[논문]KOMPSAT-3A 중적외선 영상의 공간해상도 복원 기법

오관영; 이광재; 정형섭; 박숭환; 김정철

doi:10.7780/kjrs.2019.35.6.4.8

[국내논문] KOMPSAT-3A 중적외선 영상의 공간해상도 복원 기법
Method for Restoring the Spatial Resolution of KOMPSAT-3A MIR Image 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.35 no.6 pt.4, 2019년, pp.1391 - 1401

오관영 (한국항공우주연구원 위성정보센터) , 이광재 (한국항공우주연구원 위성정보센터) , 정형섭 (서울시립대학교 공간정보공학과) , 박숭환 (서울시립대학교 공간정보공학과) , 김정철 (국립생태원 생태공간연구팀)

초록
AI-Helper

KOMPSAT-3A는 2015년 한국항공우주연구원(KARI)이 발사한 고해상 광학위성으로 0.55 m 급 전정색영상(PAN), 2.2 m 급 다중 분광 영상(MS) 그리고 5.5 m 급 중적외선 영상(MIR_OR)을 제공한다. 그러나 보안 또는 군사적인 문제로 인해 공간 해상도 5.5 m MIR_OR 영상은 33 m 공간해상도로 down-sampling된 MIR_rd 영상으로 제공된다. 본 연구에서는 가상의 고주파(HP) 영상과 최적 융합 계수를 이용하여 MIR_rd 영상의 공간해상도를 복원하는 방법을 제안하였다. MS 영상과 MIR_rd 영상을 이용하여 가상의 MIR_OR^fus 영상을 제작하였으며, 이를 실제 MIR_OR 영상과 비교 분석하였다. 실험 결과, 제안된 방법이 MS 영상의 공간해상도와 MIR_rd 영상의 분광정보를 효과적으로 조합 하였다는 것을 보여주었다.

Abstract ▼ AI-Helper

The KOMPSAT-3A is a high-resolution optical satellite launched in 2015 by Korea Aerospace Research Institute (KARI). KOMPSAT-3A provides Panchromatic (PAN-0.55 m), Multispectral (MS-2.2 m), and Mid-wavelength infrared (MIROR-5.5 m) image. However, due to security or military problems, MIROR image with 5.5m spatial resolution are provided down sampled at 33 m spatial resolution (MIRrd). In this study, we propose spatial sharpening method to improve the spatial resolution of MIRrd image (33 m) using virtual High Frequency (HF) image and optimal fusion factor. Using MS image and MIRrd image, we generated virtual high resolution (5.5 m) MIRORfus image and then compared them to actual high-resolution MIROR image. The test results show that the proposed method merges the spatial resolution of MS image and the spectral information of MIRrd image efficiently.

Keyword

표/그림 (10)

표 Table 1. Characteristics of KOMPSAT-3A test images
그림 Fig. 1. KOMPSAT 3A test images: (a) MIR_OR (5.5 m), (b) MIR_rd (33 m), (c) PAN (0.55 m), (d) MS (2.2 m).
그림 Fig. 2. Workflow for Restoring the Spatial Resolution of MIR_rd.
표 Table 2. Formulas for fusion factors
그림 Fig. 3. HP images: (a) HP-MIR_OR, (b) Virtual HP-PAN (MRA), (c) Virtual HP-PAN (CS), (d) Virtual HP-I (MRA), (e) Virtual HP-I (CS).
그림 Fig. 4. Zone A of Fig. 3(a): (a) HP-MIR_OR, (b) Virtual HP-PAN (MRA), (c) Virtual HPPAN (CS), (d) Virtual HP-I (MRA), (e) Virtual HP-I (CS).
표 Table 3. Quantitative analysis between actual HP and 4 virtual HP images
그림 Fig. 5. Reference and resorting images: (a) MIR_OR, (b) MIR_rd, (c) I, (d) Virtual-HP I (MRA), (e) std. ratio, (f) Range ratio, (g) proposed 1, (h) proposed 2.
그림 Fig. 6. Zone B of Fig. 5(a): (a) MIR_OR, (b) MIR_rd, (c) I, (d) Virtual-HP I (MRA), (e) std. ratio, (f) Range ratio, (g) proposed 1, (h) proposed 2.
표 Table 4. Quality indices: MIR_OR image and four different fusion images

AI 본문요약
AI-Helper

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

문제 정의

그러나 기존의 연구는 KOMPSAT-3A와 같은 고 해상 광학영상을 대상으로 진행되지 않았으며, 해상도 향상 영상의 품질 평가를 위한 타겟 영상이 존재하지 않는다는 한계가 있다. 따라서 본 연구에서는 KOMPSAT-3A에서 제공하는 번들 영상(PAN, MS, MIR_rd)에 적합한 공간해상도 복원 기법을 제안하고, 실제로 제공되지 않는 MIR_OR과의 직접적인 비교 분석을 통해 연구의 신뢰성을 확보하고자 한다.
본 연구의 목적은 KOMPSAT-3A 번들 영상으로 제공되는 MIR_rd 영상(33 m~)의 해상도를 수학적인 방법을 통해 MIR_OR (5.5 m~)의 수준으로 복원시키는 것이다. 이를 위해 본 장에서는 수정된 Pan-sharpening 기법을 기반으로 가상의 고주파 영상 제작 및 최적의 융합 계수 도출 방안 그리고 고해상 MIR_OR 영상과의 비교 분석 과정을 기술한다.
본 연구에서는 가상의 고주파 영상을 효과적으로 스케일링 할 수 있는 최적 융합 계수를 제안하고자 한다. 최적 융합 계수는 PAN 또는 I 영상에서 분리된 고주파 및 저주파 영상과 MIR_rd간의 통계 분석을 통하여 이뤄진다.
본 절에서는 선정된 가상의 고주파 영상과 다양한 융합 계수에 따른 해상도 복원 실험을 진행하였다. 해상도 복원 영상 #은 보간된 MIR_rd 영상과 융합 계수로 스케일링 된 가상의 고주파 영상의 합산으로 생성된다.
이를 위하여 저해상 MIR_rd 영상을 스플라인 보간법을 사용하여, 고해상 MIR_OR 영상의 크기로 변환 하였다. 본 실험에서는 총 4가지의 융합 계수에 따라 생성된 복원 영상의 비교하고, 분석 하였다. Fig.
반면, 콘크리트 도로의 경우, MIR_OR 영상에서는 어둡게 나타나지만 I 영상에서는 밝게 나타났다. 한편, 본 연구는 제시된 MIR_rd영상의 특성을 최대한 보존하면 서, 공간 해상력은 향상시키는데 주된 목적이 있다. 해상도가 복원된 융합영상(Fig.
본 연구에서는 KOMPSAT-3A 번들 영상에서 제공하는 저해상 MIR_rd 영상의 해상도(33 m)를 원 해상도(5.5 m)로 복원하는 것을 목적으로 한다. 이를 위하여, 가상의 고주파 영상을 선정하고, 최적의 융합 계수를 제안하였다.
6(b) 영상의 해상력을 복원하는 것은 큰 의미가 있다(Jung and Park, 2014). 이와 같은 관점에서 상대적으로 trade-off 관계를 최소화한 영상을 선정하고자 하였다. 융합 계수에 따른 복원 영상의 trade-off 관계는 Fig.

제안 방법

따라서 본 실험을 위해서는 실험 자료의 정밀 정사보정 또는 실험 자료 간 상대기하보정이 선행되어야 한다. 본 실험을 위하여, 각각의 실험 자료들은 sub-pixel 이하의 정확도로 정밀 정사보정이 실시되었다(UTM, GRS80, MSL). 또한, 실험의 편의성을 위하여 행과 열 방향의 공간해상도를 각각 5.
5 m~)의 수준으로 복원시키는 것이다. 이를 위해 본 장에서는 수정된 Pan-sharpening 기법을 기반으로 가상의 고주파 영상 제작 및 최적의 융합 계수 도출 방안 그리고 고해상 MIR_OR 영상과의 비교 분석 과정을 기술한다.
해당 연구에서는 저해상 대상 영상의 공간 해상도와 보간 효과를 고려하여, 7×7 크기로 블록 평균 후 재 보간 하는 방식을 사용하였다.
본 연구에서는 수정된 Pan-sharpening(Eq. (2))를 기반으로 가상의 고주파 영상을 선정하고, 최적 융합 계수를 제안 한다. 그리고 실제로는 제공되지 않는 고해상 MIR_OR과의 시각적 및 정량적 분석을 수행한다.
(2))를 기반으로 가상의 고주파 영상을 선정하고, 최적 융합 계수를 제안 한다. 그리고 실제로는 제공되지 않는 고해상 MIR_OR과의 시각적 및 정량적 분석을 수행한다. 본 연구의 흐름은 다음 Fig.
반면, MS 영상은 다중 밴드(Blue, Green, Red, NIR) 영상이므로 상관성이 높은 하나의 밴드를 선택하거나, 가중 평균 등의 전처리 과정을 통해 단일 밴드로 변환하는 과정을 거쳐야 한다. 본 연구에서는 MIR_rd 영상과 MS 영상 간 다중 회기 분석을 통하여, MIR_rd 영상과 유사한 통계 특성을 지닌 단일 밴드 강도 영상(intensity; 이하 I)을 제작하는 방식을 사용하였다(Oh et al., 2015).
해당 연구에서는 저해상 대상 영상의 공간 해상도와 보간 효과를 고려하여, 7×7 크기로 블록 평균 후 재 보간 하는 방식을 사용하였다. CS 방법에 따른 가상의 고주파 영상 제작은 PAN 또는 I 영상에서 MIR_rd 영상을 차분하는 방식으로 진행하였다.
ratio, Range ratio). 본 연구에서는 새로운 융합 계수를 정의 하였으며, 이는 가상의 고주파 영상 및 가상의 저주파 영상과 MIR_rd영상의 공분산/분산 비 를 이용하여 도출된다(Table 2- Proposed 1, Proposed 2).
PAN 영상과 단일 밴드로 변환된 I 영상에 각각 MRA 방법과 CS 방법을 적용하여 서로 다른 4 가지 가상의 고주파 영상을 제작하였다(Fig.
이와 같은 결과는 정량적인 분석 결과와도 일치한다(Table 3). 정량적인 분석은 2가지 평가지표를 통해 진행되었다. Corr.
시각 및 정량적인 분석 결과 MS 영상으로부터 변화된 I 영상에 MRA 방법을 적용하여 추출된 가상의 고주파 영상이 실제 고주파 영상에 가장 유사한 것으로 판단하였다. 이에 본 연구에서는 해당 가상 고주파 영상을 기반으로 다양한 융합 계수의 적용을 통해 저해상 MIR_rd 영상의 공간해상도를 복원하고 그 성능을 비교 분석하였다.
해상도 복원 영상 #은 보간된 MIR_rd 영상과 융합 계수로 스케일링 된 가상의 고주파 영상의 합산으로 생성된다. 이를 위하여 저해상 MIR_rd 영상을 스플라인 보간법을 사용하여, 고해상 MIR_OR 영상의 크기로 변환 하였다. 본 실험에서는 총 4가지의 융합 계수에 따라 생성된 복원 영상의 비교하고, 분석 하였다.
시각적 분석과 더불어, 4가지 평가지표에 따른 정량적 분석을 실시하였다(Table 4). 분석에 사용된 평가지표는 총 세 가지로 ERGAS, Q, Spatial 이다(Oh, 2017).
5 m)로 복원하는 것을 목적으로 한다. 이를 위하여, 가상의 고주파 영상을 선정하고, 최적의 융합 계수를 제안하였다. 본 연구에서는 대한민국 고흥을 촬영한 KOMPSAT-3A 번들 영상으로 실험을 진행하고, 실제로 공개되지 않는 고해상 MIR_OR영상과 비교 평가를 진행하였다.
이를 위하여, 가상의 고주파 영상을 선정하고, 최적의 융합 계수를 제안하였다. 본 연구에서는 대한민국 고흥을 촬영한 KOMPSAT-3A 번들 영상으로 실험을 진행하고, 실제로 공개되지 않는 고해상 MIR_OR영상과 비교 평가를 진행하였다. 총 4가지 융합 계수에 따라 생성된 복원 영상에 대한 시각적 및 정량적 평가를 수행한 결과, 다음과 같은 결론을 얻을 수 있었다.
첫째, PAN 영상과 MS 영상을 활용하여, 4가지 가상의 고주파 영상을 생성하였다. 실험결과, MS 영상으로 생성된 I 영상에 MRA 기법을 적용하였을 경우, 상대적으로 실제 고주파 영상과 상대적으로 유사한 특성을 나타냈다.

대상 데이터

실험 자료는 2017년 10월 13일 대한민국 고흥 지역을 촬영한 KOMPSAT-3A 번들 영상이다. 고흥 지역은 한반도의 최남단에 위치하고 있으며, 해안과 농경지, 산악지로 구성되어 있다(Fig.
또한, 실험의 편의성을 위하여 행과 열 방향의 공간해상도를 각각 5.5 m(MIROR), 33 m(MIRrd), 0.55 m (PAN), 2.2m(MS)로 재보간하였으며, 영상의크기(MIROR 기준)는 1,800×1,800 (pixel)으로 절취하여 사용하였다 (Fig. 1).
시각적 분석과 더불어, 4가지 평가지표에 따른 정량적 분석을 실시하였다(Table 4). 분석에 사용된 평가지표는 총 세 가지로 ERGAS, Q, Spatial 이다(Oh, 2017). ERGAS와 Q는 분광정보의 보존 정도를 나타내며, 이상적인 값은 각각 0과 1이다.
또한, Spatial은 공간 해상력의 보존 정도를 나타내며 이상적인 값은 1이다. 이와 같은 지표는 타겟 영상과 복원 영상 간 유사성 비교를 통해 진행되며, 본 연구에서는 MIR_OR 영상을 타겟 영상으로 사용하였다. 분석 결과, Proposed 1이 모든 수치에서 가장 우수한 결과를 나타냈으며, Proposed 2가 그 뒤를 이었다.

이론/모형

MRA 방법에 따른 가상의 고주파 영상 제작은 적용되는 필터링의 종류에 따라 다양한 방식으로 구분 될 수 있다. 본 연구에서는 Jung and Park(2014)이 제안한 방법을 적용하였다. 해당 연구에서는 저해상 대상 영상의 공간 해상도와 보간 효과를 고려하여, 7×7 크기로 블록 평균 후 재 보간 하는 방식을 사용하였다.

성능/효과

3(b-e)). 또한, 영상 내의 불필요한 노이즈를 최소화하기 위하여, 각각의 가상의 고주파 영상에서 95% 신뢰 수준에 해상하는 임계값 1.96을 기준으로 DN(Digital Number)의 범위를 제한하였다. 이와 더불어 제작된 가상의 고주파 영상과의 특성 비교를 위하여, MIR_OR로부터 실제 고주파 영상(Fig.
, 2016). 시각 및 정량적인 분석 결과 MS 영상으로부터 변화된 I 영상에 MRA 방법을 적용하여 추출된 가상의 고주파 영상이 실제 고주파 영상에 가장 유사한 것으로 판단하였다. 이에 본 연구에서는 해당 가상 고주파 영상을 기반으로 다양한 융합 계수의 적용을 통해 저해상 MIR_rd 영상의 공간해상도를 복원하고 그 성능을 비교 분석하였다.
이와 같은 지표는 타겟 영상과 복원 영상 간 유사성 비교를 통해 진행되며, 본 연구에서는 MIR_OR 영상을 타겟 영상으로 사용하였다. 분석 결과, Proposed 1이 모든 수치에서 가장 우수한 결과를 나타냈으며, Proposed 2가 그 뒤를 이었다. 한편, 공간 해상력 지수(Spatial)는 융합 계수가 가장 높은 Range ratio(α=0.
92)가 공간 해상력 지수에서 가장 높은 순위를 나타냈을 것이다. 결론적으로 시각적 평가와 정략적 평가 모두에서 Proposed 1이 최적의 융합 계수를 추정한 것으로 판단되었다. 다만, 제안된 방법은 추가적인 보완이 필요할 것으로 생각된다.
첫째, PAN 영상과 MS 영상을 활용하여, 4가지 가상의 고주파 영상을 생성하였다. 실험결과, MS 영상으로 생성된 I 영상에 MRA 기법을 적용하였을 경우, 상대적으로 실제 고주파 영상과 상대적으로 유사한 특성을 나타냈다.
둘째, 2가지 융합 계수 추정 기법을 제안하였으며, 시각적 및 정량적 평가결과 Proposed 1을 사용한 경우가 가장 우수한 결과를 나타냈다.
셋째, 본 연구에서 제안한 기법을 이용하여, 저해상 MIR_rd 영상의 해상력을 상당부분 복원하였지만 실제 MIR_OR 영상과는 일정부분 차이가 있었다. 향후 연구에 서는 가상의 고주파 영상 생성 기법에 대한 추가 연구가 필요할 것으로 사료된다.

후속연구

다만, 제안된 방법은 추가적인 보완이 필요할 것으로 생각된다.
5, 6에서 확인한 바와 같이, 주입되는 가상의 고주파 영상이 실제 고주파 영상과 여전히 차이가 있기 때문이다. 향후에는 가상의 고주파 영상이 실제 고주파 영상에 좀 더 유사한 분광 특성을 지니도록 지역적 단위의 변환 연구가 필요할 것으로 사료된다.
영상과는 일정부분 차이가 있었다. 향후 연구에 서는 가상의 고주파 영상 생성 기법에 대한 추가 연구가 필요할 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	KOMPSAT-3A는 2015년 한국항공우주연구원(KARI)이 발사한 고해상 광학위성으로 어떤 영상들을 제공하는가?	KOMPSAT-3A는 2015년 한국항공우주연구원(KARI)이 발사한 고해상 광학위성으로 0.55 m 급 전정색영상(PAN), 2.2 m 급 다중 분광 영상(MS) 그리고 5.5 m 급 중적외선 영상(MIROR)을 제공한다. 그러나 보안 또는 군사적인 문제로 인해 공간 해상도 5.
	가상의 고주파 영상을 추출하는 방식에 따라 무엇으로 구분할 수 있는가?	가상의 고주파 영상을 추출하는 방식에 따라 MRA 기반 기법과 CS 기반 기법으로 구분할 수 있다(Jeong et al., 2016).
	가상의 고주파 영상 추출을 위한 MRA 기반 기법과 CS 기반 기법은 각각 어떤 방식인가?	, 2016). MRA 방법은 고해상 전정색 영상 또는 다분광 영상에 저주파 필터링 등을 적용한 후, 차분하는 방식이고 CS 방법은 고해상 참조 영상에서 저해상 대상 영상(예, MIRrd)을 차분하는 방식(Choi et al., 2018)이다. PAN 영상은 단일 밴드이므로, 언급한 MRA와 CS 방법을 직접 적용할 수 있다.

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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