http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
KOMPSAT-3 위성영상의 상대기하보정에 대한 건물의 영향 분석
박주언,김태헌,윤예린,이차빈,이진민,이창노,한유경,Park, Jueon,Kim, Taeheon,Yun, Yerin,Lee, Chabin,Lee, Jinmin,Lee, Changno,Han, Youkyung 한국측량학회 2022 한국측량학회지 Vol.40 No.4
In this study, to analyze the effect of buildings on the image co-registration performance, co-registration results are compared according to the presence or absence of matching points extracted from buildings. To remove the matching points extracted from buildings, a building mask generated by extracting building objects from the digital topographic map was used. In addition, matching points extraction performance and image co-registration accuracy were analyzed according to the magnitude of the convergence angle. Image co-registration results were compared by applying the affine and piecewise linear transformation models, respectively. According to the experimental results, the affine transformation model showed an overall improvement in accuracy after removing the matching points extracted from buildings. On the other hand, the piecewise linear transformation model improved the accuracy at the checkpoints including the surrounding buildings, but the accuracy improvement was not significant at checkpoints in the flat area without the existence of buildings. In addition, when the piecewise linear transformation model was applied, stable accuracy of less than 2 pixels was derived from images with a convergence angle of 20° or less. 본 연구에서는 고해상도 위성영상의 상대기하보정 결과에 건물이 미치는 영향을 분석하기 위해 건물에서 추출된 정합쌍의 유무에 따른 상대기하보정 결과를 비교한다. 건물 정합쌍의 제거를 위해 수치지형도에서 건물 객체를 추출하여 생성한 건물마스크 영상을 이용하였으며, 추가적으로 수렴각의 크기에 따른 정합쌍 추출 성능 및 상대기하보정 결과를 분석하였다. Affine 및 Piecewise linear 변환모델을 각각 적용하여 건물밀집지역에 대한 상대기하보정 결과를 비교하였다. 실험 결과, Affine 변환모델은 건물 정합쌍 제거 후 전반적인 정확도 향상을 나타내었다. 반면에, Piecewise linear 변환모델은 주변에 건물을 포함하고 있는 검사점에서 정확도가 향상되었으나, 건물이 없는 평탄한 지역의 검사점에서는 정확도 향상이 크지 않았다. 또한, Piecewise linear 변환모델을 적용할 경우 20° 이하의 수렴각을 갖는 영상에서 2 pixels 이하의 안정적인 정확도를 도출하였다.
박주언(Park, Jueon),이창노(Lee, Changno),이창희(Lee, Changhui),이차빈(Lee, Chabin),한유경(Han, Youkyung) 한국측량학회 2021 한국측량학회 학술대회자료집 Vol.2021 No.11
최근 구조물의 진동 변위 측정을 위해 전통적인 방법인 구조물에 직접적인 센서 장착 방법이나 고가의 비접촉식 장비를 사용하지 않고 카메라 영상을 활용하여 구조물의 진동 변위 측정이 가능하다. 또한, 카메라 센서의 성능 향상과 영상 처리 기법의 발달에 따라 측정용이 아닌 비측정용 상업카메라를 활용하여 구조물의 진동 측정 연구가 진행되고 있다. 본 연구에서는 비측정용 디지털 카메라를 이용하여 회전하는 구조물을 대상으로 스테레오 영상을 취득하였으며, 회전체의 진동 변위 측정을 위한 전처리 과정으로 카메라 자체검정을 수행한다.
무인항공기 영상 활용 자동 정합점 추출을 통한 KOMPSAT-3A 위성영상의 RPC 보정
박주언 ( Jueon Park ),김태헌 ( Taeheon Kim ),이창희 ( Changhui Lee ),한유경 ( Youkyung Han ) 대한원격탐사학회 2021 大韓遠隔探査學會誌 Vol.37 No.5
고해상도 위성영상의 기하보정을 위해 촬영 당시의 위성 센서와 지표면과의 기하학적 관계를 복원하는 센서모델링 과정이 필요하다. 이를 위해 일반적으로 고해상도 위성은 RPC (Rational Polynomial Coefficient) 정보를 제공하고 있지만, 제공 RPC는 위성 센서의 위치와 자세 등에 의해 발생하는 기하왜곡을 포함하고 있다. 이러한 RPC 오차를 보정하기 위해 일반적으로 지상기준점(Ground Control Points)을 활용한다. 지상기준점을 수집하는 대표적인 방법으로 현장 측량을 통해 지상좌표를 취득하지만, 이는 위성영상의 품질이나 촬영 시기에 따른 토지피복의 변화, 기복변위 등으로 위성영상 내에서 지상기준점을 판독하기에 어려운 문제가 있다. 이에 최근에는 다양한 센서로부터 취득된 영상지도를 참조자료로 이용하여, 영상정합 기법을 통해 지상기준점 수집을 자동화할 수 있다. 본 연구에서는 무인항공기 영상을 활용하여 추출된 정합점을 통해 KOMPSAT-3A 위성영상의 RPC를 보정하고자 한다. 무인항공기 영상과 KOMPSAT-3A 위성영상의 정합점 추출을 위한 전처리 방법을 제안하고, 대표적인 특징기반 정합기법(Feature-based matching method)과 영역기반 정합기법(Area-based matching method)인 SURF (Speeded-Up Robust Features)와 위상상관(Phase Correlation) 기법을 각각 적용하여 추출된 정합점의 특성을 비교하였다. 각 기법을 통해 추출된 정합점을 활용하여 RPC 보정계수를 산출한 후, GNSS (Global Navigation Satellite System) 측량을 통해 직접 취득한 검사점에 적용하여 KOMPSAT-3A의 기하품질을 향상하였다. 제안기법의 성능 및 활용성 검증을 위해 GCP를 이용하여 보정한 결과와 비교하여 분석하였다. GCP 기반 보정 방법은 제공 RPC보다 Sample은 2.14 pixel, Line은 5.43 pixel 만큼 개선된 보정 정확도를 보였다. 그리고 SURF와 위상상관 기법을 활용한 제안기법은 제공 RPC보다 각각 Sample은 0.83 pixel, 1.49 pixel 만큼 보정되었으며, Line은 4.81 pixel, 5.19 pixel만큼 개선되었다. 이를 통해 GCP 기반 위성영상 RPC 보정 방법의 대안으로 무인항공기 영상이 활용될 수 있음을 확인하였다. In order to geometrically correct high-resolution satellite imagery, the sensor modeling process that restores the geometric relationship between the satellite sensor and the ground surface at the image acquisition time is required. In general, high-resolution satellites provide RPC (Rational Polynomial Coefficient) information, but the vendor-provided RPC includes geometric distortion caused by the position and orientation of the satellite sensor. GCP (Ground Control Point) is generally used to correct the RPC errors. The representative method of acquiring GCP is field survey to obtain accurate ground coordinates. However, it is difficult to find the GCP in the satellite image due to the quality of the image, land cover change, relief displacement, etc. By using image maps acquired from various sensors as reference data, it is possible to automate the collection of GCP through the image matching algorithm. In this study, the RPC of KOMPSAT-3A satellite image was corrected through the extracted matching point using the UAV (Unmanned Aerial Vehichle) imagery. We propose a pre-porocessing method for the extraction of matching points between the UAV imagery and KOMPSAT-3A satellite image. To this end, the characteristics of matching points extracted by independently applying the SURF (Speeded-Up Robust Features) and the phase correlation, which are representative feature-based matching method and area-based matching method, respectively, were compared. The RPC adjustment parameters were calculated using the matching points extracted through each algorithm. In order to verify the performance and usability of the proposed method, it was compared with the GCP-based RPC correction result. The GCP-based method showed an improvement of correction accuracy by 2.14 pixels for the sample and 5.43 pixels for the line compared to the vendor-provided RPC. In the proposed method using SURF and phase correlation methods, the accuracy of sample was improved by 0.83 pixels and 1.49 pixels, and that of line was improved by 4.81 pixels and 5.19 pixels, respectively, compared to the vendor-provided RPC. Through the experimental results, the proposed method using the UAV imagery presented the possibility as an alternative to the GCP-based method for the RPC correction.
무인항공기를 활용한 강원도 산불피해지역 분석: 산림지역을 중심으로
박주언(Jueon Park),김태헌(Taeheon Kim),이기림(Kirim Lee),정세정(Sejung Jung),염준호(Junho Yeom),이원희(Wonhee Lee),한유경(Youkyung Han) 대한공간정보학회 2019 한국지형공간정보학회 학술대회 Vol.2019 No.11
산불 피해를 조사하기 위해서는 많은 인력과 예산이 필요하며, 산불 발생 직후 조사자의 접근이 어려운 한계가 있다. 무인항공기(unmanned aerial vehicle, UAV)를 이용한 산불 피해 지역의 분석은 화재 직후 고해상도의 영상을 신속하게 취득할 수 있는 장점이 있다. 본 연구에서는 2019년 4월 발생한 강원도 고성군의 산불 피해 지역을 분석하기 위해 무인항공기를 이용하여 데이터를 취득하였다. 정확한 산불 피해 산림 연구를 위해 수치표면모델(digital surface model, DSM)을 활용하여 비산림지역을 제거한 후, 국립산림과학원의 심(甚)·중(中)·경(輕) 3단계 피해 구분을 토대로, 본 연구에서는 심(甚) 등급의 피해 산림에 대해 세분화하여 support vector machine(SVM) 기법을 이용하여 토지피복분류를 수행하였다. 분류된 피해 산림에 대해 RGB 식생지수인 excess green(ExG), green red vegetation index(GRVI), modified green red vegetation index(MGRVI), Red green blue vegetation index(RGBVI)를 산출하여 산불 피해 산림에 대한 각 식생지수의 특성을 분석하고, 산불 피해 산림의 경향을 분석하였다.
PlanetScope 및 UAV 영상을 이용한 산불피해 건물 탐지
윤예린(Yerin Yun),정세정(Sejung Jung),김태헌(Taeheon Kim),이기림(Kirim Lee),박주언(Jueon Park),염준호(Junho Yeom),이원희(Wonhee Lee),한유경(Youkyung Han) 대한공간정보학회 2019 한국지형공간정보학회 학술대회 Vol.2019 No.11
대형 산불과 같은 재난·재해 발생 시 피해지역 및 피해규모를 파악하기 위하여 위성영상자료가 많이 활용되어 왔다. 최근에는 위성영상에 비해 고해상도 영상 자료를 취득할 수 있으며 원하는 지역에 빠르게 접근이 가능한 unmanned aerial vehicle(UAV)의 활용 또한 증가하고 있다. 본 연구에서는 PlanetScope 위성영상과 UAV 영상을 함께 이용하여 산불피해건물을 탐지하는 연구를 진행하였으며 각각의 영상을 단일로 이용한 결과와 비교하여 정확도를 평가하였다. eCognition 소프트웨어를 이용하여 UAV 영상에 대해 객체기반 영상분류를 수행하였고 위성영상에 change vector analysis(CVA)를 적용하여 변화탐지지도를 생성하였다. UAV 기반으로 탐지된 피해건물후보군과 위성영상 기반의 변화탐지 결과를 중첩시켜 최종 산불피해 건물 지역을 추출하였다.