• 한국컴퓨터정보학회논문지
• /
• 제21권11호
• /
• pp.1-7
• /
• 2016

In this paper, we proposed real-time relative radiometric calibration processing method for SWIR(Short Wavelength Infra-Red) sensor using 'Hyper-Spectral Imager'. Until now domestic research for Hyper-Spectral Imager has been performing with foreign sensor device. So we have been studying hyper spectral sensor device to meet domestic requirement, especially military purpose. To improve detection & identify capability in 'Hyper-Spectral Imager', it is necessary to expend sensing wavelength from visual and NIR(Near Infra-Red) to SWIR. We aimed to design real-time processor for SWIR sensor which can control the sensor ROIC(Read-Out IC) and process calibrate the image. To build Hyper-Spectral sensor device, we will review the SWIR sensor and its signal processing board. And we will analyze relative radiometric calibration processing method and result. We will explain several SWIR sensors, our target sensor and its control method, steps for acquisition of reference images and processing result.

• 한국측량학회지
• /
• 제38권5호
• /
• pp.435-441
• /
• 2020

Sentinel-2A satellite imagery provides VNIR (Visible Near InfraRed) and SWIR (ShortWave InfraRed) wavelength bands, and it is known to be effective for land cover classification, cloud detection, and environmental monitoring. Greenhouse is one of the middle classification classes for land cover map provided by the Ministry of Environment of the Republic of Korea. Since greenhouse is a class that has a lot of changes due to natural disasters such as storm and flood damage, there is a limit to updating the greenhouse at a rapid cycle in the land cover map. In the present study, we utilized Sentinel-2A satellite images that provide both VNIR and SWIR bands for the detection of greenhouse. To utilize Sentinel-2A satellite images for the detection of greenhouse, we produced high-resolution SWIR bands applying to the fusion technique performed in two stages and carried out the detection of greenhouse using SVM (Support Vector Machine) supervised classification technique. In order to analyze the applicability of SWIR bands to greenhouse detection, comparative evaluation was performed using the detection results applying only VNIR bands. As a results of quantitative and qualitative evaluation, the result of detection by additionally applying SWIR bands was found to be superior to the result of applying only VNIR bands.

• 한국측량학회지
• /
• 제39권3호
• /
• pp.203-209
• /
• 2021

최근 위성센서 기술의 발전함에 따라 다양한 분광파장대의 고해상도 영상 취득이 가능해졌다. Worldview-3 위성센서는 높은 공간해상도를 지닌 panchromatic 영상과 함께 낮은 공간해상도를 지닌 VNIR (Visible Near InfraRed), SWIR (ShortWave InfraRed) 밴드들을 제공하고 있어, 국방, 환경, 측량 등 다양한 분야에서 활용이 가능하다. 본 연구에서는 Worldview-3 위성영상을 활용하여 광물탐지를 수행하였다. Worldview-3 위성영상의 VNIR, SWIR 밴드들을 효과적으로 활용하기 위해 융합기법을 적용을 통해 panchromatic 영상의 공간해상도로 융합하여 광물탐지에 이용하였다. 광물탐지에 SWIR 밴드들의 활용성을 확인하기 위해 VNIR 밴드들만을 활용한 광물탐지를 수행하여 비교평가하였다. 광물탐지 기법으로는 대표적인 유사도 기법인 SAM (Spectral Angle Mapper)을 적용하였으며, 분석 결과에 경험적 임계치를 적용하여 광물로 탐지되는 화소들을 선정하였다. 광물탐지의 정확도 평가를 위해 유사도 분석을 수행한 결과에 참조자료를 이용하여 정량적평가를 수행하였다. 정확도 평가 결과, SWIR 밴드들을 활용한 광물탐지 결과의 탐지율과 오탐지율이 각각 0.882, 0.011로 계산되었으며, VNIR 밴드들만을 활용한 결과는 각각 0.891, 0.037로 나타났다. SWIR 밴드를 추가적으로 활용한 경우의 탐지율이 VNIR 밴드만을 사용한 경우보다 다소 낮은 것으로 나타났지만, 오탐지율이 크게 감소한 것으로 나타나, 이를 통해 광물탐지에서의 SWIR 밴드들의 활용가능성을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제30권2호
• /
• pp.275-292
• /
• 2014

이 연구에서는 Geostationary Ocean Color Imager(GOCI) 센서에 적용할 수 있는 고유의 Tasseled Cap Transformation(TCT) 계수를 제시하고 있다. TCT는 다중밴드 센서 자료로부터 지표의 특성을 분석하는 전통적인 영상변환 방법 중 하나로 새로운 다중밴드 광학센서가 관측을 시작하는 경우 센서의 특성 차이로 인하여 각각의 육상관측 위성센서에 적합한 TCT 계수들이 장기 분석을 통하여 수립되어야 한다. GOCI 센서는 해양관측이 주 목적으로 개발되었으나 영상의 상당 부분은 육지를 관측하고 있으며 밴드 구성은 육지관측에도 일반적으로 이용되는 Visible-Near InfraRed(VNIR) 영역의 정보를 포함하고 있다. 또한 GOCI 센서의 높은 시간 해상도는 지표의 일별 변화의 관측에도 유용하게 사용될 수 있다. 이러한 장점을 이용하여 GOCI 센서에 대한 고유한 TCT가 제공된다면 GOCI 센서의 관측범위 내에서 준 실시간으로 지표변화에 대한 분석과 해석이 가능할 것이다. TCT는 일반적으로 "Brightness", "Greenness", "Wetness"의 세 가지 정보를 포함하지만, ShortWave InfraRed(SWIR) 파장대역이 없는 GOCI 센서의 경우에는 "Wetness"의 정보를 얻을 수 없다. GOCI 센서의 높은 시간 해상도의 활용을 극대화하기 위해서는 "Wetness"의 정보가 제공되어야 한다. "Wetness"의 정보를 얻기 위해 GOCI 주성분 분석(Principal Component Analysis: PCA) 공간을 MODIS TCT 공간에 선형 회귀하는 방법이 사용되었다. 이 연구에서 산출된 GOCI TCT 계수는 정지궤도의 특성에 의해 관측 시간대별로 다른 변환계수를 가질 수 있다. 이 차이를 알아보기 위하여 GOCI TCT 자료와 MODIS TCT 자료 사이의 상관관계가 비교되었다. 그 결과, "Brightness"와 "Greenness"는 4시 자료, "Wetness"는 2시 자료의 변환계수가 선택되었다. 최종적으로 산출된 변환계수의 적절성을 평가하기 위하여 GOCI TCT 자료는 MODIS TCT 영상 및 여러 육상 파라미터들과 비교되었다. GOCI TCT 영상은 MODIS TCT 영상보다 지표 피복의 분류가 더 세밀하게 표현되었으며, GOCI TCT 공간의 지표 피복 분포도 유의미한 결과를 보여줬다. 또한 GOCI TCT의 "Brightness", "Greenness", "Wetness" 자료는 Albedo($R^2$ = 0.75), Normalized Difference Vegetation Index(NDVI) ($R^2$ = 0.97), Normalized Difference Moisture Index(NDMI) ($R^2$ = 0.77)와 각각 비교적 높은 상관관계가 나타났다. 이러한 결과들은 적절한 TCT 계수의 산출이 이루어졌다는 것을 보여준다.