[논문]Guided Filter를 이용한 교차융합영상 기반 KOMPSAT-3 위성영상의 무감독변화탐지

최재완; 박홍련; 김동학; 최석근

doi:10.7780/kjrs.2018.34.5.6

초록
AI-Helper

GF(Guided Filtering)는 영상에 존재하는 에지 정보를 보존하면서 잡음을 효과적으로 제거하기 위한 대표적인 영상처리 기법이다. 본 연구에서는 GF를 이용하여 다시기 KOMPSAT-3 위성영상에 대한 무감독 변화 탐지 기법을 수행하고, 이에 대한 성능을 평가하고자 하였다. GF를 변화탐지에 활용하기 위하여, GF를 기반으로 교차융합영상을 생성하였으며, 생성된 교차융합영상에 CVA(Change Vector Analysis) 기법을 적용하여 변화 지역을 추정하고자 하였다. KOMPSAT-3 위성영상을 이용한 실험결과, 본 연구에서 제안한 기법이 기존의 영상융합 기법을 기반으로 하는 CVA 결과들과 비교하여 효과적으로 변화지역을 탐지하는 데에 활용할 수 있음을 확인하였다.

Abstract ▼ AI-Helper

GF (Guided Filtering) is a representative image processing technique to effectively remove noise while preserving edge information in the digital image. In this paper, we proposed a unsupervised change detection method for the KOMPSAT-3 satellite image using the GF and evaluated its performance. In ...

GF (Guided Filtering) is a representative image processing technique to effectively remove noise while preserving edge information in the digital image. In this paper, we proposed a unsupervised change detection method for the KOMPSAT-3 satellite image using the GF and evaluated its performance. In order to utilize GF for the unsupervised change detection, cross-sharpened images were generated based on GF, and CVA (Change Vector Analysis) was applied to the generated cross-sharpened images to extract the changed area in the multitemporal satellite imagery. Experimental results using KOMPSAT-3 satellite images showed that the proposed method can be effectively used to detect changed regions compared with CVA results based on existing cross-sharpened images.

주제어

표/그림 (12)

그림 Fig. 1. (a) KOMPSAT-3 imagery acquired from April 2014, (b) KOMPSAT-3 imagery acquired from May 2016.
표 Table 1. Sensor Specification of KOMPSAT-3
그림 Fig. 2. Process for making cross-sharpened images.
그림 Fig. 3. Workflow for generation of cross-sharpened images based on GF.
그림 Fig. 4. Cross-sharpened images based on GF : (a) MS_t₁, (b) MS_t₂, (c) GF_t₁t₁, (d) GF_t₁t₂, (e) GF_t₂t₁, (f) GF_t₂t₂.
그림 Fig. 5. Magnitude information images according to each algorithms : (a) result by pansharpened images, (b) result by cross-sharpened images, (c) result by proposed method, (d) ground truth data.
그림 Fig. 6. ROC curve according to each algorithm.
그림 Fig. 7. Binary change detection results according to each algorithm : (a) result by pansharpened images, (b) result by cross-sharpened images, (c) result by proposed method, (d) ground truth data.
표 Table 2. AUC values according to each algorithm
표 Table 3. Confusion matrix of change detection result by pansharpened images
표 Table 4. Confusion matrix of change detection result by cross-sharpened images
표 Table 5. Confusion matrix of change detection result by proposed method

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 영상의 잡음(noise)을 효과적으로 제거할 수 있는 대표적인 영상처리 기법인 Guided Filter(GF)을 이용하여 교차융합영상을 생성하고, 이를 이용하여 무감독 변화탐지를 수행하고자 하였다. GF를 이용하여 생성된 영상의 특성을 분석하고, 기존의 변화탐지 기법들을 이용한 변화탐지 결과들과의 비교평가를 통하여 GF 기반의 변화탐지 기법에 대한 활용가능성을 평가하고자 하였다.
그러나 교차융합영상을 수행하기 위해서는 효과적인 융합 기법을 선정해야 하며, 변화탐지 정확도의 경우에도 개선될 필요성이 있다. 따라서 본 연구에서는 영상의 잡음(noise)을 효과적으로 제거할 수 있는 대표적인 영상처리 기법인 Guided Filter(GF)을 이용하여 교차융합영상을 생성하고, 이를 이용하여 무감독 변화탐지를 수행하고자 하였다. GF를 이용하여 생성된 영상의 특성을 분석하고, 기존의 변화탐지 기법들을 이용한 변화탐지 결과들과의 비교평가를 통하여 GF 기반의 변화탐지 기법에 대한 활용가능성을 평가하고자 하였다.
본 연구에서는 GF를 이용하여 교차융합영상을 생성하고, 이를 변화탐지 기법에 활용하고자 하였다. GF를 이용하여 교차융합영상을 생성하는 과정을 순서도로 정리하면, Fig.
본 연구에서는 잡음을 제거하기 위한 방법인 GF를 교차융합기법의 생성과정에 영상융합기법을 대체하여 적용해보고, 이에 대한 활용가능성을 검토해보고자 하였다. 이를 위하여, GF를 기반으로 KOMPSAT-3 위성영상에 대한 4장의 교차융합영상을 생성하였으며, 임계치 적용기법을 이용하여 이진화 변화탐지 지도를 생성하였다.

가설 설정

본 연구에서 유도 영상은 전정색 영상으로 가정하고,GF의 입력영상은 다중분광영상으로 설정하였다. 교차융합영상에 제작에 필요한 유도 영상을 생성하기 위하여 고해상도 전정색 영상 P에 MTF(Modulation Transfer Function)을 통하여 1차적으로 영상의 공간해상도를 저하시킨 후, 영상의 크기를 다중분광영상과 동일한 크기로 재조정하여, 저해상도 전정색 영상 P_L를 생성하였다.
교차융합영상에 제작에 필요한 유도 영상을 생성하기 위하여 고해상도 전정색 영상 P에 MTF(Modulation Transfer Function)을 통하여 1차적으로 영상의 공간해상도를 저하시킨 후, 영상의 크기를 다중분광영상과 동일한 크기로 재조정하여, 저해상도 전정색 영상 P_L를 생성하였다. 생성된 P_L를 유도 영상, MS을 입력영상으로 가정하여, GF의 계수를 산출하였다. 산출된 계수는 저해상도 다중분광 영상의 잡음을 제거시키며, 유도 영상과 유사한 공간적인 특성을 유지하도록 조정해줄 수 있다.

제안 방법

1은 실험에 사용한 영상의 예이며, 그림에서 확인할 수 있는 것과 같이 실험지역 내 다양한 건물들이 생성된 것을 볼 수 있으며, 우측 상단에 존재하는 아파트 단지의 경우에는 촬영각의 차이로 인하여 영상에 기록된 객체들의 형상 차이가 존재하는 것을 확인할 수 있다. 또한, 기하 보정된 실험영상에 대해서는 히스토그램 매칭과정을 이용하여 상대방사정규화를 수행하였다.
본 연구에서 제안한 기법을 적용하기 위하여, Python과 MATLAB을 이용하여 제안 방법을 구현하고, 실험을 수행하였다. 변화 전, 후에 대한 KOMPSAT-3호 위성영상에 대하여 GF를 기반으로 하는 교차융합영상을 생성한 결과는 Fig.
본 연구에서는 잡음을 제거하기 위한 방법인 GF를 교차융합기법의 생성과정에 영상융합기법을 대체하여 적용해보고, 이에 대한 활용가능성을 검토해보고자 하였다. 이를 위하여, GF를 기반으로 KOMPSAT-3 위성영상에 대한 4장의 교차융합영상을 생성하였으며, 임계치 적용기법을 이용하여 이진화 변화탐지 지도를 생성하였다. 변화탐지를 위한 크기정보와 이진화 변화탐지 지도를 정량적으로 분석한 결과, GF 기법을 교차융합영상을 생성하는 데에 효과적으로 활용할 수 있음을 확인하였으며, 특히 기존의 방법들과 비교하여 오탐지율을 감소시킬 수 있는 것도 확인하였다.

대상 데이터

실험에 사용한 위성 센서는 KOMPSAT-3이며, 2014년 4월 10일과 2016년 5월 16일에 촬영한 영상 내에 존재하는 청주 내 산업단지 지역을 실험지역으로 선정하였다. Table 1은 KOMPSAT-3의 제원을 나타내며, KOMPSAT3은 B, G, R, NIR의 4밴드로 이루어진 2.

데이터처리

따라서, 변화가 발생한 지역에 대해서는 GF 기반 교차융합영상에서 발생된 분광정보의 왜곡을 정량화하여 변화지역을 추출할 수 있을 것으로 판단하였다. GF 기반 교차융합영상을 식 (5)에 적용하여 생성된 변화탐지 결과를 정량적으로 평가하기 위하여 본 연구에서는 타 변화탐지 기법을 통한 결과와의 비교평가를 수행하였다. 비교대상으로 선정한 기법은 일반적인 영상융합 기법을 통하여 생성된 변화 전/후의 고해상도 다중분광영상을 이용한 변화탐지 결과, 영상융합 기법을 통하여 생성된 교차융합영상을 이용한 변화탐지 결과이다(Park et al.

이론/모형

한편, 실제 변화탐지 결과를 활용하기 위해서는 최적의 임계치를 설정하고, 이를 바탕으로 이진화 변화탐지 지도(binary change detection map)를 생성하는 것이 일반적이다. 따라서, 본 연구에서도 이진화 변화탐지 지도 생성시의 결과를 평가하기 위하여, otsu 기법을 이용하여 이진화 변화탐지 지도를 작성하고, 이에 대한 오차행렬을 생성하여, 결과를 평가하였다. Fig.
, 2018). 해당 영상들을 생성하기 위한 영상융합 기법은 변화탐지를 위한 교차융합 영상에 효과적으로 적용가능하다고 알려진 NDVI 기반의 하이브리드 융합기법을 활용하였다(Park et al., 2018). Fig.

성능/효과

Fig. 6과 Table 2에서 확인할 수 있는 것과 같이, 본 연구에서 제안한 GF 기반의 교차융합영상을 이용하여 변화탐지를 수행한 결과가 기존의 융합영상 및 교차융합 영상을 이용한 변화탐지 결과와 비교하여 우수한 결과를 도출할 수 있음을 확인할 수 있었다. 한편, 실제 변화탐지 결과를 활용하기 위해서는 최적의 임계치를 설정하고, 이를 바탕으로 이진화 변화탐지 지도(binary change detection map)를 생성하는 것이 일반적이다.
교차융합영상은 기존의 다시기 위성영상 만을 사용하는 기법들과 비교하여 향상된 정확도를 가지며, 고해상도 위성영상이 가지는 기복변위 등에 의한 오탐지율을 감소시킬 수 있다. 그러나 교차융합영상을 수행하기 위해서는 효과적인 융합 기법을 선정해야 하며, 변화탐지 정확도의 경우에도 개선될 필요성이 있다.
7에서 확인할 수 있는 것과 같이, 교차융합기법에 의한 결과들은 공통적으로 대부분의 변화지역을 효과적으로 탐지한 것을 확인할 수 있다. 그러나 대부분 계절적 변화에 의한 식생지역의 오탐지가 일부 발생하였으며, 특히 융합영상과 교차융합영상을 활용한 기존의 기법들은 제안 기법과 비교하여 상대적으로 오탐지 된 화소들이 아파트 단지 부근에서 크게 발생한 것을 확인해 볼 수 있었다. 이는 Table 5에서 제안기법의 오탐지율이 크게 낮은 것으로부터 추가적으로 확인할 수 있었다.
이는 Table 5에서 제안기법의 오탐지율이 크게 낮은 것으로부터 추가적으로 확인할 수 있었다. 따라서 본 연구에서 제안한 GF 기반의 교차융합영상이 무감독 변화탐지에 효과적으로 사용할 수 있음을 확인하였다.
이를 위하여, GF를 기반으로 KOMPSAT-3 위성영상에 대한 4장의 교차융합영상을 생성하였으며, 임계치 적용기법을 이용하여 이진화 변화탐지 지도를 생성하였다. 변화탐지를 위한 크기정보와 이진화 변화탐지 지도를 정량적으로 분석한 결과, GF 기법을 교차융합영상을 생성하는 데에 효과적으로 활용할 수 있음을 확인하였으며, 특히 기존의 방법들과 비교하여 오탐지율을 감소시킬 수 있는 것도 확인하였다. 그러나 일부 식생지역에 대해서는 오탐지가 발생하였기 때문에, 향후 연구에서는 GF 기법을 이용한 변화탐지 방법에서 전체 정확도를 더욱 개선시킬 수 있는 방법에 대하여 연구하고 다양한 지역에 대해서도 실험을 수행할 계획이다.

후속연구

변화탐지를 위한 크기정보와 이진화 변화탐지 지도를 정량적으로 분석한 결과, GF 기법을 교차융합영상을 생성하는 데에 효과적으로 활용할 수 있음을 확인하였으며, 특히 기존의 방법들과 비교하여 오탐지율을 감소시킬 수 있는 것도 확인하였다. 그러나 일부 식생지역에 대해서는 오탐지가 발생하였기 때문에, 향후 연구에서는 GF 기법을 이용한 변화탐지 방법에서 전체 정확도를 더욱 개선시킬 수 있는 방법에 대하여 연구하고 다양한 지역에 대해서도 실험을 수행할 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	GF란?	GF(Guided Filtering)는 영상에 존재하는 에지 정보를 보존하면서 잡음을 효과적으로 제거하기 위한 대표적인 영상처리 기법이다. 본 연구에서는 GF를 이용하여 다시기 KOMPSAT-3 위성영상에 대한 무감독 변화 탐지 기법을 수행하고, 이에 대한 성능을 평가하고자 하였다.
	원격탐사 분야에서 변화탐지 기법이 중요해진 이유는 무엇인가?	변화탐지 기법은 다시기에 취득된 다양한 원격탐사자료들을 활용하여 지형의 변화 유무 및 양상을 분석하는 원격탐사 활용 기법이다. 특히, 산불, 도시개발, 환경변화, 재난/재해 등의 다양한 지형변화 현상 등의 분석에 대한 중요성이 증대됨에 따라서, 원격탐사 자료를 이용한 변화탐지 기법은 토목, 도시, 환경, 국방 등의 다양한 분야에서 활용 가능한 기법이다. 따라서 원격탐사 분야에서는 변화탐지에 대한 연구들이 꾸준히 이루어지고 있으며, 기술적인 특성에 따라서 감독 변화탐지(supervised change detection)와 무감독 변화탐지(unsupervised change detection)로 구분할 수 있다(Lu et al.
	원격탐사 분야에서는 변화탐지는 어떻게 구분되는가?	특히, 산불, 도시개발, 환경변화, 재난/재해 등의 다양한 지형변화 현상 등의 분석에 대한 중요성이 증대됨에 따라서, 원격탐사 자료를 이용한 변화탐지 기법은 토목, 도시, 환경, 국방 등의 다양한 분야에서 활용 가능한 기법이다. 따라서 원격탐사 분야에서는 변화탐지에 대한 연구들이 꾸준히 이루어지고 있으며, 기술적인 특성에 따라서 감독 변화탐지(supervised change detection)와 무감독 변화탐지(unsupervised change detection)로 구분할 수 있다(Lu et al., 2004; Lu et al.

참고문헌 (12)

Byun, Y., Y. Han, and T. Chae, 2015. Image fusion-based change detection for flood extent extraction using bi-temporal very high-resolution satellite images, Remote Sensing, 7(8): 10347-10363.

상세보기
Choi, J., H. Park, N. Park, S. Han, and J. Song, 2017. Deforestation analysis using unsupervised change detection based on ITPCA, Korean Journal of Remote Sensing, 33(6-3): 1233-1242 (in Korean with English abstract).
Fawcett, T., 2006. An introduction to ROC analysis, Pattern Recognition Letters, 27(8): 861-874.

상세보기
Han, Y., T. Kim, S. Han, and J. Song, 2017. Change detection of urban development over large area using KOMPSAT optical imagery, Korean Journal of Remote Sensing, 33(6-3): 1223-1232 (in Korean with English abstract).
He, K., J. Sun, and X. Tang, 2013. Guided image filtering, IEEE Transactions on Pattern Analysis and Machine Intelligence, 35(6): 1397-1409.

상세보기
Lu, D., P. Mausel, E. Brondizio, and E. Moran, 2004. Change detection techniques, International Journal of Remote Sensing, 25(12): 2365-2401.

상세보기
Lu, D., G. Li, and E. Moran, 2014. Current situation and needs of change detection techniques, International Journal of Image Data Fusion, 5(1): 13-38.
Oh, J. H. and C. N. Lee, 2015. Urban change detection between heterogeneous images using the edge information, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 33(4): 259-266 (in Korean with English abstract).
Park, H., J. Choi, and J. Oh, 2018. Seasonal effects removal of unsupervised change detection based multitemporal imagery, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 36(2): 51-58 (in Korean with English abstract).
Park, H., J. Choi, W. Park, and H. Park, 2018. Modified S2CVA algorithm using cross-sharpened images for unsupervised change detection, Remote Sensing, 10(9): 3301.
Park, N., D. Kim, J. Ahn, J. Choi, W. Park, and H. Park, 2017. Unsupervised change detection based on sequential spectral change vector analysis for updating land cover map, Korean Journal of Remote Sensing, 33(6-2): 1075-1087 (in Korean with English abstract).
Wang, B., S. Choi, Y. Byun, S. Lee, and J. Choi, 2015. Object-based change detection of very high resolution satellite imagery using the cross-sharpening of multitemporal data, IEEE Geoscience and Remote Sensing Letters, 12(5): 1151-1155.

상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

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

[국내논문] Guided Filter를 이용한 교차융합영상 기반 KOMPSAT-3 위성영상의 무감독변화탐지
Unsupervised Change Detection of KOMPSAT-3 Satellite Imagery Based on Cross-sharpened Images by Guided Filter 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (12)

표/그림 (12)

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] Guided Filter를 이용한 교차융합영상 기반 KOMPSAT-3 위성영상의 무감독변화탐지 Unsupervised Change Detection of KOMPSAT-3 Satellite Imagery Based on Cross-sharpened Images by Guided Filter 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (12) 모든 표/그림 보기

표/그림 (12) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

최재완 (39) 박홍련 (4) 김동학 (1) 최석근 (41)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] Guided Filter를 이용한 교차융합영상 기반 KOMPSAT-3 위성영상의 무감독변화탐지
Unsupervised Change Detection of KOMPSAT-3 Satellite Imagery Based on Cross-sharpened Images by Guided Filter 원문보기

초록
AI-Helper

표/그림 (12)

표/그림 (12)

AI 본문요약
AI-Helper