위성영상을 위한 NIIRS(Natinal Image Interpretability Rating Scales) 자동 측정 알고리즘 Automatic National Image Interpretability Rating Scales (NIIRS) Measurement Algorithm for Satellite Images원문보기
High-resolution satellite images are used in the fields of mapping, natural disaster forecasting, agriculture, ocean-based industries, infrastructure, and environment, and there is a progressive increase in the development and demand for the applications of high-resolution satellite images. Users of...
High-resolution satellite images are used in the fields of mapping, natural disaster forecasting, agriculture, ocean-based industries, infrastructure, and environment, and there is a progressive increase in the development and demand for the applications of high-resolution satellite images. Users of the satellite images desire accurate quality of the provided satellite images. Moreover, the distinguishability of each image captured by an actual satellite varies according to the atmospheric environment and solar angle at the captured region, the satellite velocity and capture angle, and the system noise. Hence , NIIRS must be measured for all captured images. There is a significant deficiency in professional human resources and time resources available to measure the NIIRS of few hundred images that are transmitted daily. Currently, NIIRS is measured every few months or even few years to assess the aging of the satellite as well as to verify and calibrate it [3]. Therefore, we develop an algorithm that can measure the national image interpretability rating scales (NIIRS) of a typical satellite image rather than an artificial target satellite image, in order to automatically assess its quality. In this study, the criteria for automatic edge region extraction are derived based on the previous works on manual edge region extraction [4][5], and consequently, we propose an algorithm that can extract the edge region. Moreover, RER and H are calculated from the extracted edge region for automatic edge region extraction. The average NIIRS value was measured to be 3.6342±0.15321 (2 standard deviations) from the automatic measurement experiment on a typical satellite image, which is similar to the result extracted from the artificial target.
High-resolution satellite images are used in the fields of mapping, natural disaster forecasting, agriculture, ocean-based industries, infrastructure, and environment, and there is a progressive increase in the development and demand for the applications of high-resolution satellite images. Users of the satellite images desire accurate quality of the provided satellite images. Moreover, the distinguishability of each image captured by an actual satellite varies according to the atmospheric environment and solar angle at the captured region, the satellite velocity and capture angle, and the system noise. Hence , NIIRS must be measured for all captured images. There is a significant deficiency in professional human resources and time resources available to measure the NIIRS of few hundred images that are transmitted daily. Currently, NIIRS is measured every few months or even few years to assess the aging of the satellite as well as to verify and calibrate it [3]. Therefore, we develop an algorithm that can measure the national image interpretability rating scales (NIIRS) of a typical satellite image rather than an artificial target satellite image, in order to automatically assess its quality. In this study, the criteria for automatic edge region extraction are derived based on the previous works on manual edge region extraction [4][5], and consequently, we propose an algorithm that can extract the edge region. Moreover, RER and H are calculated from the extracted edge region for automatic edge region extraction. The average NIIRS value was measured to be 3.6342±0.15321 (2 standard deviations) from the automatic measurement experiment on a typical satellite image, which is similar to the result extracted from the artificial target.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
된다. 따라서 본 연구에서는 인공표적에 대해 사용자 가수동으로 에지 영역을 추출하여 NIIRS를 측정한 것과 제안한 알고리즘을 이용하여 자동으로 에지 영역을 추출하여 NIIRS를 측정하여 자동화 알고리즘의 신뢰도를 검증하였다.
본 연구는 위성영상의 객관적 해상력 분석을 위한 자동 에지 추출에 관한 연구를 하였으며, 해상력 분석 척도로서 NIIRS를 사용하였고 NIIRS 측정하기에 적합한 에지 영역 추출 알고리즘을 제안하였다. 제안한 알고리즘은 영상에서 GIQE를 구성하는 파라미터 중 RER과 H를 측정하여 사용하였다.
본 연구에서는 GIQE를 사용하며, 인공표적이 있는 위성영상이 아니라 위성영상의 자연표적을 이용하여 NIIRS를 자동으로 구할 수 있는 알고리즘을 제안한다.
사용된다.본 연구에서는 GIQE에 필요한 RER 과 H를 구하는데 목적이 있으므로 ESF를 구하는 것까지만 진행한다.
본 연구에서는 기존 수동 에지 영역 추출 연구를 기반으로 자동으로 에지 영역 추출 시 ESF를 구하기 위해 고려해야 하는 조건들에 대해 연구하였으며, 자동적으로 에지 영역을 추출할 수 있는 알고리즘을 제안하고 구현하여, 추출된 에지 영역으로부터 RER, H를 계산한다.
제안 방법
1차식을 이용해 샘플링된 픽셀들의 위치를 에지의 중심으로부터 계산하고 x축을 에지 중심으로부터의 위치, y축을 픽셀 값으로 하여 ESF를 구한다. 오버샘플링 되어 ESF에서 서브 픽셀(sub-pixel) 단위로 위치한 각각의 픽셀은 노이즈처럼 값의 변동이 있는데 이를 보정하기 위해서 spline과 같은 fitting을 사용하고 최종적으로는 정규화하여 0에서 1사이의 값으로 변환한다.
공식적으로 발표되었다.GIQE를 이용한 NIIRS 추정을 통해 위성영상의 성능을 NIIRS로 정확하게 추정을 위해 개발되었다.
따라서 GIQE의 파라미터인 RER(RelativeEdgeResponse)과 H(Over- shootHeight)를 계산하는 것에 오차가 많이 발생하게 된다.그래서 수동으로 에지를 추출 연구[7, 8, 9, 10] 들을 기반으로 선형성의 오차와 노이즈에 강한 자연표적 자동 에지 추출 연구를 진행 하였다.
제안한 알고리즘은 영상에서 GIQE를 구성하는 파라미터 중 RER과 H를 측정하여 사용하였다.그리고 동일한 영상에 대해서 영상 분석 전문가에 의해 측정되는 NIIRS수치보다 더욱 객관적이고 편차ㄹ가 적은 측정을 위해서 에지의 길이, 각도, 선형성(Linearity), SNR등과 같은 파라미터를 이용하여 에지 영역 추출을 알고리즘을 제안하였다.
이 영상에서 항구의 바다와 도크의 경계 부분은 NIIRS 측정하기 위한 후보 영역이 될 수 있지만 나머지 검출된 직선 에지들은 NIIRS측정에 적합하지 않다. 따라서본 연구에서는 Table1에서 정의한 에지 길이의 최소기준인 15이상인 후보 직선으로 가능한 모든 직선을 검출한다.이 중 측정에 적합하지 않은 에지는 SNR 이나 Linearity등의 기준을 적용하면서 제외된다.
이러한 에지영상을 만드는 에지 디텍터로 주로 쓰이는 것이 Sobel이나 Canny에지 디텍터 이다.본 연구에서 Sobel에 비해서 Canny의 경우 알고리즘의 복잡도가 높아 수행 시간이 오래 걸리므로 Sobel에지 디텍터를 사용하여 에지 영상을 획득한다.
있다[2]. 본 연구에서는 GIQE를 사용하여 각 영상에 대해 NIIRS 를 측정하며, 위성영상의 여러 밴드 중 흑백영상인 Panchromatic영상만을 사용한다.흑백영상 다른 컬러영상(Multispectralband)에 비해서 해상도가 높기 때문에 다른 밴드의 영상에 비해 영상 내 객체에 대한 식별성이 우수하고 IRARS(ImageryResolution AssessmentsandReportingStandards)위원회에 서 흑백영상을 visible영상으로 규정하여 GIQE도 IRARS에서 규정된 visitible영상에서 정의되는 식을 사용한다[2].
제안하였다. 제안한 알고리즘은 영상에서 GIQE를 구성하는 파라미터 중 RER과 H를 측정하여 사용하였다.그리고 동일한 영상에 대해서 영상 분석 전문가에 의해 측정되는 NIIRS수치보다 더욱 객관적이고 편차ㄹ가 적은 측정을 위해서 에지의 길이, 각도, 선형성(Linearity), SNR등과 같은 파라미터를 이용하여 에지 영역 추출을 알고리즘을 제안하였다.
데이터처리
107594(2standard deviation)으로 측정되었다.수동 측정치와 자동 측정치는 오차 범위 내에서 같게 측정되었으며 이 결과를 통해 자동 NIIRS측정 알고리즘의 신뢰도를 검증하였다.
이론/모형
ESF를 구하는 방법 중 sourcetarget의 모양이 점, 선 등의 모양에 따라 측정 방법이 달라지는데 검출하는 에지에 밝고 어두운 영역을 가지고 있으므로 SlantedEdgeMethod를 사용하여 ESF를 획득한다. Fig.
에지 영상에 대해서 직선 형태의 에지 부분을 검출하기 위해서 우리는 허프 트랜스폼(HoughTrans- form)을 사용한다[11].허프 트랜스폼은 식(2)과 같이 x, y축을 r과 로 표현한다.
진행되었다. 하지만 기존 자동화 연구들은 에지 후보 점을 추출하는 방법으로 Moravec operator를 사용하였다.
성능/효과
13은 일반 위성영상에서 추출한 에지 영역의 일부이다. 각각의 영상에 빨간 원으로 표시된 것이 추출한 에지 영역의 중심이며, 모든 샘플에서 선형성과 SNR기준을 만족하였다.
수동 측정시의 NIIRS평균치는 3.6203±0.153934 (2standarddeviation)로 측정되었으며, 자동 측정시의 NIIRS의 평균치는 3.6190±0.107594(2standard deviation)으로 측정되었다.수동 측정치와 자동 측정치는 오차 범위 내에서 같게 측정되었으며 이 결과를 통해 자동 NIIRS측정 알고리즘의 신뢰도를 검증하였다.
우리는 인공표적을 이용한 수동 및 자동 측정 실험에서는 자동 NIIRS측정 알고리즘의 신뢰도를 검증하였고, 일반영상을 이용한 자동 측정 실험을 통해서 인공 표적에서의 에지 영역과 유사하게 추출했음을 확인할 수 있었다.
15321(2 standard deviations)으로 측정되었다. 이 수치는 NIIRS를 측정하기에 가장 좋은 인공 표적과 유사한 값(평균 오차 0.0152)으로 측정되어 일반 영상에서 추출한 에지 영역이 인공 표적에서의 에지 영역과 유사하게 추출했음을 알 수 있다.
후속연구
본 연구를 통해 일반 위성영상에서의 에지 영역을 이용하여 위성영상의 해상력 평가 후 사용자에게 품질 정보를 제공할 수 있으며, 영상마다 검출된 에지 영역의 데이터 구축을 통해 위성의 노화 예측 및 보정이 가능할 것이다.
J. Leachtenauer, W. Malila, J. Irvine, L.Colburn, and N. Salvaggio, "General Image-Quality Equation: GIQE," Journal of Applied Optics, Vol. 36, No. 32, pp. 8322-8328, 1997.
Image Quality Evaluation of Quickbird Super Resolution and Revisit of IKONOS : Civil and Commercial Application Project, JACIE, http://calval.cr.usgs.gov/JACIE_files/JACIE04/files/1Jones12.pdf (accessed Dec., 10, 2015).
H.S. Kim, Research for the Automatic Rating of Satellite Image Interpretability, Master's Thesis of Inha University of Geographic Information Engineering Department, 2008.
T. Kim, J. Kim, D. Kim, and J. Jeong, "Automated Image Interpretability Assessment by Edge Profile Analysis of Natural Targets," Proceeding of Annual Conference, American Society for Photogrammetry and Remote Sensing, pp. 417-422, 2010.
L. Lin, H. Luo, and H. Zhu, "Estimation of the Image Interpretability of ZY-3 Sensor Corrected Panchromatic Nadir Data," Journal of Remote Sensing, Vol. 6, pp. 4409-4429, 2014.
R. Ryan, B. Baldridge, R.A. Schowengerdt, T. Choi, D. Helder, S. Blonsk, "IKONOS Spatial Resolution and Image Interpretability Characterization," Journal of Remote Sensing of Environment, Vol. 88, pp. 37-52, 2014.
K. Kohm, "Modulation Transfer Function Measurement Method and Results for the Orbview-3 High Resolution Imaging Satellite," Proceeding of International Society for Photogrammetry and Remote Sensing, pp. 7-12, 2004.
U.M. Leloglu and E. Tunali, "On-orbit Modulation Transfer Function Estimation for BiLSAT Imagers," Proceeding of International Society for Photogrammetry and Remote Sensing, pp. 45-51, 2006.
M. Crespi and L.D. Vendictis, "A Procedure for High Resolution Satellite Imagery Quality Assessment," Sensors, Vol. 9, No. 5, pp. 3289-3313, 2009.
R.O. Duda and P.E. Hart, "Use of the Hough Transformation to Detect Lines and Curves in Pictures," Journal of Communications of the Assoclation for Computing Machinery, Vol. 15, No. 1, pp. 11-15, 1972.
P.D. Burns, "Slanted-edge MTF for Digital Camera and Scanner Analysis," Proceeding of Image Processing, Image Quality, Image Capture, Systems Conference, pp. 135-138, 2000.
D. Williams, "Benchmarking of the ISO 12233 slanted-edge Spatial Frequency Response Plug-in," Proceeding of Image Processing, Image Quality, Image Capture, Systems Conference, pp. 133-136, 1998.
S.S Bae, H.C. Kim, K.S. Kim, H.Y. Park, C.S. Cho, "A Development on The 3D Terrain Map Creator Editor using Satellite Image and Geographic Informatio," Journal of Korea Multimedia Society, Vol. 15, No. 1, pp. 147-150, 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.