[논문]고해상도 광학영상과 SAR 영상 간 자동 변위량 추정

한유경; 변영기; 김용일

doi:10.7319/kogsis.2012.20.3.041

문제 정의

두 번째 대상지역은 QuickBird-2영상과 TerraSAR-X 영상으로 구성하였으며, 식생, 수계, 도로, 건물 등이 포함된 대상지역이다. 각각 1m와 0.6m의 공간해상도를 갖는 IKONOS-2와 QuickBird-2영상에 제안 기법을 적용해봄으로써 공간해상도의 차이가 다중센서 영상 간 기하보정에 미치는 영향을 판단해보고자 하였다.
기준영상과 대상영상 간의 화소단위의 변위량을 추정하기 위해서, 본 연구에서는 영상피라미드 방식과 상호정보기법을 통합한 형태의 방법론을 제안하였다. 원 영상에 대해서 상호정보 값을 계산한 경우 많은 계산시간이 소요될 뿐만 아니라 탐색범위의 한계로 인해 지역적 최적값(local extrema)을 도출할 우려가 있다.
본 연구에서 사용한 데이터는 대전 지역으로, 1m의 공간해상도를 가지는 IKONOS-2 흑백 영상과 0.6m의 공간해상도를 가지는 QuickBird-2 흑백 영상에 대하여 TerraSAR-X 영상과의 정합을 수행하고자 하였다. TerraSAR-X 영상의 경우 동일한 높이값을 가정한 DEM을 이용하여 UTM 좌표로 투영시킨 GEC 영상으로, 2008년 7월 11일 촬영되었으며, 대상지역에서는 평균 28.
16bits의 방사해상도를 갖는 SAR 영상의 경우 대부분의 지역에서는 낮은 방사 강도를 보이는 반면, 건물지역과 같이 이중산란이 발생하는 지역에서 높은 화소값을 갖는다. 본 연구에서는 건물지역에 대한 방사적 강도에 대한 영향을 줄이고, 상대적으로 낮은 방사 강도를 보이는 식생, 도로, 나대지 등 영상에 전반적으로 존재하는 지역에 대한 대비를 강조하기 위해서, 화소값이 255가 넘는 화소에 255의 화소값을 강제 할당하는 방식을 통해 8bits 영상으로 변환하였다. 이와 같은 전처리 과정을 수행한 결과는 Figure 2와 같다.
본 연구에서는 대표적인 고해상도 위성영상인 Quick Bird-2 영상과 IKONOS-2 영상을 기준으로 TerraSAR-X 영상에 대한 자동 변위량 추정과정을 통한 영상 간 기하보정을 수행하는데 연구의 목적이 있다. 영상의 취득 방식과 방사적 특성이 다른 광학영상과 TerraSAR-X 영상 간의 유사도를 효과적으로 계산하기 위한 전처리 과정을 수행한 후, 두 영상 간의 변위량 차이를 상호정보기법을 통해 추정한다.
그 이후의 피라미드 영상에서는 심플렉스(simplex) 기법을 이용하여 같은 방식으로 최적의 변위량을 계산하였다. 이러한 과정을 피라미드의 최하부인 원영상에까지 반복적으로 수행하여 두 영상 간 정밀한 변위량을 추정하고자 하였다.
두 영상 모두에 대하여 영상피라미드(image pyramids) 방식을 적용하여, 상위 피라미드 영상부터 차례로 x, y 방향에 대한 변위량을 최적화기법을 통해 추정하였다. 이러한 과정을 피라미드의 최하부인 원영상에까지 반복적으로 수행함으로써 두 영상 간 정밀한 변위량을 추정하고자하였다.
은 TerraSAR-X 원영상에서의 화소값을 말한다. 이를 통해, 측면관측에 의해 다양한 크기의 높은 반사값을 갖는 건물지역에 대해서 유사한(혹은 같은) 값을 할당할 수 있을 뿐만 아니라, 상대적으로 낮은 밝기값을 갖는 평평한 지역에 대한 밝기값의 변화량을 상대적으로 크게 고려하는 효과를 줌으로써 영상 전역에 대해서 광학영상과 유사도를 측정하는데 도움을 주고자 하였다. 11bits의 방사해상도를 갖는 고해상도의 광학영상 또한 높은 화소와 낮은 화소에 대하여 노이즈를 포함할 가능성이 높다.

제안 방법

본 연구를 통해 추정된 x, y 방향에 대한 변위량을 이용하여 TerraSAR-X 영상을 광학영상의 좌표체계로 기하보정한 후, 두 영상을 중첩하여 표현한 결과는 Figure 3과 같다. 광학영상을 빨간색 블록으로, SAR 영상을 회색 블록으로 표현하였다. 두 영상의 방사적 특성이 달라서 모자이크 영상을 통해 기하보정이 얼마나 정확하게 수행되었는지를 객관적으로 평가하는 것은 어렵지만, 대상지역 1과 2 모두 두 영상에 공통으로 존재하는 선형정보나 특정 객체의 형상이 유지되는 것을 볼 때 기하보정이 어느 정도 제대로 이루어졌음을 확인할 수 있었다.
두 영상 간 방사적 특성의 차이를 제거하기 위해서, 모든 광학영상에 대하여 2% 선형 스트래칭을 수행하였고 8bits 영상으로 변환하였다. 16bits의 방사해상도를 갖는 SAR 영상의 경우 대부분의 지역에서는 낮은 방사 강도를 보이는 반면, 건물지역과 같이 이중산란이 발생하는 지역에서 높은 화소값을 갖는다.
두 영상 모두에 대하여 피라미드 영상을 생성하여, 최적화기법을 통해 x, y 방향에 대한 변위량을 계산한다. 두 영상 간 초기 위치차이가 크기 때문에 피라미드의 최상부 영상에서는 전역적 최적값(global extrema)을 도출하는데 유용한 담금질 모사(simulated annealing) 기법을 이용하였고, 이를 통해 추출된 x, y 방향에 대한 변위량을 다음 피라미드 영상의 초기 위치로 설정하였다. 그 이후의 피라미드 영상에서는 심플렉스(simplex) 기법을 이용하여 같은 방식으로 최적의 변위량을 계산하였다.
영상의 취득 방식과 방사적 특성이 다른 광학영상과 TerraSAR-X 영상 간의 유사도를 효과적으로 계산하기 위한 전처리 과정을 수행한 후, 두 영상 간의 변위량 차이를 상호정보기법을 통해 추정한다. 두 영상 모두에 대하여 영상피라미드(image pyramids) 방식을 적용하여, 상위 피라미드 영상부터 차례로 x, y 방향에 대한 변위량을 최적화기법을 통해 추정하였다. 이러한 과정을 피라미드의 최하부인 원영상에까지 반복적으로 수행함으로써 두 영상 간 정밀한 변위량을 추정하고자하였다.
전처리 과정이 완료된 두 영상 간의 변위량 차이를 상호정보기법을 통해 추정한다. 두 영상 모두에 대하여 피라미드 영상을 생성하여, 최적화기법을 통해 x, y 방향에 대한 변위량을 계산한다. 두 영상 간 초기 위치차이가 크기 때문에 피라미드의 최상부 영상에서는 전역적 최적값(global extrema)을 도출하는데 유용한 담금질 모사(simulated annealing) 기법을 이용하였고, 이를 통해 추출된 x, y 방향에 대한 변위량을 다음 피라미드 영상의 초기 위치로 설정하였다.
원 영상에 대해서 상호정보 값을 계산한 경우 많은 계산시간이 소요될 뿐만 아니라 탐색범위의 한계로 인해 지역적 최적값(local extrema)을 도출할 우려가 있다. 따라서 영상을 단계적으로 축소시키는 영상피라미드 방식을 통해 생성된 피라미드의 상부영상에 대하여, 상호정보 값을 목적함수로 하는 최적화기법을 통해 초기 변위량을 추정하였고, 이 변위량을 두 번째 피라미드 영상에 대한 초기값으로 설정하여 같은 방식으로 변위량을 계산하였다. 상호정보 값을 목적함수로 설정하여 최적화 기법을 적용하는 방식을 피라미드 단계 별로 적용하는 방식을 통해, 계산 비용을 줄임과 동시에 넓은 지역의 탐색 범위를 통해서 초기 두 영상의 위치 차이가 많이 나더라도 전역적 최적값을 찾을 수 있는 장점이 있다.
제안한 기법의 경우, 같은 위치좌표에 대한 대상지역이라 하더라도 영상이 취득되는 방식이나 기하보정의 처리 정도에 따라서 초기 위치차이가 클 수 있기 때문에, 최상부의 피라미드 영상에서 초기 변위 차이를 얼마나 제대로 찾아내느냐가 가장 중요한 문제가 된다. 따라서, 전역적 최적값을 찾는데 적합하다고 알려진 담금질 모사 기법을 이용하여 피라미드 최상부에 대한 두 영상 간 변위량의 최적값을 추정하였다(Gonzalo et al., 2008). 이렇게 추정된 변위량을 두 번째 피라미드에 대한 초기값으로 설정한 후에, 담금질 모사 기법에 비해 계산효율성 측면에서 우수할 뿐만 아니라 탐색범위 설정과정이 불필요한 심플렉스 최적화기법을 적용하여 보다 정밀한 두 영상 간 x, y 방향에 대한 변위량을 추정하였다(Lagarias et al.
본 연구를 통해 추정된 x, y 방향에 대한 변위량을 이용하여 TerraSAR-X 영상을 광학영상의 좌표체계로 기하보정한 후, 두 영상을 중첩하여 표현한 결과는 Figure 3과 같다. 광학영상을 빨간색 블록으로, SAR 영상을 회색 블록으로 표현하였다.
본 연구에서 제안한 고해상도 위성영상과 TerraSAR-X 영상 간 자동 변위량 추정 과정을 통한 영상 간 기하보정 기법은 크게 두 단계의 처리과정으로 구성된다. 우선, 영상의 취득 방식과 방사적 특성이 다른 광학영상과 SAR 영상 간의 유사도를 효과적으로 계산하기 위한 전처리 과정이 필요하다.
본 연구에서는 대표적인 강도기반 유사도측정기법인 상호정보기법과 최적화기법을 이용하여 고해상도 광학 영상과 TerraSAR-X 영상 간 변위량을 자동으로 추정하여 다중센서 영상 간 기하보정을 수행하였다. 본 연구를 통해서, 기하보정 요소 중 오직 변위량 차이에 대한 보정만으로도 고해상도 광학영상과 TerraSAR-X 영상 간의 기하보정 결과를 5m 이내의 RMSE 정확도로 도출할 수 있음을 확인하였다.
본 연구에서는 두 대상지역 모두 광학영상을 1000×1000 화소의 크기로 선택하였고, 이와 같은 크기로 SAR 영상을 최근린보간(Nearest Neighbor) 기법을 이용하여 재배열하였다.
모든 실험 대상지역에 대하여, 가우시안 피라미드기법(Gaussian pyramid)을 이용하여 원영상의 1/4 크기의 영상 피라미드를 2 단계에 걸쳐 생성하였다(n = 2). 생성된 최종 단계(coarsest level)의 피라미드 영상에 대하여 상호정보 값을 목적함수로 하는 담금질 모사 최적화기법을 적용하였다. 최적화기법을 적용하기 위해서는 영상 간 변위량 초기값이 필요하므로, 두 영상 간 초기 변위량 차이를 (x₀,y₀) = (0,0)으로 할당하였고, 고해상도 위성영상과 TerraSAR-X GEC 영상의 기하학적 위치오차를 고려하여 변위량 탐색범위를 x, y 방향 모두 120m로 설정하였다.
본 연구에서는 대표적인 고해상도 위성영상인 Quick Bird-2 영상과 IKONOS-2 영상을 기준으로 TerraSAR-X 영상에 대한 자동 변위량 추정과정을 통한 영상 간 기하보정을 수행하는데 연구의 목적이 있다. 영상의 취득 방식과 방사적 특성이 다른 광학영상과 TerraSAR-X 영상 간의 유사도를 효과적으로 계산하기 위한 전처리 과정을 수행한 후, 두 영상 간의 변위량 차이를 상호정보기법을 통해 추정한다. 두 영상 모두에 대하여 영상피라미드(image pyramids) 방식을 적용하여, 상위 피라미드 영상부터 차례로 x, y 방향에 대한 변위량을 최적화기법을 통해 추정하였다.
뿐만 아니라, IKONOS-2나 Quick Bird-2와 같은 고해상도 광학영상은 11bits의 방사해상도(radiometric resolution)를, TerraSAR-X의 GEC 영상은 16bits의 방사해상도를 갖기 때문에, 이를 통일시켜주는 과정이 필요하다. 이러한 문제를 해결하기 위해서 본 연구에서는 일정 화소값 이상의 높은 반사값을 갖는 화소에 대해서는 건물지역이라고 판단하여, 아래와 같이 화소값을 강제적으로 할당하는 방식으로 16bits의 TerraSAR-X 영상을 8bits 영상으로 변환하였다.
, 2008). 이렇게 추정된 변위량을 두 번째 피라미드에 대한 초기값으로 설정한 후에, 담금질 모사 기법에 비해 계산효율성 측면에서 우수할 뿐만 아니라 탐색범위 설정과정이 불필요한 심플렉스 최적화기법을 적용하여 보다 정밀한 두 영상 간 x, y 방향에 대한 변위량을 추정하였다(Lagarias et al., 1998; Nelder et al., 1965). 이후의 피라미드 영상에서는 같은 방법을 반복적으로 적용함으로써 피라미드 하부로 갈수록 보다 정밀한 변위 차이가 추정가능하며, 최종적으로 원영상에 대한 변위량을 추정한 결과가 두 영상 간 최종 변위량이 된다.
대표적인 고해상도 SAR 영상인 TerraSAR-X의 GEC(Geocoded Ellipsoid Corrected) 영상의 경우, 촬영시기의 위성의 위치나 해당 지역의 지형고도, 기복 등에 따라서 azimuth와 range 방향의 해상도가 달라진다. 이를 고해상도 광학영상이 갖는 좌표체계와 일치시켜주기 위해서, 본 연구에서는 광학영상의 연구지역에 해당 하는 UTM 좌표를 이용하여 이에 해당하는 지역의 TerraSAR-X의 GEC 영상을 취득한 후, 고해상도 광학 영상의 x, y 방향 각각에 대한 화소 크기와 일정하게 만드는 재배열하는 전처리 과정을 수행하였다.
TerraSAR-X의 GEC 영상의 경우, UTM 좌표에 맞게 투영되었지만 지형적 특성에 대한 보정(terrain correction) 은 수행되어있지 않을 뿐만 아니라, range 방향과 azimuth 방향에 대한 공간해상도가 다르기 때문에 광학영상에 맞게 좌표를 일치시켜주는 과정이 필요하다. 이를 위해, 광학영상에 해당하는 좌표를 이용하여 TerraSAR-X 영상을 추출한 후, 광학영상과 같은 화소 크기로 재배열한다. 본 연구에서는 두 대상지역 모두 광학영상을 1000×1000 화소의 크기로 선택하였고, 이와 같은 크기로 SAR 영상을 최근린보간(Nearest Neighbor) 기법을 이용하여 재배열하였다.
측면관측방식에 의해 취득된 SAR 영상의 경우 range 방향과 azimuth 방향에 대한 공간해상도가 달라 이를 일치시켜주는 과정이 필요하다. 이를 위해, 광학영상의 범위에 해당하는 좌표를 헤더정보(header information)를 통해 취득하여 이에 해당하는 SAR 영상의 범위를 선택한 후, x, y 방향으로 광학영상과 동일한 화소 크기를 갖도록 재배열(resampling)하는 과정을 거친다. 두 영상 간 방사적 특성의 차이는 히스토그램 조정을 통해 최소화한다.
11bits의 방사해상도를 갖는 고해상도의 광학영상 또한 높은 화소와 낮은 화소에 대하여 노이즈를 포함할 가능성이 높다. 이에 대한 영향을 최소화하기 위해 광학영상에 대해서 2% 선형 스트래칭(linear stretching)을 수행한 후 8bits 영상으로 변환하였다.
전처리가 수행된 영상에 대하여 영상 간 변위량을 추정하였다. 모든 실험 대상지역에 대하여, 가우시안 피라미드기법(Gaussian pyramid)을 이용하여 원영상의 1/4 크기의 영상 피라미드를 2 단계에 걸쳐 생성하였다(n = 2).
생성된 최종 단계(coarsest level)의 피라미드 영상에 대하여 상호정보 값을 목적함수로 하는 담금질 모사 최적화기법을 적용하였다. 최적화기법을 적용하기 위해서는 영상 간 변위량 초기값이 필요하므로, 두 영상 간 초기 변위량 차이를 (x₀,y₀) = (0,0)으로 할당하였고, 고해상도 위성영상과 TerraSAR-X GEC 영상의 기하학적 위치오차를 고려하여 변위량 탐색범위를 x, y 방향 모두 120m로 설정하였다. 재배열 기법은 상호정보 값에 대한 계산을 수행하는데 시간 효율 대비 정확한 결과를 도출한다고 알려진 최근린보간 기법을 이용하였다(Chen 등, 2003).

대상 데이터

첫 번째 지역은 기준영상과 대상영상을 각각 IKONOS-2와 TerraSAR-X 영상으로 구성하였고, 상대적으로 높낮이가 일정한 경작지를 포함한 식생지역과 도로, 건물이 혼재된 대상지역이다. 두 번째 대상지역은 QuickBird-2영상과 TerraSAR-X 영상으로 구성하였으며, 식생, 수계, 도로, 건물 등이 포함된 대상지역이다. 각각 1m와 0.
실험 대상지역은 총 두 지역을 선정하였다. 첫 번째 지역은 기준영상과 대상영상을 각각 IKONOS-2와 TerraSAR-X 영상으로 구성하였고, 상대적으로 높낮이가 일정한 경작지를 포함한 식생지역과 도로, 건물이 혼재된 대상지역이다.
실험 대상지역은 총 두 지역을 선정하였다. 첫 번째 지역은 기준영상과 대상영상을 각각 IKONOS-2와 TerraSAR-X 영상으로 구성하였고, 상대적으로 높낮이가 일정한 경작지를 포함한 식생지역과 도로, 건물이 혼재된 대상지역이다. 두 번째 대상지역은 QuickBird-2영상과 TerraSAR-X 영상으로 구성하였으며, 식생, 수계, 도로, 건물 등이 포함된 대상지역이다.

이론/모형

두 영상 간 초기 위치차이가 크기 때문에 피라미드의 최상부 영상에서는 전역적 최적값(global extrema)을 도출하는데 유용한 담금질 모사(simulated annealing) 기법을 이용하였고, 이를 통해 추출된 x, y 방향에 대한 변위량을 다음 피라미드 영상의 초기 위치로 설정하였다. 그 이후의 피라미드 영상에서는 심플렉스(simplex) 기법을 이용하여 같은 방식으로 최적의 변위량을 계산하였다. 이러한 과정을 피라미드의 최하부인 원영상에까지 반복적으로 수행하여 두 영상 간 정밀한 변위량을 추정하고자 하였다.
전처리가 수행된 영상에 대하여 영상 간 변위량을 추정하였다. 모든 실험 대상지역에 대하여, 가우시안 피라미드기법(Gaussian pyramid)을 이용하여 원영상의 1/4 크기의 영상 피라미드를 2 단계에 걸쳐 생성하였다(n = 2). 생성된 최종 단계(coarsest level)의 피라미드 영상에 대하여 상호정보 값을 목적함수로 하는 담금질 모사 최적화기법을 적용하였다.
방사적 특성이 다른 두 영상의 x, y 방향에 대한 변위량을 추정하기 위해서, 본 연구에서는 대표적인 강도 기반 유사도 측정 기법 중 하나인 상호정보기법을 이용하였다. 상호정보기법은 다중 센서 및 다중 시기로부터 획득된 영상의 기하보정을 위해 소개된 강도 기반 유사도 측정 기법으로, 두 영상의 통계적인 상관관계를 측정하여 정합을 실시한다(Viola 등, 1997).
최적화기법을 적용하기 위해서는 영상 간 변위량 초기값이 필요하므로, 두 영상 간 초기 변위량 차이를 (x₀,y₀) = (0,0)으로 할당하였고, 고해상도 위성영상과 TerraSAR-X GEC 영상의 기하학적 위치오차를 고려하여 변위량 탐색범위를 x, y 방향 모두 120m로 설정하였다. 재배열 기법은 상호정보 값에 대한 계산을 수행하는데 시간 효율 대비 정확한 결과를 도출한다고 알려진 최근린보간 기법을 이용하였다(Chen 등, 2003).

성능/효과

광학영상을 빨간색 블록으로, SAR 영상을 회색 블록으로 표현하였다. 두 영상의 방사적 특성이 달라서 모자이크 영상을 통해 기하보정이 얼마나 정확하게 수행되었는지를 객관적으로 평가하는 것은 어렵지만, 대상지역 1과 2 모두 두 영상에 공통으로 존재하는 선형정보나 특정 객체의 형상이 유지되는 것을 볼 때 기하보정이 어느 정도 제대로 이루어졌음을 확인할 수 있었다.
본 연구에서는 대표적인 강도기반 유사도측정기법인 상호정보기법과 최적화기법을 이용하여 고해상도 광학 영상과 TerraSAR-X 영상 간 변위량을 자동으로 추정하여 다중센서 영상 간 기하보정을 수행하였다. 본 연구를 통해서, 기하보정 요소 중 오직 변위량 차이에 대한 보정만으로도 고해상도 광학영상과 TerraSAR-X 영상 간의 기하보정 결과를 5m 이내의 RMSE 정확도로 도출할 수 있음을 확인하였다. 특히, 피라미드 영상을 생성하여 단계적으로 변위량을 추정함으로써 계산 소요시간을 줄일 수 있었고, 영상 간 초기 변위 차이를 효과적으로 찾을 수 있었다.
심플렉스 최적화기법은 탐색범위를 지정할 필요가 없고 계산효율성 측면에서 우수하여 보다 넓은 영상에서 최적값을 찾는데 적합하다. 심플렉스 최적화기법을 사용할 경우 지역적 최적값을 찾을 우려가 있지만, 이러한 문제는 담금질 모사기법을 통해 추정한 변위량을 심플렉스 최적화기법 적용을 위한 초기값으로 이용함으로써 효과적으로 해결하였다. 피라미드별로 최적의 변위량을 찾는 작업을 반복적으로 수행한 결과는 Table 2와 같고, 원영상에서 추출된 최종 변위량은 첫 번째 대상지역에서는 (x_f,y_f) = (-71.
본 연구를 통해서, 기하보정 요소 중 오직 변위량 차이에 대한 보정만으로도 고해상도 광학영상과 TerraSAR-X 영상 간의 기하보정 결과를 5m 이내의 RMSE 정확도로 도출할 수 있음을 확인하였다. 특히, 피라미드 영상을 생성하여 단계적으로 변위량을 추정함으로써 계산 소요시간을 줄일 수 있었고, 영상 간 초기 변위 차이를 효과적으로 찾을 수 있었다. 보다 넓은 대상 지역에 알고리즘을 적용할 때에는 더욱 많은 단계의 피라미드 영상을 생성하여 해결할 수 있을 것으로 생각된다.

후속연구

특히, 피라미드 영상을 생성하여 단계적으로 변위량을 추정함으로써 계산 소요시간을 줄일 수 있었고, 영상 간 초기 변위 차이를 효과적으로 찾을 수 있었다. 보다 넓은 대상 지역에 알고리즘을 적용할 때에는 더욱 많은 단계의 피라미드 영상을 생성하여 해결할 수 있을 것으로 생각된다. 하지만 고층건물이 밀집된 도심지역이나 기복이 심한 대상지역에 제안 기법을 적용할 경우에는 변위량에 대한 보정만으로는 높은 정확도를 도출할 수 없다.
하지만 고층건물이 밀집된 도심지역이나 기복이 심한 대상지역에 제안 기법을 적용할 경우에는 변위량에 대한 보정만으로는 높은 정확도를 도출할 수 없다. 이러한 문제를 해결하기 위해서는 영상 간 변위량 차이뿐만 아니라 스케일(scale), 회전(rotation) 등의 기하보정 요소를 추가적으로 고려하거나 매칭쌍을 추출하여 비선형의 변환모델식을 적용함으로써 해결할 수 있을 것으로 생각된다. 향후 연구에서는 보다 기복이 심한 대상지역과 넓은 대상지역에 대한 연구를 수행하여 이러한 문제를 해결하고자 한다.
이로 인해 다중센서자료 분석은 영상의 품질향상(영상융합), 도심지 모니터링 및 3D 모델링, 건물 및 도로의 형상정보 구축·갱신, 멀티센서 모델링, 수치표고모델 구축 및 정확도 개선 등 다양한 공간 정보 분야에서 유용하게 활용될 수 있다.
이러한 문제를 해결하기 위해서는 영상 간 변위량 차이뿐만 아니라 스케일(scale), 회전(rotation) 등의 기하보정 요소를 추가적으로 고려하거나 매칭쌍을 추출하여 비선형의 변환모델식을 적용함으로써 해결할 수 있을 것으로 생각된다. 향후 연구에서는 보다 기복이 심한 대상지역과 넓은 대상지역에 대한 연구를 수행하여 이러한 문제를 해결하고자 한다.

핵심어	질문	논문에서 추출한 답변
	고해상도 위성영상을 공간정보 분야에 효과적으로 활용하기 위해 중요한것은 무엇인가?	고해상도 위성영상을 공간정보 분야에 효과적으로 활용하기 위해서는 다중센서와 다시기 영상 데이터를 공간분석에 함께 사용하여 이들 데이터의 장점을 최대한 활용하는 것이 중요하다. 본 연구에서는 고해상도의 다중센서자료를 동시에 활용하기 위해, 영상 간 존재하는 변위량을 자동으로 추정하여 다중센서 영상 간 기하보정을 수행하는 새로운 영상정합기법을 개발하였다.
	강도기반 (intensity-based) 기법 중 상호정보 기법의 장점은 무엇인가?	대표적인 강도 기반 기법 중 하나인 상호정보 (Mutual Information)기법은 의학 분야에서 처음 소개된 영상 간 유사도 측정 기법으로, 특성이 다른 영상 간의 유사도를 측정하는데 강점을 보인다(Viola 등, 1997; 변영기 등, 2007). 원격 탐사 분야에서도 상호정보기법을 활용하여 광학영상과 SAR 영상 간 기하보정을 수행하기 위한 다양한 연구가 진행되었다.
	다중센서자료를 분석에 함께 이용할 경우 얻는 이점은 무엇인가?	최근에 IKONOS-2, QuickBird-2, KOMPSAT-2, WorldView-1, TerraSAR-X 등 고해상도 위성영상의 상업적 이용이 가능해짐에 따라, 이러한 고해상도 다중 센서(multi-sensor)영상의 통합 분석 및 활용에 대한 관심이 증가하고 있다. 다중센서자료를 분석에 함께 이용할 경우 단일한 센서데이터만으로는 취득하기 어려운 여러 유용한 공간 및 속성정보들을 종합적으로 취득하고 분석할 수 있다. 이로 인해 다중센서자료 분석은 영상의 품질향상(영상융합), 도심지 모니터링 및 3D 모델링, 건물 및 도로의 형상정보 구축·갱신, 멀티센서 모델링, 수치표고모델 구축 및 정확도 개선 등 다양한 공간 정보 분야에서 유용하게 활용될 수 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

고해상도 광학영상과 SAR 영상 간 자동 변위량 추정
Automatic Estimation of Geometric Translations Between High-resolution Optical and SAR Images 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

고해상도 광학영상과 SAR 영상 간 자동 변위량 추정 Automatic Estimation of Geometric Translations Between High-resolution Optical and SAR Images 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (15)

이 논문을 인용한 문헌

저자의 다른 논문 :

한유경 (14) 김용일 (144)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

고해상도 광학영상과 SAR 영상 간 자동 변위량 추정
Automatic Estimation of Geometric Translations Between High-resolution Optical and SAR Images 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper