 연구에서는 전역최적화기법인 multiway cut 기법을 사용하여 영상정합에 있어 에너지함수를 최소로 하는 이미지화소에 대한 시차레이블을 구하여 영상정합을 수행하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 추계학술대회
• /
• pp.97-99
• /
• 2021

본 논문에서는 딥러닝 기반 특징점 필터링 방법을 이용한 원격 탐사 영상에 대한 영상 정합 (Image Registration) 고속화 방법을 제안한다. 기존의 특징 기반 영상 정합 방법의 복잡도는 특징 매칭 (Feature Matching) 단계에서 발생한다. 이 복잡도를 줄이기 위하여 본 논문에서는 특징 매칭이 영상의 인공구조물에서 검출된 특징점으로 매칭되는 것을 확인하여 특징점 검출기에서 검출된 특징점 중에서 인공구조물에서 검출된 특징점만 필터링하는 방법을 제안한다. 딥러닝 기반 특징점 필터링은 영상 정합을 위하여 필수적인 특징점을 잃지 않으면서 그 수를 줄이기 위하여 인공구조물의 경계와 인접한 특징점을 보존하고, 축소한 영상을 사용하며, 영상 분할(Image Segmentation) 방법의 결과에서 생기는 영상 패치 경계의 잡음을 제거하기 위하여 영상 패치를 중복하여 잘라 냄으로써 정합 속도와 정확도를 향상시킨다. 영상 정합 고속화 방법을 의 성능을 검증하기 위하여 아리랑 3 호 위성 원격 탐사 영상을 사용하여 기존 특징점 추출 방법과 속도와 정확도를 비교하였다. 딥러닝 기반 영상 정합 방법을 기준으로 하여 비교하였을 때 특징점의 수를 약 82% 감소시키면서 속도를 약 9.17 배 향상시켰지만 정확도가 0.985 에서 0.855 으로 저하되었다.

• 한국측량학회지
• /
• 제30권2호
• /
• pp.143-152
• /
• 2012

항공영상을 이용하여 수치표면자료와 같은 3차원 자료를 자동으로 제작하기 위해서는 영상정합이 반드시 필요하다. 최근 사용되고 있는 항공 디지털 프레임 영상은 과거의 아날로그 영상에 비해 폐색지역이 적은 고중복도 다중 스트립 영상으로 촬영되기에 용이하다. 최근 다중 스트립 영상을 이용한 다중영상정합 기법에 대한 연구가 많이 이루어지고 있으며, 특히 각 영상에서 추출된 점(point feature)이나 형상(linear feature)의 유사성 측정 방법에 대한 연구가 진행되고 있다. 본 연구에서는 수직궤적 기반 다중영상정합을 대상으로 영역기반 유사성 측정 방법으로 SNCC(Sum of Normalized Cross-Correlation)와 SSD(Sum of Squared-Difference) 방법을 비교 분석하였다. 또한 영역기반 유사성 측정에 필요한 요소로 영상의 화소값, 화소값 기울기 강도, 화소값과 화소값 기울기 강도 평균을 각각 사용하여 결과를 비교하였다. 이 외에도 영역기반 유사성 측정에서 중요한 요소인 기준 윈도우의 크기를 비정규 적응형 기준 윈도우 방법과 정규 적응형 윈도우 방법을 적용하여 결과를 비교 분석하였다. 실험을 위하여 사용된 항공영상은 ZI Imaging 사의 DMC (Digital Modular Camera)에 의해 종중복도는 80%, 횡중복도는 60%로 촬영되었으며, 3개의 스트립으로 구성되었다. 다양한 방법으로 실험을 수행한 결과에 따르면 유사성 측정 방법으로는 SNCC, 유사성 측정 요소로는 화소값과 화소값 기울기 강도 평균, 그리고 비정규 적응형 기준 윈도우가 수직궤적 기반 다중영상정합의 영역기반 유사성 측정에 가장 적합하다는 것을 확인하였다.

• 대한원격탐사학회지
• /
• 제23권4호
• /
• pp.297-309
• /
• 2007

2008년 12월 우리나라 최초의 통신해양기상위성이 발사될 예정이다. 통신해양기상위성의 지상국은 위성영상 데이터의 정확도 향상을 위해 사용자에게 기하보정된 영상을 공급해야 한다. 이때 지상국에 요구되는 처리시간은 30분 내외이며, 전체 처리시간의 준수를 위해 자동기하보정의 기술개발과 기하보정시 수행시간의 효율성이 중요하다. 자동기하보정은 위성의 영상좌표계와 지구좌표계상의 수학적인 관계를 나타내는 센서모델을 자동으로 수립하여 기하보정을 수행하는 것이다. 센서모델 수립을 위해 사용되는 기준점은 위성영상과 랜드마크 칩간의 정합결과를 통해서 자동으로 결정되어다. 실험에 사용한 위성영상은 GOES-9영상이며 실험을 위해 전세계 해안선 데이터베이스를 사용하여 랜드마크 칩을 211개 생성하였다. 위성영상에 존재하는 구름은 위성영상과 랜드마크 칩간의 정합시 오정합을 유발하므로 GOES-9영상의 채널1과 채널2영상에서 구름검출을 수행하여 구름이 아닌 지역에 대해서만 정합을 수행하였으며 가시영상인 채널1영상에서 밤시간이 아닌 지역에 대해서만 정합이 수행될 수 있도록 밤낮을 구분하여 처리하였다. 이때 정합결과는 오정합(Outlier)이 포함되어 있어 강인추정기법 중 하나인 RANSAC을 사용하여 이를 제거하였다. 강인추정기법으로 오정합이 제거된 정합결과를 기준점으로 사용하여 센서모델을 수립하였다. 수립된 모델의 정확도는 채널1영상의 해상도를 기준으로 하였을 때 $1{\sim}2$ 픽셀의 에러가 나타났고 기하보정된 영상에 해안선을 투영하여 센서모델의 정확도를 육안으로 확인하였다. 이때 위성영상의 해안선과 투영된 해안선이 일치함으로써 기하보정이 잘 이뤄졌음을 알 수 있었다. 실험결과 정합된 RANSAC, 센서모델 수립 및 자동기하 보정의 전체 처리시간은 약 4분여가 소요되었다. 이로써 본 논문에서 제안된 자동기하보정방법은 기하보정이 효과적으로 이뤄지고 있으며, 또한 통신해양기상위성의 전처리요구시간에도 만족함을 보여주고 있다.

• 한국멀티미디어학회논문지
• /
• 제6권7호
• /
• pp.1178-1188
• /
• 2003

본 논문에서는 손에 든 비디오 카메라로 촬영한 영상을 결합하여 대형 고해상도 영상을 생성하는 모자익 기법에 관해 기술한다. 기존의 특징점 기반 대응점 검색 기법들이 사람의 개입에 의해 영상을 정합하거나, 형태정보만 이용하는 방법을 사용 하는 것과는 달리 형태정보와 칼라정보를 모두 사용하여 사람의 개입이 없이 자동으로 정확한 중첩영역을 검색하는 방법을 제안한다. 제안한 방법은 인접하는 영상 간에 빠른 속도로 대응점을 추정하여 영상간의 초기 변환관계를 계산하는 보로노이 거리(Voronoi Distance)정합법을 이용하여 비슷한 형태를 가진 후보 영역들을 추출한 다음, 칼라 정보를 이용하여 최종 중첩영역을 찾는다. 이것은 영상내의 특징점을 기준으로 특징점 사이의 거리가 동일하도록 기준영상의 보로노이 평면(Voronoi Surface)을 생성하고 입력영상과 기준 영상간의 정합 부분에서 누적된 보로노이 거리를 최소화하는 대응점을 이항검색 기법으로 추출하는 방법이다. 추출된 계산된 초기 변환행렬은 Levenberg-Marquadt 방법을 통해 최적 변환행렬로 수정되고 이 변환행렬에 의해 영상이 합성되어진다.

• 한국컴퓨터정보학회논문지
• /
• 제12권2호
• /
• pp.123-130
• /
• 2007

본 논문에서는 소동물 생체내 실험시 서로 다른 장비에서 획득된 영상의 융합 및 정합을 위한 방법을 제안한다. 마우스의 꼬리 정맥에 $[[^{18}F]FDG$를 주사하여 60분 섭취후 서로 다른 장비에서 동일한 위치의 영상을 획득하기 위하여 아크릴 재질의 소동물 가이드에 기준마크를 설정하고 microPET과 CT 영상을 획득하였다. MicroPET으로 획득된 리스트모드(list-mode) 데이터는 Fourier Rebinning(FRB) 방법을 사용하여 사이노그램(Sinogram)으로 변환 후 4 번의 반복횟수를 가지는 Ordered Subset Expectation Maximization(OSEM) 알고리즘으로 재구성하였다. MicroPET 영상획득후 PET/CT의 CT를 이용하여 CT영상을 획득하였다. MicroPET 영상에서 폐영역을 정확히 찾아내는 어려움이 있어. 해부학적 정보를 제공하는 CT 영상을 이용하여 폐 영역을 구분하였다. 영상 융합을 위한 불일치 부분을 해결하기 위하여 기준마크의 정보와 폐 영역의 정보를 이용하여 회전과 이동정보를 가지는 어파인 (affine) 변환 행렬 구하여 영상 정합에 사용하였다. 이 방법은 정량적 정확성과 영상 해석의 정확성을 개선할 것으로 기대된다.