본 논문에서는 다양한 종류의 지표면에 대하여 분석하여 산란 특성을 연구하고 SAR클러터 영상을 제작하고 실제 SAR 클러터 영상과 비교한다. 먼저 지표면의 특성을 분석하기 위해 각각의 지표면에 대해서 입력변수를 측정한다. 측정한 데이터를 이용하여 Oh 모델, PO 모델, radiative transfer model(RTM)을 이용하여 각도 별 산란계수를 구하였다. SAR 영상 생성을 위해 먼저 측정 지역의 DEM (digital elevation map)과 LCM (land cover map)데이터를 제작한다. DEM 데이터의 단일 픽셀(pixel)의 높이 정보를 이용하여 픽셀의 입사각을 계산하고 입사각에 따른 해당 지표면의 산란 계수를 대입한다. LCM 데이터는 해당 지역의 답사를 통해 논, 밭, 산, 길, 인공물 등을 1:5000 지도에 기입하여 SAR 영상 생성에 사용한다. DEM 데이터와 LCM 데이터를 사용하여 입사각과 지표면 종류에 따른 계수를 계산하고 영상잡음(speckle)과 영상질감(texture)을 이용하여 SAR 클러터 영상을 생성하고 실제 영상과 비교한다.
본 논문에서는 다양한 종류의 지표면에 대하여 분석하여 산란 특성을 연구하고 SAR 클러터 영상을 제작하고 실제 SAR 클러터 영상과 비교한다. 먼저 지표면의 특성을 분석하기 위해 각각의 지표면에 대해서 입력변수를 측정한다. 측정한 데이터를 이용하여 Oh 모델, PO 모델, radiative transfer model(RTM)을 이용하여 각도 별 산란계수를 구하였다. SAR 영상 생성을 위해 먼저 측정 지역의 DEM (digital elevation map)과 LCM (land cover map)데이터를 제작한다. DEM 데이터의 단일 픽셀(pixel)의 높이 정보를 이용하여 픽셀의 입사각을 계산하고 입사각에 따른 해당 지표면의 산란 계수를 대입한다. LCM 데이터는 해당 지역의 답사를 통해 논, 밭, 산, 길, 인공물 등을 1:5000 지도에 기입하여 SAR 영상 생성에 사용한다. DEM 데이터와 LCM 데이터를 사용하여 입사각과 지표면 종류에 따른 계수를 계산하고 영상잡음(speckle)과 영상질감(texture)을 이용하여 SAR 클러터 영상을 생성하고 실제 영상과 비교한다.
In this paper, synthetic aperture radar (SAR) clutter images are simulated based on the extensive analyses for radar backscatter characteristics of various earth surfaces, and the simulated images are compared with measured SAR images. At first, the surface parameters including soil moisture content...
In this paper, synthetic aperture radar (SAR) clutter images are simulated based on the extensive analyses for radar backscatter characteristics of various earth surfaces, and the simulated images are compared with measured SAR images. At first, the surface parameters including soil moisture content and surface roughness parameters and other parameters for vegetation canopies are measured for various surfaces. The backscattering coefficients for the surfaces are computed using theoretical and empirical models for surface scattering and the radiative transfer for vegetation-canopy scattering. Then, the digital elevation map (DEM) and land cover map (LCM) are used for the SAR image generation. The SAR impulse response (correlation function) is also employed to simulated reliable SAR images. Finally, the appropriate speckle and texture parameters for various earth surfaces are used for generating the SAR clutter images.
In this paper, synthetic aperture radar (SAR) clutter images are simulated based on the extensive analyses for radar backscatter characteristics of various earth surfaces, and the simulated images are compared with measured SAR images. At first, the surface parameters including soil moisture content and surface roughness parameters and other parameters for vegetation canopies are measured for various surfaces. The backscattering coefficients for the surfaces are computed using theoretical and empirical models for surface scattering and the radiative transfer for vegetation-canopy scattering. Then, the digital elevation map (DEM) and land cover map (LCM) are used for the SAR image generation. The SAR impulse response (correlation function) is also employed to simulated reliable SAR images. Finally, the appropriate speckle and texture parameters for various earth surfaces are used for generating the SAR clutter images.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 다양한 종류의 지표면에 대하여 분석하여 산란 특성을 연구하고 SAR 클러터 영상을 제작하고 실제 SAR 영상과 비교하였다. 산란모델을 이용하여 계산한 후방산란계수왁 실제 SAR 영상에서의 후방산란계수를 비교하고 각도 별 후방산란계수를 얻기 위해서 실제 지표면의 입력변수를 측정하였다.
가설 설정
논의 경우 6 월 22일 현장에서의 논에 물을 채워 넣은 상태이기 때문에 강과 비슷하거나 논 주변 길, 전봇대의 영향으로 강보다 조금 더 높은 후방산란계수, 영상잡음, 영상 질감을 보였다. 맨땅은 밭 지역을 이용하였고 6월 22일 작물이 자라기 시작하는 시기이므로 작물의 영향을 고려하지 않고 맨땅으로 가정하였다. 늪 지역은 물 댄 논과 유사한 후방산란계수, 영상잡음을 보였으며 영상 질감은 상대적으로 높은 값을 보였다.
제안 방법
LCM 데이터는 해당 지역의 답사를 통해 논밭, 산, 길, 인공물 등을 1:5000 지도에 기입하였고 지도를 스캔, 프로그래밍 하여 원하는 해상도의 텍스트 파일로 저장하여 SAR 클러터 영상 생성에 사용하였다. DEM 데이터와 LCM 데이터를 사용하여 입사각과 지표면 종류에 따른 산란 값이 적용된 SAR 영상을 생성하였다. 그 다음 SAR impulse response# 적용하고 각각의 지표면에 따라 측정된 영상잡음과 영상질감 정보를 이용하여 실제 영상과 유사한 영상을 제작하였다.
DEM, LCM 데이터를 생성하였다. DEM 데이터의 단일 픽셀의 높이 정보를 이용하여 픽셀의 입사각을 계산하였고 입사각에 따른 해당 지표면의 산란 값을 대입하였다. LCM 데이터는 해당 지역의 답사를 통해 논밭, 산, 길, 인공물 등을 1:5000 지도에 기입하였고 지도를 스캔, 프로그래밍 하여 원하는 해상도의 텍스트 파일로 저장하여 SAR 클러터 영상 생성에 사용하였다.
DEM 데이터의 단일 픽셀의 높이 정보를 이용하여 픽셀의 입사각을 계산하였고 입사각에 따른 해당 지표면의 산란 값을 대입하였다. LCM 데이터는 해당 지역의 답사를 통해 논밭, 산, 길, 인공물 등을 1:5000 지도에 기입하였고 지도를 스캔, 프로그래밍 하여 원하는 해상도의 텍스트 파일로 저장하여 SAR 클러터 영상 생성에 사용하였다. DEM 데이터와 LCM 데이터를 사용하여 입사각과 지표면 종류에 따른 산란 값이 적용된 SAR 영상을 생성하였다.
제작된 데이터에 각각의 픽셀마다 해당하는 산란계수를 적용하였다. SAR impulse response와 실제 SAR 영상에서 추출한 영상잡음과 영상질감을 제작된 데이터에적용시켰고 실제 SAR 영상과 비교하고 두 영상의 유사성을 확인하였다.
DEM 데이터와 LCM 데이터를 사용하여 입사각과 지표면 종류에 따른 산란 값이 적용된 SAR 영상을 생성하였다. 그 다음 SAR impulse response# 적용하고 각각의 지표면에 따라 측정된 영상잡음과 영상질감 정보를 이용하여 실제 영상과 유사한 영상을 제작하였다.
하지만 현재까지 SAR 클러터 영상을 예측, 즉 영상 생성에 관한 연구가 활발하지 못한 실정이다. 기존의 연구 중 AirSAR로 실시한 Pacific-Rim Experiment-2 (RACRIM2)에서 얻은 논산 지역의 영상을 이용하여 SAR 측정값과 산란모델 계산 결과를 비교하고 DEM(digital elevation map), LCMQand cover map)을 이용하여 20m x 30m 해상도의 SAR 영상 생성에 적용하여 영상을 예측하였다(정구준 외, 2005). 하지만 radar impulse response# 이용하지 않고, 영상잡음을 임의의 값으로 사용하였으며, 영상 질감을 이용하지 않았다.
본 논문에서는 SAR 영상 생성을 위해 먼저 측정 지역의 DEM, LCM 데이터를 생성하였다. DEM 데이터의 단일 픽셀의 높이 정보를 이용하여 픽셀의 입사각을 계산하였고 입사각에 따른 해당 지표면의 산란 값을 대입하였다.
실제 SAR 영상과 비교하였다. 산란모델을 이용하여 계산한 후방산란계수왁 실제 SAR 영상에서의 후방산란계수를 비교하고 각도 별 후방산란계수를 얻기 위해서 실제 지표면의 입력변수를 측정하였다. SAR 클러터 영상 생성을 위해 측정 지역인 김포의 1kmX 1km 영역에서 PALSAR FBD 모드의 해상도인 12, 5m를 적용하여 80 x 80 픽셀의 LCM곽 DEM 데이터를 제작하였다.
3(b)는 DEM 정보이다. 실제 지도의 등고선 높이별로 높이 정보를 주고 해상도와 면적을 고려하여 실제 영상과 같은 크기의 픽셀로 조정한다. 여기서는 측정하고자 하는 지역의 면적 1kmX 1km에서 해상도가 12.
각도 별 후방산란계수는 산란모델로 계산한다. 실제 측정지역에서 수집한 입력변수를 이용하여 각도 별 후방산란계수를 계산하고 SAR 클러터 영상에서 계산된 후방산란계수와 해당 각도에서 비교하여 검증하였다.
앞 장에서 계산하였던 각각의 지표면에 대한 산란계수와 PALSAR 영상에서 추출한 산란계수, 영상잡음, 영상질감을 이용하여 SAR 영상을 제작하였다. Fig.
5레벨 영상이다. 영상에서 맨땅, 물 댄 논 사 강, 마을, 늪을 각각 50x50 픽셀로 선정하여 각 영역의 후방산란계수와 영상잡음, 영상질감을 계산하였다. PALSAR 영상 데이터는 공간좌표 왜곡이 보정된 1.
2 지역의 1:5000 실측 지도를.이용하여 DEM, LCM을 제작하였다. SAR 영상 생성을 위해서는 기본적으로 DEM과 LCM이 필요하다.
중심주파수가 L27GHz인 JAXA(Japan Aerospace Exploration Agency) ALOS(Advanced Land Observing Satellite) 위성의 PALSAR(Phased Array type L-band Synthetic Aperture Radar) FBD(Fine Beam Double) mode 영상을 사용하여 각각의 지표면의 후방산란계수를 계산하였다. 촬영날짜는 2008년 6 월 22일이고 HH-편파, 픽셀 해상도 12.
한다. 지도상의 정보와 실제 지역의 정보가 다를 수 있으므로현장조사를 통해 사실적인 LCM 정보를 만들었다. Fig.
대상 데이터
영상에서 맨땅, 물 댄 논 사 강, 마을, 늪을 각각 50x50 픽셀로 선정하여 각 영역의 후방산란계수와 영상잡음, 영상질감을 계산하였다. PALSAR 영상 데이터는 공간좌표 왜곡이 보정된 1.5 레벨 영상을 사용하였으며, 1.5 레벨 영상의 데이터는 각 픽셀의 값이 크기를 나타내고, 그 값과 후방산란계수와의 관계는 다음과 같다(Rosenqvist and Shimada, 2007),
산란모델을 이용하여 계산한 후방산란계수왁 실제 SAR 영상에서의 후방산란계수를 비교하고 각도 별 후방산란계수를 얻기 위해서 실제 지표면의 입력변수를 측정하였다. SAR 클러터 영상 생성을 위해 측정 지역인 김포의 1kmX 1km 영역에서 PALSAR FBD 모드의 해상도인 12, 5m를 적용하여 80 x 80 픽셀의 LCM곽 DEM 데이터를 제작하였다. 제작된 데이터에 각각의 픽셀마다 해당하는 산란계수를 적용하였다.
실제 지도의 등고선 높이별로 높이 정보를 주고 해상도와 면적을 고려하여 실제 영상과 같은 크기의 픽셀로 조정한다. 여기서는 측정하고자 하는 지역의 면적 1kmX 1km에서 해상도가 12.5m인 PALSAR 영상을 이용하여 80x80픽셀의 영상을 제작하였다. 실제 지도를 이용하여 제작하였으므로 높이 해상도는 실제 지도와 같은 5m이다.
입력변수의 측정은 2007년 8월 한 달 동안 김포지 역에서 길, 밭, 논 산 등을 측정하였다. 입력변수로는 지표면의 상태와 식물의 특성으로 크게 나눌 수 있다.
제작한 DEM, LCM 데이터에서 각각의 지표면에 해당하는 국지 입사각의 산란계수 값을 대입하여 Fig. 6 의 산란계수 데이터를 제작하였다.
후방산란계수를 계산하였다. 촬영날짜는 2008년 6 월 22일이고 HH-편파, 픽셀 해상도 12.5m인 1.5레벨 영상이다. 영상에서 맨땅, 물 댄 논 사 강, 마을, 늪을 각각 50x50 픽셀로 선정하여 각 영역의 후방산란계수와 영상잡음, 영상질감을 계산하였다.
데이터처리
64dB이다. 영상잡음은 해당 지역 산란계수 분포의 표준편차를 이용하여 계산하였다. 영상질감은 산란계수로부터 다음처럼 상관 함수를 이용하여 계산하였다.
이론/모형
그리고 식물의 특성을 나타내는 입력변수로는 크게 줄기, 가지, 잎으로 나누■어 각각의 길이, 지름, 두께, 그리고 밀도와 모양, 기울어진 각도와 이들의 분포 상태 등이 있다. 위의 입력변수를 이용하여 Oh 모델, PO 모델, RTM 모델 등을 이용하여 산란계수 값을 계산하였다.
성능/효과
산의 경우 두 번째로 높은 후방산란계수를 보였으며 영상질감은 가장 높은 값을 보였다. 강의 특성상 후방산란계수가 가장 낮고 영상잡음과 영상질감도 낮은 값을 보였다. 논의 경우 6 월 22일 현장에서의 논에 물을 채워 넣은 상태이기 때문에 강과 비슷하거나 논 주변 길, 전봇대의 영향으로 강보다 조금 더 높은 후방산란계수, 영상잡음, 영상 질감을 보였다.
계산된 산란계 수 평균과 영상잡음, 영상질감을 Table 1에 정리하였다. 그 결과 후방산란계수는 마을이 가장 높게 나왔으며 영상잡음 역시 가장 높은 값을 보였다. 산의 경우 두 번째로 높은 후방산란계수를 보였으며 영상질감은 가장 높은 값을 보였다.
8(b)는공간좌표 왜곡 현상을 보정한 6월22일의 실제 PALSAR 영상이다. 두 그림을 비교한 결과 생성된 영상의 전체 평균 후방산란계수는 T0.26dB이고 영상잡음은 3.06dB 영상질감은 2.95픽셀이고 SAR 클러터 영상의 평균은 -10.62dB이고 영상잡음은 2.74dB, 영상 질감은 3.44픽셀이다. 평균 후방산란계수는 0.
44픽셀이다. 평균 후방산란계수는 0.36dB의 차이를 보였으며, 영상잡음은 0.32dB, 영상질감은 0.49픽셀의 차이로 생성된 영상은 실제 SAR 클러터 영상과 유사한 값을 보였다.
후속연구
이러한 SAR 영상 생성 모델을 이용하여 SAR 클러터영상을 미리 예측하여 실제 SAR 클러터 영상에서 지표면의 종류를 분류할 수 있고, 특정 지표면의 가뭄, 홍수, 식물의 건강상태 등 변화를 파악하는 것이 가능할 것으로 기대된다.
참고문헌 (11)
오이석, 홍진영, 2006. 토양 표면에서의 레이더 산란 계수와 표면 거칠기 측정 길이의 관계에 대한 이론 모델과 측정 데이터의 비교, 한국전자파학회, 17(12): 1181-1188
Fung, A. K., 1994. Microwave Scattering and Emission Models and Their Applications, Artech House, MA, Boston
Ulaby, F. T. and C. Elachi, 1990. Radar Polarimetry for Geoscience Applications, Artech House, Norwood, MA, USA
A. Rosenqvist and M. Shimada, 2007. ALOS PALSAR: A pathfinder mission for globalscale monitoring of the environment, IEEE Trans. Geosci. Remote Sensing, 45(11): 3307- 3316
Oh, Y., K. Sarabandi, and F. T. Ulaby, 2002, Semiempirical model of the ensemble-averaged differential mueller matrix for microwave backscattering from bare soil surfaces, IEEE Trans. Geosci. Remote Sensing, 35(11): 1348- 1355
Ulaby, F. T., K. Sarabandi, K. McDonald, M. Whitt, and M. C. Dobson, 1990. Michigan microwave canopy scattering model, Int. J. Remote Sensing,
D. Entekhabi, EG. Njoku, P. Houser, M. Spencer, T. Doiron, Kim, Y., J. Smith, R. Girard, S. Belair, W. Crow, T. J. Jackson, Y. H. Kerr, J.S. Kimball, R. Koster, K.C. McDonald, P.E. O'Neil, T. Pultz, S.W. Running, Shi, J., E. Wood, J. van Zyl, 2004, The hydrosphere state (hydros) satellite mission: An earth system pathfinder for global mapping of soil moisture and land freeze/thaw, IEEE Trans. Geosci. Remote Sensing, 42(10): 2185-2195
※ AI-Helper는 부적절한 답변을 할 수 있습니다.