• 대한원격탐사학회지
• /
• 제14권3호
• /
• pp.223-231
• /
• 1998

해양생물학 연구를 위해 전세계 바다색 관측을 수행하게 될 아리랑 1호 위성(Korean Multi-Purpose SATellite. KOMPSAT)의 탑재체 Ocean Scanning Multispectral Imager(OSMI)를 개발하였다. OSMI는 관측폭 800km 이내에서 1km 이하의 지상해상도를 갖고 whisk-broom 주사 기법으로 해양표면의 영상을 얻는다. OSMI는 3년의 수명 동안 20%의 궤도 운영 duty cycle을 갖으며 궤도 운영 중 영상 자료의 gain/offset 조정이 가능하고 영상자료 저장 기능이 내장되도록 설계되었다. 궤도 운영 중 센서 보정을 위해 OSMI는 태양 보정과 암흑 보정을 수행한다. OSMI는 2차원 Charge Coupled Device(CCD) Focal Plane Array(FPA)를 사용하는 다중 분광 촬영기로서 400nm에서 900nm가지의 파장 대역에 대한 결상이 가능하다. 이 파장대역 중에서 궤도 운영 중 지상명령을 통해 선택되는 6개 분광 채널을 사용하여 해양표면이 관측된다. 센서 성능은 지상 특성 시험 단계에서 412, 443, 490, 510, 555, 670, 765 그리고 865nm의 8개 분광 대역에 대해 측정되었다. 이 지상 특성 시험 결과와 더불어 태양/암흑 보정이 궤도 분광 채널 선택 및 보정에 사용될 것이다. 운영중 분광 채널 선택 기능은 바다색 관측 및 해양생물학 연구에 큰 유연성을 줄 것이다.

• 대한원격탐사학회지
• /
• 제24권2호
• /
• pp.195-203
• /
• 2008

본 연구는 KOMFSAT-2호 및 3호의 화상활용의 일환으로 고해상도 위성화상을 이용한 산불피해비율(NBR) 기반의 산불피해등급도 작성 개발이다. 무엇보다 중적외선 밴드가 없는 IKONOS 화상에서 NBR 산법개발과 NBR 기초한 삼척과 청양 예산 산불피해지의 산불피해등급도를 기존의 다른 기법과 평가한 결과 우수성이 입증되었다. 향후 고해상도 KOMPSAT 화상을 이용한 NBR 기반의 산불피해등급도는 산불 후 피해복원에 중요한 정보를 제공할 것이다.

• 대한원격탐사학회지
• /
• 제31권5호
• /
• pp.395-408
• /
• 2015

고해상도 위성영상 모자이크는 두 장 이상의 위성영상을 공간적으로 합성하여 보다 넓은 단일 영상을 만드는 영상 처리 과정으로 원격탐사 분야에서 그 중요성이 날로 커지고 있다. 본 연구에서는 영상 모자이크 작업 시 요구되는 접합선 자동 추출기법과 이를 기반으로 한 모자이크 영상 제작 방법을 제시하였다. 대용량인 고해상도 위성영상에서 보다 빠르고 효율적인 접합선 추출하기 위해서, NDVI의 특성을 활용하여 빠르게 경계선을 추출하는 NDVI 기반 접합선 추출 알고리즘을 개발하였다. NDVI는 식생의 분포량 및 활동성을 나타내는 정규화 식생지수로 이를 활용하여 인공지역과 자연지역을 분리하여 초기 접합선을 추출하였다. Canny 에지 연산자를 적용하여 비용범위이미지를 생성하고, 초기 접합선을 기준으로 버퍼링 기법을 사용하여 범위 비용 이미지를 생성하였다. 다익스트라 알고리즘을 사용하여 접합선을 추출하고, 획득시기가 다른 인접영상간의 방사 왜곡을 줄이기 위하여 히스토그램 매칭을 수행하였다. KOMPSAT-2/3 위성영상을 이용한 실험결과, 두 영상의 기하학적 차이로 인한 시각적 불연속 특징이 감소됨을 확인할 수 있었고, 접합선 추출시 소요되는 연산시간이 감소되는 것을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.177-198
• /
• 2021

변화탐지 연구는 주로 토지이용/피복의 변화, 재난/재해 피해지역과 같은 토지의 변화, 수역, 식생과 같은 특정 넓게 분포하는 객체의 변화에 대한 연구가 진행되어 왔다. 한편, 위성영상의 공간/시간 해상도가 지속적으로 향상됨에 따라 위성영상으로부터 선박, 차량과 같은 면적이 작은 객체의 변화탐지의 가능성이 높아지고 있다. 이러한 가능성을 확인하기 위하여 본 논문에서는 위성영상으로부터 소형객체 변화탐지를 수행하기 위해 기존 화소기반 변화탐지기법의 성능을 분석하였다. 10일 이내의 짧은 시기에서 촬영된 Kompsat 3A 위성영상 및 Google Earth 영상을 이용하여 대표적인 화소기반 변화탐지기법인 차분, 주성분 분석, MAD 및 IR-MAD을 적용하였다. 영상에서 관측 가능한 소형 객체 주변으로 변화/비변화 참조자료를 정의하고 각 기법을 적용하여 얻어진 변화탐지 결과영상과 참조자료를 비교하여 성능을 분석하였다. 성능분석 결과 실험에 사용한 모든 영상에서 MAD, IR-MAD 기법이 상대적으로 우수한 성능을 제공하였다. LULC, 식생변화 등 대규모 지역의 변화탐지에 우수한 성능을 보인 MAD, IR-MAD 기법이 소형객체의 변화탐지에도 적용될 수 있음을 확인할 수 있었다. 아울러 변화탐지 대상인 소형객체에 높은 반사율 특성을 가지는 분광밴드를 변화탐지를 위한 분석에 포함하는 것이 소형객체 변화탐지율을 높일 수 있었다.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1111-1123
• /
• 2023

원격탐사 영상을 이용한 지표 속성의 변화를 모니터링 하기 위해서 딥러닝(deep learning) 모델을 이용한 의미론적 영상 분할 방법이 최근에 널리 사용되고 있다. 대표적인 의미론적 영상 분할 딥러닝 모델인 UNet 모델을 비롯하여 다양한 종류의 UNet 기반의 딥러닝 모델들의 성능 향상을 위해서는 학습 데이터셋의 크기가 충분해야 한다. 학습 데이터셋의 크기가 커지면 이를 처리하는 하드웨어 요구 사항도 커지고 학습에 소요되는 시간도 크게 증가되는 문제점이 발생한다. 이런 문제를 해결할 수 있는 방법인 전이학습은 대규모의 학습 데이터 셋이 없어도 모델 성능을 향상시킬 수 있는 효과적인 방법이다. 본 논문에서는 UNet 기반의 딥러닝 모델들을 대표적인 사전 학습 모델(pretrained model)인 VGG19 모델 및 ResNet50 모델과 결합한 세 종류의 전이학습 모델인 UNet-ResNet50 모델, UNet-VGG19 모델, CBAM-DRUNet-VGG19 모델을 제시하고 이를 건물 추출에 적용하여 전이학습 적용에 따른 정확도 향상을 분석하였다. 딥러닝 모델의 성능이 학습률의 영향을 많이 받는 점을 고려하여 학습률 설정에 따른 각 모델별 성능 변화도 함께 분석하였다. 건물 추출 결과의 성능 평가를 위해서 Kompsat-3A 데이터셋, WHU 데이터셋, INRIA 데이터셋을 사용하였으며 세 종류의 데이터셋에 대한 정확도 향상의 평균은 UNet 모델 대비 UNet-ResNet50 모델이 5.1%, UNet-VGG19 모델과 CBAM-DRUNet-VGG19 모델은 동일하게 7.2%의 결과를 얻었다.

• 대한원격탐사학회지
• /
• 제36권2_2호
• /
• pp.249-261
• /
• 2020

다중 플랫폼/센서를 활용한 연안 모니터링은 연안 해양환경 변화와 다양한 재해/재난을 높은 시공간 해상도로 정확하게 이해하기 위한 매우 중요한 수단이다. 하지만 다중 플랫폼과 센서를 복합적으로 이용한 통합 관측 연구는 미비한 실정이고, 통합 관측을 통한 효율성, 융합 한계성 등에 대해 평가된 바 없다. 본 연구에서는 다중 원격탐사 플랫폼/센서를 이용한 모의실험을 통해 통합 관측 방법을 제시하고, 그 효용성과 한계점을 진단하였다. 다양한 해양 재해, 재난을 모사하기 위하여 Rhodamine WT (RWT) 형광염료를 이용하여 통합 현장조사를 수행하였다. 2019년 9월 남해-여수 해역에 형광염료를 주입 후 위성(Kompsat-2/3/3A, Landsat-8 Operational Land Imager (OLI), Sentinel-3 Ocean and Land Colour Instrument (OLCI), GOCI), 무인항공기 (Mavic 2 pro, Inspire 2), 유인항공기 플랫폼을 이용하여 염료 패치의 분포와 이동을 탐지하였다. 형광염료 주입 초기 패치 규모는 2,600 ㎡ 이었고, 약 138분 후 62,000 ㎡ 규모까지 확산되었다. RWT 패치는 처음 주입된 지점으로 부터 점차 남서 방향으로 이동하였고, 이는 현장 모의 실험이 진행되는 동안 조위(고조: 7시 7분(286 cm), 저조: 13시 9분(73 cm))가 점차 낮아짐에 따라 조석이 남동 방향으로 흐르는 것과 유사하였다. 무인항공기 영상은 공간해상도와 시간해상도 측면에서 가장 높은 해상력을 보인 반면 탐지 영역이 가장 좁았다. 위성의 경우 탐지 영역은 넓었지만 재방문 주기가 길기 때문에 운용성 측면에서 타 플랫폼과 비교하여 다소 한계가 있었다. 또한 Sentinel-3 OLCI와 GOCI의 경우 분광해상도와 신호 대 잡음비(signal to noise ratio)가 가장 높았지만 소규모 형광염료 탐지에는 공간해상도 측면에서 제한적이었다. 유인항공기에 탑재된 초다분광 영상의 경우 분광해상도가 가장 높았지만 이 역시 운용성 측면에서 다소 제한적이었다. 다중 플랫폼 통합관측 연구를 통해 시간과 공간뿐만 아니라 분광 해상력 증가 향상을 확인 가능하였다. 향후 이 연구 결과가 연안 수치모델과 연계된다면 오염 물질의 이동확산 예측이 가능할 것으로 생각되고, 수치모델의 입력 및 검증 자료로 활용하여 모델 정확도 향상에 기여할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권1호
• /
• pp.33-43
• /
• 2022

This study presents a method to restore an optical satellite image with distortion and occlusion due to fog, haze, and clouds to one that minimizes degradation factors by referring to the same type of peripheral image. Specifically, the time and cost of re-photographing were reduced by partially occluding a region. To maintain the original image's pixel value as much as possible and to maintain restored and unrestored area continuity, a simulation restoration technique modified with the Cycle Generative Adversarial Network (CycleGAN) method was developed. The accuracy of the simulated image was analyzed by comparing CycleGAN and histogram matching, as well as the pixel value distribution, with the original image. The results show that for Site 1 (out of three sites), the root mean square error and R² of CycleGAN were 169.36 and 0.9917, respectively, showing lower errors than those for histogram matching (170.43 and 0.9896, respectively). Further, comparison of the mean and standard deviation values of images simulated by CycleGAN and histogram matching with the ground truth pixel values confirmed the CycleGAN methodology as being closer to the ground truth value. Even for the histogram distribution of the simulated images, CycleGAN was closer to the ground truth than histogram matching.

• 대한원격탐사학회지
• /
• 제28권3호
• /
• pp.319-327
• /
• 2012

In this paper, we introduce a newly developed photogrammetric software for automatic generation of high quality geo-products and its performance assessment carried out using various satellite images. Our newly developed software provides the latest techniques of an optimized sensor modelling, ortho-image generation and automated Digital Elevation Model (DEM) generation for diverse remote sensing images. In particular, images from dual- and multi-sensor images can be integrated for 3D mapping. This can be a novel innovation toward a wider applicability of remote sensing data, since 3D mapping has been limited within only single-sensor so far. We used Kompsat-2, Ikonos, QuickBird, Spot-5 high resolution satellite images to test an accuracy of 3D points and ortho-image generated by the software. Outputs were assessed by comparing reliable reference data. From various sensor combinations 3D mapping were implemented and their accuracy was evaluated using independent check points. Model accuracy of 1~2 pixels or better was achieved regardless of sensor combination type. The high resolution ortho-image results are consistent with the reference map on a scale of 1:5,000 after being rectified by the software and an accuracy of 1~2 pixels could be achieved through quantitative assessment. The developed software offers efficient critical geo-processing modules of various remote sensing images and it is expected that the software can be widely used to meet the demand on the high-quality geo products.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.207-221
• /
• 2023

본 연구는 천리안위성 2A호의 Level 1B (L1B) 정보를 사용해 지상기온을 추정하기 위한 심층신경망(deep neural network, DNN) 기법을 적용하고 검증을 실시하였다. 지상기온은 지면으로부터 1.5 m 높이의 대기온도로 일상생활뿐만 아니라 폭염이나 한파와 같은 이슈에 밀접한 관련을 갖는다. 지상기온은 지표면 온도와 대기의 열 교환에 의해 결정되므로 위성으로부터 산출된 지표면 온도(land surface temperature, LST)를 이용한 지상기온 추정 연구가 활발하였다. 하지만 천리안위성 2A호 산출물 LST는 Level 2 정보로 구름영향이 없는 픽셀만 산출되는 한계가 있다. 따라서 본 연구에서는 Advanced Meteorological Imager 센서에서 측정된 원시데이터에 오직 복사와 위치보정을 마친 L1B 정보를 사용해 지상기온을 추정하기 위한 DNN 모델을 제시하고 그 성능을 가늠하기 위해 위성 LST와 지상관측 기온 사이의 선형회귀모델을 기준모델로 사용하였다. 연구기간은 2020년부터 2022년까지 3년으로 평가기간 2022년을 제외한 기간은 훈련기간으로 설정했다. 평가지표는 기상청의 종관기상관측소에서 정시에 관측된 기온정보로 평균 제곱근 오차를 사용하였다. 관측지점에서 추출된 픽셀 중 손실된 픽셀의 비율은 LST는 57.91%, L1B는 1.63%를 보였으며 LST의 비율이 낮은 이유는 구름의 영향 때문이다. 제안한 DNN의 구조는 16개 L1B 자료와 태양정보를 입력 받는 층과 은닉층 4개, 지상기온 1개를 출력하는 층으로 구성하였다. 연구결과 구름의 영향이 없는 경우 DNN 모델이 root mean square error (RMSE) 2.22℃로 기준모델의 RMSE 3.55℃ 보다 낮은 오차를 보였고, 흐린 조건을 포함한 총 RMSE는 3.34℃를 나타내면서 구름의 영향을 제거할 수 있을 것으로 보였다. 하지만 계절과 시간에 따른 분석결과 여름과 겨울철에 모델의 결정계수가 각각 0.51과 0.42로 매우 낮게 나타났고 일 변동의 분산이 0.11과 0.21로 나타났다. 가시채널을 고려해 태양 위치정보를 추가한 결과에서 결정계수가 0.67과 0.61로 개선되었고 시간에 따른 일 변동의 분산도 0.03과 0.1로 감소하면서 모든 계절과 시간대에 더 일반화된 모델을 생성할 수 있었다.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1591-1604
• /
• 2020

본 연구는 고해상도 위성영상을 딥러닝 알고리즘에 적용하여 토지피복을 분류하고 공간객체별 알고리즘의 성능 검증에 대한 연구이다. 이를 Fully Convolutional Network계열의 알고리즘을 선정하였으며, Kompasat-3 위성영상, 토지피복지도 및 임상도를 활용하여 데이터셋을 구축하였다. 구축된 데이터셋을 알고리즘에 적용하여 각각 최적 하이퍼파라미터를 산출하였다. 하이퍼파라미터 최적화 이후 최종 분류를 시행하였으며, 전체 정확도는 DeeplabV3+가 81.7%로 가장 높게 산정되었다. 그러나 분류 항목별로 정확도를 살펴보면, 도로 및 건물에서 SegNet이 가장 우수한 성능을 나타내었으며, 활엽수, 논의 항목에서 U-Net이 가장 높은 정확도를 보였다. DeeplabV3+의 경우 밭과 시설재배지, 초지 등에서 다른 두 모델보다 우수한 성능을 나타내었다. 결과를 통해 토지피복 분류를 위해 하나의 알고리즘 적용에 대한 한계점을 확인하였으며, 향후 공간객체별로 적합한 알고리즘을 적용한다면, 높은 품질의 토지피복분류 결과를 산출할 수 있을 것으로 기대된다.