• 한국측량학회지
• /
• 제36권6호
• /
• pp.581-588
• /
• 2018

본 연구는 다시기 영상의 활용이 유리한 RapidEye 영상의 활용성을 증대시키기 위하여, 이들 간에 지역적으로 존재하는 기하오차를 최소화 하는 정밀 상호좌표등록 기법을 제안하였다. 이를 위해, RapidEye 영상과 함께 제공되는 RPCs (Rational Polynomial Coefficients)를 이용하여 다시기 정사영상을 생성하고, 정사영상 간의 정밀 상호 좌표등록을 수행하였다. 정사영상을 생성하기 위해서 수치지도에서 추출된 DEM (Digital Elevation Model)을 활용하였으며, 정밀 상호좌표등록을 수행하기 위하여 RNCC (Registration Noise Cross Correlation) 기법을 적용하였다. 영광지역에 대해 2015년 5월부터 2016년 11월까지 획득된 RapidEye 1B 영상 총 4장을 활용하여 실험을 진행하였으며, 밴드별(blue, green, red, red edge, near-infrared)로 적용된 정밀 상호좌표등록 결과 비교분석을 통해 각 밴드가 보이는 상호좌표등록 적용 가능성 여부를 판단하였다. 실험 결과, RapidEye 영상의 모든 밴드를 활용하여 상호좌표등록이 가능하였으며, 상호좌표등록을 하지 않았을 때보다 다시기 영상 간 정량적/정성적으로 향상된 기하 일치도를 보였다. 특히 red와 red edge 밴드를 이용할 경우 다시기 영상 촬영시기의 계절적 차이에 관계없이 안정적인 상호좌표등록 결과를 보임을 확인하였다.

• 대한원격탐사학회지
• /
• 제33권5_2호
• /
• pp.621-630
• /
• 2017

이 논문에서는 고해상도 다중시기 위성영상을 이용한 밭작물 재배지 분류 가능성을 확인하기 위해 마늘과 양파 주산지를 대상으로 분류를 수행하였다. 마늘과 양파의 생육주기에 맞춰 영상을 수집하고 단일시기와 다양한 다중시기 자료의 조합으로 분류를 시도하였다. 단일시기 자료의 경우 파종이 모두 끝난 시기인 12월과 작물이 활발히 자라기 시작하는 3월 영상을 이용하였을 때 높은 분류 정확도를 보였다. 한편, 단일시기 자료 보다는 다중시기 자료를 이용하였을 때 더 높은 분류 정확도를 보였는데 자료의 수가 많은 것이 무조건 높은 분류 정확도를 반영하지는 않았다. 오히려 파종 시기 또는 파종 직후의 영상은 분류 정확도를 떨어뜨리는 역할을 하였고 마늘과 양파의 성장기인 3, 4, 5월 영상을 동시에 이용하여 분류하였을 때 가장 높은 분류 정확도를 얻었다. 따라서, 다중시기 위성영상을 이용하여 마늘과 양파를 분류하기 위해서는 작물 주요 성장기의 영상 확보가 매우 중요하다는 것을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제28권6호
• /
• pp.597-609
• /
• 2012

Leaf area index (LAI) is important in explaining the ability of the crop to intercept solar energy for biomass production and in understanding the impact of crop management practices. This paper describes a procedure for estimating LAI as a function of image-derived vegetation indices from temporal series of IKONOS, Landsat TM, and MODIS satellite images using empirical models and demonstrates its use with data collected at Missouri field sites. LAI data were obtained several times during the 2002 growing season at monitoring sites established in two central Missouri experimental fields, one planted to soybean (Glycine max L.) and the other planted to corn (Zea mays L.). Satellite images at varying spatial and spectral resolutions were acquired and the data were extracted to calculate normalized difference vegetation index (NDVI) after geometric and atmospheric correction. Linear, exponential, and expolinear models were developed to relate temporal NDVI to measured LAI data. Models using IKONOS NDVI estimated LAI of both soybean and corn better than those using Landsat TM or MODIS NDVI. Expolinear models provided more accurate results than linear or exponential models.

• 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.

• 한국지리정보학회지
• /
• 제3권4호
• /
• pp.73-86
• /
• 2000

본 연구에서는 다시기 위성영상과 GIS(geographic information system)를 이용하여 과수재배분포도 작성에 있어 다양한 분류기법을 적용하여 보다 효율적인 기법도출에 그 목적을 두고 있다. 이를 위해 다시기별 Landsat TM영상과 현지 조사자료 및 기존 과수재배 면적 통계자료를 활용하여 각 분류기법에 대한 시기별 및 과수별 분포 특성과 비교 분석함으로서 과수재배분포도 작성에 있어 효과적인 분류기법을 도출하였다. 다시기 Landsat TM 영상을 이용한 과수재배 분포도작성을 위해서는 초가을 영상으로 MLC(maximum likelihood classification)기법을 적용하는 것이 가장 효율적인 것으로 나타났다. 또한 GIS를 통한 공간분석으로 행정별 과수재배의 면적을 효과적으로 추출함과 동시에 과수재배분포의 형태를 효율적으로 파악 할 수 있음을 규명하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 춘계학술대회 논문집
• /
• pp.250-253
• /
• 2006

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1346-1348
• /
• 2003

In this paper, the interferometric coherence was estimated and the amplitude intensity was extracted using the repeat-pass interferometric data, acquired by European Remote Sensing Satellite 1 and 2. Then discrimination and classification of surface land types in Zhangjiakou test site, Hebei Province were carried out based on the coherence estimation and the intensity extraction. Seven types of land were discriminated and classified, including in two different types of meadows, woodland, dry land, grassland, steppe and water body. The backscatter and coherence characteristics of these land types on the multi-temporal images were analyzed, and the change of surface features with time series was also discussed.

• 대한원격탐사학회지
• /
• 제18권2호
• /
• pp.71-79
• /
• 2002

본 연구는 현장조사에서 얻어진 갯벌의 퇴적물 입자조성과 동일시기의 위성영상에서 추출된 반사치를 이용하여 함평만 갯벌의 입자분포도를 제시하였다. Landsat TM 자료에서 추출된 갯벌 입자조성에 따른 스팩트럼이 분석되었고, 7개의 위성영상은 ISODATA 와 K-MEANS 방법으로 분류되었다. 무감독분류된 결과는 현장관측치에 의해 분류 정확도가 평가되었으며, ISODATA와 K-MEANS 방법의 분류 정확도는 84.3%와 85.7%이다. 다중시기 위성영상 분류 결과를 검증하기 위해 현장조사 자료에 의해 분류된 1999년 5월 TM 영상을 참조자료로 하여 다중시기의 영상분류 결과를 비교하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume I
• /
• pp.294-296
• /
• 2006

Recently the development of GIS and spatial information technology is used to construct very detail forest information. In addition, in order to classify forest characteristic, the geographical characteristic information of forest could be very useful for the forest classification, In this study sampling points were arranged to clarify the difference between the orm area and the land forest area. Also, forest feature pattern could be discriminated by using satellite images and SML. This study result should be constructed to efficiency forest management in especially forest area in Jeju Island

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2002년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.275-279
• /
• 2002

Change Detection is a useful technology that can be applied to various fields, taking temporal change information with the comparison and analysis among multi-temporal satellite images. Especially, Change Detection that utilizes high-resolution satellite imagery can be implemented to extract useful change information for many purposes, such as the environmental inspection, the circumstantial analysis of disaster damage, the inspection of illegal building, and the military use, which cannot be achieved by low- or middle-resolution satellite imagery. However, because of the special characteristics that result from high-resolution satellite imagery, it cannot use a pixel-based method that is used for low-resolution satellite imagery. Therefore, it must be used a feature-based algorithm based on the geographical and morphological feature. This paper presents the system that builds the change map by digitizing the boundary of the changed object. In this system, we can make the change map using manual or semi-automatic digitizing through the user interface implemented with a floating window that enables to detect the sign of the change, such as the construction or dismantlement, more efficiently.