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 따라, 두 정사영상의 색상보정을 성공적으로 수행하기 위해서는 두 정사영상의 상대적인 지상좌표 오차를 고려하여 색상보정을 수행하여야 한다. 본 연구에 서는 이러한 점에 주목하여, 두 정사영상의 상대적인 지상좌표 오차를 고려하여 색상보정을 수행하고자 하였다.이를 위하여, 본 연구에서는 상대적인 지상좌표의 오차를 확인한 후, block sum 방법을 이용하여 오차로 발생한 두 정사영상 간 색상의 차이를 저감하고자 하였다.
- 본 연구에 서는 이러한 점에 주목하여, 두 정사영상의 상대적인 지상좌표 오차를 고려하여 색상보정을 수행하고자 하였다.이를 위하여, 본 연구에서는 상대적인 지상좌표의 오차를 확인한 후, block sum 방법을 이용하여 오차로 발생한 두 정사영상 간 색상의 차이를 저감하고자 하였다.block sum 크기에 따른 선형회귀계수 변화를 확인하고자 하였으며, 각각의 추정된 계수를 적용하여 색상보정을 수행하였다.
- 다섯 번째 단계로서, 보정된 영상의 시각적인 분석과 정량적인 분석을 실시하였다. 마지막으로 상대적인 지상좌표 위치오차에 따른 적합한 block sum의 크기를 제시하고자 하였다.
- 본 연구에서는 인접한 항공영상의 상대적인 위치오차를 고려한 색상보정방법을 적용하기 위하여 수행되 었다. 동일 촬영시기 영상에 대하여 대상영상의 공간적 위치변화를 강제로 조정하여 상대적인 위치오차를 측정하였으며, RMSE가 가장 낮게 나타나는 위치 변화량이 곧 정사보정 정밀도에 따라 발생한 위치오차임을 확인하였다.
제안 방법
- 이를 위하여, 본 연구에서는 상대적인 지상좌표의 오차를 확인한 후, block sum 방법을 이용하여 오차로 발생한 두 정사영상 간 색상의 차이를 저감하고자 하였다.block sum 크기에 따른 선형회귀계수 변화를 확인하고자 하였으며, 각각의 추정된 계수를 적용하여 색상보정을 수행하였다. 이후 색상보정은 히스토그램 구조 유사성 지수(histogram structural similarity, HSSIM)를 활용하여 평가하였으며, 위치오차에 따른 적합한 block sum의 크기를 제시하고자 하였다.
- block sum 크기에 따른 선형회귀계수 변화를 확인하고자 하였으며, 각각의 추정된 계수를 적용하여 색상보정을 수행하였다. 이후 색상보정은 히스토그램 구조 유사성 지수(histogram structural similarity, HSSIM)를 활용하여 평가하였으며, 위치오차에 따른 적합한 block sum의 크기를 제시하고자 하였다.
- 1). 첫 번째 단계로서, 동일날짜에 촬영한 항공영상을 획득하여 각각 번들조정과 정사보정을 실시하였다. 두 번째 단계로서, 두 정사영상의 상대적인 지상좌표 위치오차를 측정하였다.
- 첫 번째 단계로서, 동일날짜에 촬영한 항공영상을 획득하여 각각 번들조정과 정사보정을 실시하였다. 두 번째 단계로서, 두 정사영상의 상대적인 지상좌표 위치오차를 측정하였다. 세 번째 단계로서, 각각의 block sum 크기를 적용하여 히스토그램 매칭을 위한 계수를 추정하였다.
- 두 번째 단계로서, 두 정사영상의 상대적인 지상좌표 위치오차를 측정하였다. 세 번째 단계로서, 각각의 block sum 크기를 적용하여 히스토그램 매칭을 위한 계수를 추정하였다. 네 번째 단계로서 추정된 계수로부터 히스토그램 매칭 기법을 적용하여 대상영상의 색상을 보정하였다.
- 네 번째 단계로서 추정된 계수로부터 히스토그램 매칭 기법을 적용하여 대상영상의 색상을 보정하였다. 다섯 번째 단계로서, 보정된 영상의 시각적인 분석과 정량적인 분석을 실시하였다. 마지막으로 상대적인 지상좌표 위치오차에 따른 적합한 block sum의 크기를 제시하고자 하였다.
- 인접영상 간 상대위치오차 실험과 block sum 크기별로 추정된 회귀계수를 적용하여 기준영상과 대상영상의 색상보정을 수행하였다. Fig.
- 이에 본 연구에서는 상대적인 지상좌표 위치오차를 고려하여 색상보정 결과를 향상시키고자 NIR 영상을 상으로 2×2, 4×4, 8×8, 16×16 크기의 block sum 적용하고, 적용 전후의 선형회귀계수 추정 결과를 비교하 였다.
대상 데이터
- 본 연구에서는 상대정사보정 정밀도에 따른 색상보정 방법에 대한 연구를 수행하기 위하여 DMC I 카메라로부터 동일날짜에 촬영된 두 항공영상을 획득하였다[Fig. 3]. DMC I 카메라는 면형센서를 탑재하여 프레임 (frame) 단위의 영상을 제공한다.
- DMC I 카메라는 면형센서를 탑재하여 프레임 (frame) 단위의 영상을 제공한다. 촬영된 영상은 경기도 가평군 설악면 주변의 산악지역을 2016년 9월 20일에 오전 10시에 촬영된 영상으로, Fig. 3은 Green, Red, NIR 파장대역의 영상을 각각 청색, 녹색, 붉은색 컬러로 조합한 것이다.
- 두 항공영상의 번들보정과 정사보정은 국토지리정 보원의 작업규정에 따라 항공삼각측량을 통한 외부표 정요소와 국토지리정보원에서 제공하는 수치표고모델을 이용하여 수행되었으며, 최종적으로 공간해상도 25 cm를 지니는 정사영상으로 제작되었다. 이후 수치지형도와의 위치정확도를 검사하여 약 28.
데이터처리
- 지상좌표 위치오차를 저감하기 위하여 block sum 크기에 따라 추정된 선형회귀계수를 이용하여 색상보정을 수행하였으며, 시각적·정량적인 분석을 수행하였다.
이론/모형
- 따라서 넓은지역의 연구를 위해 각각의 촬영된 영상들을 집성하여 활용하는 것이 일반적이다. 이를 위하여 각각의 영상들을 대상으로 지상기준점(ground control point, GCP)을 이용하여 번들조정(bundle adjustment)을 수행하고, 수치표고모델(digital elevation model, DEM)을 이용하여 정사보정을 수행한다. 이러한 항공영상의 번들조정과 정사보정 방법은 오랜 기간에 걸쳐 다양한 연구자들에 의해 제시되어 왔다(Yoo and Lee, 2010; Choi et al.
- 지상좌표 위치오차를 저감하기 위하여 block sum 크기에 따라 추정된 선형회귀계수를 이용하여 색상보정을 수행하였으며, 시각적·정량적인 분석을 수행하였다. 정량적인 분석은 기준영상과 대상지역의 히스토그램 유사성을 수치로 나타내는 HSSIM index를 활용 하였다. 그 결과로서, 다음과 같은 결론을 얻었다.
성능/효과
- 두 항공영상의 번들보정과 정사보정은 국토지리정 보원의 작업규정에 따라 항공삼각측량을 통한 외부표 정요소와 국토지리정보원에서 제공하는 수치표고모델을 이용하여 수행되었으며, 최종적으로 공간해상도 25 cm를 지니는 정사영상으로 제작되었다. 이후 수치지형도와의 위치정확도를 검사하여 약 28.9 cm의 지상좌표 위치오차를 지니는 것으로 확인 되었다.
- 대상영상의 공간적 위치변화를 강제로 주었을 때, 가로방향과 세로방향의 위치오차는 원점으로부터 멀어 질수록 커지는 것을 확인할 수 있으며, 위치의 차이가 커질수록 RMSE는 급격히 증가하게 된다. 실험영상의 경우, 가로방향으로 Green과 Red 영상은 왼쪽으로 한 픽셀, NIR영상은 왼쪽으로 두 픽셀을 이동했을 경우 가장 작은 RMSE를 지니며, 세로방향으로 Green과 NIR 영상 아래방향으로 한 픽셀씩 이동했을 경우 가장 작은 RMSE를 지닌다.
- 여기서 가로 축은 대상영상이며, 세로 축은 기준영상이 된다. 그림에서 확인할 수 있듯이, 동일 날짜에 촬영하였음에도 불구하고, 기울기는 1에 수렴하지 않으며 RMSE 또한 높은 값을 지니는 것을 확인할 수 있다. 이는 영상 간 위치 오차가 존재하기 때문으로, RMSE의 경우 특히 NIR 영상에서 높게 나타나는 것을 확인할 수 있다.
- 7는 NIR 영상에서의 block sum 크기에 따른 선형회귀분석 결과를 나타낸다. 실험결과에서 확인할 수 있듯이, block sum의 크기에 따라 추정된 계수가 달라지게 되며, block sum의 크기가 커질수록 RMSE는 점점 낮아짐을 확인할 수 있다. 여기서 RMSE가 감소하게 되는 가장 큰 이유는 block sum을 통하여 중첩지역에서 기준영상과 대상영상의 화소값의 차이가 감소하기 때문이다.
- 여기서 RMSE가 감소하게 되는 가장 큰 이유는 block sum을 통하여 중첩지역에서 기준영상과 대상영상의 화소값의 차이가 감소하기 때문이다. 즉, block sum의 크기를 키울수록 인접영상간 유사성은 커지게 됨을 확인할 수 있으며, block sum을 적용한 후 추정된 회귀계수는 상대적인 위치오차가 저감되어 추정된 계수로, 색상보정에 효과적으로 활용될 수 있을 것으로 판단된다[Table 1].
- 실험영상의 보정 전 좌·우 영상은 동일한 스케일로 값을 분포하였을때 뚜렷한 색상차이를 지니는 것을 확인할 수 있다.
- 실험영상의 보정 전좌·우 영상은 뚜렷한 색상차이를 지니는 것으로 나타났 으나, 보정 후 좌·우 영상의 색상차이는 감소하게 되어 색상의 유사성을 지니는 것을 시각적으로 확인하였다.
- 동일 촬영시기 영상에 대하여 대상영상의 공간적 위치변화를 강제로 조정하여 상대적인 위치오차를 측정하였으며, RMSE가 가장 낮게 나타나는 위치 변화량이 곧 정사보정 정밀도에 따라 발생한 위치오차임을 확인하였다.
- HSSIM 지수를 활용한 정량적 평가결과, 모든 block sum 크기에서 히스토그램이 유사해 지는 것으로 평가 되었으며, 4×4 크기의 block sum을 적용하였을 경우 가장 낮은 HSSIM 지수를 지니는 것을 확인할 수 있다[Table 2].
- 그러나 보정 후 좌·우 영상의 색상차이는 감소하게 되어 하나의 영상처럼 보이는 것을 육안으로 확인할 수 있다. 이로부터 본 과업에서 제시하는 방법을 활용하여 상대 색상보정을 수행할 경우, 동일 촬영시기 영상에 효과적 으로 적용이 가능한 것으로 판단된다.
- 색상보정전 기준영상과 대상영상은 히스토그램의 차이가 존재 하는 것을 확인할 수 있다. 128값을 기준으로 대상영상이 기준영상에 비하여 높은 값이 더 많이 분포하며, 기준영상은 128이하의 값이 더 많이 분포하는 것을 확인할 수 있다. 반면, 보정 후 두 히스토그램은 보다 유사해 지는 것을 확인할 수 있으며, 128값을 기준으로 차이가 나던 부분이 완화된 것을 육안으로 확인할 수 있다.
- 128값을 기준으로 대상영상이 기준영상에 비하여 높은 값이 더 많이 분포하며, 기준영상은 128이하의 값이 더 많이 분포하는 것을 확인할 수 있다. 반면, 보정 후 두 히스토그램은 보다 유사해 지는 것을 확인할 수 있으며, 128값을 기준으로 차이가 나던 부분이 완화된 것을 육안으로 확인할 수 있다. HSSIM 지수를 활용한 정량적 평가결과, 모든 block sum 크기에서 히스토그램이 유사해 지는 것으로 평가 되었으며, 4×4 크기의 block sum을 적용하였을 경우 가장 낮은 HSSIM 지수를 지니는 것을 확인할 수 있다[Table 2].
- 첫째, 동일날짜에 촬영한 영상임에도 불구하고, 두정사영상은 동일 화소에 대한 지상좌표의 위치오차가 존재하였다. 실험된 영상의 경우, RMSE가 최소를 지니는 공간적 변화가 곧 위치오차를 의미하며, 가로세로 최대 두 픽셀에 해당하였다.
- 둘째, block sum의 크기가 증가함에 따라 선형회귀분석으로부터 추정된 계수는 달라지게 되며, RMSE는 감소하는 것으로 나타났다. 여기서 RMSE가 감소하게되는 가장 큰 이유는 block sum을 통하여 영상의 픽셀차이가 감소하기 때문으로 판단된다.
- 여기서 RMSE가 감소하게되는 가장 큰 이유는 block sum을 통하여 영상의 픽셀차이가 감소하기 때문으로 판단된다. 즉, block sum의 크기를 키울수록 인접영상 간 유사성은 커지게 됨을 확인할수 있으며, 이는 곧 위치오차로 발생한 색상의 차이가 저감될 수 있음을 의미한다. 이에 따라 block sum 방법을 적용한 후 추정된 회귀계수는 상대색상보정에 효과적으로 활용될 수 있을 것으로 판단하였다.
- 셋째, block sum으로부터 추정된 회귀계수를 통하여 색상보정을 수행한 결과, 인접영상의 색상차이가 감소 하였음을 시각적으로 확인하였다. 실험영상의 보정 전좌·우 영상은 뚜렷한 색상차이를 지니는 것으로 나타났 으나, 보정 후 좌·우 영상의 색상차이는 감소하게 되어 색상의 유사성을 지니는 것을 시각적으로 확인하였다.
- HSSIM index 역시 보정 후 감소하는 것을 확인할수 있으며, 4×4 크기의 block sum을 적용하였을 경우 가장 낮은 HSSIM index값을 지니는 것을 확인할 수 있었다.
- 넷째, HSSIM 인덱스를 활용한 정량적 분석결과, 위치 오차에 따른 최적의 block sum 크기를 결정할 수 있었다.색상보정 전 중첩지역에서의 히스토그램은 두 인접영상에서 차이가 존재하는 것을 확인할 수 있었다.
- HSSIM index 역시 보정 후 감소하는 것을 확인할수 있으며, 4×4 크기의 block sum을 적용하였을 경우 가장 낮은 HSSIM index값을 지니는 것을 확인할 수 있었다. 실험영상의 지상좌표 위치오차가 최대 두 픽셀임을 고려할 때, 이의 두 배에 해당하는 크기의 block sum을 적용하는 것이 바람직하였다.
후속연구
- 즉, block sum의 크기를 키울수록 인접영상 간 유사성은 커지게 됨을 확인할수 있으며, 이는 곧 위치오차로 발생한 색상의 차이가 저감될 수 있음을 의미한다. 이에 따라 block sum 방법을 적용한 후 추정된 회귀계수는 상대색상보정에 효과적으로 활용될 수 있을 것으로 판단하였다.
- 본 연구에서는 단일사례에서의 실험을 수행한 것으로, 여러 사례에서의 적용에 대한 연구가 추가적으로 필요하다. 지상좌표의 위치오차는 일반적인 위성영상과 항공영상 시스템에서 발생할 수 있는 것으로, 본 실험에 사용된 영상 외에 여러 영상에서도 존재할 것으로 예상된다.
- 그러나 단일 사례의 결과를 증거로 위치 오차에 따른 적합한 block sum의 크기를 제시하는 것에는 한계가 있다. 또한 본 실험에서 사용된 영상은 동일한 날짜에 촬영된 것으로, 다른 날짜의 영상에서도 제안 방법이 적용될 수 있는지에 대한 연구가 추가적으로 요구되며, 대응점 기반 및 전역적 특성 기반의 색상보정 방법 등 기존 기법과의 객관적인 성능평가 또한 향후에 수행되어야 할 연구이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.