• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1505-1514
• /
• 2022

영상정합은 다시기 및 다중센서 고해상도 위성영상을 효과적으로 활용하기 위해 필수적으로 선행되는 중요한 과정이다. 널리 각광받고 있는 딥러닝 기법은 위성영상에서 복잡하고 세밀한 특징을 추출하여 영상 간 빠르고 정확한 유사도 판별에 사용될 수 있음에도 불구하고, 학습자료의 양과 질이 결과에 영향을 미치는 딥러닝 모델의 한계와 고해상도 위성영상 기반 학습자료 구축의 어려움에 따라 고해상도 위성영상의 정합에는 제한적으로 적용되어 왔다. 이에 본 연구는 영상정합에서 가장 많은 시간을 소요하는 정합쌍 추출 과정에서 딥러닝 기반 기법의 적용성을 확인하기 위하여, 편향성이 존재하는 고해상도 위성영상 데이터베이스로부터 딥러닝 영상매칭 학습자료를 구축하고 학습자료의 구성이 정합쌍 추출 정확도에 미치는 영향을 분석하였다. 학습자료는 12장의 다시기 및 다중센서 고해상도 위성영상에 대하여 격자 기반의 Scale Invariant Feature Transform(SIFT) 알고리즘을 이용하여 추출한 영상쌍에 참과 거짓의 레이블(label)을 할당한 정합쌍과 오정합쌍의 집합으로 구축되도록 하였다. 구축된 학습자료로부터 정합쌍 추출을 위해 제안된 Siamese convolutional neural network (SCNN) 모델은 동일한 두 개의 합성곱 신경망 구조에 한 쌍을 이루는 두 영상을 하나씩 통과시킴으로써 학습을 진행하고 추출된 특징의 비교를 통해 유사도를 판별한다. 본 연구를 통해 고해상도 위성영상 데이터 베이스로부터 취득된 자료를 딥러닝 학습자료로 활용 가능하며 이종센서 영상을 적절히 조합하여 영상매칭 과정의 효율을 높일 수 있음을 확인하였다. 다중센서 고해상도 위성영상을 활용한 딥러닝 기반 영상매칭 기법은 안정적인 성능을 바탕으로 기존 수작업 기반의 특징 추출 방법을 대체하고, 나아가 통합적인 딥러닝 기반 영상정합 프레임워크로 발전될 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제33권6_3호
• /
• pp.1187-1196
• /
• 2017

오늘날 생태계가 인간에게 제공하는 기능과 서비스의 가치를 측정하고자 하는 노력이 지속적으로 이어지고 있으나, 지금까지 수행된 연구들의 대다수는 Landsat이나 MODIS와 같은 중저해상도의 위성영상을 활용해 왔다. 최근 들어 가용할 수 있는 고해상도 위성영상이 많아지는 데 비해 고해상도 영상을 활용한 생태계서비스 가치 추정 연구는 많이 이루어지지 않은 것이다. 이에 본 연구에서는 생태계서비스 가치를 좀 더 정밀하게 분석하고자 최근 들어 가장 많은 변화가 발생하였던 세종시 지역에 대한 고해상도 KOMPSAT-3 영상을 활용하여 화소 및 객체기반 분류를 수행한 후, 생태계서비스 가치 추정 결과를 비교하였다. 화소 및 객체기반 토지피복분류 결과, 화소기반 분류에서 산림과 초지는 상대적으로 과소평가되고 농경지와 시가지는 과대평가되는 것을 확인할 수 있었다. 또한 나지의 경우에는 화소기반 분류 결과에서는 증가하였고 객체기반 분류 결과에서는 감소하여 상반된 결과를 보였다. 이러한 토지피복 분류 결과를 토대로 연구지역 전체의 생태계서비스 가치를 추정한 결과, 2014년 기준 연간 약 818만(화소기반 결과) 달러와 863만(객체기반 결과) 달러에서 2016년에는 약 780만(화소기반 결과) 달러와 862만(객체기반 결과) 달러로 감소하는 것을 확인할 수 있었다. 본 연구 결과는 지역적 차원에서의 지속가능한 도시 개발 및 삶의 질 향상을 위한 정책 등을 수립하는 데 기초 자료로서 활용될 수 있을 것으로 기대된다.

• 한국측량학회지
• /
• 제36권5호
• /
• pp.371-379
• /
• 2018

Unlike general VHR (Very-High-Resolution) satellite sensors that are mainly for panchromatic and MS (Multispectral) imaging, Worldview-3 sensor additionally provides eight SWIR (Short Wavelength Infrared) bands in wavelength range from 1198 nm to 2365 nm. This study investigates the effect of informative Worldview-3 SWIR bands for wetland classification performance. Worldview-3 imagery acquired over Sunchon Bay, which is a coastal wetland located in South Korea, is used to implement the classification. Land-cover classes for the scene are determined by referring to national land-cover maps, which are provided by the Ministry of Environment, overlapped with the scene. After that, training data for each determined class are collected. In order to analyze the effect of SWIR bands, classifications with and without SWIR bands are carried out and the results are then compared. In this regard, a SVM (Support Vector Machine) is utilized as their classifier. As a result of the accuracy assessments performed by test data that are independently extracted from training data, it was confirmed that classification performance was improved when the SWIR bands are included as input features for SVM-based classification.