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
- 본 연구에서는 기존의 CS 기법을 기반으로 아리랑 2호와 3호에 적합한 영상융합 알고리즘을 제안하고자 하였다. 제안한 알고리즘은 다분광 영상과 intensity 영상 간의 공분산/분산 비를 이용하여, 보다 최적화된 융합 매개변수를 추출하였다.
- 이에 본 연구에서는 기존의 CS 기법의 문제점들을 개선한 아리랑 2호와 3호에 적합한 새로운 영상융합 알고리즘을 제안하고자 한다. 융합 영상의 왜곡 정도를 평가하는 ERGAS 지수를 기반으로 발생 가능한 왜곡량을 최소화하는 최적의 융합계수를 정의 하였으며, 이를 아리랑 2호와 3호에 적용하여 성능을 평가하였다.
제안 방법
- 각각의 기법의 융합 결과에 대한 상대적인 세부분석을 위하여, GIHS 기준의 GS1 변화량, GS1 기준의 GSA 변화량, GSA 기준으로 제안된 기법의 변화량을 계산하였으며, 그 결과를 Table 3에 표현 하였다. Table 3의 수치가 양의 값을 가지는 것은 기준 된 기법과 비교하여, 대상 기법의 공간 및 분광보존력이 상대적으로 상승되었다는 것을 의미한다.
- 융합 영상의 왜곡 정도를 평가하는 ERGAS 지수를 기반으로 발생 가능한 왜곡량을 최소화하는 최적의 융합계수를 정의 하였으며, 이를 아리랑 2호와 3호에 적용하여 성능을 평가하였다. 또한, 기존 CS 기반의 대표적 영상융합 기법인 GIHS, GS1, GSA와의 상대적 비교 분석을 통하여, 제안된 융합 기법의 성능을 정량적, 시각적으로 평가하였다.
- 이와 같이, 저해상 전정색 영상과 저해상 다분광 영상 사이에서 계산된 회귀 계수 #(k = 0, 1, 2, 3, Nb)는 고해상 전정색 영상과 고해상 전정색 영상의 크기로 보간된 다분광 영상의 차분으로 계산되는 intensity 영상의 제작에 사용된다(식 4). 본 연구에서 제안된 기법의 경우, 밴드별 가중치 ck는 전술한 방법을 그대로 적용하였다.
- 본 연구에서 제안하고자 하는 융합 기법은 기본적인 CS 기반 융합기법의 형태를 지니고 있으며, 새로운 최적화 매개변수를 적용하여 이전 기법들과 비교하여 보다 효과적인 융합 성능을 도출하였다. 앞서 전술한 바와 같이 CS 기반 융합기법은 고주파 영상의 융합 매개변수 αk와 intensity 영상 Il의 생성에서 사용되는 밴드별 가중치 ck(k = 0, 1, 2, 3, Nb)의 차이에 따라 세부적인 융합기법으로 구분할 수 있다.
- 본 연구에서 제안한 영상융합 기법의 성능평가를 위하여, 도심지역을 촬영한 KOMPSAT-2와 KOMPSAT-3 영상을 활용하였으며, CS 기반의 GIHS, GS1, GSA 기법과의 상대적 비교분석을 수행하였다. 앞서 전술한 바와 같이 융합기법의 평가는 초기의 실험영상의 공간해상도를 강제적으로 저하시켜 수행하였다.
- 본 연구에서는 기본의 방법을 개선한 다른 새로운 형식의 융합 매개변수를 정의하였으며, 이는 고주파 영상, 전정색 영상과 다분광 영상 간 차분 영상의 공분산/분산 비를 이용하여 도출된다(식 6).
- 의 평균과 분산이 일치되도록 히스토그램 매칭을 수행한 영상이다. 식(6)에서 확인 할 수 있는 것과 같이 제안된 매개변수는 공분산과 분산의 비를 기본으로 하며, 전정색 영상과 밴드별 다분광 영상의 상대적인 차이로 인해 고주파 영상 생성 시 왜곡되는 변화를 최소화하기 위하여, 각 밴드별 특성이 적용된 매개 변수를 계산하였다. 제안된 융합 매개변수는 고주파 영상만을 추가적으로 요구하기 때문에, 본 연구에서 기반으로 한 CS기법 외에 MRA 기법에도 적용할 수 있는 장점을 가지고 있어 폭넓은 활용범위를 가질 것으로 예상된다.
- 이에 본 연구에서는 기존의 CS 기법의 문제점들을 개선한 아리랑 2호와 3호에 적합한 새로운 영상융합 알고리즘을 제안하고자 한다. 융합 영상의 왜곡 정도를 평가하는 ERGAS 지수를 기반으로 발생 가능한 왜곡량을 최소화하는 최적의 융합계수를 정의 하였으며, 이를 아리랑 2호와 3호에 적용하여 성능을 평가하였다. 또한, 기존 CS 기반의 대표적 영상융합 기법인 GIHS, GS1, GSA와의 상대적 비교 분석을 통하여, 제안된 융합 기법의 성능을 정량적, 시각적으로 평가하였다.
- 이때, 공간해상도의 저하는 밴드별 MTF 필터링을 적용하였으며, Bicubic 보간법을 활용하였다. 융합된 영상에 대한 품질평가는 시각적 분석과 정량적 분석을 병행하여 진행하였으며, 공간정보의 향상과 색상정보 보존의 관점에서 각 결과물의 특성을 분석하였다. Table 2는 Spatial/Spectral ERGAS, Q4, SAM 평가지표를 통해 도출된 정량적 평가 결과를 약술하며, Table 3는 각 융합기법 별 상대적인 분광 왜곡 감소량과 공간해상도 증가량을 표현한 결과이다.
- 특히, 제안된 매개변수는 CS 기반 및 MRA 기반의 기법에 모두 적용이 가능하다는 장점이 있다. 제안된 방법의 성능평가는 정량적/정성적 방법을 혼용하여 진행하였다. 이때, 실험영상은 KOMPSAT-2와 KOMPSAT-3로 촬영된 도심지역의 영상을 활용하였으며, 실험의 효율향상을 위하여 512 by 512 크기의 부분영상을 제작하여 실험을 진행하였다.
- 본 연구에서는 기존의 CS 기법을 기반으로 아리랑 2호와 3호에 적합한 영상융합 알고리즘을 제안하고자 하였다. 제안한 알고리즘은 다분광 영상과 intensity 영상 간의 공분산/분산 비를 이용하여, 보다 최적화된 융합 매개변수를 추출하였다. 특히, 제안된 매개변수는 CS 기반 및 MRA 기반의 기법에 모두 적용이 가능하다는 장점이 있다.
- 효율적인 실험 수행을 위하여 다분광 영상 기준으로 512 by 512 크기의 부분 영상을 제작하여 실험을 진행하였으며, 정량적·시각적 분석을 통하여, 영상융합기법의 성능을 상대적으로 비교하였다.
대상 데이터
- 본 연구에 사용된 실험 영상은 국내에서 개발된 KOMPSAT-2와 KOMPSAT-3 위성으로 촬영한 공간해상도 1 m(4 m)와 0.7 m(2.8 m)의 고해상 영상이다. 효율적인 실험 수행을 위하여 다분광 영상 기준으로 512 by 512 크기의 부분 영상을 제작하여 실험을 진행하였으며, 정량적·시각적 분석을 통하여, 영상융합기법의 성능을 상대적으로 비교하였다.
- 제안된 방법의 성능평가는 정량적/정성적 방법을 혼용하여 진행하였다. 이때, 실험영상은 KOMPSAT-2와 KOMPSAT-3로 촬영된 도심지역의 영상을 활용하였으며, 실험의 효율향상을 위하여 512 by 512 크기의 부분영상을 제작하여 실험을 진행하였다. 분석 결과, 제안된 기법은 기존 CS 기반 융합기법에서 가장 널리 사용되고 있는 GSA 기법과 비교하여, 색상 보존력 뿐 아니라 공간해상력의 향상 면에서도 상대적으로 우수한 품질을 나타냈다.
이론/모형
- 앞서 전술한 바와 같이 융합기법의 평가는 초기의 실험영상의 공간해상도를 강제적으로 저하시켜 수행하였다. 이때, 공간해상도의 저하는 밴드별 MTF 필터링을 적용하였으며, Bicubic 보간법을 활용하였다. 융합된 영상에 대한 품질평가는 시각적 분석과 정량적 분석을 병행하여 진행하였으며, 공간정보의 향상과 색상정보 보존의 관점에서 각 결과물의 특성을 분석하였다.
- 이에 따라 실험 영상의 공간해상도를 인위적으로 감소시켜 융합과정을 진행하고, 실제 존재하는 다분광 영상과의 유사성 평가를 통하여 최종적인 융합기법의 성능을 평가하는 평가 프로토콜이 제시되었다(Wald, 1997). 정량적 비교를 위한 평가 지표로는 Spatial ERGAS, Spectral ERGAS, Q4, SAM을 사용하였다.
성능/효과
- Table 3의 수치가 양의 값을 가지는 것은 기준 된 기법과 비교하여, 대상 기법의 공간 및 분광보존력이 상대적으로 상승되었다는 것을 의미한다. GIHS에 대한 GS1의 상대적 변화량의 경우, 두 위성 영상 모두에서 공간해상력 평가지수와 분광 왜곡량 평가지수 모두에서 향상된 결과를 나타냈다. GS1에 대한 GSA 변화량의 경우, 공간 평가 지수 변화량은 KOMPSAT-2 영상 및 KOMPSAT-3 영상에서 각각 -17.
- 즉, GIHS에서는 고주파 영상과 저주파 영상 간 분광특성의 차이가 적절히 보정되지 않으며, 전술된 특성의 차이가 크게 나타내는 위성영상일 경우 더 큰 색상왜곡을 발생시킬 수 있다. GS1 융합결과는 공간해상력의 증가에 있어 가장 높은 순위를 나타냈으며, GIHS 융합결과와 비교하여 공간해상력 및 분광 왜곡량의 측면에서 모두 향상된 결과를 나타냈다. GSA의 융합결과는 공간해상력의 향상 측면에서 가장 낮은 순위를 나타냈으나, 분광 왜곡량의 감소 측면에서는 다소 높은 순위를 나타냈다.
- GIHS에 대한 GS1의 상대적 변화량의 경우, 두 위성 영상 모두에서 공간해상력 평가지수와 분광 왜곡량 평가지수 모두에서 향상된 결과를 나타냈다. GS1에 대한 GSA 변화량의 경우, 공간 평가 지수 변화량은 KOMPSAT-2 영상 및 KOMPSAT-3 영상에서 각각 -17.054%과 -19.433%으로 다소 저하된 것을 확인 할 수 있지만, 모든 분광평가 지수에 대하여 GSA 기법이 우수한 값을 가지는 특징을 나타냈다. 또한, 분광 왜곡지수 변화량의 경우, KOMPSAT-2 영상에서의 Spectral ERGAS, Q4, SAM 수치의 변화량은 각각 17.
- 967%과 비교하여, Q4를 제외한 두 평가지수에서 상대적으로 큰 폭의 향상을 나타냈다. GSA 기법의 경우, GS1에 비해 분광 왜곡량이 감소되었지만, 공간해상력의 측면에서는 유사한 비율에서의 감소가 나타났다. 이는 공간해상도와 분광해상도 간 trade-off 관계를 명확히 설명한다.
- GS1 융합결과는 공간해상력의 증가에 있어 가장 높은 순위를 나타냈으며, GIHS 융합결과와 비교하여 공간해상력 및 분광 왜곡량의 측면에서 모두 향상된 결과를 나타냈다. GSA의 융합결과는 공간해상력의 향상 측면에서 가장 낮은 순위를 나타냈으나, 분광 왜곡량의 감소 측면에서는 다소 높은 순위를 나타냈다. 제안된 기법의 경우, 분광 왜곡량의 감소 측면에서 가장 우수한 순위를 나타냈다.
- 433%으로 다소 저하된 것을 확인 할 수 있지만, 모든 분광평가 지수에 대하여 GSA 기법이 우수한 값을 가지는 특징을 나타냈다. 또한, 분광 왜곡지수 변화량의 경우, KOMPSAT-2 영상에서의 Spectral ERGAS, Q4, SAM 수치의 변화량은 각각 17.206%, 0.109%, 5.755%로, KOMPSAT-3 영상에서의 9.326%, 0.253%, 3.967%과 비교하여, Q4를 제외한 두 평가지수에서 상대적으로 큰 폭의 향상을 나타냈다. GSA 기법의 경우, GS1에 비해 분광 왜곡량이 감소되었지만, 공간해상력의 측면에서는 유사한 비율에서의 감소가 나타났다.
- 이때, 실험영상은 KOMPSAT-2와 KOMPSAT-3로 촬영된 도심지역의 영상을 활용하였으며, 실험의 효율향상을 위하여 512 by 512 크기의 부분영상을 제작하여 실험을 진행하였다. 분석 결과, 제안된 기법은 기존 CS 기반 융합기법에서 가장 널리 사용되고 있는 GSA 기법과 비교하여, 색상 보존력 뿐 아니라 공간해상력의 향상 면에서도 상대적으로 우수한 품질을 나타냈다. 즉, 제안된 기법은 기존의 융합 기법에 비하여 분광왜곡을 최소화하는 동시에 공간해상력이 증가된 고해상도 융합영상을 효과적으로 생성 할 수 있음을 확인하였다.
- 011%로 다소 감소된 수치를 보였지만, 이는 앞서 전술된 SAM 지수의 불완전성에 의한 것으로 설명할 수 있다. 여기서 강조되어야 하는 점은 제안된 기법의 융합 결과는 기존 GSA 기법과 비교하여, 공간 및 분광 보존력이 모두 향상되었다는 것이다. GSA 기법은 CS 기반의 융합기법 중 가장 대표적인 융합 기법으로 실제 상용소프트웨어에도 탑재되어 널리 활용되는 있는 융합기법이다.
- 3(e))과 유사하거나 좋은 융합결과를 나타내는 것을 확인할 수 있다. 이는 앞서 전술한 정량적 평가 결과와도 일치하는 것으로 제안한 알고리즘은 기존의 융합 기법에 비하여 분광적/시각적 측면에서 모두 우수한 융합결과를 나타냈다.
- GSA의 융합결과는 공간해상력의 향상 측면에서 가장 낮은 순위를 나타냈으나, 분광 왜곡량의 감소 측면에서는 다소 높은 순위를 나타냈다. 제안된 기법의 경우, 분광 왜곡량의 감소 측면에서 가장 우수한 순위를 나타냈다. 비록, SAM의 경우 GSA의 융합결과에서 다소 높은 순위를 보였지만, 이는 평가지수 자체의 불완전성에 기인된 것으로 해당 평가 지표의 경우, 각 영상 간 방사 벡터의 각도만을 측정하기 때문에 색상의 유사성 정도를 평가할 수 있으나, 화소위치에서의 밝기 및 채도에 대한 왜곡은 반영하지 못하는 특성에 따라 나타난 결과로 파악할 수 있다(Oh et al.
- 한편, 제안된 기법은 GSA 기법과 비교하여, 공간 및 분광보존력이 모두 향상된 결과를 나타냈다. 즉, Spatial ERGAS의 경우, 두 영상에서 1.430%와 0.110%의 공통된 향상을 나타냈으며, Spectral ERGAS는 1.354%와 0.226%, Q4에 서는 0.543%와 0.504%로 상승된 수치를 나타냈다. 비록, SAM의 변화량은 각각 -0.
- 분석 결과, 제안된 기법은 기존 CS 기반 융합기법에서 가장 널리 사용되고 있는 GSA 기법과 비교하여, 색상 보존력 뿐 아니라 공간해상력의 향상 면에서도 상대적으로 우수한 품질을 나타냈다. 즉, 제안된 기법은 기존의 융합 기법에 비하여 분광왜곡을 최소화하는 동시에 공간해상력이 증가된 고해상도 융합영상을 효과적으로 생성 할 수 있음을 확인하였다.
- 제안한 알고리즘은 다분광 영상과 intensity 영상 간의 공분산/분산 비를 이용하여, 보다 최적화된 융합 매개변수를 추출하였다. 특히, 제안된 매개변수는 CS 기반 및 MRA 기반의 기법에 모두 적용이 가능하다는 장점이 있다. 제안된 방법의 성능평가는 정량적/정성적 방법을 혼용하여 진행하였다.
- 즉, 현재까지 제안되고 있는 CS 기반 융합기법은 GSA 기법을 기준으로 분광보존력을 최대한 유지하면서, 동시에 공간 보존력을 향상시키는 방향으로 진행되고 있다. 한편, 제안된 기법은 GSA 기법과 비교하여, 공간 및 분광 보존력을 모두 향상시킨 특징을 나타냈으며, 더불어 공간 및 분광 보존력 간 trade-off 관계를 상대적으로 완화시켰다는 점에서 큰 의미 부여가 가능하다.
- 이는 공간해상도와 분광해상도 간 trade-off 관계를 명확히 설명한다. 한편, 제안된 기법은 GSA 기법과 비교하여, 공간 및 분광보존력이 모두 향상된 결과를 나타냈다. 즉, Spatial ERGAS의 경우, 두 영상에서 1.
후속연구
- 식(6)에서 확인 할 수 있는 것과 같이 제안된 매개변수는 공분산과 분산의 비를 기본으로 하며, 전정색 영상과 밴드별 다분광 영상의 상대적인 차이로 인해 고주파 영상 생성 시 왜곡되는 변화를 최소화하기 위하여, 각 밴드별 특성이 적용된 매개 변수를 계산하였다. 제안된 융합 매개변수는 고주파 영상만을 추가적으로 요구하기 때문에, 본 연구에서 기반으로 한 CS기법 외에 MRA 기법에도 적용할 수 있는 장점을 가지고 있어 폭넓은 활용범위를 가질 것으로 예상된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.