[논문]수렴각에 따른 KOMPSAT-3·3A호 영상 간 정밀 상호좌표등록 결과 분석

한유경; 김태헌; 김예지; 이정호

doi:10.7848/ksgpc.2019.37.6.491

[국내논문] 수렴각에 따른 KOMPSAT-3·3A호 영상 간 정밀 상호좌표등록 결과 분석
Fine Co-registration Performance of KOMPSAT-3·3A Imagery According to Convergence Angles 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.37 no.6, 2019년, pp.491 - 498

한유경 (School of Convergence & Fusion System Engineering, Kyungpook National University) , 김태헌 (Dept. of Geospatial Information, Kyungpook National University) , 김예지 (Satellite Application Division, Korea Aerospace Research Institute) , 이정호 (Satellite Application Division, Korea Aerospace Research Institute)

초록
AI-Helper

본 연구는 KOMPSAT-3 및 3A호 영상 간 상호좌표등록을 수행할 당시에 두 영상이 보이는 수렴각(convergence angle)의 크기에 따라서 상호좌표등록의 정확도가 어떻게 달라지는지에 대한 분석을 수행하였다. 고해상도 위성영상의 메타데이터에서 제공하는 영상의 좌표정보를 이용하여 영상 정합을 수행하기 위한 탐색영역을 줄일 수 있으므로, 본 연구에서는 좁은 탐색영역에서 정합 신뢰도가 높은 영역기반 정합쌍 추출 기법 중 하나인 상호정보(mutual information) 기법을 활용하였다. 상대적으로 해상도가 낮은 다중분광 영상을 이용하여 초기 상호좌표등록을 수행하여 초기 위치관계를 파악하고, 보다 정밀한 상호좌표등록을 위해 전정색 영상의 관심대상지역을 중심으로 정밀 상호좌표등록을 수행하였다. 대전지역에서 촬영된 16장의 KOMPSAT-3 및 3A호 영상으로 120개의 조합을 구성하여 실험을 수행하였다. 실험결과, 영상 간 수렴각 크기와 상호좌표등록 정확도 사이의 상관계수 값은 0.59를 보였고, 영상 간의 수렴각 크기가 클수록 상호좌표등록 정확도가 떨어지는 경향을 보이는 것을 확인하였다.

Abstract ▼ AI-Helper

This study analyzed how the accuracy of co-registration varies depending on the convergence angles between two KOMPSAT-3·3A images. Most very-high-resolution satellite images provide initial coordinate information through metadata. Since the search area for performing image co-registration can be reduced by using the initial coordinate information, in this study, the mutual information method showing high matching reliability in the small search area is used. Initial coarse co-registration was performed by using multi-spectral images with relatively low resolution, and precise fine co-registration was conducted centering on the region of interest of the panchromatic image for more accurate co-registration performance. The experiment was conducted by 120 combination of 16 KOMPSAT-3·3A 1G images taken in Daejeon area. Experimental results show that a correlation coefficient between the convergence angles and fine co-registration errors was 0.59. In particular, we have shown the larger the convergence angle, the lower the accuracy of co-registration performance.

주제어

표/그림 (8)

그림 Fig. 1. Flowchart of the proposed coarse-to-ﬁne co-registration approach
그림 Fig. 2. Representation of relationship among azimuth, elevation, and convergence
그림 Fig. 3. Satellite elevation (plotted radially from the center:ground nadir = 90, ground horizon = 0) and azimuth (plotted angularly clockwise: north = 0, east = 90, south =180, west = 270) angles used in the experiment
표 Table 1. The speciﬁcation of KOMPSAT 3·3A
표 Table 2. Collection dates, sensors, and acquisition angles of KOMPSAT-3·3A dataset
그림 Fig. 4. Relationship between convergence angles and co-registration performance
표 Table. 3. Convergence angels and co-registration errors (RMSE)
그림 Fig. 5. Examples of co-registration results according to convergence angles; (a) reference image: 2013-01-02, sensed image: 2016-04-11, convergence angle: 64.913°, (b) reference image: 2019-01-20, sensed image: 2019-01-02, convergence angle: 2.991°

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 고해상도 위성 영상 취득 당시의 위성의 자세, 특히 촬영각에 따른 영상 간 상호좌표등록의 결과를 분석한다. 촬영각 요소 중에서, 기복변위의 크기와 방향에 가장 큰 영향을 주는 위성영상의 스테레오 기하를 설명하는 대표적인 각도인 수렴각에 초점을 맞춰서 분석을 수행한다.
본 연구는 진정색 영상의 관심지역에 대한 좌표를 정밀하게 일치시키기 위하여, 초기(coarse) 상호좌표등록과 정밀(fine) 상호좌표등록 두 단계에 걸쳐서 상호좌표등록을 실시하였다.
본 연구에서는 각 영상 촬영 당시의 촬영각 환경과 상호좌표등록 정확도 간의 관계를 분석하고자 한다. 대부분의 고해상도 위성영상은 메타데이터를 통해 영상의 초기 위치 정보를 알 수 있다.
본연구는 KOMPSAT-3 및 3A호영상간정밀상호좌표등록정확도와 영상 취득 당시의 영상 간 보이는 수렴각과의 관계를 분석하였다. 이를 위해, 두 단계에 걸친 상호정보기반 정합기법을 적용하였으며, 대전지역에서 촬영된 총 16장의 위성영상을 조합하여 실험을 진행하였다.

제안 방법

본 연구는 진정색 영상의 관심지역에 대한 좌표를 정밀하게 일치시키기 위하여, 초기(coarse) 상호좌표등록과 정밀(fine) 상호좌표등록 두 단계에 걸쳐서 상호좌표등록을 실시하였다. 고해상도 위성영상의 메타데이터에서 제공하는 영상의 좌표정보를 이용하여 영상 정합을 수행하기 위한 탐색영역을 줄일 수 있으므로, 좁은 탐색영역에서 정합 신뢰도가 높은 영역기반 정합 쌍 추출 기법을 활용하여 상호좌표등록을 수행하였다. 본 연구에서는 이종 센서 영상 간의 유사도를 측정하는데 적합한 대표적인 영역기반 유사도 측정 방식인 상호정보기법을 활용하였다.
영역기반 정합기법은 영상 간 일정 크기의 템플릿(template)을 설정하고, 템플릿을 중심으로 영상 간 유사도를 측정한다. 그리고 측정된 유사도가 가장 높은 위치의 템플릿 중심점을 정합쌍으로 추출하여 변환모델을 구성하는 방식으로 수행된다. 영역기반 정합기법은 영상 내 특징요소가 적어도 적용이 가능한 장점이 있으나, 초기 위치관계에 대한 정보가 없으면 정합쌍 탐색영역이 넓어져 신뢰할만한 결과를 얻기 어렵다(Chen et al.
상호정보 기반의 정합쌍을 추출하기 위해서, 기준영상을 일정한 크기를 갖는 템플릿 격자로 나누고, 이에 대응되는 동일한 크기의 템플릿을 입력영상의 좌표정보를 이용하여 추출한다. 대응되는 격자 템플릿의 중심점을 각각 정합 쌍의 초기 위치로 판단하며, 입력영상의 격자 템플릿을 탐색영역 내에서 움직이면서 상호정보 값을 계산하여 가장 높은 유사도를 보이는 위치를 최종 정합쌍으로 추출한다. 추출된 정합 쌍에서 변환모델식 구성 과정에서 보이는 RMSE (Root Mean Square Error)가 큰 정합쌍을 반복적으로 제거하는 오정합쌍제거기법(Han et al.
1). 대전지역에서 촬영된 총 16장의 KOMPSAT-3 및 3A 영상의 모든 조합에 대하여 상호좌표등록을 수행하였으며, 수행 결과와 수렴각과의 관계를 분석하였다.
다중분광 영상 중에서, 유사도를 추정하는 데 있어서 Red 밴드 영상을 활용하는 것이 다른 밴드 영상을 이용하는 것보다 상대적으로 안정적인 결과를 도출한다고 규명된 바 있다(Han and Oh, 2018). 따라서 이미지 피라미드 기법을 이용하여 원 다중분광 영상의 4배 축소된 Red 밴드 영상을 이용하여 초기 상호좌표등록을 수행하였다. 상호정보 기법으로 정합쌍을 추출하기 위한 템플릿의 크기와 간격을 초기 상호좌표등록의 경우 500×500 화소, 250×250 화소로 선정하였다.
91°의 분포를 보였고, 10°에서 30° 사이에 87개 조합이 분포하여 가장 집중되어 나타났다. 모든 영상 조합에 대해서 상호좌표등록과정을 거친 후, 상호좌표등록 결과와 수렴각의 관계에 대하여 분석을 진행하였다.
이러한 좌표정보를 이용하여 영상 정합을 수행하기 위한 탐색영역을 줄일 수 있으므로, 본 연구에서는 좁은 탐색영역에서 정합 신뢰도가 높은 영역기반 정합쌍 추출기법 중 하나인 상호정보 기법을 활용하였다. 상대적으로 해상도가 낮은 다중분광 영상을 이용하여 초기 상호좌표등록을 수행하여 초기 위치관계를 파악하고, 보다 정밀한 상호좌표등록을 위해 전정색 영상의 관심대상지역을 중심으로 정밀 상호좌표등록을 수행하였다. 대전지역에서 촬영된 총 16장의 KOMPSAT-3·3A호 영상을 조합하여 120가지 경우에 대하여 실험을 수행하였다.
선정된 중첩 영역에 대하여, 피라미드 기법을 통해 원영상의 해상도를 떨어뜨린 영상을 바탕으로 상호정보 기반의 정합쌍 추출을 수행한다. 상호정보 기반의 정합쌍을 추출하기 위해서, 기준영상을 일정한 크기를 갖는 템플릿 격자로 나누고, 이에 대응되는 동일한 크기의 템플릿을 입력영상의 좌표정보를 이용하여 추출한다. 대응되는 격자 템플릿의 중심점을 각각 정합 쌍의 초기 위치로 판단하며, 입력영상의 격자 템플릿을 탐색영역 내에서 움직이면서 상호정보 값을 계산하여 가장 높은 유사도를 보이는 위치를 최종 정합쌍으로 추출한다.
이를 위해, 두 영상 좌표관계를 우선적으로 맞춰주기 위한 초기 상호좌표등록 단계에서는 메타데이터에서 제공하는 위성영상의 좌표정보를 이용하여 초기 중첩 영역을 선정한다. 선정된 중첩 영역에 대하여, 피라미드 기법을 통해 원영상의 해상도를 떨어뜨린 영상을 바탕으로 상호정보 기반의 정합쌍 추출을 수행한다. 상호정보 기반의 정합쌍을 추출하기 위해서, 기준영상을 일정한 크기를 갖는 템플릿 격자로 나누고, 이에 대응되는 동일한 크기의 템플릿을 입력영상의 좌표정보를 이용하여 추출한다.
본연구는 KOMPSAT-3 및 3A호영상간정밀상호좌표등록정확도와 영상 취득 당시의 영상 간 보이는 수렴각과의 관계를 분석하였다. 이를 위해, 두 단계에 걸친 상호정보기반 정합기법을 적용하였으며, 대전지역에서 촬영된 총 16장의 위성영상을 조합하여 실험을 진행하였다. 제안 기법을 통해 약 2.
영역기반 정합쌍 추출 기법을 활용하기 위해서는 두 영상 간의 탐색영역을 최소화하여야 신뢰할 만한 결과를 얻을 수 있다. 이를 위해, 두 영상 좌표관계를 우선적으로 맞춰주기 위한 초기 상호좌표등록 단계에서는 메타데이터에서 제공하는 위성영상의 좌표정보를 이용하여 초기 중첩 영역을 선정한다. 선정된 중첩 영역에 대하여, 피라미드 기법을 통해 원영상의 해상도를 떨어뜨린 영상을 바탕으로 상호정보 기반의 정합쌍 추출을 수행한다.
본 연구는 고해상도 위성 영상 취득 당시의 위성의 자세, 특히 촬영각에 따른 영상 간 상호좌표등록의 결과를 분석한다. 촬영각 요소 중에서, 기복변위의 크기와 방향에 가장 큰 영향을 주는 위성영상의 스테레오 기하를 설명하는 대표적인 각도인 수렴각에 초점을 맞춰서 분석을 수행한다. 고해상도 영상 간 상호좌표등록은 우선적으로 상대적으로 공간해상도가 낮은 다중분광영상의 Red 밴드를 이용하여 초기 상호좌표등록을 수행한 후, 전정색 영상의 관심지역에 대하여 보다 정밀한 상호좌표등록을 수행하는 형태로 진행한다(Fig.

대상 데이터

(a)는 2013년 1월 2일에 촬영된 KOMPSAT-3 영상과 2016년 4월 11일에 촬영된 KOMPSAT-3 영상을 각각 기준영상, 대상영상으로 선정하였으며 두 영상의 수렴각은 약 64.913°이다.
다양한 촬영 환경을 가지는 영상에 대한 평가를 위해 11장의 KOMPSAT 3호 영상과 5장의 KOMPSAT 3A호 영상 등 총 16장의 영상이 실험에 사용되었다. 영상 자료는 모두 2013년 1월부터 2019년 2월까지 대전광역시 유성구의 연구단지를 중심으로 취득되었으며, 대학교, 연구소, 주거지역, 상업지역, 도로, 공원, 숲 등이 존재한다.
대전지역에 대해 2013년 1월부터 2019년 2월까지 획득된 16장의 KOMPSAT-3 및 3A 1G 영상에서 서로 다른 2장의 영상을 선택할 수 있는 모든 조합을 고려하여, 결과적으로 총 120개의 영상 조합에 대한 상호좌표등록 실험을 수행하였다. 120개 영상 조합의 수렴각 범위는 최소 0.
대전지역에서 촬영된 총 16장의 KOMPSAT-3·3A호 영상을 조합하여 120가지 경우에 대하여 실험을 수행하였다.
본 연구에서는 KOMPSAT 3 및 3A호 영상을 이용하여 연구 지역을 선정하고 실험을 진행하였다. KOMPSAT 3·3A호는 지구관측 용도의 광학센서를 탑재하고 있으며, RGB(Red,Green, Blue)와 NIR(Near-InfRared) 분광영역의 파장대 정보를 포함하는 4개의 다중분광 밴드와 1개의 전정색 밴드로 이루어진 영상 번들을 제공한다.
본 연구에서는 KOMPSAT 3·3A호 레벨 1G 영상을 사용하였으며, 1G 영상은 센서 간 대기보정 및 SRTM DEM(Shuttle Radar Topography Mission Digital Elevation Model)을 통한 기하보정 등이 수행된 영상 제품이다(KARI and SIIS, 2019a; KARI and SIIS, 2019b).
상호정보 기법으로 정합쌍을 추출하기 위한 템플릿의 크기와 간격을 초기 상호좌표등록의 경우 500×500 화소, 250×250 화소로 선정하였다.
다양한 촬영 환경을 가지는 영상에 대한 평가를 위해 11장의 KOMPSAT 3호 영상과 5장의 KOMPSAT 3A호 영상 등 총 16장의 영상이 실험에 사용되었다. 영상 자료는 모두 2013년 1월부터 2019년 2월까지 대전광역시 유성구의 연구단지를 중심으로 취득되었으며, 대학교, 연구소, 주거지역, 상업지역, 도로, 공원, 숲 등이 존재한다. 본 연구에서 사용된 KOMPSAT 3 및 3A호 영상자료의 촬영날짜와 센서명, 촬영각 정보는 Table 2와 같고, 수렴각을 구하기 위한 촬영각 요소인 고도각과 방위각을 시각적으로 표현하면 Fig.
정밀 상호좌표등록을 수행하기 위한 관심지역으로는 한국항공우주연구원 일대로 선정하였다. 다중분광 영상 중에서, 유사도를 추정하는 데 있어서 Red 밴드 영상을 활용하는 것이 다른 밴드 영상을 이용하는 것보다 상대적으로 안정적인 결과를 도출한다고 규명된 바 있다(Han and Oh, 2018).
정밀 상호좌표등록의 경우 초기 상호좌표등록을 수행한 전정색 영상을 활용하였으며, 상호정보 기법 적용을 위한 템플릿 크기와 간격을 각각 250×250 화소, 50×50 화소로 선정하여 실험을 진행하였다.

데이터처리

정밀 상호좌표등록의 경우 초기 상호좌표등록을 수행한 전정색 영상을 활용하였으며, 상호정보 기법 적용을 위한 템플릿 크기와 간격을 각각 250×250 화소, 50×50 화소로 선정하여 실험을 진행하였다. 정확도 평가를 위해서, 최종적으로 추출된 정합쌍에 대하여 임의로 추출한 50% 정합쌍으로 어핀변환모델식을 구성하였고, 나머지 50%를 이용하여 RMSE를 계산하였다.

이론/모형

고해상도 위성영상의 메타데이터에서 제공하는 영상의 좌표정보를 이용하여 영상 정합을 수행하기 위한 탐색영역을 줄일 수 있으므로, 좁은 탐색영역에서 정합 신뢰도가 높은 영역기반 정합 쌍 추출 기법을 활용하여 상호좌표등록을 수행하였다. 본 연구에서는 이종 센서 영상 간의 유사도를 측정하는데 적합한 대표적인 영역기반 유사도 측정 방식인 상호정보기법을 활용하였다.
대부분의 고해상도 위성영상은 메타데이터를 통해 영상의 초기 위치 정보를 알 수 있다. 이러한 좌표정보를 이용하여 영상 정합을 수행하기 위한 탐색영역을 줄일 수 있으므로, 본 연구에서는 좁은 탐색영역에서 정합 신뢰도가 높은 영역기반 정합쌍 추출기법 중 하나인 상호정보 기법을 활용하였다. 상대적으로 해상도가 낮은 다중분광 영상을 이용하여 초기 상호좌표등록을 수행하여 초기 위치관계를 파악하고, 보다 정밀한 상호좌표등록을 위해 전정색 영상의 관심대상지역을 중심으로 정밀 상호좌표등록을 수행하였다.
대응되는 격자 템플릿의 중심점을 각각 정합 쌍의 초기 위치로 판단하며, 입력영상의 격자 템플릿을 탐색영역 내에서 움직이면서 상호정보 값을 계산하여 가장 높은 유사도를 보이는 위치를 최종 정합쌍으로 추출한다. 추출된 정합 쌍에서 변환모델식 구성 과정에서 보이는 RMSE (Root Mean Square Error)가 큰 정합쌍을 반복적으로 제거하는 오정합쌍제거기법(Han et al., 2019)을 적용한 후, 남은 정합쌍을 이용하여 어핀변환 계수를 추정한다. 추정된 어핀변환 계수를 통해 입력영상의 전정색 영상을 기준영상의 좌표로 변환한다.

성능/효과

4로 나타내었다. 120가지 조합에 대한 상관계수가 0.59를 보임을 통해 수렴각의 크기와 상호좌표등록정확도는 양의 상관관계가 있음을 확인할 수 있다. 이는 영상 간 상호좌표등록을 수행할 때 신뢰할만한 정확도를 얻기 위해서는 두 영상 간의 수렴각의 크기가 작아야 한다는 것을 의미한다.
120개 영상 조합의 수렴각 범위는 최소 0.524°에서 최대 64.91°의 분포를 보였고, 10°에서 30° 사이에 87개 조합이 분포하여 가장 집중되어 나타났다.
선정된 두 영상에 대해서 상호좌표등록 후 계산된 총 120가지의 영상 조합에 대한 초기 상호좌표등록 오차(RMSE)는 0.82 화소에서 6.23 화소까지나타났고평균 RMSE 값은 2.79화소를 보였다. 정밀 상호좌표등록 오차는 0.
수렴각의 크기에 따른 결과 분석을 통해서, 영상 간의 수렴 각의 크기가 크면 클수록 상호좌표등록 정확도는 떨어지는 것을 확인하였고 이에 대한 상관계수는 0.59를 보였다. 이는 스테레오 영상을 이용하여 3차원 정보를 추출하기 위한 수렴각 조건과는상반되는결과이다.
이를 위해, 두 단계에 걸친 상호정보기반 정합기법을 적용하였으며, 대전지역에서 촬영된 총 16장의 위성영상을 조합하여 실험을 진행하였다. 제안 기법을 통해 약 2.27 화소의 RMSE를 얻을 수 있었다.
특히, RMSE 값이 평균 2 화소 이하의 정밀 상호좌표등록 결과를 얻기 위해서는 수렴각의 차는 20° 이하여야 한다는 것을 실험을 통해 확인하였다.
특히, 정밀상호좌표등록결과에대하여 평균 2화소 이하의 RMSE를 도출하기 위해서는 영상 간 보이는 수렴각의 크기가 20°이하여야 한다는 것을 실험을 통해 확인하였다.

후속연구

우리나라도 시대적 흐름에 발맞추어 KOMPSAT-1호 및 KOMPSAT-2호 개발을 통해 확보한 기술력을 바탕으로 세계적인 수준의 고해상도 다중센서인 AEISS (Advanced Earth Imaging Sensor System)와 AEISS-A (Advanced Earth Imaging Sensor System-A)를 탑재한 지구관측위성인 KOMPSAT-3·3A호를 발사·운용 중이며, 추후 고해상도 센서를 탑재한 KOMPSAT-7호와 차세대 중형위성 및 소형군집위성의 개발, 발사, 운용이 계획되어 있다.
제안 연구 결과의 일반화를 위해서는 다양한 대상 지역에대한추가실험이필요하다. 이는향후연구를통해서진행할 계획이며, 수렴각 조건뿐만 아니라 고해상도 영상의 상호좌표등록에 영향을 줄 수 있는 센서 차이, 계절 차이 등에 따른 분석 또한 수행할 예정이다.
특히, 정밀상호좌표등록결과에대하여 평균 2화소 이하의 RMSE를 도출하기 위해서는 영상 간 보이는 수렴각의 크기가 20°이하여야 한다는 것을 실험을 통해 확인하였다. 제안 연구 결과의 일반화를 위해서는 다양한 대상 지역에대한추가실험이필요하다. 이는향후연구를통해서진행할 계획이며, 수렴각 조건뿐만 아니라 고해상도 영상의 상호좌표등록에 영향을 줄 수 있는 센서 차이, 계절 차이 등에 따른 분석 또한 수행할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수렴각이란 무엇인가?	, 2014; Jeong, 2016). 수렴각은 각 영상이 취득될 당시에 센서에서 지상점으로 향하는 두 벡터가 이루는 사이각을 말하며, 수렴각이 클수록 각 영상에서 보이는 기복변위의 방향과 크기의 차가 크다(Jeong et al., 2014).
	특징기반 정합기법의 장점과 단점은 각각 무엇인가?	특징기반 정합기법은 영상 내에 두드러진 점, 선, 면 기반의 특징요소를 추출한 후유사도를 판단하여 정합쌍을 추출하는 방식이다. 특징기반 정합기법은 영상 간 초기 좌표정보가 없어도 적용이 가능한 장점이 있는 반면, 영상 내에 특이점이 적은 지역의 경우 신뢰도 높은 결과를 도출하기 어려운 단점이 있다(Ma et al., 2015).
	특징기반 정합기법의 대표적인 기법으로는 어떤 것들이 있는가?	, 2015). 대표적인 기법으로는 SIFT (Scale-Invariant Feature Transform),SURF (Speeded-Up Robust Features) 기법 등이 있다. 영역기반 정합기법은 영상 간 일정 크기의 템플릿(template)을 설정하고, 템플릿을 중심으로 영상 간 유사도를 측정한다.

참고문헌 (14)

Chen, H.M., Arora, M.K., and Varshney, P.K. (2003), Mutual information-based image registration for remote sensing data, International Journal of Remote Sensing, Vol. 24, No. 18, pp. 3701-3706.

상세보기
Han, Y.K. (2013), Automatic Image-to-image Registration between High-resolution Multisensor Satellite Data in Urban Areas, Ph.D. dissertation, Seoul National University, Seoul, Korea, 146p
Han, Y.K., Kim, T.H., and Yeom, J.H. (2019), Improved piecewise linear transformation for precise warping of very-highresolution remote sensing images, Remote Sensing, Vol. 11, No. 19, pp. 2235.

상세보기
Han, Y.K. and Oh, J.H. (2018), RNCC-based fine co-registration of multi-temporal RapidEye satellite imagery, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 36, No. 6, pp. 581-588. (in Korean with English abstract)
Jeong, J.H. (2016), Analysis of correlation between geometry elements for the efficient use of satellite stereo images, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 34, No. 5, pp. 471-478. (in Korean with English abstract)

원문보기 상세보기
Jeong, J., Yang, C., and Kim, T. (2015), Geo-positioning accuracy using multiple-satellite images: IKONOS, QuickBird, and KOMPSAT-2 stereo images, Remote Sensing, Vol. 7, No. 4, pp. 4549-4564.

상세보기
KARI and SIIS, (2019a), KOMPSAT-3 Product Specifications: Image Data Manual, SI Imaging Services, http://si-imaging.com/resources/?uid336&moddocument (last date accessed: 18 November 2019).
KARI and SIIS, (2019b), KOMPSAT-3A Product Specifications: Image Data Manual, SI Imaging Services, http://si-imaging.com/resources/?uid337&moddocument (last date accessed: 18 November 2019).
Li, R., Niu, X., Liu, C., Wu, B., and Deshpande, S. (2009), Impact of imaging geometry on 3D geopositioning accuracy of stereo IKONOS imagery, Photogrammetric Engineering & Remote Sensing, Vol. 75, No. 9, pp. 1119-1125.

상세보기
Li, R., Zhou, F., Nui, X., and Di, K. (2007), Integration of Ikonos and QuickBird imagery for geopositioning accuracy analysis, Photogrammetric Engineering & Remote Sensing, Vol. 73, No. 9, pp. 1067-1074.

상세보기
Ma, J., Zhou, H., Zhao, J., Gao, Y., Jiang, J., and Tian, J. (2015), Robust feature matching for remote sensing image registration via locally linear transforming, IEEE Transactions on Geoscience and Remote Sensing, Vol. 53, No. 12, pp. 6469-6481.

상세보기
Oh, K.Y., Jeong, E.C., Lee, K.J., Kim, Y.S., and Lee, W.J. (2018), Comparison and analysis of matching DEM using KOMPSAT-3 in/cross-track stereo pair, Korean Journal of Remote Sensing, Vol. 34, No. 6-3, pp. 1445-1456. (in Korean with English abstract).
Viola, P. and Wells III, W.M. (1997), Alignment by maximization of mutual information, International journal of computer vision, Vol. 24, No. 2, pp. 137-154.
Zitova, B. and Flusser, J. (2003), Image registration methods: a survey, Image and Vision Computing, Vol. 21, No. 11, pp. 977-1000.

상세보기

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