선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- SPOT-5 DEMe 20m 공간 해상도이 며, SRTM DEMe 3" 공간 해상도를 20m로 재배 열하였다. DEMe 1261 × 801 화소로 약 25 × 16km이다.
- 자료를 통합하여 이용한 결과 DEM의 정확도는 초기 입체 레이다 영상으로부터 생성된 DEM보다 더 낳은 결과를 보였다. Caipester와 Hogarty(2(×)7)은 DEM의 수평 및 수직 정확도를 평가하기 위하여 DEM을 비교하였다. 이들은 수평방향 보정 에 3개의 알고리즘, CFE(Coarse/Fine E×haustive) 알고리즘, CWP(Coarse with Parabolic Refinement) 알고리즘, ULS(Unified Least Squares) 알고리즘을 이용하는 HAT(HRTI Analysis Tool)를 사용하여 처리 하였다.
- 2010). DEM간의 보정은 고해상의 새롭게 생성된 DEM을 기존의 DEM에 대체 또는 융합하거나, SAR Interferometry# 이용하여 DEM을 생성 또는 변화탐지하는 등의 연구에서 이루어졌다.
- SIFT기반 변환에서 추출된 113개의 정합쌍을 이용하여 DEM의 높이차를 스플라인으로 추정하였다. SRTMDEM 과 지역적 최적화에 의하여 변환된 SPOT-5 DEM의 차이를 이전 방법과 마찬가지로 분석하였다.
- SPOT-5 DEM에 축척변환, SIFT기반의 기준점을 이용한 3차원 어핀 변환, 지역적 최적화 변환의 3가지 보정 방법을 비교하였다. 축척변환과 SIFT기반의 기준점을 이용한 3차원 어핀 변환은 변환후에도 오차의 99%범위가 각각 (-614.
- SRTMDEM 과 지역적 최적화에 의하여 변환된 SPOT-5 DEM의 차이를 이전 방법과 마찬가지로 분석하였다. 오차의 99% 범위는 -167.
- 변환, SIFT(Scale-Invariant Feature Transform)?] 반의 정합점 추출과 변환, 다수 기준점을 이용한 지역적 최적화 변환 방법을 비교하였다. 정밀 기준점을 이용하여 SPOT-5 DEM의 오차모델링 수립이 어려운상황에서 지역적 변환식 으로 오차를 모델링 하는 최적 화 방법을 제 안하였다.
- 기 준 SRTM DEM과 보정 될 SPOT-5 DEM간의 SIFT기 반정합점을 추출하고 3D 어 핀 변환식 으로 최소제곱 조정 하였다. 두 DEM에 영역을 나누어 SIFT 정합점을 추출하였으며, 정합점이 추출되지 않은 영역에서는 상관 계수기반의 정 합점 을 추출하여 보완하였다.
- 그림 1에서 기준점의 분포를 보면, 천지 아래쪽에는 고루 분포하고 있으며, 천지 위쪽에는 적게 분포되어 있다. 기준점과 ERDAS 소프트웨어를 이용하여 SPOT-5 DEM을 생성하였다(이 효성 등, 2010). SPOT-5 DEMe 평 면위치 정 확도에 비해 수직 위치 정확도가 낮은 것으로 나타났다(표 2).
- 두 DEM에 영역을 나누어 SIFT 정합점을 추출하였으며, 정합점이 추출되지 않은 영역에서는 상관 계수기반의 정 합점 을 추출하여 보완하였다. 추출된 모든 후보쌍에 대하여 2차원 prqjective 변환의 RANSAC 조건으로 오차 쌍을 제거하였다.
- 오차가 큰 지역은 등고선 형태를 비교하여 쉽게 확인할 수 있지만(그림 3), 정량적으로 구분하기 어렵다. 따라서, 교차 상관계수를 이용하여 구분하였다. 신뢰영역 설정에서 교차 상관계수의 영역크기와 이진화를 위한 임계계수값을 설정하는 것이 필요하다.
- 이효성 등(2010)의 연구 결과에서 도기 준점 의 변환 방향도 중간 높이를 기준으로 높은 표고는 더 높aL 낮은 표고는 더 낮게 변환되었다. 따라서, 두 DEM의 높이 범위와 중간 위치를 조정하여 높이 오차를 최 소화하는 높이 오프셋 및 죽척 값을 구하였^}'.
- 이러한 보정방법은 JPL(Jet Propulsion Laboratory)에서 개발된 *multi- match-multimosaic, 프로그램을 이용한 것이다. 변환식은 3D 어핀식을 사용하였으며, 변환식을 이용하여 DEM 데이터를 모자이킹하였다. Gmen과 Akca(2005)는 3차원 점군(point cloud) 데이터에서 최소제곱 보정방법을 제안하였다.
- 본 연구에서는 3×3, 5×5, 7×7, 9×9 크기의 영역 크기로 교차상관계수 영상을 생성하고(그림 4), 상관계수값의 히스토그램을 비교하였다(그림 5). 영 역크기나 상관계수에 따라 결과의 영향을 뚜렷하게 구분짓기 어려웠다.
- 본 연구에서는 백두산 지역의 SPOT-5 입체 위성 영상으로부터 획득된 SPOT-5 DEM을 SRTM DEM에 맞춰 조정하였다. SPOT-5 DEMe SRTM DEM에 비해 공간 해상도가 높고, 최신의 자세한 지형정보를 제공한디.
- SPOT-5 DEM을 보정하는 방법으로 축척 계수 조정에 의한 변환, SIFT(Scale-Invariant Feature Transform)?] 반의 정합점 추출과 변환, 다수 기준점을 이용한 지역적 최적화 변환 방법을 비교하였다. 정밀 기준점을 이용하여 SPOT-5 DEM의 오차모델링 수립이 어려운상황에서 지역적 변환식 으로 오차를 모델링 하는 최적 화 방법을 제 안하였다.
- 식 (2)의 목적은 그림 7에서 볼수있는것처럼 SPOT-5DEM의 표고범위가 SRTM DEM 표고범위보다 작기 때문에 1 이상의 축척을 적용하여 범위를 확대하고, 확대 처리 전에 중심위치를 맞춰주기 위하여 오프셋을 찾는 것이다. 축척의 범위는+1.0~+1.8이고, 오프셋은 두 DEM의 중앙값(median)을 이용하여 개략적으로 설정하였다. 실험 결과 초기 DEM이 동값과 축척값이 오차에 영향을 주로 끼치는 것으로 나타났다.
대상 데이터
- 영 역크기나 상관계수에 따라 결과의 영향을 뚜렷하게 구분짓기 어려웠다. 그러나 실험에 사용된 DEM의 해상도는 20m이고, SRTM DEM의 원 해상도는 90m이므로 5×5 영역크기를 임의로 사용했으며, 상대적으로 엄격한 임계계수를 생각하여 0.85를 이진화 임계값으로 설정하였다. 0.
- 실험 대상지 역은 백두산 천지를 중심으로 가로방향10km, 세로방향 15km이고, 높이는 SRTM DEM 기준으로 대략 1400m에서 2700m이다(그림 2). 그림 1에서 기준점의 분포를 보면, 천지 아래쪽에는 고루 분포하고 있으며, 천지 위쪽에는 적게 분포되어 있다.
- 위성영상은 표 1에서 같이 2007년 09월 28일과 10월 13 일에 관측 수집된 백두산 일대의 전정색 SPOT-5호 입체영상이며, 영상에서 포함하는 지상면적은 약 25×25km이다. 실험 대상지 역은 백두산 천지를 중심으로 가로방향10km, 세로방향 15km이고, 높이는 SRTM DEM 기준으로 대략 1400m에서 2700m이다(그림 2).
- DEM 오차를 제거 하기 위하여 지상기 준 점 및 접합점 추출, 최소제곱조정 이 이루어 졌다. 주요 기준점 데이터는ICESat 레이저 고도계 데이터이며, 접합점 추출은 100×100의 영상칩(image chip)이 사용되었다. 영상 칩은 일정한 간격(2 × 10km, 1 × 5km, 1 × 1km)으로 구분된 공간 내 에서 추출되었다.
- 총 113점이 추출되었으며, 영역별 1점만을사용하여 변환에 52점을 이용하였다. 최소제곱조정 후 3D 어핀 변환- 식은식 (3)과 같다.
데이터처리
- 초기 조정 후에 최소제곱 정합이 이루어졌다. 기준 DEM과 InSAR DEM간의 3차원 대응점을 찾기 위하여 주파수 영역에서 교차상관법 이 적용되 었으며, 7인자 3차원변환식(Mikhail 등, 2001)0] 사용되었다.
이론/모형
- 초기 조정 후에 최소제곱 정합이 이루어졌다. 기준 DEM과 InSAR DEM간의 3차원 대응점을 찾기 위하여 주파수 영역에서 교차상관법 이 적용되 었으며, 7인자 3차원변환식(Mikhail 등, 2001)0] 사용되었다. Hosford 등(2003)은 레이저 고도계 데이터의 융합과 입체 레이다 영상을 이용하여 생성된 DEM을 이용하여 향상된 정밀도의 DEM 생성을 위해 지구통계학적 방법을 사용하였다.
- 본 연구는 SPOT-5 백두산 DEM의 정확한 보정을 위해 NASA JPL에서 제공하는 SRTM DEM을 활용하였다. SPOT-5 DEM을 보정하는 방법으로 축척 계수 조정에 의한 변환, SIFT(Scale-Invariant Feature Transform)?] 반의 정합점 추출과 변환, 다수 기준점을 이용한 지역적 최적화 변환 방법을 비교하였다.
- Caipester와 Hogarty(2(×)7)은 DEM의 수평 및 수직 정확도를 평가하기 위하여 DEM을 비교하였다. 이들은 수평방향 보정 에 3개의 알고리즘, CFE(Coarse/Fine E×haustive) 알고리즘, CWP(Coarse with Parabolic Refinement) 알고리즘, ULS(Unified Least Squares) 알고리즘을 이용하는 HAT(HRTI Analysis Tool)를 사용하여 처리 하였다. 최적 변환은 오차의 평균제곱을 최소화하여 결정된다.
- Lu 등(2003)은 TOPSAR DEM 데이터를 보정하기 위하여 교차상관계수를 이용하여 기준점을 찾고, 수평 및 수직 변위량을 계산하였다. 이러한 보정방법은 JPL(Jet Propulsion Laboratory)에서 개발된 *multi- match-multimosaic, 프로그램을 이용한 것이다. 변환식은 3D 어핀식을 사용하였으며, 변환식을 이용하여 DEM 데이터를 모자이킹하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.