[논문]고해상도 시계열 광학 위성 영상과 특징점 추적 기법을 이용한 북극해 해빙 이동 탐지

현창욱; 김현철

doi:10.7780/kjrs.2018.34.6.2.6

고해상도 시계열 광학 위성 영상과 특징점 추적 기법을 이용한 북극해 해빙 이동 탐지
Arctic Sea Ice Motion Measurement Using Time-Series High-Resolution Optical Satellite Images and Feature Tracking Techniques 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.34 no.6 pt.2, 2018년, pp.1215 - 1227

현창욱 (극지연구소 북극해빙예측사업단) , 김현철 (극지연구소 북극해빙예측사업단)

초록
AI-Helper

해빙의 이동은 지역적 분포뿐만 아니라 해빙의 생성 및 두께에도 영향을 미치기 때문에 해빙의 변화를 평가하는 데에 중요한 정보가 된다. 이 연구에서는 북극해 해빙의 이동 특성 탐지를 위해 Korea Multi-Purpose Satellite-2(KOMPSAT-2)와 Korea Multi-Purpose Satellite-3(KOMPSAT-3)의 두 위성 센서로부터 다중 시기 고해상도 광학 위성 영상을 획득하고, SIFT(Scale-Invariant Feature Transform), SURF(Speeded Up Robust Features) 및 ORB(Oriented FAST and Rotated BRIEF)의 특징점 추적 기법을 적용하였다. 두 위성 센서에서 획득된 영상의 활용을 위해 전처리 단계에서 공간해상도와 방사해상도를 일치시킨 후 특징점 추적 기법을 적용한 결과 SIFT의 경우 영상 전반에 걸쳐 특징점의 고른 공간 분포가 나타났고, SURF의 경우 해빙과 해양의 경계 부분에 특징점이 주요하게 분포하는 경향이 관찰되었으며 이러한 경향은 ORB에서 가장 현저하게 나타났다. 특징점 추적 기법별 연산 시간 측정 결과 SIFT, SURF 및 ORB의 순서로 연산 시간이 감소하였다. ORB의 경우 SIFT 기법 대비 추적된 특징점 수가 평균 59.8%로 줄어들었지만 연산 시간은 평균 8.7%에 해당하는 시간이 소요되어 해빙 이동 특성의 고속 탐지에 적합한 기법으로 판단된다.

Abstract ▼ AI-Helper

Sea ice motion is an important factor for assessing change of sea ice because the motion affects to not only regional distribution of sea ice but also new ice growth and thickness of ice. This study presents an application of multi-temporal high-resolution optical satellites images obtained from Korea Multi-Purpose Satellite-2 (KOMPSAT-2) and Korea Multi-Purpose Satellite-3 (KOMPSAT-3) to measure sea ice motion using SIFT (Scale-Invariant Feature Transform), SURF (Speeded Up Robust Features) and ORB (Oriented FAST and Rotated BRIEF) feature tracking techniques. In order to use satellite images from two different sensors, spatial and radiometric resolution were adjusted during pre-processing steps, and then the feature tracking techniques were applied to the pre-processed images. The matched features extracted from the SIFT showed even distribution across whole image, however the matched features extracted from the SURF showed condensed distribution of features around boundary between ice and ocean, and this regionally biased distribution became more prominent in the matched features extracted from the ORB. The processing time of the feature tracking was decreased in order of SIFT, SURF and ORB techniques. Although number of the matched features from the ORB was decreased as 59.8% compared with the result from the SIFT, the processing time was decreased as 8.7% compared with the result from the SIFT, therefore the ORB technique is more suitable for fast measurement of sea ice motion.

주제어

표/그림 (14)

그림 Fig. 2. An example of KOMPSAT-2 image used in this study.
그림 Fig. 1. Overview of study area and KOMPSAT high-resolution satellite image acquisition.
표 Table 1. Specification of KOMPSAT-2 and KOMPSAT-3 satellite images (Seo et al., 2008; Choi et al., 2015; Yeom et al., 2016)
표 Table 2. Combinations of image pairs for sea ice motion measurement using feature tracking techniques
표 Table 3. Parameters considered in optimization of feature tracking techniques
표 Table 4. Selected parameter values for image pair A and B, and feature tracking techniques
표 Table 5. Number of matched features extracted from feature tracking techniques
그림 Fig. 3. Matched features for sea ice motion measurement from (a) SIFT, (b) SURF and (c) ORB techniques, and the images of pair A (KOMPSAT-2 (Aug 14, 2014) – KOMPSAT-3 (Aug 14, 2014)), overlaid on prior and posterior images.
그림 Fig. 4. Matched features for sea ice motion measurement from (a) SIFT, (b) SURF and (c) ORB techniques, and the images of pair B (KOMPSAT-2 (Aug 14, 2014) – KOMPSAT-3 (Aug 15, 2014)), overlaid on prior and posterior images.
그림 Fig. 5. Matched features for sea ice motion measurement from (a) SIFT, (b) SURF and (c) ORB techniques, and the images of pair C (KOMPSAT-3 (Aug 14, 2014) – KOMPSAT-3 (Aug 15, 2014)), overlaid on prior and posterior images.
그림 Fig. 6. Spatial density of matched features from (a) SIFT and the image pair A, B and C, overlaid on prior images, (b) SURF and the image pair A, B and C, overlaid on prior images, and (c) ORB and the image pair A, B and C, overlaid on prior images.
표 Table 6. Mean displace and direction of sea ice motion from feature tracking techniques
표 Table 7. Comparison between sea ice motion from ITP80 buoy trajectory and feature tracking techniques
표 Table 8. Processing time for feature tracking analysis

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

영상 전처리 과정에서 두 위성 센서에서 획득된 다중 분광 영상 중 극지역에서 높은 반사도를 가지는 눈 및 얼음 피복으로부터 발생 가능성이 높으며 영상 구성 화소들의 대비를 저감시키는 화소값 포화 발생 정도에 대해 검토하였다. 화소값 포화 여부는 영상의 방사해상도 최대 수치에 해당하는 화소의 유무로 판단하였으며 포화된 화소의 수가 가장 작은 밴드를 선택하여 분석에 입력 영상으로 사용하였다.

제안 방법

해빙 이동 거리는 작은 공간 규모인 분석 영역 내에 서 큰 변이를 보이지 않지만 두 시계열 영상 내에 공통 적으로 포함되지 않은 해빙에서 추적된 정합 지점의 이 동 거리는 올바르게 추적된 지점의 이동 거리와는 상이한 수치를 나타낸다. 각각의 영상쌍에서 탐지된 이동 거리가 사분위간 범위(interquartile range)의 1.5배를 초과하는 지점은 시계열 영상 내에서 서로 공통되지 않는 영역에서 탐지된 정합 지점과 같은 오탐지로 판단하여 제 거하였다.
특징점 추적 지점의 공간 밀도 파악을 위해 점밀도(point density) 분석을 수행하였다(Silverman, 1986). 공간 밀도 분석 단위는 공간해상도 40 m의 격자로 지정하였고 각 격자에서는 반경 200 m 이내에 포함되는 특징점 추적 지점의 수 를 고려하여 밀도를 평가하였다.
특징점 추적 기법별 탐지된 총 특징점 추적 지점의 수를 비교함으로써 해빙 이동 탐지 능력에 대한 평가를 수행하였다. 또한 동일한 분석 환경인 3.4 GHz로 동작 하는 6 코어 듀얼 CPU 및 512 GB 메모리가 탑재된 워크스테이션에서 연산 시간을 측정하고 처리 효율을 평가 하였다.
영상에서 탐지되는 초기 특징점(key point) 수를 SIFT와 ORB에서는 각 영상마다 50,000개가 되도록 초기값으로 설정하였고, SURF에서도 유사한 수의 초기 특징 점이 탐지되도록 Hessian 임계값을 조절하였다. 많은 수의 정합 지점(matching point)이 탐지될 경우 이동 특 성 탐지가 누락되는 지역이 상대적으로 줄어든 것으로 판단할 수 있기 때문에 영상쌍 A를 대상으로 가장 많은 정합 지점이 산출되게 하는 변수를 최적 변수로 선정하였고, 이를 영상쌍 A뿐만 아니라 동일한 센서로부터 획득된 영상으로 구성된 영상쌍 B와 C에도 적용하여 해빙 이동 탐지를 수행하였다. 입력 변수를 변화시켜도 정합 지점 수에 변화가 없는 경우 기본적으로 기법에서 제안하는 수치를 이용하였다.
특징점 추적 결과는 영상 내의 지역에 설치된 해빙 부이(buoy)인 Ice-Tethered Profiler 80(ITP80)의 이동 궤적과 비교하여 정확도를 평가하였다. 미국 우즈홀해양 연구소(Woods Hole Oceanographic Institution)로부터 제공받은 ITP80의 궤적(Toole et al., 2006)은 매시간 측정되기 때문에 Hyun and Kim(2017)의 제안 방법에 따라 선형 시간 내삽을 통해 영상 획득 시점에서의 위치를 추정하고 이로부터 영상쌍별 부이 이동 거리를 측정하였다. 측정된 ITP80 부이의 이동 거리는 가장 가까운 거리에서 추적된 특징점과의 비교 기준으로 사용되었다.
본 연구에서는 북극해 해빙 표면에 융해 연못이 발달하는 여름 시기에 KOMPSAT-2와 KOMPSAT-3의 두 센서로부터 다중 시기 고해상도 광학 위성 영상을 획득하고, 해빙 이동 특성 탐지를 위해 SIFT, SURF 및 ORB 의 세 특징점 추적 기법을 적용하였다.
본 연구에서는 북극해 해빙을 대상으로 이동 특성 탐지를 위해 여름 시기에 Korea Multi-Purpose Satellite-2 (KOMPSAT-2)와KoreaMulti-PurposeSatellite-3(KOMPSAT3)의 다중 센서에서 다중 시기에 고해상도 광학 위성 영상을 획득하고 특징점 추적 기법을 적용하였다. 세 가지 특징점 추적 기법의 적용 결과를 비교함으로써 기법별 해빙 이동 특성 탐지 능력과 연산 효율성에 대해 평가하였다.
본 연구에서는 북극해 해빙 표면에 융해 연못이 발달하는 여름 시기에 KOMPSAT-2와 KOMPSAT-3의 두 센서로부터 다중 시기 고해상도 광학 위성 영상을 획득하고, 해빙 이동 특성 탐지를 위해 SIFT, SURF 및 ORB 의 세 특징점 추적 기법을 적용하였다. 서로 다른 센서에서 획득된 영상의 활용을 위해 전처리 단계에서 공간 해상도와 방사해상도를 일치시켰다. 특징점 추적 기법 의 적용 결과 SIFT의 경우 영상 전반에 걸쳐 특징점 추적 지점의 고른 공간 분포가 나타났고, SURF의 경우 해빙과 해양의 경계 부분에 특징점 추적 지점이 주요하게 분포하는 경향이 관찰되었으며 이러한 경향은 ORB에 서 가장 두드러지게 나타났다.
본 연구에서는 북극해 해빙을 대상으로 이동 특성 탐지를 위해 여름 시기에 Korea Multi-Purpose Satellite-2 (KOMPSAT-2)와KoreaMulti-PurposeSatellite-3(KOMPSAT3)의 다중 센서에서 다중 시기에 고해상도 광학 위성 영상을 획득하고 특징점 추적 기법을 적용하였다. 세 가지 특징점 추적 기법의 적용 결과를 비교함으로써 기법별 해빙 이동 특성 탐지 능력과 연산 효율성에 대해 평가하였다.
2014년 8월에 쇄빙연구선 아라온 호의 북극해 현장조사 기간 중 KOMPSAT-2와 KOMPSAT-3 위성으로부터 서로 다른 날짜 및 위성 궤도에 의해 발생되는 시간 차이로부터 세 개의 시계열 영상을 획득하였다(Table 1). 세 영상은 시간의 흐름에 따른 해빙의 이동 탐지를 위해 획득 시 중첩 영역이 생성되도록 하였다(Fig. 1). 영상 획득 지역은 대부분의 영역에 해빙이 분포하여 NSIDC의 해빙 밀도 데이터와 일치하였고, 해빙 표면에 융빙으로 인한 융해 연못(melt pond)이 다수 분포하는 것이 육안으로 관찰되었다(Fig.
, 2011) 수치를 변화시키며 특징점 탐지 결과에 대한 민감도 분석을 수행하였다(Table 3). 연산 효율화 및 민감도 분석 단위 조절을 위해 일부 변수에 대해서는 변수 변화 구간을 두 단계로 구분하였다.
영상쌍 A를 대상으로 세 특징점 추적 기법별 주요 입력 변수에 대한 민감도 분석을 수행하였고, 가장 많은 특징점 추적 지점이 탐지되는 변수를 최적 변수로 선정 하였다(Table 4). 탐지된 key point 중 정합 지점을 선별 하는 기준인 threshold for ratio test 값은 모두 동일하게 0.
영상에서 탐지되는 초기 특징점(key point) 수를 SIFT와 ORB에서는 각 영상마다 50,000개가 되도록 초기값으로 설정하였고, SURF에서도 유사한 수의 초기 특징 점이 탐지되도록 Hessian 임계값을 조절하였다. 많은 수의 정합 지점(matching point)이 탐지될 경우 이동 특 성 탐지가 누락되는 지역이 상대적으로 줄어든 것으로 판단할 수 있기 때문에 영상쌍 A를 대상으로 가장 많은 정합 지점이 산출되게 하는 변수를 최적 변수로 선정하였고, 이를 영상쌍 A뿐만 아니라 동일한 센서로부터 획득된 영상으로 구성된 영상쌍 B와 C에도 적용하여 해빙 이동 탐지를 수행하였다.
많은 수의 정합 지점(matching point)이 탐지될 경우 이동 특 성 탐지가 누락되는 지역이 상대적으로 줄어든 것으로 판단할 수 있기 때문에 영상쌍 A를 대상으로 가장 많은 정합 지점이 산출되게 하는 변수를 최적 변수로 선정하였고, 이를 영상쌍 A뿐만 아니라 동일한 센서로부터 획득된 영상으로 구성된 영상쌍 B와 C에도 적용하여 해빙 이동 탐지를 수행하였다. 입력 변수를 변화시켜도 정합 지점 수에 변화가 없는 경우 기본적으로 기법에서 제안하는 수치를 이용하였다. 이전 영상과 이후 영상에서 탐지된 특징점들에 대해서는 무작위 대입법(bruteforce) 기반의 정합을 수행하였다.
총 세 시계열 영상으로부터 시간 간격에 차이가 나도록 조합된 A, B 및 C의 세 영상쌍(image pair)을 지정하였다(Table 2). 영상쌍의 획득 시간 간격은 최소 1시간 57분 55초와 최대 26시간 36분 19초이다.
특징점 추적 결과로부터 분석 대상 영역 내에서의 평균 해빙 이동 거리와 방향에 대해 분석하였다(Table 6). 세 특징점 추적 기법 기반의 해빙 이동 거리와 방향은 모두 유사한 수치를 나타내었다.
특징점 추적 기법별 탐지된 총 특징점 추적 지점의 수를 비교함으로써 해빙 이동 탐지 능력에 대한 평가를 수행하였다. 또한 동일한 분석 환경인 3.
특징점 추적 기법별로 연산 시간을 측정하였다(Table 8). 세 영상쌍에서 동일하게 SIFT, SURF 및 ORB의 순으로 연산 시간이 감소하였다.
특징점 추적 지점의 공간 분포 분석을 위해 지점 밀도 분석을 수행하였다(Fig. 6). 점밀도 분포도에서 SIFT, SURF 및 ORB의 순으로 미탐지 영역이 증가함을 확인 할 수 있다.
해빙 이동 탐지는 다중 센서에서 획득된 영상의 활용을 위한 전처리 및 특징점 탐지와 추적을 수행하는 두 단계의 분석 과정으로 구성되었다.

대상 데이터

2014년 8월에 쇄빙연구선 아라온 호의 북극해 현장조사 기간 중 KOMPSAT-2와 KOMPSAT-3 위성으로부터 서로 다른 날짜 및 위성 궤도에 의해 발생되는 시간 차이로부터 세 개의 시계열 영상을 획득하였다(Table 1). 세 영상은 시간의 흐름에 따른 해빙의 이동 탐지를 위해 획득 시 중첩 영역이 생성되도록 하였다(Fig.
다중분 광 밴드 중 green 밴드는 모든 영상에서 화소값 포화가 나타나지 않았고 red 밴드의 경우 단 세 화소에서 화소값 포화가 발생되었지만 화소값 분포 범위가 green 밴드 보다 넓기 때문에 영상 대비 특성이 상대적으로 우수하다고 판단된 red 밴드를 특징점 추적 분석 대상 영상으로 선정하였다.
연구 대상 지역은 북극해 중 북위 77°20′, 서경 146°00′ 인근의 보퍼트해(Beaufort Sea)에 속하는 지역이다(Fig. 1).

데이터처리

, 2006)은 매시간 측정되기 때문에 Hyun and Kim(2017)의 제안 방법에 따라 선형 시간 내삽을 통해 영상 획득 시점에서의 위치를 추정하고 이로부터 영상쌍별 부이 이동 거리를 측정하였다. 측정된 ITP80 부이의 이동 거리는 가장 가까운 거리에서 추적된 특징점과의 비교 기준으로 사용되었다.
특징점 추적 결과는 영상 내의 지역에 설치된 해빙 부이(buoy)인 Ice-Tethered Profiler 80(ITP80)의 이동 궤적과 비교하여 정확도를 평가하였다. 미국 우즈홀해양 연구소(Woods Hole Oceanographic Institution)로부터 제공받은 ITP80의 궤적(Toole et al.
특징점 추적 지점은 탐지에 사용된 영상 위에 도시함으로써 공간 분포에 대해 파악할 수 있다. 특징점 추적 지점의 공간 밀도 파악을 위해 점밀도(point density) 분석을 수행하였다(Silverman, 1986). 공간 밀도 분석 단위는 공간해상도 40 m의 격자로 지정하였고 각 격자에서는 반경 200 m 이내에 포함되는 특징점 추적 지점의 수 를 고려하여 밀도를 평가하였다.
, 2011). 효과적인 특징점 탐지를 위해 기법별 주요 입력 변수와 제안된 기본값을 파악하고(Lowe, 2004; Bay et al., 2006; Rublee et al., 2011) 수치를 변화시키며 특징점 탐지 결과에 대한 민감도 분석을 수행하였다(Table 3). 연산 효율화 및 민감도 분석 단위 조절을 위해 일부 변수에 대해서는 변수 변화 구간을 두 단계로 구분하였다.

이론/모형

, 2006). ORB는 실시간 영상정합을 목적으로 Features from Accelerated Segment Test(FAST) corner detection 방법을 사용하여 특징점을 탐지하고 특징점 서술자(descriptor)로 Binary Robust Independent Elementary Features(BRIEF)의 회전 취약성을 보완한 rBRIEF 방법을 사용한다(Rublee et al., 2011). 효과적인 특징점 탐지를 위해 기법별 주요 입력 변수와 제안된 기본값을 파악하고(Lowe, 2004; Bay et al.
화소값 포화 여부는 영상의 방사해상도 최대 수치에 해당하는 화소의 유무로 판단하였으며 포화된 화소의 수가 가장 작은 밴드를 선택하여 분석에 입력 영상으로 사용하였다. 사용된 두 센서의 영상은 공간해상도와 방사해상도가 다르기 때문에 시계열 비교를 위해 공간해상도는 낮은 해상도의 KOMPSAT-2 영상에 준하여 4 m로 재배열(resampling)하였고, 방사해상도는 8 bit가 되도록 선형 변환(linear stretching)을 수행하였다.
특징점 추적을 위해 기존에 Sentinel-1 SAR 데이터 기반의 해빙 이동 특성탐지에 사용되어온 SIFT(Scale-Invariant Feature Transform), SURF(Speeded Up Robust Features) 및 ORB(Oriented FAST and Rotated BRIEF)의 세 기법을 적용하였다(Muckenhuber et al., 2016; Muckenhuber and Sandven, 2017). 세 기법은 주변 화소들의 밝기 분포 및 차이로부터 구분되며 크기와 회전에 불변인 특징적인 지점을 탐지하고 정합시킬 수 있는 영상처리 기법이기 때문에 고해상도 광학 위성영상에도 적용 가능하다.

성능/효과

ITP80 궤적을 기준으로 산정한 특징점 추적 기반 해빙 이동 거리의 평균 제곱근 오차(root mean square error, RMSE)는 64.99 ± 1.16 m인 것으로 평가되었고 Hyun and Kim(2017)에서 언급된 내용과 같이 KOMPSAT-2와 KOMPSAT-3 위성 영상의 위치 오차(geolocation error)에 의한 영향이 주요한 것으로 판단된다.
ITP80 부이의 이동 궤적과 가장 근거리에서 탐지된 해빙 이동 사이의 거리는 SIFT, SURF 및 ORB에서 각각 21.98 ± 3.71 m, 33.39 ± 7.37 m 및 37.80 ± 7.73 m인 것 으로 평가되었으며(Table 7) 최대 약 51 m로 부이가 설치된 동일 해빙에서 이동이 탐지된 것으로 판단할 수 있다.
특징점 추적 기법별 연산 시간의 측정 결과 SIFT, SURF 및 ORB의 순으로 연산 시간이 감소하였다. ORB의 경우 SIFT 기법 대비 탐지된 특징점 추적 지점 수가 평균 59.8%로 줄어들었지만 연산 시간은 평균 8.7%에 해당하는 시간이 소요되어 시간 감소 정도가 SURF보다 더 크기 때문에 해빙 이동 특성의 고속 탐지에 적합한 기법으로 판단된다.
선정된 입력 변수를 기반으로 수행한 특징점 추적 결과에서는 영상쌍 A, B 및 C 모두에서 오탐지 지점 제거 전과 후에 동일하게 SIFT, SURF 및 ORB의 순으로 특징 점 추적 성능이 우수한 것으로 평가되었다(Table 5). 영상쌍 C의 경우 사분위간 범위를 이용한 오탐지 지점 제거 후에 SURF와 ORB 결과에서 각각 1개의 잔여 오탐지된 정합 지점이 발견되어 추가적으로 제거하였다.
특징점 추적 기법별로 연산 시간을 측정하였다(Table 8). 세 영상쌍에서 동일하게 SIFT, SURF 및 ORB의 순으로 연산 시간이 감소하였다. ORB의 경우 SIFT 기법 대 비 탐지된 특징점 추적 지점 수가 평균 59.
특징점 추적 결과로부터 분석 대상 영역 내에서의 평균 해빙 이동 거리와 방향에 대해 분석하였다(Table 6). 세 특징점 추적 기법 기반의 해빙 이동 거리와 방향은 모두 유사한 수치를 나타내었다. 차이의 발생은 오탐지 지점에 의한 영향보다는 탐지된 특징점 추적 지점들의 수와 위치 차이에 의한 것으로 판단된다.
영상 구성 화소들의 밝기 대비가 뚜렷한 해빙과 해양의 경계 지점에서는 세 기법 모두에서 특징점 추적이 잘 이루어졌지만 상대적으로 대비가 낮은 해빙 내부의 지점에서는 SIFT가 가장 우수한 특징점 추적 성능을 나타내었다.
1). 영상 획득 지역은 대부분의 영역에 해빙이 분포하여 NSIDC의 해빙 밀도 데이터와 일치하였고, 해빙 표면에 융빙으로 인한 융해 연못(melt pond)이 다수 분포하는 것이 육안으로 관찰되었다(Fig. 2).
영상쌍 A, B 및 C에 대해 오탐지된 지점이 제거된 특 징점 추적 지점을 영상 위에 도시하였을 때 두 시계열 영상에서 공통적으로 포함되는 영역에서만 특징점 추적 지점의 분포가 확인되었다. 영상쌍 A에 특징점 추적 지점을 중첩하여 도시하면 가장 많은 지점이 탐지되었 던 SIFT의 경우 영상 전반에 걸쳐 특징점 추적 지점의 고른 공간 분포가 나타났고, SURF의 경우 해빙과 해양 의 경계 부분에 특징점 추적 지점이 주요하게 분포하는 경향이 관찰되었으며, 이러한 경향은 ORB에서 가장 현저하게 나타났다(Fig.
영상쌍 A, B 및 C에 대해 오탐지된 지점이 제거된 특 징점 추적 지점을 영상 위에 도시하였을 때 두 시계열 영상에서 공통적으로 포함되는 영역에서만 특징점 추적 지점의 분포가 확인되었다. 영상쌍 A에 특징점 추적 지점을 중첩하여 도시하면 가장 많은 지점이 탐지되었 던 SIFT의 경우 영상 전반에 걸쳐 특징점 추적 지점의 고른 공간 분포가 나타났고, SURF의 경우 해빙과 해양 의 경계 부분에 특징점 추적 지점이 주요하게 분포하는 경향이 관찰되었으며, 이러한 경향은 ORB에서 가장 현저하게 나타났다(Fig. 3). 영상쌍 B와 C의 경우도 특징점 추적 지점에 대해 영상쌍 A와 유사한 공간 분포가 도시 되었다(Fig.
6). 점밀도 분포도에서 SIFT, SURF 및 ORB의 순으로 미탐지 영역이 증가함을 확인 할 수 있다. 영상 구성 화소들의 밝기 대비가 뚜렷한 해빙과 해양의 경계 지점에서는 세 기법 모두에서 특징점 추적이 잘 이루어졌지만 상대적으로 대비가 낮은 해빙 내부의 지점에서는 SIFT가 가장 우수한 특징점 추적 성능을 나타내었다.
서로 다른 센서에서 획득된 영상의 활용을 위해 전처리 단계에서 공간 해상도와 방사해상도를 일치시켰다. 특징점 추적 기법 의 적용 결과 SIFT의 경우 영상 전반에 걸쳐 특징점 추적 지점의 고른 공간 분포가 나타났고, SURF의 경우 해빙과 해양의 경계 부분에 특징점 추적 지점이 주요하게 분포하는 경향이 관찰되었으며 이러한 경향은 ORB에 서 가장 두드러지게 나타났다. 특징점 추적 기법별 연산 시간의 측정 결과 SIFT, SURF 및 ORB의 순으로 연산 시간이 감소하였다.
특징점 추적 기법 의 적용 결과 SIFT의 경우 영상 전반에 걸쳐 특징점 추적 지점의 고른 공간 분포가 나타났고, SURF의 경우 해빙과 해양의 경계 부분에 특징점 추적 지점이 주요하게 분포하는 경향이 관찰되었으며 이러한 경향은 ORB에 서 가장 두드러지게 나타났다. 특징점 추적 기법별 연산 시간의 측정 결과 SIFT, SURF 및 ORB의 순으로 연산 시간이 감소하였다. ORB의 경우 SIFT 기법 대비 탐지된 특징점 추적 지점 수가 평균 59.

후속연구

광학 위성 영상은 구름 등 기상 상황에 영향을 받지만 극지역에서는 극궤도 지구관측 위성들의 궤도 수렴 특성으로 인해 영상 획득 가능성이 높다. 제시한 사례 와 같이 유사 제원의 고해상도 광학 위성 센서에서 획 득된 영상을 동시에 활용할 경우 기상 의존적인 단점을 저감시키며 정밀한 해빙 이통 특성의 탐지와 동시에 해 빙 표면 구성 파악 등 상태 관측도 가능할 것으로 기대 된다.

참고문헌 (16)

Bay, H., T. Tuytelaars, and L.V. Gool, 2006. Surf: Speeded up robust features, Proc. of 2009 European Conference on Computer Vision, Graz, Austria, May 7-13, vol. 3951, pp. 404-417.
Cavalieri, D., C. Parkinson, P. Gloersen, and H.J. Zwally, 1996. Sea Ice Concentrations from Nimbus-7 SMMR and DMSP SSM/I-SSMIS Passive Microwave Data Version 1, NASA DAAC at the National Snow and Ice Data Center, Boulder, CO, USA.
Choi, J., H.-S. Jung, and S.-H. Yun, 2015. An efficient mosaic algorithm considering seasonal variation: Application to KOMPSAT-2 satellite images, Sensors, 15(3): 5649-5665.

상세보기
Emery, W., C.W. Fowler, and J. Maslanik,1997. Satellite-derived maps of Arctic and Antarctic sea ice motion: 1988 to 1994, Geophysical Research Letters, 24(8): 897-900.

상세보기
Hand, E., 2015. Startup liftoff: how flocks of small, cheap satellites, hatched in Silicon Valley, will constantly monitor a changing Earth. Science, 348(6231): 172-177.

상세보기
Hyun, C.U. and H.C. Kim, 2017. A Feasibility Study of Sea Ice Motion and Deformation Measurements Using Multi-Sensor High-Resolution Optical Satellite Images, Remote Sensing, 9(9): 930.

상세보기
Komarov, A.S. and D.G. Barber, 2014. Sea ice motion tracking from sequential dual-polarization RADARSAT-2 images, IEEE Transactions on Geoscience and Remote Sensing, 52(1): 121-136.

상세보기
Lowe, D.G., 2004. Distinctive image features from scale-invariant keypoints, International Journal of Computer Vision, 60(2): 91-110.

상세보기
Muckenhuber, S., A.A. Korosov, and S. Sandven, 2016. Open-source feature-tracking algorithm for sea ice drift retrieval from Sentinel-1 SAR imagery, The Cryosphere, 10: 913-925.

상세보기
Muckenhuber, S. and S. Sandven, 2017. Open-source sea ice drift algorithm for Sentinel-1 SAR imagery using a combination of feature tracking and pattern matching, The Cryosphere, 11: 1835-1850.

상세보기
Rublee, E., V. Rabaud, K. Konolige, and G. Bradski, 2011. ORB: an efficient alternative to SIFT or SURF, Proc. of 2011 IEEE international conference on Computer Vision (ICCV), Barcelona, Spain, Nov. 6-13, pp. 2564-2571.
Seo, D.C., J.Y. Yang, D.H. Lee, J.H. Song, and H. Lim, 2008. KOMPSAT-2 direct sensor modeling and geometric calibration/validation, Proc. of the International Society for Photogrammetry and Remote Sensing Congress, Beijing, China, Jul. 3-11, pp. 47-51.
Silverman, B.W., 1986. Density Estimation for Statistics and Data Analysis, Routledge, New York, USA.
Toole, J., R. Krishfield, A. Proshutinsky, C. Ashjian, K. Doherty, D. Frye, T. Hammer, J. Kemp, D. Peters, M. Timmermans, K. Heydt, G. Packard, and T. Shanahan, 2006. Ice-tethered profilers sample the upper Arctic Ocean, Eos, Transactions American Geophysical Union, 87(41): 434-438.

상세보기
Yeom, J.-M., J. Hwang, C.-G. Jin, D.-H. Lee, and K.-S. Han, 2016. Radiometric characteristics of kompsat-3 multispectral images using the spectra of well-known surface tarps, IEEE Transactions on Geoscience and Remote Sensing, 54(10): 5914-5924.

상세보기
Yu, J., A. Liu, Y. Yang, and Y. Zhao, 2013. Analysis of sea ice motion and deformation using AMSR-E data from 2005 to 2007, International Journal of Remote Sensing, 34(12): 4127-4141.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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