• ETRI Journal
• /
• 제26권3호
• /
• pp.218-228
• /
• 2004

Using stereo images with ephemeris data from the Korea Multi-Purpose Satellite-1 electro-optical camera (KOMPSAT-1 EOC), we performed geometric modeling for three-dimensional (3-D) positioning and evaluated its accuracy. In the geometric modeling procedures, we used ephemeris data included in the image header file to calculate the orbital parameters, sensor attitudes, and satellite position. An inconsistency between the time information of the ephemeris data and that of the center of the image frame was found, which caused a significant offset in satellite position. This time inconsistency was successfully adjusted. We modeled the actual satellite positions of the left and right images using only two ground control points and then achieved 3-D positioning using the KOMPSAT-1 EOC stereo images. The results show that the positioning accuracy was about 12-17 m root mean square error (RMSE) when 6.6 m resolution EOC stereo images were used along with the ephemeris data and only two ground control points (GCPs). If more accurate ephemeris data are provided in the near future, then a more accurate 3-D positioning will also be realized using only the EOC stereo images with ephemeris data and without the need for any GCPs.

• 대한원격탐사학회지
• /
• 제34권6_3호
• /
• pp.1383-1398
• /
• 2018

해상풍은 복잡한 해양 현상을 이해하는 데 가장 기초 요소 중 하나이다. 1990년대 초부터 산란계를 활용하여 전세계 바람장 자료를 생산해왔지만, 낮은 해상도로 인해 해양 연구에 제한적으로 사용되었다. Synthetic Aperture Radar(SAR)는 이러한 한계점을 보완하여 고해상도의 바람장 자료 생산이 가능하다. KOMPSAT-5는 한반도 최초의 X-band SAR 탑재 인공위성으로 고해상도 해상풍 산출이 가능하다. 본 연구는 KOMPSAT-5 후방산란계수 자료를 활용하여 산출한 해상풍의 검증 결과를 최초로 제시하였다. 18장의 KOMPSAT-5 ES 모드 자료를 수집하여 해양 부이와의 일치점 데이터베이스를 생산하였다. 정확한 해상풍 산출을 위해 육지 화소, 스페클 잡음, 선박 화소를 제거하는 전처리 과정을 거쳤고, 해양 부이 실측 자료에 Liu-Katsaros-Businger (LKB) 모델을 통해 10-m 중성 바람으로 변환하여 기준 자료로 활용하였다. XMOD2를 활용하여 산출한 해상풍은 후방산란계수 산출식에 따라 $2.41-2.74m\;s^{-1}$의 평균 제곱근 오차를 보였다. 분석 결과 KOMPSAT-5 후방산란계수 자료를 활용하여 해상풍을 산출하는 경우, 대기 중력파, 파랑, 내부파를 포함한 해양 기상 환경과 레인지 모호성(range ambiguity), 입사각의 이산적 불연속적 분포를 포함한 영상 품질에 의한 잠재적 오차 요인이 존재함을 규명하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 International Symposium on Remote Sensing
• /
• pp.365-367
• /
• 2008

A digital city model represents a 3D environment of a city with various city object information such as 3D building model, road, and land cover. Usually, at least two satellite images with some image overlap are necessary and a complex satellite-related computation needs to be carried out to create a city model. This is an expensive technique, because it requires many resources and excessive computational cost. The authors propose a methodology to create a digital city model including 3D building model and land cover information from a single high resolution satellite image. The approach consists of image pan-sharpening, shadow recovery, building occlusion restoration, building model extraction, and land cover classification. We create a digital city model using a single KOMPSAT-2 image and review the result.

• 대한원격탐사학회지
• /
• 제36권4호
• /
• pp.545-555
• /
• 2020

This paper focuses on automatic image registration between EO (Electro-Optical) and IR (InfraRed) satellite images with different spectral properties using block-based approach and simple preprocessing technique to enhance the performance of feature matching. If unpreprocessed EO and IR images from Kompsat-3A satellite were applied to local feature matching algorithms(Scale Invariant Feature Transform, Speed-Up Robust Feature, etc.), image registration algorithm generally failed because of few detected feature points or mismatched pairs despite of many detected feature points. In this paper, we proposed a new image registration method which improved the performance of feature matching with block-based registration process on 9-divided image and pre-processing technique based on adaptive histogram equalization. The proposed method showed better performance than without our proposed technique on visual inspection and I-RMSE. This study can be used for automatic image registration between various images acquired from different sensors.

• 한국측량학회지
• /
• 제29권1호
• /
• pp.1-9
• /
• 2011

본 논문의 목적은 KOMPSAT-2 영상과 함께 제공되는 RPC를 이용하여 계산된 3차원 지형정보의 정확도를 향상시키는 것이다. 본 논문에서는 보정된 RFM 알고리즘을 제안하였고, 이러한 알고리즘을 이용하여 정확도를 향상시킬 수 있었다. 또한, 지상기준점의 수에 따른 정확도의 변화도 실험하였다. 실험에는 9개의 GCP와 24개의 CP가 사용되었다. 24개의 CP를 이용하여 실험한 결과, 수평방향의 RMSE는 2.20(m)를 나타냈으며, X방향 1.72(m), Y방향 1.37(m), Z방향 2.20(m)의 RMSE를 나타냈다.

• 대한원격탐사학회지
• /
• 제38권1호
• /
• pp.103-110
• /
• 2022

Since satellite images generally include clouds in the atmosphere, it is essential to detect or mask clouds before satellite image processing. Clouds were detected using physical characteristics of clouds in previous research. Cloud detection methods using deep learning techniques such as CNN or the modified U-Net in image segmentation field have been studied recently. Since image segmentation is the process of assigning a label to every pixel in an image, precise pixel-based dataset is required for cloud detection. Obtaining accurate training datasets is more important than a network configuration in image segmentation for cloud detection. Existing deep learning techniques used different training datasets. And test datasets were extracted from intra-dataset which were acquired by same sensor and procedure as training dataset. Different datasets make it difficult to determine which network shows a better overall performance. To verify the effectiveness of the cloud detection network such as Cloud-Net, two types of networks were trained using the cloud dataset from KOMPSAT-3 images provided by the AIHUB site and the L8-Cloud dataset from Landsat8 images which was publicly opened by a Cloud-Net author. Test data from intra-dataset of KOMPSAT-3 cloud dataset were used for validating the network. The simulation results show that the network trained with KOMPSAT-3 cloud dataset shows good performance on the network trained with L8-Cloud dataset. Because Landsat8 and KOMPSAT-3 satellite images have different GSDs, making it difficult to achieve good results from cross-sensor validation. The network could be superior for intra-dataset, but it could be inferior for cross-sensor data. It is necessary to study techniques that show good results in cross-senor validation dataset in the future.

• 대한원격탐사학회지
• /
• 제34권6_3호
• /
• pp.1445-1456
• /
• 2018

본 연구의 목적은 in-track과 cross-track에서 촬영된 KOMPSAT-3 입체영상으로 제작된 매칭 DEM의 품질 및 특성을 비교 분석하는 것이다. 이를 위하여 동일 지역을 촬영한 두 쌍의 KOMPSAT-3영상을 수집하였다. 두 쌍의 입체영상은 B/H, convergence angle 등 스테레오 기하 요소가 거의 유사하다. DEM 제작을 위한 센서모델링은 수 개의 지상기준점를 이용한 RFM affine 보정으로 수행하였다. 연구에 사용된 지상기준점은 NGII에서 제공하는 0.25 m급 항공정사영상과 5 m급 DEM에서 추출하였다. 또한, 참조 DEM과 동일한 해상도로 매칭 DEM을 제작하여 상호간 비교 분석을 실시하였다. 실험 결과, 검사점의 수평 및 수직 오차는 1~3픽셀의 정확도를 나타냈다. 또한, 자연 또는 인공적 지형지물의 영향이 적은 지역에서는 생성된 두 DEM의 형태 및 정확도가 거의 유사하였다.

• 항공우주기술
• /
• 제13권2호
• /
• pp.99-107
• /
• 2014

다목적실용위성 2호/3호 위성자료를 이용하여 지상좌표를 결정하는 방법은 Physical Model과 RFM(Rational Function Model)의 두 가지 종류가 있다. 일반적으로 사용자에게 제공되는 모델은 RFM을 기반으로 한 RPCs(Rational Function Coefficients)이며, 이때 제공되는 RPCs는 지상좌표에서 영상좌표를 계산하는 계수이다. 사용자가 정사영상을 만들 경우에는 이 계수가 유용하나, 영상에서 임의의 영상기준점에 대응하는 지상좌표를 계산하거나, 위치정확도를 확인하기는 매우 어렵다. 본 논문은 다목적실용위성에서 제공되는 RPCs를 기반으로 Inverse RPCs를 해석하는 알고리즘과 해석된 Inverse RPCs를 기반으로 지상표고를 고려한 정밀 지상좌표 해석 알고리즘을 기술하고자 한다. 또한 Inverse RPCs의 해석된 정밀지상좌표 정확도와 Physical Model과의 차이를 계산하여 정확도를 평가하고자 한다.

• Journal of Astronomy and Space Sciences
• /
• 제15권2호
• /
• pp.449-458
• /
• 1998

다목적실용위성은 고도 685km의 태양동기궤도를 임무 궤도로 사용하며, 궤도 당 약 34~35분씩 지구에 의해 태양 빛이 가리는 식 현상과 비 주기적으로 달에 의한 월식 현상이 발생한다. 위성의 월식은 달이 태양과 위성 사이에 위치하여 위성에 도달하는 태양 빛을 전체 혹은 부분적으로 가리는 것을 의미한다. 식 현상은 위성 체의 배터리 충전 및 방전 회수를 증가시키며 위성의 수명과 임무 및 운용에 영향을 준다. 다목적 실용위성은 주기적인 지구의 식 현상을 고려하여 설계되었으나 월식이 일어나는 경우 위성 체의 에너지 균형과 배터리 방전에 대한 부수적인 효과와 함께 운용상의 문제를 초래할 수 있다. 본 연구에서는 다목적실용위성의 임무 기간인 3년 동안 위성 운용 중에 발생할 수 있는 월식 현상을 예측하고 이에 대비한 임무 계획을 제시하였다.

• 대한원격탐사학회지
• /
• 제28권2호
• /
• pp.191-202
• /
• 2012

KOMPSAT-2와 같은 고해상 위성영상은 대상영역의 3차원 위치결정을 위하여 RPC(Rational Polynomial Coefficient)가 포함된 자료를 제공한다. 그러나 RPC로 계산된 영상기하는 일정량의 편이(systematic errors)를 지니고 있는 상태이며, 이를 보정하기 위해서는 수 개 이상의 지상기준점(ground control point)이 필요하다. 이에 본 논문에서는 지상기준점 없이 입체영상(stereo pair)과 SRTM(Shuttle Radar Topography Mission) DEM(Digital Elevation Model) 사이의 대응점(tie point)만을 이용하여 자동으로 영상 기하를 보정하는 효과적인 방법을 제안하였다. 이러한 방법은 4가지 단계를 포함 한다: 1) 대응점 추출, 2) 대응점에 대한 지상좌표 결정, 3) SRTM DEM을 이용한 지상좌표의 보정, 4) RPC 보정 모델의 파라미터 결정. 우리는 KOMPSAT-2 입체영상을 이용하여 제안된 방법의 성과를 입증하였다. 검사점(check point)을 통해 계산된 RMSE(Root Mean Square Error)는 X와 Y, Z방향으로 각각 약 3.55 m, 9.70 m, 3.58 m를 나타냈다. 이는 SRTM DEM을 이용하여 RPC가 지닌 편이를 X, Y 및 Z 모든방향에 대하여 10 m이내의 정확도로 자동보정할 수 있다는 것을 의미한다.