[논문]에지 타겟 분석을 통한 무인기 영상의 선명도 지표 추출

임평채; 서정훈; 김태정

doi:10.7780/kjrs.2018.34.6.1.6

에지 타겟 분석을 통한 무인기 영상의 선명도 지표 추출
Extraction of UAV Image Sharpness Index Using Edge Target Analysis 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.34 no.6 pt.1, 2018년, pp.905 - 923

임평채 (인하대학교 공간정보공학과) , 서정훈 (인하대학교 공간정보공학과) , 김태정 (인하대학교 공간정보공학과)

초록
AI-Helper

무인기 영상을 활용한 고해상도의 산출물을 생성하기 위해서 영상 분석을 통해 측정되는 영상자체의 선명도 분석이 필요하다. 무인기의 선명도가 명확하지 않는 영상을 현업에서 사용할 경우 무인기를 이용한 정확한 3차원 정보의 획득이나 매핑 등의 작업에 큰 영향을 미칠 수 있다. 영상 선명도를 설명할 수 있는 지표로 식별해상도(Ground Resolved Distance, GRD)가 사용되어 왔다. GRD는 영상에서 식별 가능한 두 물체간의 최소거리로 정의되며 공간적 샘플간격인 GSD(Ground Sampling Distance)와 대비되는 개념으로 사용된다. 본 연구에서는 GRD를 육안판독에 의하지 않고 영상에 촬영된 에지 타겟을 분석하여 추출하고자 한다. 특히 GRD대 GSD의 비율(GRD/GSD), 또는 픽셀단위로 표현된 GRD를 영상의 상대적 선명성을 평가할 수 있는 지표로 사용하고자 한다. 본 논문에서는 회전익을 사용하여 여러 촬영환경에서 고도별로 촬영된 에지타겟의 분석을 통해서 GRD를 산출하였다. GRD/GSD를 사용하여 선명도가 현저히 떨어지는 영상을 판별할 수 있었고 이를 통해서 영상의 선명도 지표로서의 적정성을 확인할 수 있었다.

Abstract ▼ AI-Helper

In order to generate high-resolution products using UAV images, it is necessary to analyze the sharpness of the themselves measured through image analysis. When images that have unclear sharpness of UAV are used in the production, they can have a great influence on operations such as acquisition and mapping of accurate three-dimensional information using UAV. GRD (Ground Resolved Distance) has been used as an indicator of image clarity. GRD is defined as the minimum distance between two identifiable objects in an image and is used as a concept against the GSD (Ground Sampling Distance), which is a spatial sample interval. In this study, GRD is extracted by analyzing the edge target without visual analysis. In particular, GRD to GSD ratio (GRD/GSD), or GRD expressed in pixels, is used as an index for evaluation the relative image sharpness. In this paper, GRD is calculated by analyzing edge targets at various altitudes in various shooting environments using a rotary wing. Using GRD/GSD, it was possible to identify images whose sharpness was significantly lowered, and the appropriateness of the image as an image clarity index was confirmed.

주제어

표/그림 (24)

그림 Fig. 1. Siemens Star.
그림 Fig. 2. Bar Target (Kim and Kim, 2011a).
그림 Fig. 3. Edge Method (Kim and Kim, 2011a).
그림 Fig. 4. Self-developed software ESF estimation algorithm for GRD calculation.
그림 Fig. 5. Example of ESF extraction using a SW developed in-house.
표 Table 1. UAV Specification
그림 Fig. 6. Acquired images for image quality analysis (Lim et al., 2018).
표 Table 2. Experiment Sensor
그림 Fig. 7. GRD Analysis Target Details.
표 Table 3. Data information
그림 Fig. 8. ESF and LSF from self-developed and Quick MTF (Blue : self-developed; Orange : Quick MTF).
표 Table 4. Test equipment and images
표 Table 5. The first visual analysis data by altitude using A5100
표 Table 6. The second visual analysis data by altitude using A5100
표 Table 7. The third visual analysis data by altitude using A5100
표 Table 8. The third visual analysis data by altitude using RX100
표 Table 9. The third visual analysis data by altitude using RX100
표 Table 10. The edge targets of first data by altitude using A5100
표 Table 11. The edge analysis of second data using A5100 (blue : the highest, yellow : the lowest)
표 Table 12. The edge analysis of third data using A5100 (blue : the highest, yellow : the lowest)
표 Table 13. The edge analysis of third data using RX1R (blue : the highest, yellow : the lowest)
표 Table 14. The edge analysis of third data using RX100 (blue : the highest, yellow : the lowest)
그림 Fig. 9. The Sharpness Index by altitude.
표 Table 15. The edge analysis of fourth data using RX1R (blue : the highest, yellow : the lowest)

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 논문에서는 무인기 영상의 식별해상도를 추출하는 방법으로 에지타겟을 활용하는 방법을 제안하고자 한다. 본 연구진의 선행연구(Kim and Kim, 2011a; Kim and Kim, 2011b )에서는 위성영상의 정확한 GRD를 측정하기 위해 에지추출 및 분석기술을 개발하였고 육안분석과 에지분석으로 산출된 GRD 수치가 비슷하게 나타나는 것을 확인하였다.
본 연구에서는 선행연구(Kim et al., 2010a, Kim et al., 2010b; Kim and Kim, 2011a)에서 개발된 에지분석 기술을 개량하여 연구를 수행하였다. 에지분석은 에지 선택, 에지 추출, 에지 정규화, 에지 중심검출 및 재배치의 순서로 진행된다.
본 연구진의 선행연구(Kim and Kim, 2011a; Kim and Kim, 2011b )에서는 위성영상의 정확한 GRD를 측정하기 위해 에지추출 및 분석기술을 개발하였고 육안분석과 에지분석으로 산출된 GRD 수치가 비슷하게 나타나는 것을 확인하였다. 본 연구에서는 선행연구에서 개발한 에지분석 기술을 개량하여 다양한 기상조건에서 취득된 무인기 영상으로부터 GRD를 산출하고자 한다. 아울러, 식별해상도 대 공간해상도의 비율 (GRD/GSD), 즉 픽셀단위로 표현된 GRD를 무인기 영상의 상대적 선명도를 나타내는 지표로 사용할 것을 제안하고자 한다.
본 연구에서는 선행연구에서 개발한 에지분석 기술을 개량하여 다양한 기상조건에서 취득된 무인기 영상으로부터 GRD를 산출하고자 한다. 아울러, 식별해상도 대 공간해상도의 비율 (GRD/GSD), 즉 픽셀단위로 표현된 GRD를 무인기 영상의 상대적 선명도를 나타내는 지표로 사용할 것을 제안하고자 한다.

제안 방법

Quick MTF는 연구진이 개발한 소프트웨어와 유사한 방식으로 영상에서 밝기 값이 변화는 에지를 분석하여 ESF와 LSF 산출 하여 센서의 성능을 분석하는 상용 소프트웨어다. 상용 소프트웨어와 비교검증을 위해 Table 4의 (a)와 같이 3차 데이터의 에지타겟 중 하나의 타겟을 대상으로 ESF, LSF를 산출하고 그래프로 도식화하여 비교하였다. 비교검증을 위해 센서는 A5100, RX1R, RX100을 사용하였고 영상은 회전익으로 80m에서 촬영된 타겟들 중, 붉은색 박스 안에 있는 에지타겟을 대상으로 (b)의 동일 영역에 대해서 에지를 분석하였다.
본 연구는 무인기를 이용해 다양한 기상조건에서 취득된 영상의 Siemens Star를 활용한 육안분석과 Edge Taget을 활용한 에지분석을 수행하였다. 각 분석을 통해 고도에 따른 상대적인 식별해상도(GRD) 대 공간해상도(GSD)의 비율인 선명도지표(GRD/GSD)를 산출하여 영상의 선명성을 분석하였다. Siemens Star를 활용한 육안분석의 경우, 관측자마다 서로 상이한 선명도지표가 측정되었다.
따라서 본 연구에서는 자체개발 에지분석 기술을 무인기 영상에 적용하여 GRD를 산출할 수 있었고 고도별 영상의 선명도지표(GRD/GSD)를 이용해 번짐현상이 발생한 영상과 비교적 선명한 영상을 구분할 수 있었다. 무인기 원본 영상의 선명도지표와 표준편차를 메타데이터로써 제공해 준다면 매핑이나, 모니터링등 사용자가 원하는 산출물의 척도로써 활용될 수 있을 것이라고 기대한다.
하지만 인공표적이 다양한 크기와 각도로 배치되어 있으면 X방향과 Y 방향만으로 에지분석을 할 수 없으므로 이를 해결하기 위하여 Sobel Filtering로 에지 수직방향의 각도를 계산 한다. 또한 동일간격으로 밝기값 샘플링을 위해 Bilinear interpolation을 적용하여 에지의 수직 방향으로 밝기값을 추출하여 에지분포곡선을 생성한다. 다음 단계로 추출된 에지로부터 어두운 영역을 -1, 밝은 영역을 1로 조정하는 밝기값 정규화 과정을 수행한다.
맑은 날에 촬영된 2차, 구름이 조금 낀 날에 촬영된 3차, 4차 데이터 역시 관측자 마다 서로 대비되는 GRD 수치를 측정하였고 픽셀 하나의 크기 단위까지 확대하지 않으면 에지 영역에서 선명도를 구분이 어려웠다. 하지만 에지분석을 통해 보다 정확한 선명도지표 및 표준 편차 분석을 수행할 수 있었다.
본 연구에서는 먼저 바 Siemens Star 타겟과 에지타겟을 함께 설치한 후에 다양한 기상조건 및 다양한 촬영 고도에서 이를 촬영한 데이터를 취득하였다. 먼저, 상용 소프트웨어를 통해 추출한 에지분석 결과와 비교하여 본 연구에 적용된 에지분석을 통한 GRD 추출 방식의 신뢰성을 검증하였다. 이후 각 데이터의 고도별 선명도 지표(GRD/GSD)의 평균값과 표준편차를 산출하여 영상의 선명도와 안정성을 분석하였다.
본 연구는 무인기를 이용해 다양한 기상조건에서 취득된 영상의 Siemens Star를 활용한 육안분석과 Edge Taget을 활용한 에지분석을 수행하였다. 각 분석을 통해 고도에 따른 상대적인 식별해상도(GRD) 대 공간해상도(GSD)의 비율인 선명도지표(GRD/GSD)를 산출하여 영상의 선명성을 분석하였다.
8과 같이 모든 센서에서 ESF, LSF 그래프가 비슷한 양상을 보이는 것을 확인하였다. 상용 소프트웨어와 비교검증을 통해 자체개발한 소프트웨어의 신뢰성을 확보하고 무인기 영상의 에지분석을 수행하였다.
선행연구에서 수행한 GRD 산출 정확도 분석에 추가 하여 개발된 영상분석 기술 및 소프트웨어의 성능을 검증하기 위해 현재 광학분야에서 사용되고 있는 상용 소프트웨어(Quick MTF)와 비교하였다. Quick MTF는 연구진이 개발한 소프트웨어와 유사한 방식으로 영상에서 밝기 값이 변화는 에지를 분석하여 ESF와 LSF 산출 하여 센서의 성능을 분석하는 상용 소프트웨어다.
에지타겟으로부터의 영상의 GRD를 산출하기 위해서 앞절에서 설명한 에지분석기술을 자체적으로 소프트웨어로 구현하여 사용하였다. 에지 검출의 전 과정을 자동으로 수행할 수도 있으나 정확한 분석을 위하여 에지타겟이 촬영된 영역을 선택하는 에지 선택과정은 수동으로 수행하고 이후 나머지 에지 추출을 위한 과정은 자동으로 수행하였다.
에지 타겟은 밝기값 또는 반사율이 다른 패턴을 공간적으로 연속하도록 배치한 타겟이다. 에지 타겟을 촬영한 영상에서 에지 검출은 픽셀의 밝기 값이 급격하게 변화하는 객체 또는 지역을 탐색하여 에지분포곡선(Edge Spread Function, ESF)를 생성함으로써 수행된다. 이때 ESF의 그래프는 기울기가 90°인 계단 모양에 가까울수록 영상이 선명하다는 것을 의미한다.
에지타겟으로부터의 영상의 GRD를 산출하기 위해서 앞절에서 설명한 에지분석기술을 자체적으로 소프트웨어로 구현하여 사용하였다. 에지 검출의 전 과정을 자동으로 수행할 수도 있으나 정확한 분석을 위하여 에지타겟이 촬영된 영역을 선택하는 에지 선택과정은 수동으로 수행하고 이후 나머지 에지 추출을 위한 과정은 자동으로 수행하였다.
육안 분석을 위해서 오픈 소스인 QGIS에서 영상을 화면출력한 이후 QGIS에서 제공하는 길이측정 툴을 사용하여 외부 직경(D)과 내부 직경(d)를 측정한 뒤, 공식 (1)을 이용하여 GRD를 계산하였다. 4차 촬영 데이터의 경우, Siemens Star 타겟을 설치하지 않아 육안분석이 불가능했다.
다음 단계로 추출된 에지로부터 어두운 영역을 -1, 밝은 영역을 1로 조정하는 밝기값 정규화 과정을 수행한다. 이 후 정규화된 에지분포곡선 상에서 값이 0이 되는 지점을 찾아 이를 에지 중심점으로 결정하고 선형 보간법을 통해 에지 재배열을 수행한다. 이러한 과정을 통해 ESF를 추정하게 된다.
먼저, 상용 소프트웨어를 통해 추출한 에지분석 결과와 비교하여 본 연구에 적용된 에지분석을 통한 GRD 추출 방식의 신뢰성을 검증하였다. 이후 각 데이터의 고도별 선명도 지표(GRD/GSD)의 평균값과 표준편차를 산출하여 영상의 선명도와 안정성을 분석하였다. 특히 번짐현상이 심한 영상과 비교적 선명한 영상에 대한 선명도 지표를 비교함으로써 GRD/GSD가 무인기 영상의 선명도를 표현할 수 있는 척도로 활용될 수 있음을 보고하였다.
자체개발한 영상품질분석 소프트웨어를 활용해 고도별로 동일한 에지타겟을 대상으로 에지 분석을 수행하였다. 촬영 데이터별로 선명도지표(GRD/GSD)의 평균과 표준편차를 산출하였다.
이는 주로 관측자의 주관적인 판단이 개입되거나, 원형도형 안에 있는 흰색과 검은색 선이 교차되어 보이는 착시현상으로 인해 객관성 있는 GRD 산출이 어려워 선명도지표로 활용하지 못했다. 하지만 상용 소프트웨어와 비교하여 신뢰성이 검증된 자체개발 에지분석 기술을 활용하여 Edge Target의 에지를 이용한 GRD를 산출할 수 있었다. 날씨가 매우 흐린날에 촬영된 매우 블러링 했던 1차 데이터에는 에지분석이 불가능했다.
에지 추출은 초기 추출점 이동 후에 에지 방향을 계산하고 에지의 수직방향으로의 밝기값을 추출하는 것으로 구성된다. 하지만 인공표적이 다양한 크기와 각도로 배치되어 있으면 X방향과 Y 방향만으로 에지분석을 할 수 없으므로 이를 해결하기 위하여 Sobel Filtering로 에지 수직방향의 각도를 계산 한다. 또한 동일간격으로 밝기값 샘플링을 위해 Bilinear interpolation을 적용하여 에지의 수직 방향으로 밝기값을 추출하여 에지분포곡선을 생성한다.

대상 데이터

회전익에 탑재된 센서는 Sony사의 A5100, RX1R, RX100 모두 3종류로써 일반 디지털 카메라를 사용하였다. A5100의 화소는 24 MP이며 focal length는 20 mm 이다. CCD의 크기는 23.
6 mm(6000 × 4000 pixels) 이다. RX100의 화소는 20.2 MP이며 focal length는 8.8mm이다. CCD의 크기는 13.
8 mm(5472 × 3648 pixels)이다. RX1R의 화소는 42 MP이며 focal length는 35 mm이다. CCD의 크기는 35.
Siemens Star 타겟은 Fig. 1과 같이 외부 직경이 D인 원에 원의 중심을 기준으로 하여 32개의 흑백선을 부채꼴로 배열한 도형이다. 이를 이용한 GRD는 식 (1)을 이용하여 구할 수 있다.
무인기 영상 데이터는 모두 같은 장소에서 세 차례에 걸쳐 취득되었다. 각 데이터는 전주의 국립농업과학원 운동장에서 흑백 패턴의 에지타겟을 설치하고 회전익 을 이용하여 10 m 간격으로 10 ~ 80 m 고도에서 촬영하였다. 1차 데이터는 구름이 많고 아주 흐린 날씨에, 2차 데이터는 맑은 날씨에, 3차와 4차 데이터는 맑고 구름이 조금 있는 날씨에 취득되었다.
본 연구에서는 먼저 바 Siemens Star 타겟과 에지타겟을 함께 설치한 후에 다양한 기상조건 및 다양한 촬영 고도에서 이를 촬영한 데이터를 취득하였다. 먼저, 상용 소프트웨어를 통해 추출한 에지분석 결과와 비교하여 본 연구에 적용된 에지분석을 통한 GRD 추출 방식의 신뢰성을 검증하였다.
에지 타겟은 밝기값 또는 반사율이 다른 패턴을 공간적으로 연속하도록 배치한 타겟이다. 에지 타겟을 촬영한 영상에서 에지 검출은 픽셀의 밝기 값이 급격하게 변화하는 객체 또는 지역을 탐색하여 에지분포곡선(Edge Spread Function, ESF)를 생성함으로써 수행된다.
에지타겟의 크기는 100 × 100 cm이며 각 블록당 크기는 50 × 50 cm이다.
영상품질분석에 사용된 타겟은 흰색과 검은색의 패턴으로 이루어져 있는 에지타겟이다. 픽셀의 밝기값의 변화가 급격하게 변화하는 에지 영역을 뚜렷이 식별하기 위해 Fig.
회전익에 탑재된 센서는 Sony사의 A5100, RX1R, RX100 모두 3종류로써 일반 디지털 카메라를 사용하였다. A5100의 화소는 24 MP이며 focal length는 20 mm 이다.

데이터처리

정사영상 생성을 위해 연속적으로 촬영하는 경우, 기하가 불안정한 무인기는 크게 10 m 이상의 고도차가 발생하기 때문에 고도별로 선명도 지표의 수치가 크게 차이가 발생하면 원하는 품질의 정사영상을 생성하기 어려울 수 있다. 각각의 관측자는 고도별 Siemens Star 타겟을 측정하는 방식으로 고도별 평균과 표준편차를 산출하였다. Table 5~9에 각각의 촬영데이터에 대한 관측자별로 육안판독한 GRD 수치 및 GRD/GSD 값을 나타내었다.
자체개발한 영상품질분석 소프트웨어를 활용해 고도별로 동일한 에지타겟을 대상으로 에지 분석을 수행하였다. 촬영 데이터별로 선명도지표(GRD/GSD)의 평균과 표준편차를 산출하였다. 앞절에서도 언급했듯이, 선명도지표가 높을수록 영상의 선명도가 저하되고, 센서의 고도별 선명도지표의 표준편차가 낮을수록 안정적인 영상을 제공한다.

성능/효과

이는 센서 설정의 문제로 판단된다. 10 m구간을 제외하고 모든 데이터의 선명도지표 표준편차를 그래프로 확인하면 2차, 3차 데이터의 A5100 보다 3차, 4차에 촬영된 RX1R, RX100 선명도지표의 그래프가 상대적으로 완만하다. 따라서 RX1R과 RX100 센서에서 일관성 있는 선명도를 가지는 영상이 취득된 것이라고 판단된다.
3차 데이터의 기종별 평균 선명도 지표는 1.7249(A5100), 2.0549(RX1R), 2.0031(RX100)로써 A5100에서 취득된 영상이 가장 우수한 선명도 지표를 보였고 나머지 두 센서는 비슷한 선명도 지표를 보였다. RX100 센서에서 취득된 영상은 제일 낮은 10 m 고도에서 가장 저조한 선명도 지표를 보였고, 가장 선명한 70 m와 비교 결과, 에지의 경계가 70 m가 더 뚜렷하다는 것을 확인할 수 있었다.
각 영역을 확대하여 육안으로 확인했을 때, 50 m와 80 m 모두 경계가 뚜렷한 것을 확인했다.50 m와 80 m의 GRD 수치는 거의 비슷했지만, 높이에 대한 상대적인 비로 표현되는 선명도지표(GRD/GSD) 로 나타내었을 때, 80 m에서 선명도지표가 우수하게 나왔다.
0031(RX100)로써 A5100에서 취득된 영상이 가장 우수한 선명도 지표를 보였고 나머지 두 센서는 비슷한 선명도 지표를 보였다. RX100 센서에서 취득된 영상은 제일 낮은 10 m 고도에서 가장 저조한 선명도 지표를 보였고, 가장 선명한 70 m와 비교 결과, 에지의 경계가 70 m가 더 뚜렷하다는 것을 확인할 수 있었다. 3차와 4차 촬영에 사용되었던 RX1R의 평균 선명도지표는 2.
10 m와 40 m 구간에서 같은 scale로 영상을 확대해본 결과 에지의 경계를 거의 구분하기가 어려웠다. 가장 맑은 날에 취득된 2차 데이터는 50 m에서 1.8063으로 가장 저조한 수치를 보였고, 80 m에서 1.0201으로 가장 우수한 선명 도지표를 보였다. 각 영역을 확대하여 육안으로 확인했을 때, 50 m와 80 m 모두 경계가 뚜렷한 것을 확인했다.
0201으로 가장 우수한 선명 도지표를 보였다. 각 영역을 확대하여 육안으로 확인했을 때, 50 m와 80 m 모두 경계가 뚜렷한 것을 확인했다.50 m와 80 m의 GRD 수치는 거의 비슷했지만, 높이에 대한 상대적인 비로 표현되는 선명도지표(GRD/GSD) 로 나타내었을 때, 80 m에서 선명도지표가 우수하게 나왔다.
F-stop의 수치가 너무 작아 멀리 있는 객체를 인식하지 못해 센서가 초점을 잡지 못하고 촬영되어 블러링한 영상을 제공한 것으로 판단된다. 각 촬영 데이터에서 선명도지표가 가장 저조한 영상과 가장 좋은 영상을 확대하여 비교한 결과, 선명도 지표가 저조한 영상은 에지의 경계가 명확하지 않은 것을 육안으로 확인할 수 있다.
1786으로, 저조한 선명도 지표를 나타내었다. 각 촬영 데이터에서 선명도지표를 산출한 결과 A5100의 성능이 가장 우수한 것으로 판단된다. A5100 센서를 사용한 2차와 3차 촬영 데이터에서 가장 우수한 선명도지표는 1.
각 촬영 데이터와 센서 기종별로 번짐현상이 발생한 것으로 추정된 영상과 비교적 선명한 영상에 대한 선명도 지표를 비교하고, 이를 비교하기 위해 해당 에지 영역을 확대해 육안으로 판독한 결과가 거의 일치한 것을 확인하였다. 또한 고도별 선명도지표의 표준편차를 산출하여 일관성 있는 선명도를 제공하는 데이터를 확인할 수 있었다.
Table 5~9에 각각의 촬영데이터에 대한 관측자별로 육안판독한 GRD 수치 및 GRD/GSD 값을 나타내었다. 각 촬영데이터 별로 3명의 관측자가 판독한 고도별 GRD/GSD 평균을 살펴보면 해당 수치가 영상의 번짐현상을 어느 정도 설명할 수 있음을 알 수 있다. 육안으로도 구분이 가능할 정도로 번짐현상이 심한 1차데이터의 선명도 지표를 산출한 결과 전체 관측자가 측정한 고도별 평균은 7.
그 결과 Fig. 8과 같이 모든 센서에서 ESF, LSF 그래프가 비슷한 양상을 보이는 것을 확인하였다. 상용 소프트웨어와 비교검증을 통해 자체개발한 소프트웨어의 신뢰성을 확보하고 무인기 영상의 에지분석을 수행하였다.
1420으로 상당히 저조한 수치가 나왔다. 맑은 날씨에 촬영한 2차 데이터의 선명도지표 평균은 1.8914로 우수한 지표를 보였고 구름이 조금 낀 3차데이터의 경우는 센서별로 각각 2.0187(A5100), 1.9908(RX1R), 1.6294(RX100)의 수치가 산출되었다. 그러나 모든 촬영데이터에 대해서 육안판독에 의한 GRD 및 GRD/GSD 값은 관측자별로 큰 차이를 보이는 것으로 나타나서 객관적인 분석이 어려웠다.
날씨가 매우 흐린날에 촬영된 매우 블러링 했던 1차 데이터에는 에지분석이 불가능했다. 에지분석이 불가능한 원인을 밝히고자 해당 에지 영역을 확대해 육안으로 확인해본 결과 밝은 색과 어두운 색의 경계를 거의 구분할 수 없었다.
각 촬영데이터 별로 3명의 관측자가 판독한 고도별 GRD/GSD 평균을 살펴보면 해당 수치가 영상의 번짐현상을 어느 정도 설명할 수 있음을 알 수 있다. 육안으로도 구분이 가능할 정도로 번짐현상이 심한 1차데이터의 선명도 지표를 산출한 결과 전체 관측자가 측정한 고도별 평균은 7.1420으로 상당히 저조한 수치가 나왔다. 맑은 날씨에 촬영한 2차 데이터의 선명도지표 평균은 1.
전체적으로 영상이 가장 밝았던 2차 촬영데이터는 날씨가 매우 좋았다. 반면에 전체적으로 조금 어두웠던 1차, 3차 4차 데이터는 흐린 날씨와 구름의 영향으로 인해 영상이 조금 어두웠다.
육안으로도 뚜렷한 1차 촬영 데이터의 블러링의 원인은 크게 2가지로 분석할 수 있다. 첫 번째 원인은 날씨의 영향으로, 촬영 당시 바람을 동반하고 날씨가 구름이 많이 낀 굉장히 흐린 날씨였다. 바람의 영향으로 무인기의 불안정한 기하와 흐리고 어두운 날씨로 인해 센서에 충분한 광량을 얻지 못해 심한 블러링이 발생한 것 같다.
표준편차는 전체 촬영 데이터 중, A5100 센서를 사용하여 취득한 2차 데이터에서 가장 높게 나온 것을 확인하였고, RX1R 센서의 표준편차가 가장 낮은 것을 확인하였다. RX1R의 고도별 선명도 지표의 편차는 크게 발생하지 않으므로 일관성 있는 안정적인 품질의 데이터가 취득되었음을 알 수 있다.
, 2010a). 항공촬영 영상의 경우는 육안판독 결과와 약 1.4 mm의 차이를 보여 에지타겟 분석에 의한 GRD 산출의 정확도 및 안정성을 확인할 수 있었다.

후속연구

따라서 본 연구에서는 자체개발 에지분석 기술을 무인기 영상에 적용하여 GRD를 산출할 수 있었고 고도별 영상의 선명도지표(GRD/GSD)를 이용해 번짐현상이 발생한 영상과 비교적 선명한 영상을 구분할 수 있었다. 무인기 원본 영상의 선명도지표와 표준편차를 메타데이터로써 제공해 준다면 매핑이나, 모니터링등 사용자가 원하는 산출물의 척도로써 활용될 수 있을 것이라고 기대한다. 향후 착시현상 거의 없는 Bar Target을 이용한 육안분석과 에지분석을 통해 산출된 선명도지표를 비교하고, 육안분석에서 산출된 GRD가 선명도지표에 활용될 수 있는지 타당성을 검토하는 연구를 수행할 계획이다
무인기 원본 영상의 선명도지표와 표준편차를 메타데이터로써 제공해 준다면 매핑이나, 모니터링등 사용자가 원하는 산출물의 척도로써 활용될 수 있을 것이라고 기대한다. 향후 착시현상 거의 없는 Bar Target을 이용한 육안분석과 에지분석을 통해 산출된 선명도지표를 비교하고, 육안분석에서 산출된 GRD가 선명도지표에 활용될 수 있는지 타당성을 검토하는 연구를 수행할 계획이다

질의응답

핵심어	질문	논문에서 추출한 답변
	식별해상도는 어떤 품질지표인가요?	이러한 선행연구를 통해 GSD만으로 무인기 영상의 품질을 표현하기에 한계가 있기에 추가적인 품질지표가 필요하는 것을 알 수 있다. 여러 품질지표 중에서 영상의 선명도 또는 영상의 판독도를 나타낼 수 있는 척도로 식별해상도(Ground Resolved Distance, GRD)가 사용되어 왔다. GRD는 영상에서 식별 가능한 두 물체간의 최소거리로 정의되며 공간적 샘플간격인 GSD (Ground Sampling Distance)와 대비되는 개념으로 사용 된다.
	본 연구에서 무인기 영상 데이터를 취득하는 과정은 어떻게 되나요?	무인기 영상 데이터는 모두 같은 장소에서 세 차례에 걸쳐 취득되었다. 각 데이터는 전주의 국립농업과학원 운동장에서 흑백 패턴의 에지타겟을 설치하고 회전익 을 이용하여 10 m 간격으로 10 ~ 80 m 고도에서 촬영하였다. 1차 데이터는 구름이 많고 아주 흐린 날씨에, 2차 데이터는 맑은 날씨에, 3차와 4차 데이터는 맑고 구름이 조금 있는 날씨에 취득되었다. 1차, 2차, 4차 데이터의 경우 모두 1가지 센서만 이용해 데이터를 취득했지만 3차 영상의 경우 3종의 센서를 이용해 취득하였다.
	GRD 측정 방식에는 어떤 것이 있나요?	, 2010a). GRD 측정은 인공표적을 통한 육안분석과 에지 검출을 통한 에지분석 방식이 있다. 인공표 적을 통한 육안분석은 주로 검정색과 흰색이 반복적으로 배치된 Siemens Star 타겟이나 Bar 타겟을 이용하여 관측할 수 있다.

참고문헌 (10)

Helder, D., J. Choi, and C. Anderso, 2006. Onorbit Modulation Transfer Function (MTF) Measurements for IKONOS and QuickBird, Proc. of 2006 Civil Commercial Imagery Evaluation Workshop, Maryland, Mar.14-16, Digitally available on CD.
Kim, J.-I., J. Jeong, and T. Kim, 2010a. Development of GRD Measurement Method using Natural Target in Imagery, Korean Journal of Remote Sensing, 26(5): 527-536 (in Korean with English abstract).
Kim, T., J.-I. Kim, D. Kim, and J. Jeong, 2010b. Automated image Interpretability assessment by edge profile analysis natural targets, Proc. of 2010 Annual Conference of American Society for Photogrammetry and Remote Sensing, San Diego, CA, Apr. 26-30, vol. 1, pp. 417-422.
Kim, J.-I. and T. Kim, 2011a. Development of a Natural Target-based Edge Analysis Method for NIIRS Estimation, Korean Journal of Remote Sensing, 27(5): 587-599 (in Korean with English abstract).
Kim, T. and J.-I. Kim, 2011b. Automated assessment of NIIRS and GRD of high resolution satellite images through edge profile analysis of natural targets, Proc. of 10th Annual Joint Agency Commercial Imagery Evaluation (JACIE) Workshop, Colorado, Mar. 29-31, Digitally available on CD.
Kim, J.-I., H.Y. Kim, and T. Kim, 2011. Automated quality monitoring of high resolution satellite images using natural target-based analysis techniques, Proc. of 2011 International Symposium on Remote Sensing, Yeosu, Sep. 2-4, pp. 290-293.
Lee, J. and S. Sung, 2016. Evaluating spatial resolution for quality assurance of UAV images, Spatial Information Research, 24(2): 141-154.
Lee, J.O., B.Y. Yun, and J.B. Lee, 2016. A Study on the Work Regulation for UAV Application in the Field of Spatial Information, Journal of Korean Cadastre Information Association, 18(1): 171-184 (in Korean with English abstract).
Lim, P., T. Kim, S. Na, K. Lee, H. Ahn, and J. Hong, 2018. Analysis of UAV image Quality using Edge Analysis, Proc. of International Society for Photogrammetry and Remote Sensing Technical Commission IV Symposium, Delft, Oct. 1-5, vol. XLII-4, pp. 359-364.
Rosnell, T., E. Honkavaara, and K. Nurminen, 2011. On geometric processing of multi-temporal image data collected by light UAV systems, Proc. of International Society for Photogrammetry and Remote Sensing Workshop, Zurich, Sep. 14-16, vol. XXXVIII-1/C22, pp. 63-68.

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