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.
문제 정의
- 이에 본 연구에서는 Gapfill 함수를 이용하여 보정영상을 제작하고, 보정된 SLC-off 영상을 도심지, 산지 및 수계지역으로 구분하여 토지피복분류를 수행하였다. 또한 비슷한 시기의 Landsat 5 영상을 이용한 분류결과와 비교를 통해 기준영상 없이 SLC-off 영상만으로 제작된 보정영상의 활용 가능성을 제시하고자 하였다.
- 본 연구에서는 기준영상 없이 SLC-off 영상의 손실 부분을 복원하여 보정영상을 제작하였으며, 보정영상의 활용성 평가를 위해 Landsat 5 영상과 비교한 것으로 다음과 같은 결론을 얻을 수 있었다.
제안 방법
- Landsat 7 SLC-off 영상을 보정하기 위해 기하보정을 수행하였다. 기하보정은 위성영상 촬영당시 위성의 고도나 비행자세, 속도변화, 지구의 곡면오차, 기복변위로 인한 오차를 제거하여 영상의 좌표를 동기화 시켜주는 과정이다.
- SLC-off 보정영상의 활용성 평가를 위해 토지피복분류를 수행하였다. 영상의 분류는 감독분류 방법을 이용하였으며, 도심지, 산지 및 수계지역으로 구분하여 분류하였다.
- 본 연구에서는 Landsat 7 SLC-off 영상의 Band 1, Band 2, Band 3을 보정하여 새로운 RGB 영상을 제작하였으며, 같은 시기에 취득된 Landsat 5 영상과 비교하였다. 구름이 있는 지역은 제외하였으며, 대상지역을 도심지, 산지 및 수계지역으로 구분하여 비교하였다. Fig.
- 영상의 분류는 감독분류 방법을 이용하였으며, 도심지, 산지 및 수계지역으로 구분하여 분류하였다. 대상지역의 영상에서 식별이 가능한 토지피복을 건물, 식생, 수계, 나지의 클래스로 구분하여 트레이닝 셋을 설정하였으며, 위성영상의 감독분류에서 정확도와 활용도가 높은 최대우도법(Maximum likelihood)을 사용하였다. Table 2는 영상의 분류항목이며, Fig.
- 본 연구에서는 Landsat 7 SLC-off 영상의 Band 1, Band 2, Band 3을 보정하여 새로운 RGB 영상을 제작하였으며, 같은 시기에 취득된 Landsat 5 영상과 비교하였다. 구름이 있는 지역은 제외하였으며, 대상지역을 도심지, 산지 및 수계지역으로 구분하여 비교하였다.
- SLC-off 보정영상의 활용성 평가를 위해 토지피복분류를 수행하였다. 영상의 분류는 감독분류 방법을 이용하였으며, 도심지, 산지 및 수계지역으로 구분하여 분류하였다. 대상지역의 영상에서 식별이 가능한 토지피복을 건물, 식생, 수계, 나지의 클래스로 구분하여 트레이닝 셋을 설정하였으며, 위성영상의 감독분류에서 정확도와 활용도가 높은 최대우도법(Maximum likelihood)을 사용하였다.
- 그러나 우리나라의 경우 충분한 수의 영상을 확보할 수 없기 때문에 Landsat 5 영상을 이용한 보정작업은 어려운 실정이다. 이에 본 연구에서는 Gapfill 함수를 이용하여 보정영상을 제작하고, 보정된 SLC-off 영상을 도심지, 산지 및 수계지역으로 구분하여 토지피복분류를 수행하였다. 또한 비슷한 시기의 Landsat 5 영상을 이용한 분류결과와 비교를 통해 기준영상 없이 SLC-off 영상만으로 제작된 보정영상의 활용 가능성을 제시하고자 하였다.
대상 데이터
- 본 연구에서는 우리나라 중부지역을 대상으로 2006년 10월 16일의 Landsat 7 SLC-off 영상과 기준영상으로 10월 24일의 Landsat 5 영상을 취득하였다. Table 1에 본 연구에 사용한 영상을 정리하였으며, Fig. 1과 Fig. 2에 Landsat 7 SLC-off 영상과 Landsat 5 영상을 나타내었다.
- 본 연구에서는 우리나라 중부지역을 대상으로 2006년 10월 16일의 Landsat 7 SLC-off 영상과 기준영상으로 10월 24일의 Landsat 5 영상을 취득하였다. Table 1에 본 연구에 사용한 영상을 정리하였으며, Fig.
이론/모형
- 기하보정은 위성영상 촬영당시 위성의 고도나 비행자세, 속도변화, 지구의 곡면오차, 기복변위로 인한 오차를 제거하여 영상의 좌표를 동기화 시켜주는 과정이다. Landsat 영상의 기하보정은 지형보정이 완료된 Landsat 5 영상을 이용하여 Image to Image 방법을 사용하였다. 지상기준점의 위치를 선정한 후 고차다항식 방법을 사용하였으며, 영상의 재배열은 Bilinear 방법을 사용하였다.
- 기하보정된 Landsat 7 영상은 Gapfill 함수를 이용하여 기준영상 없이 보정을 수행하였다. Gapfill 함수는 Landsat 7 SLC-off 영상의 보정을 위한 함수로 USGS(United States Geological Survey)를 통해 제공되고 있다.
- Landsat 영상의 기하보정은 지형보정이 완료된 Landsat 5 영상을 이용하여 Image to Image 방법을 사용하였다. 지상기준점의 위치를 선정한 후 고차다항식 방법을 사용하였으며, 영상의 재배열은 Bilinear 방법을 사용하였다.
성능/효과
- 1. Gapfill 함수를 통해 효과적으로 손상화소를 복원할 수 있었으며, 이를 통해 시각적으로 부자연스러운 노이즈가 없는 영상을 얻을 수 있었다.
- 2. 보정영상을 산지, 도심지, 수계로 구분하고 토지피복분류를 수행하여 기준영상을 이용한 결과와 평균 5%정도의 차이를 보였으나 영상분류에 추가적으로 근적외밴드를 활용함으로써 분류결과의 개선이 가능할 것이다.
- 3. 보정영상에서 복잡한 도심지 및 수계에서 약간의 뭉게짐 현상이 관찰되었으나 중저해상도 Landsat 영상을 활용한 대규모 지역의 변화탐지나 영상분류에 활용될 수 있다.
- 기준영상 없이 Gapfill 함수를 통해 보정된 Landsat 7 SLC-off 영상의 토지피복분류 결과는 기준영상인 Landsat 5 영상을 이용한 분류 결과와 평균 5%정도의 편차를 나타내었다. 하지만 보정영상을 통해 대규모 지역의 변화탐지나 토지피복 분류는 물론 구름 등과 같이 국지적으로 발생한 영상 손실의 복원에 충분히 활용이 가능하며, SLC-off 영상만을 이용하여 복원영상을 제작함으로써 주기적인 영상의 취득이 어려운 여건을 개선할 수 있을 것으로 기대된다.
- 13에서 보는 바와 같이 다소 차이를 나타내었다. 보정영상 분류 결과에서 건물의 비율이 기준영상의 결과보다 10%정도 낮게 나타났으며, 수계와 나지는 각각 7%, 4%정도 높은 값을 나타내었다. 이러한 결과는 복잡한 도심의 밀집 건물 부분이 주변의 식생 및 나지와 비슷한 값으로 복원되었기 때문으로 판단된다.
- 수계지역 분류 결과에서 식생지역의 비율이 기준영상보다 약 5% 낮게 나타났으며, 수계지역은 5%정도 높게 나타났다. 이는 분류에 사용한 RGB밴드에서 식생지역과 수계지역의 색상값이 비슷하기 때문이며, 식생과 수계의 분류에 적합한 근적외밴드를 활용함으로써 분류 결과를 개선할 수 있을 것이다.
- 영상 보정 결과, 전체적으로 SLC-off로 인한 누락 영역의 화소가 대부분 복원되었으며, 부자연스러운 노이즈 없이 기준영상인 Landsat 5 영상과 유사한 형태의 영상이 생성되었다. 복잡한 도심과 수계에서 약간의 뭉게짐 현상이 관찰되었지만 이는 누락된 화소 부분을 주변의 값들로부터 복원하는 과정에서 발생하는 오류로 판단된다.
후속연구
- 수계지역 분류 결과에서 식생지역의 비율이 기준영상보다 약 5% 낮게 나타났으며, 수계지역은 5%정도 높게 나타났다. 이는 분류에 사용한 RGB밴드에서 식생지역과 수계지역의 색상값이 비슷하기 때문이며, 식생과 수계의 분류에 적합한 근적외밴드를 활용함으로써 분류 결과를 개선할 수 있을 것이다. Fig.
- 기준영상 없이 Gapfill 함수를 통해 보정된 Landsat 7 SLC-off 영상의 토지피복분류 결과는 기준영상인 Landsat 5 영상을 이용한 분류 결과와 평균 5%정도의 편차를 나타내었다. 하지만 보정영상을 통해 대규모 지역의 변화탐지나 토지피복 분류는 물론 구름 등과 같이 국지적으로 발생한 영상 손실의 복원에 충분히 활용이 가능하며, SLC-off 영상만을 이용하여 복원영상을 제작함으로써 주기적인 영상의 취득이 어려운 여건을 개선할 수 있을 것으로 기대된다.
- 향후 Landsat 7 SLC-off 보정영상은 주기적인 영상의 취득이 어려운 여건을 개선하고, 소규모 구름 등과 같이 국지적으로 발생한 영상 손실의 복원이 가능할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.