• 대한원격탐사학회지
• /
• 제19권5호
• /
• pp.351-361
• /
• 2003

As the launches of a series of remote sensing satellites, there are various multiresolution and multi-spectral images available nowadays. This diversity in remotely sensed image data has created a need to be able to integrate data from different sources. The C-band imaging radar of ERS-2 due to its high sensitivity to coastal wetlands holds tremendous potential in mapping and monitoring coastal wetland features. This paper investigates the advantages of using ERS-2 SAR data combined with IRS-ID LISS-3 data for mapping complex coastal wetland features of Tamil Nadu, southern India. We present a methodology in this paper that highlights the mapping potential of different combinations of filtering and integration techniques. The methodology adopted here consists of three major steps as following: (i) speckle noise reduction by comparative performance of different filtering algorithms, (ii) geometric rectification and coregistration, and (iii) application of different integration techniques. The results obtained from the analysis of optical and microwave image data have proved their potential use in improving interpretability of different coastal wetland features of southern India. Based visual and statistical analyzes, this study suggests that brovey transform will perform well in terms of preserving spatial and spectral content of the original image data. It was also realized that speckle filtering is very important before fusing optical and microwave data for mapping coastal mangrove wetland ecosystem.

• 한국측량학회지
• /
• 제36권3호
• /
• pp.135-152
• /
• 2018

The purpose of this study is to propose an optimal fusion method of aerial multi - sensor data to improve the accuracy of land cover classification. Recently, in the fields of environmental impact assessment and land monitoring, high-resolution image data has been acquired for many regions for quantitative land management using aerial multi-sensor, but most of them are used only for the purpose of the project. Hyperspectral sensor data, which is mainly used for land cover classification, has the advantage of high classification accuracy, but it is difficult to classify the accurate land cover state because only the visible and near infrared wavelengths are acquired and of low spatial resolution. Therefore, there is a need for research that can improve the accuracy of land cover classification by fusing hyperspectral sensor data with multispectral sensor and aerial laser sensor data. As a fusion method of aerial multisensor, we proposed a pixel ratio adjustment method, a band accumulation method, and a spectral graph adjustment method. Fusion parameters such as fusion rate, band accumulation, spectral graph expansion ratio were selected according to the fusion method, and the fusion data generation and degree of land cover classification accuracy were calculated by applying incremental changes to the fusion variables. Optimal fusion variables for hyperspectral data, multispectral data and aerial laser data were derived by considering the correlation between land cover classification accuracy and fusion variables.

• 한국ITS학회 논문지
• /
• 제8권4호
• /
• pp.84-92
• /
• 2009

본 논문에서는 Wi-Fi, 블루투스, CDMA등 라디오 비컨의 수신 신호세기와 GPS 위성 신호를 결합하여 개체의 위치를 측정하는 Place Lab 기반 실내외 연속측위 시스템을 제안한다. 기존의 Place Lab은 복수의 측위매체를 이용하여 다양한 실내 환경에서 위치인식이 가능하였다. 하지만 각 측위매체를 통합하는 방법 및 실내외 환경을 연동하는 방법이 고려되지 않아 동작 효율이 낮고, 그 사용 범위가 제한되는 단점이 있다. 따라서 본 논문에서는 실내의 측위매체들을 유기적으로 연계하는 멀티센서 데이터 융합 모델을 정의하고, 각 계층에 적합하게 Place Lab을 재구성하여 이러한 단점을 해결하고자 한다. 제안된 시스템은 라디오 비컨 신호와 GPS 위성 신호를 결합하여 실내외 연속측위를 수행하며, OSGi 번들로 구현되어 다양한 모바일 디바이스에서 단절없는 PNS 서비스를 제공할 수 있다. 구현된 시스템은 윈도우 모바일 기반의 삼성 T*OMNIA SCH-M490 스마트폰에서 그 성능을 평가하였으며, 그 결과 제안된 연속측위 시스템을 통해 PNS 서비스를 성공적으로 지원할 수 있음을 보였다.

• 한국측량학회지
• /
• 제27권2호
• /
• pp.249-260
• /
• 2009

공중 모니터링 시스템으로 획득된 센서 데이터의 georeferencing 정확도는 시스템에 탑재된 GPS/IMU의 성능에 크게 의존된다. 그러나 고성능이지만 고가인 GPS/IMU의 탑재는 전체 시스템의 개발비를 크게 증가시키는 문제를 야기한다. 이에 본 연구는 MEMS 형태의 저가 통합형 GPS/IMU를 탑재한 UAV 기반의 공중 모니터링 시스템으로부터 취득된 영상 및 GPS/IMU 데이터를 시뮬레이션하고, 시뮬레이션된 센서 데이터에 지상기준점을 사용하지 않고 aerial triangulation을 적용하여 영상 georeferencing을 수행한다. 영상 georeferencing의 결과를 분석하여 각 영상의 추정된 외부표정변수와 지상점 좌표의 정확도를 평가한다. Aerial triangulation 없이 direct georeferencing을 수행한 결과와 비교할 때 외부표정변수와 지상점 좌표의 RMSE가 90%이상 감소하였다. 본 연구를 통해 저가 실시간 공중 모니터링 시스템 개발의 높은 가능성을 확인할 수 있었다.

• 방송공학회논문지
• /
• 제13권2호
• /
• pp.236-244
• /
• 2008

본 논문에서는 칼라 세그멘테이션, 에지 정합, 지각적 그룹핑 등을 사용하여 Lidar 데이터와 광학 영상의 정보 융합에 의한 새로운 구조물 검출 및 복원 알고리듬을 제안한다. 제안하는 알고리듬은 두 가지 단계로 구성된다. 첫 번째로, 항공 Lidar 데이터로부터 초기 구조물 추출 결과와 영상의 칼라 세그멘테이션 결과를 사용하여 coarse building boundary를 추출한다. 두 번째로, coarse building boundary와 에지 정합 및 지각적 그룹핑에 의해 보다 정밀한 구조물 추출 결과인 precise building boundary를 추출한다. 본 논문에서 제안하는 알고리듬은 보다 신뢰성 있는 구조물 검출을 위해, 광학 영상으로부터 칼라 정보를 사용한다. 이를 통해, Lidar에 의해 획득된 붕괴된 형태의 구조물 외곽선을 보완한다. 또한, 인공지물의 특징으로서, 에지의 직선성 및 다면체 형태의 지붕모양을 반영함으로써 신뢰성 있는 구조물을 검출한다. 다중 센서 데이터에 대한 실험은 제안하는 알고리듬이 Lidar 단일 센서 결과에 비해 정밀하고 신뢰성 있는 결과를 보여준다.

• 대한원격탐사학회지
• /
• 제20권6호
• /
• pp.419-425
• /
• 2004

본 연구에서는 Dempster-Shafer evidence theory에 기반하여 Gaussian 질량 함수를 사용하는 융합 기법을 제안하고 있다. Dempster-Shafer 융합은 비정확성과 불확실성 measures를 각각 belief 함수와 plausibility 함수로 나타내며 이 두 함수 값 사이의 간격을 나타내는 "belief interval"에 의해 불확실성의 정도가 표현된다. 이러한 Dempster-Shafer 융합기술을 이용하여 서로 다른 센서에서 수집된 영상 자료를 융합하여 사용하여 분류 결과의 정확성을 높이고 특히 분류를 위한 매개변수를 추정하는 훈련과정에서 복합 클래스를 설정할 수 있어 단순 클래스 설정으로 인한 훈련과정이 어려움을 피할 수 있다. 이 연구에서는 경기도 용인/능평 지역에서 관측 된 KOMPSAT EOC의 범색 영상 자료와 LANDSAT ETM+의 식생지수 자료에 대해 제안된 Dempster-Shafer 융합기술을 이용하여 분류 실험을 수행하였고 분류 결과는 서로 다른 센서간의 영상자료 융합을 위한 제안된 기법의 잠재적 효과성을 보여주고 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2002년도 학술발표회 논문집(I)
• /
• pp.43-50
• /
• 2002

Accurate quantitative forecasting of rainfall for basins with a short response time is essential to predict streamflow and flash floods. Previously, neural networks were used to develop a Quantitative Precipitation Forecasting (QPF) model that highly improved forecasting skill at specific locations in Pennsylvania, using both Numerical Weather Prediction (NWP) output and rainfall and radiosonde data. The objective of this study was to improve an existing artificial neural network model and incorporate the evolving structure and frequency of intense weather systems in the mid-Atlantic region of the United States for improved flood forecasting. Besides using radiosonde and rainfall data, the model also used the satellite-derived characteristics of storm systems such as tropical cyclones, mesoscale convective complex systems and convective cloud clusters as input. The convective classification and tracking system (CCATS) was used to identify and quantify storm properties such as life time, area, eccentricity, and track. As in standard expert prediction systems, the fundamental structure of the neural network model was learned from the hydroclimatology of the relationships between weather system, rainfall production and streamflow response in the study area. The new Quantitative Flood Forecasting (QFF) model was applied to predict streamflow peaks with lead-times of 18 and 24 hours over a five year period in 4 watersheds on the leeward side of the Appalachian mountains in the mid-Atlantic region. Threat scores consistently above .6 and close to 0.8 ∼ 0.9 were obtained fur 18 hour lead-time forecasts, and skill scores of at least 4％ and up to 6％ were attained for the 24 hour lead-time forecasts. This work demonstrates that multisensor data cast into an expert information system such as neural networks, if built upon scientific understanding of regional hydrometeorology, can lead to significant gains in the forecast skill of extreme rainfall and associated floods. In particular, this study validates our hypothesis that accurate and extended flood forecast lead-times can be attained by taking into consideration the synoptic evolution of atmospheric conditions extracted from the analysis of large-area remotely sensed imagery While physically-based numerical weather prediction and river routing models cannot accurately depict complex natural non-linear processes, and thus have difficulty in simulating extreme events such as heavy rainfall and floods, data-driven approaches should be viewed as a strong alternative in operational hydrology. This is especially more pertinent at a time when the diversity of sensors in satellites and ground-based operational weather monitoring systems provide large volumes of data on a real-time basis.

• 한국정보과학회논문지:시스템및이론
• /
• 제36권4호
• /
• pp.274-282
• /
• 2009

기동물체 추적을 위해서 GPS, INS, 레이더 및 광학장비 등의 다양한 위치추적 센서가 이용되고 있으며, 기동물체의 강인한 추적성능을 유지하기 위해 이기종 센서의 효과적인 융합방법이 필요하다. 이기종 다중센서를 이용한 추적성능 향상을 위해 센서의 서로 다른 오차특성을 고려하여 각 센서의 측정치를 상이한 모델로 간주하여 융합하는 연구가 수행되었지만, 한 센서의 오차가 급격히 증가하는 구간에서 다른 센서의 추정치에 대한 오차가 증가하고 각 센서의 측정값이 참 값일 확률인 Sensor Probability 값에 대해 센서 측정치 변화를 실시간으로 반영하지 못하였다. 본 논문에서는 각 센서 칼만필터의 갱신추정치와 측정치 간의 차이에 대한 RMSE(Root Mean Square Error)를 비교하여 Sensor Probability를 구하고, 결합추정치를 다시 각 센서 칼만필터 입력값으로 대입하는 과정을 제외하여 센서 측정치에 대한 실시간적인 반영과 센서 성능이 급격히 저하되는 구간에서의 추적성능을 개선한다. 제안하는 알고리즘은 각 센서의 오차특성을 조건부 확률값으로 추가하여 각 센서의 Sensor Probability에 따라 가장 양호한 성능을 보이는 센서 위주로 트랙융합을 함으로써 강인성을 보장 한다. 실험을 통해 UAV의 기동 경로를 생성하고 제안 알고리즘을 적용하여 다른 융합 알고리즘과 성능분석을 실시한다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1083-1094
• /
• 2021

접근불능지역에 대한 핵활동 모니터링을 위해서는 고해상도 위성영상을 이용하여 핵활동 관련 객체의 변화양상을 분석하는 방법론의 수립이 필요하다. 그러나, 위성영상을 이용한 전통적인 객체탐지 및 변화탐지 기법들은 영상 취득 시 계절, 날씨 등의 영향에 의하여 탐지 결과물들을 다양한 활용분야에 적용하기에 어려움이 있다. 따라서, 본 연구에서는 딥러닝 모델을 이용하여 위성영상에서 관심객체를 탐지하고, 이를 활용하여 다시기 위성영상 내의 객체 변화를 분석하고자 하였다. 이를 위하여, 객체탐지를 위한 공개데이터셋을 이용하여 딥러닝 모델의 선행학습을 수행하고, 관심지역에 대한 학습자료를 직접 제작하여 전이학습에 적용하였다. 다시기·다종 위성영상 내의 객체를 개별적으로 탐지한 후, 이를 활용하여 영상 내 객체의 변화양상을 탐지하였다. 이를 통해 접근불능지역에 대한 핵 활동 관련 모니터링을 위하여 다양한 위성영상에 대한 객체탐지 결과를 직접적으로 변화탐지에 활용할 수 있는 가능성을 확인하였다.

• 대한원격탐사학회지
• /
• 제23권4호
• /
• pp.323-334
• /
• 2007

2001년부터 2004년까지 인천-제주 정기여객선을 이용하여 18회에 걸쳐 자동관측과 함께 20-30분 간격으로 40여개의 정점에서 해수를 채수하여 클로로필, 용존유기물과 부유퇴적물의 농도를 분석하였다. 연구의 목적은 채수된 해수를 직접 분석하여 서해 한반도 연안의 해수 환경의 공간적 시간적 변화를 모니터링 하는 것과 설치된 자동측정 센서가 신뢰성 있는 자료를 생산하는지 비교 분석하는 것이다. 18회에 걸친 서해 연안의 실시간 모니터링을 통하여 해수환경의 계절별 특성을 이해할 수 있었다. 클로로필의 경우, $0.1-6.0mg/m^3$ 정도의 분포를 보였으며 경기만이 다른 지역에 비해 높게 나타났다. 2004년 9월에는 경기만에서 $10mg/m^3$의 높은 값을 보였다. 용존유기물의 흡광 특성은 대부분은 $0.5m^{-1}$ 이하의 값 분포를 보였으나, 2001년 8-9월에 경기만과 목포 해역에서 높은 값을 보였으며, 2002년과 2003년은 다른 시기에 비해 계절별 변화가 적었다. 부유퇴적물의 경우, 대부분은 $20g/m^3$ 미만의 값을 보였으나 경기만과 목포 주변의 남쪽 해안은 농도가 모든 계절에서 높게 나타났으며 특히 가을. 겨울철에 가장 높은 값을 나타냈다. 황해중부 해역은 대부분 $10g/m^3$ 미만의 값을 보였다. YSI 센서의 클로로필 값은 신뢰도가 낮게 나타나 사용하기 어려웠으며 부유퇴적물의 농도는 4번의 조사시기에 대해 $R^2$ 값이 0.77 정도의 값을 보였다. 부유퇴적물과 클로로필의 자동관측을 위해서는 단일 센서인 McVan과 ChelSea 사의 것이 우수한 것으로 분석되었다. 현장조사에 의한 부유퇴적물 분포는 비슷한 시기에 얻어진 SeaWiFS 분석 결과와 공간적인 분포는 잘 일치하였으나 농도 값에서는 다소 차이를 보였다.