본 연구는 다시기 영상의 활용이 유리한 RapidEye 영상의 활용성을 증대시키기 위하여, 이들 간에 지역적으로 존재하는 기하오차를 최소화 하는 정밀 상호좌표등록 기법을 제안하였다. 이를 위해, RapidEye 영상과 함께 제공되는 RPCs (Rational Polynomial Coefficients)를 이용하여 다시기 정사영상을 생성하고, 정사영상 간의 정밀 상호 좌표등록을 수행하였다. 정사영상을 생성하기 위해서 수치지도에서 추출된 DEM (Digital Elevation Model)을 활용하였으며, 정밀 상호좌표등록을 수행하기 위하여 RNCC (Registration NoiseCross Correlation) 기법을 적용하였다. 영광지역에 대해 2015년 5월부터 2016년 11월까지 획득된 RapidEye 1B 영상 총 4장을 활용하여 실험을 진행하였으며, 밴드별(blue, green, red, red edge, near-infrared)로 적용된 정밀 상호좌표등록 결과 비교분석을 통해 각 밴드가 보이는 상호좌표등록 적용 가능성 여부를 판단하였다. 실험 결과, RapidEye 영상의 모든 밴드를 활용하여 상호좌표등록이 가능하였으며, 상호좌표등록을 하지 않았을 때보다 다시기 영상 간 정량적/정성적으로 향상된 기하 일치도를 보였다. 특히 red와 red edge 밴드를 이용할 경우 다시기 영상 촬영시기의 계절적 차이에 관계없이 안정적인 상호좌표등록 결과를 보임을 확인하였다.
본 연구는 다시기 영상의 활용이 유리한 RapidEye 영상의 활용성을 증대시키기 위하여, 이들 간에 지역적으로 존재하는 기하오차를 최소화 하는 정밀 상호좌표등록 기법을 제안하였다. 이를 위해, RapidEye 영상과 함께 제공되는 RPCs (Rational Polynomial Coefficients)를 이용하여 다시기 정사영상을 생성하고, 정사영상 간의 정밀 상호 좌표등록을 수행하였다. 정사영상을 생성하기 위해서 수치지도에서 추출된 DEM (Digital Elevation Model)을 활용하였으며, 정밀 상호좌표등록을 수행하기 위하여 RNCC (Registration Noise Cross Correlation) 기법을 적용하였다. 영광지역에 대해 2015년 5월부터 2016년 11월까지 획득된 RapidEye 1B 영상 총 4장을 활용하여 실험을 진행하였으며, 밴드별(blue, green, red, red edge, near-infrared)로 적용된 정밀 상호좌표등록 결과 비교분석을 통해 각 밴드가 보이는 상호좌표등록 적용 가능성 여부를 판단하였다. 실험 결과, RapidEye 영상의 모든 밴드를 활용하여 상호좌표등록이 가능하였으며, 상호좌표등록을 하지 않았을 때보다 다시기 영상 간 정량적/정성적으로 향상된 기하 일치도를 보였다. 특히 red와 red edge 밴드를 이용할 경우 다시기 영상 촬영시기의 계절적 차이에 관계없이 안정적인 상호좌표등록 결과를 보임을 확인하였다.
The aim of this study is to propose a fine co-registration approach for multi-temporal satellite images acquired from RapidEye, which has an advantage of availability for time-series analysis. To this end, we generate multitemporal ortho-rectified images using RPCs (Rational Polynomial Coefficients)...
The aim of this study is to propose a fine co-registration approach for multi-temporal satellite images acquired from RapidEye, which has an advantage of availability for time-series analysis. To this end, we generate multitemporal ortho-rectified images using RPCs (Rational Polynomial Coefficients) provided with RapidEye images and then perform fine co-registration between the ortho-rectified images. A DEM (Digital Elevation Model) extracted from the digital map was used to generate the ortho-rectified images, and the RNCC (Registration Noise Cross Correlation) was applied to conduct the fine co-registration. Experiments were carried out using 4 RapidEye 1B images obtained from May 2015 to November 2016 over the Yeonggwang area. All 5 bands (blue, green, red, red edge, and near-infrared) that RapidEye provided were used to carry out the fine co-registration to show their possibility of being applicable for the co-registration. Experimental results showed that all the bands of RapidEye images could be co-registered with each other and the geometric alignment between images was qualitatively/quantitatively improved. Especially, it was confirmed that stable registration results were obtained by using the red and red edge bands, irrespective of the seasonal differences in the image acquisition.
The aim of this study is to propose a fine co-registration approach for multi-temporal satellite images acquired from RapidEye, which has an advantage of availability for time-series analysis. To this end, we generate multitemporal ortho-rectified images using RPCs (Rational Polynomial Coefficients) provided with RapidEye images and then perform fine co-registration between the ortho-rectified images. A DEM (Digital Elevation Model) extracted from the digital map was used to generate the ortho-rectified images, and the RNCC (Registration Noise Cross Correlation) was applied to conduct the fine co-registration. Experiments were carried out using 4 RapidEye 1B images obtained from May 2015 to November 2016 over the Yeonggwang area. All 5 bands (blue, green, red, red edge, and near-infrared) that RapidEye provided were used to carry out the fine co-registration to show their possibility of being applicable for the co-registration. Experimental results showed that all the bands of RapidEye images could be co-registered with each other and the geometric alignment between images was qualitatively/quantitatively improved. Especially, it was confirmed that stable registration results were obtained by using the red and red edge bands, irrespective of the seasonal differences in the image acquisition.
RapidEye가 제공하는 5개의 밴드별로 적용된 정밀 상호좌표등록 결과 비교분석을 통해 각 밴드가 보이는 상호좌표등록 적용 가능성 여부를 판단하였다. 2. 실험 방법 제안된 RapidEye 영상 간 정밀 상호좌표등록 기법은 우선적 으로 수치지도에서 추출된 DEM을 활용하여 다시기 RapidEye 정사영상을 생성한다. 그 후, 정상영상 간에 존재하는 지역적 기하오차는 RNCC 기법을통해제거된다.
Visual inspection of fine co-registration results applied by red bands: (a) before co-registration and (b) after co-registration Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 36, No. 6, 581-588, 2018 586 추출된 정합쌍을 이용하여 구분적 선형변환식을 구성한 후, 이를 바탕으로 정밀 상호좌표등록을 수행하였다. 시각적 비교 평가를 위해, 정밀 상호좌표등록을 수행한 영상과 수행하지 않 은정사영상의특정지역을확대하여 Fig.
특히 짧은 파장폭에서 취득되는 red edge(690 – 730 nm) 밴드에서도 안정적으로 등록오차를 추출하거나 변 화를 탐지하는데 유용하게 활용될 수 있을 것으로 사료된다. 4. 결 론 본 연구는 다시기 RapidEye 영상 간의 정밀 상호좌표등록을 수행하였다. 영상과함께제공되는 RPCs를이용하여다시기정 사영상을 생성하고, 정사영상 간의 밴드 별 정밀 상호좌표등록 을 수행한다.
영광지역에 대해 2015 년 5월부터 2016년 11월까지 획득된 RapidEye 1B 영상 총 4장 을 활용하여 실험을 진행하였다. RapidEye가 제공하는 5개의 밴드별로 적용된 정밀 상호좌표등록 결과 비교분석을 통해 각 밴드가 보이는 상호좌표등록 적용 가능성 여부를 판단하였다. 2.
특히 등록 오차를 이용할 경우, 지역적으로 기하 정보가 일치하지 않는 지 역에 대해서만 중점적으로 왜곡을 보정할 수 있기 때문에 정밀 상호좌표등록의 효과를 극대화 할 수 있다. 본 연구에서는 RapidEye 영상 구입시 함께 제공되는 RPCs 와 수치지도에서 추출된 DEM을 이용하여 다시기 정사영상을 생성하고, 정사영상 간의 정밀 상호좌표등록을 수행한다. 정밀 상호좌표등록은 RNCC (Registration Noise Cross Correlation) 기법을 적용하였다(Han and Oh, 2018).
쿼드트리 영상분할 기법은 사용자가 정의한 분할 기 준을 만족하면 영상을 반복적으로 동일 크기의 네 지역으로 분 할을 계속하고, 기준을 만족하지 않으면 분할을 멈추는 방식으 로 진행된다(Samet, 1984). 본 연구에서는 기준영상을 이용하 여 분할을 수행하였으며, 분할 기준으로는 분할을 수행할 영역 의 크기와 해당 영역에서 추출되는 등록오차 화소의 비로 선정 하였다. 즉, 상대적으로 많은 수의 등록오차 화소가 추출된 지 역에서는 지속적으로 분할을 수행하였고, 기준보다 적은 수의 등록오차 화소가 추출된 지역에서는 분할을 수행하지 않았다.
정사영상의 정확도를 고려하 여 RNCC를 계산하기 위한 탐색영역은 반경 4 화소(약 20m)로 결정하였다. 사용된네장의 RapidEye 영상의밴드별모든조합 을 바탕으로 정밀 상호좌표등록을 수행하였다. 제안 기법을 통해 도출된 분할 결과 및 정합쌍 추출 결과의 일부를 Fig.
정사영상을 생성하기 위해서 수치지도에서 추출 된 DEM을 활용하였으며, 정밀 상호좌표등록을 수행하기 위하 여, RNCC 기법을 적용하였다. 영광지역에 대해 2015년 5월부 터 2016년 11월까지 획득된 RapidEye 1B 영상 총 4장을 활용 하여 실험을 진행하였으며, 밴드별로 적용된 정밀 상호좌표등 록 결과 비교분석을 통해 각 밴드가 보이는 상호좌표등록 적용 가능성 여부를 판단하였다. 모든 영상 조합에 대한 밴드별 실험 결과, 정밀 상호좌표등록을 수행하였을 경우 수행하지 않았을 때보다 평균적으로 약 0.
미리 정의된 분할 최소크기에 도달할 때까지 이러한 과정을 반 복적으로 적용하였다. 영상 분할이 완료된 후, 각 분할 객체의 중심점을 기준영상 의 정합점으로 이용함으로써 하였다. 이러한 방법을 통해 상대 적으로 지역적 기하 오차가 큰 지역에서는 다수의 분할 영상이 생성되므로 더 많은 수의 정합쌍을 추출할 수 있다.
결 론 본 연구는 다시기 RapidEye 영상 간의 정밀 상호좌표등록을 수행하였다. 영상과함께제공되는 RPCs를이용하여다시기정 사영상을 생성하고, 정사영상 간의 밴드 별 정밀 상호좌표등록 을 수행한다. 정사영상을 생성하기 위해서 수치지도에서 추출 된 DEM을 활용하였으며, 정밀 상호좌표등록을 수행하기 위하 여, RNCC 기법을 적용하였다.
반대로 기하적 으로 일치하는 지역에 대해서는 적은 수의 정합쌍으로도 충분 히 보정이 가능하다. 이러한 이론적 배경을 바탕으로, 쿼드트리 기반 영상 분할 기법을 이용하여 추출되는 정합쌍의 분포를 결 정하였다. 쿼드트리 영상분할 기법은 사용자가 정의한 분할 기 준을 만족하면 영상을 반복적으로 동일 크기의 네 지역으로 분 할을 계속하고, 기준을 만족하지 않으면 분할을 멈추는 방식으 로 진행된다(Samet, 1984).
3는 2016년 11월 영상에 대해서 정사보정 전/후를 인터넷 영상 지도와 비교 한 결과이다. 인터넷의 영상지도와의 비교를 위해 RapidEye 정 사영상에투명도를주어중첩비교하였다. 그결과보정전의경 우 공항 부근에서 인터넷 지도와 비교하여 800m 가량의 위치 오차를 보이나, 정사 보정 후의 영상은 큰 일치도를 보이고 있음 을 시각적으로 명확히 확인할 수 있다.
제안 기법을 통해 추출된 모든 정합 쌍을 이용하여 어핀변환계수를 추정한 후, 가장 높은 잔차를 가지고 있는 정합쌍에 대하여 오정합쌍 여부를 판단하였다. 잔 차의 값이 임계치보다 큰 경우 오정합쌍으로 판단하여 제거하 였으며, 이러한 작업을 반복적으로 수행하였다. 최종적으로 추출된 정합쌍을 이용하여 구분적 선형변환 (piecewise linear function) 기반의 영상 간 상호좌표등록을 수 행하였다.
정밀 상호좌표등록의 우수성을 평가하기 위해서 정밀 상호 좌표등록 전후의 상관계수 차(Δ Correlation Coefficient)를 추 가적으로 분석하였다.
영상과함께제공되는 RPCs를이용하여다시기정 사영상을 생성하고, 정사영상 간의 밴드 별 정밀 상호좌표등록 을 수행한다. 정사영상을 생성하기 위해서 수치지도에서 추출 된 DEM을 활용하였으며, 정밀 상호좌표등록을 수행하기 위하 여, RNCC 기법을 적용하였다. 영광지역에 대해 2015년 5월부 터 2016년 11월까지 획득된 RapidEye 1B 영상 총 4장을 활용 하여 실험을 진행하였으며, 밴드별로 적용된 정밀 상호좌표등 록 결과 비교분석을 통해 각 밴드가 보이는 상호좌표등록 적용 가능성 여부를 판단하였다.
오정합쌍을제거하기위한두영상간기하학적관계는어 핀변환모델을 이용하였다. 제안 기법을 통해 추출된 모든 정합 쌍을 이용하여 어핀변환계수를 추정한 후, 가장 높은 잔차를 가지고 있는 정합쌍에 대하여 오정합쌍 여부를 판단하였다. 잔 차의 값이 임계치보다 큰 경우 오정합쌍으로 판단하여 제거하 였으며, 이러한 작업을 반복적으로 수행하였다.
대상 데이터
1. Tested RapidEye images (band 1) Table 1. Specification of tested RapidEye 1B images Satellite RapidEye Acquisition Date 2015-05-20 2016-04-19 2016-05-12 2016-11-20 Product Level 1B (radiometric correction only, geometric, elevation, and atmospheric correction not applied) 3.1 DEM 제작 및 정사보정 결과 본 연구에서는 1:25,000 수치지도 41장에서 표고정보만을 선택하여 DEM을 생성하는데 활용하였다. 수치지도에서 등고 선 레이어는 F로 시작되는 코드 정보를 이용하여 선택되었으 (a) (b) Fig.
구분적 선형변환은 삼각망 각각이 다른 계수를 갖는 어핀변환을 통해 대상영상을 기준영상의 좌표로 등록함으로써, 영상 간 존재하는 지역적 기 하 왜곡을 최소화할 수 있다. 3. 실험 결과 상호좌표등록 실험은 영광지역에 대해 2015년 5월부터 2016 년 11월까지 획득된 RapidEye 1B 영상 총 4장에 대해 수행되었 다(Fig. 1). 실험 영상은 방사보정만 수행되고 기하보정이나 대 기보정 등은 수행되지 않은 Basic 1B 데이터이다(Table 1).
즉, RPCs (Rational Polynomial Coefficients)가 같이 제공된다. Ortho 3A는 SRTM (Shuttle Radar Topography Mission) DEM (Digital Elevation Model)을 사용하여 정사보정된 제품을 제공한다. Ortho 3A가 Basic 1B 에 비해 높은 기하 정확도를 보이지만 가격이 비싸다.
RapidEye 위성은 BlackBridge사에서 2008년 8월 29일 발사 한 위성으로, 약 630km 고도에 위치한 총 5개의 동일한 위성으 로 구성되어 있다. 기존 지구관측위성과는 달리 5개의 위성을 이용하여 지구를 관측하기 때문에, 동일한 지역에 대한 영상을 주기적으로 획득하고 모니터링 할 수 있다는 것이 큰 장점이다.
실험 영상은 방사보정만 수행되고 기하보정이나 대 기보정 등은 수행되지 않은 Basic 1B 데이터이다(Table 1). 대상 지역의 DEM 제작을 위해서 1:25,000 수치지도가 활용하였으 며 이를 위해 대상지를 포함하는 총 41장의 수치지도를 국토지 리정보원 홈페이지에서 다운로드하였다. 2015-05-20 2016-04-19 2016-05-12 2016-11-20 Fig.
1 DEM 생성 및 정사영상 제작 정사영상을 제작하기 위해서는 원영상과 지형의 표고정보 (DEM)가 필요하며, 이 둘 간의 상관관계를 맺어주는 센서모델 링 정보가 필요하다. 본 연구에서는 1:25,000 수치지도를 이용 하여 DEM을 제작하였다. 수치지도는 국토지리정보원에서 무 료로 다운로드하여 사용할 수 있으며, 1:25,000 수치지도의 레 이어 중 등고선과 표고점을 이용하여 원하는 공간 해상도로 보 간(interpolation)하여 DEM을 생성한다.
수치지도는 국토지리정보원에서 무 료로 다운로드하여 사용할 수 있으며, 1:25,000 수치지도의 레 이어 중 등고선과 표고점을 이용하여 원하는 공간 해상도로 보 간(interpolation)하여 DEM을 생성한다. 센서모델링 정보로는 RapidEye와 함께 제공되는 RPCs 데이터를 사용한다. RPCs를 사용하기 위한 식은 Eq.
1). 실험 영상은 방사보정만 수행되고 기하보정이나 대 기보정 등은 수행되지 않은 Basic 1B 데이터이다(Table 1). 대상 지역의 DEM 제작을 위해서 1:25,000 수치지도가 활용하였으 며 이를 위해 대상지를 포함하는 총 41장의 수치지도를 국토지 리정보원 홈페이지에서 다운로드하였다.
정밀 상호좌표등록은 RNCC (Registration Noise Cross Correlation) 기법을 적용하였다(Han and Oh, 2018). 영광지역에 대해 2015 년 5월부터 2016년 11월까지 획득된 RapidEye 1B 영상 총 4장 을 활용하여 실험을 진행하였다. RapidEye가 제공하는 5개의 밴드별로 적용된 정밀 상호좌표등록 결과 비교분석을 통해 각 밴드가 보이는 상호좌표등록 적용 가능성 여부를 판단하였다.
DEM은 폴리라인으로 제작되어 있는 등고선레이어의 버텍스의 표고값 으로부터 IDW (Inverse Distance Weighted) 보간 기법을 이용 하여 생성되었다. 정사영상 제작은 ERDAS Imagine LPS를 이용하여 수행되 었으며, 원 영상의 해상도 그대로 제작되었다. Fig.
쿼드트리 영상분할을 수행하기 위한 최대 최소 분할 객체의 크 기는 각각 256, 64로 설정하였다. 정사영상의 정확도를 고려하 여 RNCC를 계산하기 위한 탐색영역은 반경 4 화소(약 20m)로 결정하였다. 사용된네장의 RapidEye 영상의밴드별모든조합 을 바탕으로 정밀 상호좌표등록을 수행하였다.
데이터처리
이를 통해 정밀 상호좌표등 록 과정을 통해 지역적으로 존재하는 지형의 불일치를 효과적 으로 제거하였음을 알 수 있다. 3.3 결과분석 제안한 정밀 상호좌표등록 결과의 우수성을 판단하기 위해 밴드별 실험 영상의 모든 조합에 대하여 상호좌표등록을 수행 한 후, 이에 대한 상관계수(Correlation Coefficient) 값을 계산하 였다. 상대적인 평가를 위해, 다시기 원영상 및 상호좌표등록을 수행하지 않은 다시기 정사영상에 대해서도 밴드별 상관계수 를 계산하였다.
3 결과분석 제안한 정밀 상호좌표등록 결과의 우수성을 판단하기 위해 밴드별 실험 영상의 모든 조합에 대하여 상호좌표등록을 수행 한 후, 이에 대한 상관계수(Correlation Coefficient) 값을 계산하 였다. 상대적인 평가를 위해, 다시기 원영상 및 상호좌표등록을 수행하지 않은 다시기 정사영상에 대해서도 밴드별 상관계수 를 계산하였다. 계산된 결과(Table 2)에서 알 수 있듯이, 정사영 상을 수행한 후에는 원영상보다 더 높은 상관계수를 보였다.
잔 차의 값이 임계치보다 큰 경우 오정합쌍으로 판단하여 제거하 였으며, 이러한 작업을 반복적으로 수행하였다. 최종적으로 추출된 정합쌍을 이용하여 구분적 선형변환 (piecewise linear function) 기반의 영상 간 상호좌표등록을 수 행하였다. 구분적 선형변환은 영상 간 정합쌍을 이용하여 델루 누이 삼각망(Delaunay triangulation)을 구성한 후, 삼각망 각각 에 대하여 어핀변환계수를 계산하여 지역적으로 변환을 수행 하는 방식으로 진행된다(Goshtasby, 1986).
기준영상의 Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 36, No. 6, 581-588, 2018 584 정합점 위치에 대응되는 대상영상의 정합점 위치는 RNCC 기 법을 이용하여 정의하였다. RNCC는 미리 정의된 탐색영역 내 에서 대상 영상을 이동하면서 각 분할영역에 존재하는 등록오 차의 화소 개수를 계산한다.
각 분할 영상에 대하여 정합쌍이 추출되고 나면, 추출된 정 합쌍 중 정확한 위치에 대응되지 않는 오정합쌍을 제거하여야 한다. 오정합쌍을제거하기위한두영상간기하학적관계는어 핀변환모델을 이용하였다. 제안 기법을 통해 추출된 모든 정합 쌍을 이용하여 어핀변환계수를 추정한 후, 가장 높은 잔차를 가지고 있는 정합쌍에 대하여 오정합쌍 여부를 판단하였다.
본 연구에서는 RapidEye 영상 구입시 함께 제공되는 RPCs 와 수치지도에서 추출된 DEM을 이용하여 다시기 정사영상을 생성하고, 정사영상 간의 정밀 상호좌표등록을 수행한다. 정밀 상호좌표등록은 RNCC (Registration Noise Cross Correlation) 기법을 적용하였다(Han and Oh, 2018). 영광지역에 대해 2015 년 5월부터 2016년 11월까지 획득된 RapidEye 1B 영상 총 4장 을 활용하여 실험을 진행하였다.
성능/효과
그 후, 정상영상 간에 존재하는 지역적 기하오차는 RNCC 기법을통해제거된다. RapidEye 영상이갖 는 5개의 밴드로 적용된 상호좌표등록 결과를 비교함으로써, 각 밴드 별 정밀 상호좌표등록 가능성을 판단한다. 2.
상대적인 평가를 위해, 다시기 원영상 및 상호좌표등록을 수행하지 않은 다시기 정사영상에 대해서도 밴드별 상관계수 를 계산하였다. 계산된 결과(Table 2)에서 알 수 있듯이, 정사영 상을 수행한 후에는 원영상보다 더 높은 상관계수를 보였다. 또 한, 모든 영상 조합에 대한 밴드별 실험 결과, 정밀 상호좌표등 록을 수행하였을 때 가장 높은 상관계수 값을 보였다.
인터넷의 영상지도와의 비교를 위해 RapidEye 정 사영상에투명도를주어중첩비교하였다. 그결과보정전의경 우 공항 부근에서 인터넷 지도와 비교하여 800m 가량의 위치 오차를 보이나, 정사 보정 후의 영상은 큰 일치도를 보이고 있음 을 시각적으로 명확히 확인할 수 있다. (a) (b) Fig.
계산된 결과(Table 2)에서 알 수 있듯이, 정사영 상을 수행한 후에는 원영상보다 더 높은 상관계수를 보였다. 또 한, 모든 영상 조합에 대한 밴드별 실험 결과, 정밀 상호좌표등 록을 수행하였을 때 가장 높은 상관계수 값을 보였다. 정밀 상 호좌표등록을 수행하였을 경우 수행하지 않았을 때보다 평균 적으로약 0.
영광지역에 대해 2015년 5월부 터 2016년 11월까지 획득된 RapidEye 1B 영상 총 4장을 활용 하여 실험을 진행하였으며, 밴드별로 적용된 정밀 상호좌표등 록 결과 비교분석을 통해 각 밴드가 보이는 상호좌표등록 적용 가능성 여부를 판단하였다. 모든 영상 조합에 대한 밴드별 실험 결과, 정밀 상호좌표등록을 수행하였을 경우 수행하지 않았을 때보다 평균적으로 약 0.013 높은 상관계수 값을 보였다. 밴드 별 정밀 상호좌표등록 결과를 비교해 보았을 때, red나 red edge 밴드를활용하는것이더안정적인결과를도출하였다.
013 높은 상관계수 값을 보였다. 밴드 별 정밀 상호좌표등록 결과를 비교해 보았을 때, red나 red edge 밴드를활용하는것이더안정적인결과를도출하였다. 또한, 영 상 취득 시기 간에 계절적인 차이가 있는 경우에는 식생지역의 변화에 민감한 NIR 밴드를 활용하지 않는 것이 좋다고 판단된 다.
등록오차가다수발생하는객체의경계부분에대해서만상 관계수를 계산한다면 제안기법 적용 후 보다 높은 상관계수 값 증가 경향을 보일 것으로 판단된다. 밴드별 특성을 살펴보았을 때, 일반적으로 blue 밴드와 NIR 밴드 간의 상관계수가 상호좌표등록을 수행하기 전이나 후 모 두 높게 나타난 것을 확인하였다. 특히 blue 밴드의 경우 촬영 시기의 계절적 차이가 있든 없든 높은 상관계수를 보인다.
정밀 상호좌표등록의 우수성을 평가하기 위해서 정밀 상호 좌표등록 전후의 상관계수 차(Δ Correlation Coefficient)를 추 가적으로 분석하였다. 전반적으로 red 밴드나 red edge 밴드를 활용하는 것이 정밀 상호좌표등록 전후의 상관계수 차가 크게 나타났다. 이는 두 밴드에서 지역적으로 발생할 수 있는 등록 오차를 효과적으로 탐지할 수 있음을 뜻한다.
또 한, 모든 영상 조합에 대한 밴드별 실험 결과, 정밀 상호좌표등 록을 수행하였을 때 가장 높은 상관계수 값을 보였다. 정밀 상 호좌표등록을 수행하였을 경우 수행하지 않았을 때보다 평균 적으로약 0.013 높은상관계수값을보였다. 변환모델식이구성 된 중첩된 다시기 영상 전체 영역에서 상관계수 값을 계산하였 Reference Image – Sensed Image Band Correlation Coefficient ∆ Correlation Coefficient before/after Co-registration Original Image Orthorectified Image Co-registered Image 20150520 - 20160419 Blue 0.
Accuracy assessment of co-registration results focusing on multispectral bands RNCC-based Fine Co-registration of Multi-temporal RapidEye Satellite Imagery 587 기 때문에, 상관계수 값의 절대적인 증가 수치는 작게 도출되었 다. 등록오차가다수발생하는객체의경계부분에대해서만상 관계수를 계산한다면 제안기법 적용 후 보다 높은 상관계수 값 증가 경향을 보일 것으로 판단된다. 밴드별 특성을 살펴보았을 때, 일반적으로 blue 밴드와 NIR 밴드 간의 상관계수가 상호좌표등록을 수행하기 전이나 후 모 두 높게 나타난 것을 확인하였다.
특히 짧은 파장폭에서 취득되는 red edge(690 – 730 nm) 밴드에서도 안정적으로 등록오차를 추출하거나 변 화를 탐지하는데 유용하게 활용될 수 있을 것으로 사료된다.
또한, 영 상 취득 시기 간에 계절적인 차이가 있는 경우에는 식생지역의 변화에 민감한 NIR 밴드를 활용하지 않는 것이 좋다고 판단된 다. 향후연구에서는 정밀 상호좌표등록된 다시기 영상을 활용 하여 변화탐지를 수행함으로써, 정밀 상호좌표등록이 변화탐 지에 미치는 영향을 분석할 계획이다. 감사의 글 이논문은 2017년도정부(미래창조과학부)의재원으로한국 연구재단의 지원을 받아 수행된 연구임(2017R1C1B2005744)
참고문헌 (12)
BlackBridge (2013), Satellite image product specifications, BlackBridge, Berlin, Germany, http://blackbridge.com/rapideye/upload/RE_Product_Specifications_ENG.pdf (last date accessed: 5 Oct 2014).
Carson, C., Belongie, S., Greenspan, H., and Malik, J. (2002), Blobworld: Image segmentation using expectationmaximization and its application to image querying, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 24, No. 8, pp. 1026-1038.
Han, Y. (2017), Fine registration between very high resolution satellite images using registration noise distribution, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 35, No. 3, pp. 125-132. (in Korean with English abstract)
Han, Y., Choi, J., Byun, Y., and Kim, Y. (2014), Parameter optimization for the extraction of matching points between high-resolution multisensory images in urban areas, IEEE Transactions on Geoscience and Remote Sensing, Vol. 52, No. 9, pp. 5612-5621.
Hong, G. and Zhang, Y. (2008), Wavelet-based image registration technique for high-resolution remote sensing images, Computers and Geosciences, Vol. 34, No. 12, pp. 1708-1720.
Oh, J. and Lee, C. (2014), Automated improvement of RapidEye 1-B geo-referencing accuracy using 1: 25,000 digital maps, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 32, No. 5, pp. 505-513. (in Korean with English abstract)
Ye, Y. and Shan, J. (2014), A local descriptor based registration method for multispectral remote sensing images with non-linear intensity differences, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 90, No. 4, pp. 83-95.
Zhu, X., Cao, H., Zhang, Y., Tan, K., and Ling, X. (2018), Fine registration for VHR images based on superpixel registration-noise estimation, IEEE Geoscience and Remote Sensing Letters, Vol. 15, No. 10, pp. 1615-1619.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.