[논문]국토관측위성용 정밀영상생성시스템 개발

박형준; 손종환; 정형섭; 권기억; 이계동; 김태정

doi:10.7780/kjrs.2020.36.5.2.3

국토관측위성용 정밀영상생성시스템 개발
Development of the Precision Image Processing System for CAS-500 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.5 pt.2, 2020년, pp.881 - 891

박형준 (인하대학교 스마트시티공학전공) , 손종환 (인하대학교 스마트시티공학전공) , 정형섭 (서울시립대학교 공간정보공학과) , 권기억 ((주)신한항업 사업본부) , 이계동 ((주)범아엔지니어링 국토정보시스템연구소) , 김태정 (인하대학교 공간정보공학과)

초록
AI-Helper

고해상도 위성영상의 수요 증가로 국토교통부와 과학기술정보통신부에서 국토관측위성을 개발하고 있다. 국토관측위성의 주요 위성영상 산출물로 정밀보정영상, 정밀정사영상, DSM/DTM, 변화탐지 주제도 등이 계획되어 있다. 이러한 위성영상 산출물의 품질은 위성영상의 기하정확도에 기반하여 결정된다. 따라서, 고품질의 위성영상 산출물을 생성하기 위해 위성영상의 기하학적인 왜곡을 보정하는 것이 중요하다. 또한, 정밀기하수립을 위한 GCP를 취득하는 방법은 대체로 정사영상, 수치지도 등을 이용하여 수동으로 취득한다. 이 방식은 GCP를 취득하는데 많은 시간이 요구된다. 따라서, 자동으로 GCP를 추출하여 GCP 취득 시간과 정밀정사영상 생성 시간을 줄이는 것이 필요하다. 이를 위해, 국토관측위성으로 촬영한 위성영상의 정밀한 기하보정과 GCP 추출 시 사용자의 개입을 최소화할 수 있는 정밀영상생성시스템을 개발하였다. 본 논문은 국토관측위성용으로 개발된 정밀영상생성시스템의 산출물, 처리 과정 및 시스템 구성에 대해서 설명하고 개발된 시스템의 처리시간 성능에 대해서 기술한다. 본 시스템을 통해 개발된 기술과 데이터베이스를 활용하여 한반도를 촬영한 모든 국토관측위성영상으로부터 신속하게 정밀정사영상을 생성할 수 있을 것으로 기대된다. 향후, GCP DB와 DEM DB의 데이터를 해외지역으로 확장하여 해외지역의 정밀영상을 생성할 수 있는 후속 연구가 필요하다.

Abstract ▼ AI-Helper

Recently, the Ministry of Land, Infrastructure and Transport and the Ministry of Science and ICT are developing the Land Observation Satellite (CAS-500) to meet increased demand for high-resolution satellite images. Expected image products of CAS-500 includes precision orthoimage, Digital Surface Model (DSM), change detection map, etc. The quality of these products is determined based on the geometric accuracy of satellite images. Therefore, it is important to make precision geometric corrections of CAS-500 images to produce high-quality products. Geometric correction requires the Ground Control Point (GCP), which is usually extracted manually using orthoimages and digital map. This requires a lot of time to acquire GCPs. Therefore, it is necessary to automatically extract GCPs and reduce the time required for GCP extraction and orthoimage generation. To this end, the Precision Image Processing (PIP) System was developed for CAS-500 images to minimize user intervention in GCP extraction. This paper explains the products, processing steps and the function modules and Database of the PIP System. The performance of the System in terms of processing speed, is also presented. It is expected that through the developed System, precise orthoimages can be generated from all CAS-500 images over the Korean peninsula promptly. As future studies, we need to extend the System to handle automated orthoimage generation for overseas regions.

주제어

표/그림 (17)

표 Table 1. Type of CAS-500 imagery
표 Table 2. List of L2R outputs
표 Table 3. List of L2G outputs
그림 Fig. 1. Process of Precision Image Processing System.
표 Table 4. Components of workorder
그림 Fig. 2. Process of Pan-Sharpening algorithm.
표 Table 5. Specification of GCP Chip in the Korea Peninsula
그림 Fig. 3. Structure of GCP database.
그림 Fig. 4. Process of automatic GCP extraction.
그림 Fig. 5. Process of bias compensation.
표 Table 6. Specifications of DEM and Geoid model in DEM DB
그림 Fig. 6. Process of orthorectification.
그림 Fig. 7. Distribution of used image.
표 Table 7. Specifications for used H/W
그림 Fig. 8. Example images by output level.
그림 Fig. 9. Visualization of sensor model error in image-space.
표 Table 8. Result of measured system processing time

AI 본문요약
AI-Helper

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

문제 정의

0 m의 Ground Sampling Distance(GSD)를 갖는 위성이다. 국토관측위성은 두 위성이 180도의 위상차로 위성궤도를 이동하며 지상을 촬영하는 특징을 갖고 있으며 2021년에 발사하는 것을 목표로 하고 있다. 국토관측위성의 위성영상 산출물로 정밀보정영상, 정밀정사영상, Digital Surface Model(DSM)/Digital Terrain Model(DTM), 변화탐지 주제도, 객체 추출 주제도 등을 생성한다.
따라서, 본 연구는 기존 정밀영상 제작방식의 단점을 보완하여, 국토위성센터로 입력된 위성영상으로부터 정밀영상을 생성하는 단계까지 사용자의 개입을 최소화하여 동작하는 국토관측위성용 정밀영상생성시스템을 개발하였다. 개발된 시스템은 GCP 생성, 정밀기하수립 및 정밀정사보정 기능을 자동화된 방식으로 수행할 수 있다.
본 논문은 국토관측위성용으로 개발된 정밀영상생성시스템에 대해서 소개하였다. 정밀영상생성시스템의 정규 산출물로 표준영상의 위치오차를 제거한 정밀보정영상과 위성 촬영기하에 따른 기복변위를 제거한 정밀정사영상을 생성한다.
본 절에서는 국토관측위성용 정밀영상생성 시스템의 산출물별 처리 시간을 측정하고 생성된 산출물을 소개한다. 본 시스템의 각 모듈은 C++로 개발되었으며, 데이터베이스는 PostgreSQL을 이용하여 구축하였다.

제안 방법

Table 8은 입력영상별 산출물 생성시간을 나타내며, 산출물 처리 시간을 측정하기 위해, 시스템에 입력영상이 입력된 시점부터 각 단계별 산출물 생성까지 걸린 시간을 측정하였다. 시험 결과, 위성영상의 입력부터 정밀보정영상 생성까지 약 10분, 정밀정사영상 생성까지 약 25분의 시간이 걸릴 것으로 판단된다.
따라서, 본 연구는 기존 정밀영상 제작방식의 단점을 보완하여, 국토위성센터로 입력된 위성영상으로부터 정밀영상을 생성하는 단계까지 사용자의 개입을 최소화하여 동작하는 국토관측위성용 정밀영상생성시스템을 개발하였다. 개발된 시스템은 GCP 생성, 정밀기하수립 및 정밀정사보정 기능을 자동화된 방식으로 수행할 수 있다. 이를 위해서 Pan-Sharpening 알고리즘을 적용한 영상융합 모듈과 한반도 전역에 고르게 분포된 정밀 기준점 DB 및 DEM DB를 구축하여 시스템에 탑재하였다.
국토관측위성은 두 위성이 180도의 위상차로 위성궤도를 이동하며 지상을 촬영하는 특징을 갖고 있으며 2021년에 발사하는 것을 목표로 하고 있다. 국토관측위성의 위성영상 산출물로 정밀보정영상, 정밀정사영상, Digital Surface Model(DSM)/Digital Terrain Model(DTM), 변화탐지 주제도, 객체 추출 주제도 등을 생성한다. 이러한 산출물을 활용하여 국토 모니터링, 3차원 공간정보 구축 등 여러 분야에 활용될 것으로 기대하고 있다.
세번째, 고해상도 전정색 영상으로부터 저주파 전정색 영상을 차분하여 고주파 전정색영상을 제작한다. 네번째, 고해상도 다중분광 영상 제작을 위해, 전단계에서 제작한 고주파 전정색 영상의 화소값을 변환하여 내삽된 다중분광영상의 각 밴드별 평균 및 분산과 동일한 밴드별 융합계수를 계산한다. 마지막으로, 계산된 밴드별 융합계수를 이용하여 고해상도 다중분광 영상을 제작한다.
네번째, 기하변환된 GCP 칩의 크기와 설정한 검색 영역의 크기에 따라 입력 위성영상에서 영상정합을 수행할 영역을 추출한다. 다섯번째, 영상을 단계적으로 축소시킨 피라미드 영상을 생성하고 최상위 레벨에서부터 GCP 칩과 위성영상 간 정합점을 추출한 다음 추출된 정합점을 활용하여 두 영상을 정합한다. 마지막으로, 영상정합 시 활용된 정합점을 GCP로 활용하기 위해 RFM 기반의 RANSAC을 활용하여 정합점에 포함된 오정합점을 제거함으로써 최종 GCP를 추출한다.
먼저, DEM DB에서 위성영상 영역에 해당하는 DEM과 지오이드를 검색하기 위해 정밀 센서모델를 이용하여 위성영상 외곽점 4점의 지상좌표(X, Y)를 계산하고 DEM DB에서 위성영상 영역에 해당하는 DEM과 지오이드를 추출한다. 다음으로, 정밀 센서모델을 이용해 정밀보정영상의 격자를 지도좌표계상의 정규격자로 변환하여 정밀정사영상의 격자를 생성하고 DEM과 지오이드를 생성된 정밀정사영상의 격자 크기에 맞추어 높이 값을 보간한다. 이후, 보간된 높이값과 정밀 센서모델을 이용하여 정밀정사영상 격자에 보간된 정밀보정영상의 화소값을 입력함으로써 정밀보정영상을 생성한다.
먼저, 고해상도 전정색 영상을 이용하여 저해상도 다중분광 영상의 밴드별 가중치를 계산한다. 두번째, 저해상도 다중분광 영상에 내삽기법을 적용하고, 앞서 계산된 밴드별 가중치를 고려하여 저주파 전정색 영상을 제작한다. 세번째, 고해상도 전정색 영상으로부터 저주파 전정색 영상을 차분하여 고주파 전정색영상을 제작한다.
먼저, 영상융합 모듈에서 영상융합이 완료된 위성영상을 입력 받아 초기 RPC와 RFM을 이용하여 초기 센서 모델을 수립한다. 두번째, 초기 센서모델을 이용하여 위성영상 외곽점의 지상좌표(X, Y)를 계산하고 GCP DB 에서 위성영상 영역 내에 포함된 GCP 칩을 추출한다. 세번째, GCP 칩 외곽점(Top-Left, Top-Right, Bottom-Left, Bottom-Right)의 지상좌표를 계산한다.
, 2018). 따라서, 본 시스템에서 자동 GCP 추출 성능을 개선하기 위해 영상융합 모듈을 구축하여 자동 GCP 추출의 전처리 단계로 영상융합을 수행하였다.
또한, 본 시스템은 한반도 전역을 대상으로 GCP칩을 구축하고 GCP칩과 위성영상의 영상정합 기법을 활용한 자동 GCP 추출 기능을 구현하였다. 이를 통해 수동으로 GCP를 추출하는 기존 방식의 단점을 획기적으로 보완하여, 국토관측위성으로부터 촬영된 모든 위성영상에 대해서 자동화된 방식으로 정밀정사영상으로 제작하여 사용자에게 제공할 수 있는 토대를 마련하게 되었다.
네번째, 고해상도 다중분광 영상 제작을 위해, 전단계에서 제작한 고주파 전정색 영상의 화소값을 변환하여 내삽된 다중분광영상의 각 밴드별 평균 및 분산과 동일한 밴드별 융합계수를 계산한다. 마지막으로, 계산된 밴드별 융합계수를 이용하여 고해상도 다중분광 영상을 제작한다.
다섯번째, 영상을 단계적으로 축소시킨 피라미드 영상을 생성하고 최상위 레벨에서부터 GCP 칩과 위성영상 간 정합점을 추출한 다음 추출된 정합점을 활용하여 두 영상을 정합한다. 마지막으로, 영상정합 시 활용된 정합점을 GCP로 활용하기 위해 RFM 기반의 RANSAC을 활용하여 정합점에 포함된 오정합점을 제거함으로써 최종 GCP를 추출한다.
먼저, DEM DB에서 위성영상 영역에 해당하는 DEM과 지오이드를 검색하기 위해 정밀 센서모델를 이용하여 위성영상 외곽점 4점의 지상좌표(X, Y)를 계산하고 DEM DB에서 위성영상 영역에 해당하는 DEM과 지오이드를 추출한다. 다음으로, 정밀 센서모델을 이용해 정밀보정영상의 격자를 지도좌표계상의 정규격자로 변환하여 정밀정사영상의 격자를 생성하고 DEM과 지오이드를 생성된 정밀정사영상의 격자 크기에 맞추어 높이 값을 보간한다.
먼저, 고해상도 전정색 영상을 이용하여 저해상도 다중분광 영상의 밴드별 가중치를 계산한다. 두번째, 저해상도 다중분광 영상에 내삽기법을 적용하고, 앞서 계산된 밴드별 가중치를 고려하여 저주파 전정색 영상을 제작한다.
먼저, 영상융합 모듈에서 영상융합이 완료된 위성영상을 입력 받아 초기 RPC와 RFM을 이용하여 초기 센서 모델을 수립한다. 두번째, 초기 센서모델을 이용하여 위성영상 외곽점의 지상좌표(X, Y)를 계산하고 GCP DB 에서 위성영상 영역 내에 포함된 GCP 칩을 추출한다.
먼저, 표준영상에서 제공하는 RPC를 이용하여 초기 센서모델을 수립하였다. 다음으로, 초기 센서모델을 보정하기 위해 수식 (1)과 같은 RFM 모델을 설정하였다.
9는 센서모델 오차를 나타내는 그림으로 L1R은 초기 RPC를 이용하여 센서모델을 수립한 결과로 센서모델 오차가 한 방향으로 경향성을 보이며 오차의 크기는 10pixel 이상이다. 반면, 갱신된 RPC를 이용하여 센서모델을 수립한 L2R에서는 오차의 방향이 불규칙하며 오차의 크기 또한 감소한 것을 확인할 수 있다(생성한 산출물의 위치정확도 분석은 별도의 논문으로 분석한다).
본 시스템의 정사보정 모듈은 DEM을 이용하여 정밀 영상의 기복변위를 제거한 정밀정사영상을 제작한다. 정밀정사영상 생성을 위한 절차는 Fig.
이 GCP 칩의 사양은 Table 5와 같으며, 지상좌표로 남한은 국가기준점인 통합기준점, 삼각점과 NGII (National Geographic Information Institute, 국토지리정보원)의 기본도 제작에 사용한 사진기준점을 사용하였다. 북한과 접경지역은 기 구축된 KOMPSAT-2 정사영상에서 독취한 수평 좌표와 NGII의 DEM과 지오이드 (Geoid)를 이용한 높이를 지상좌표로 사용하였다. GCP 칩 영상으로 남한은 NGII의 항공정사영상을 사용하였으며, 북한과 접경지역은 국방지형정보단의 Controlled Image Base(CIB) 영상을 사용하였다.
두번째, 저해상도 다중분광 영상에 내삽기법을 적용하고, 앞서 계산된 밴드별 가중치를 고려하여 저주파 전정색 영상을 제작한다. 세번째, 고해상도 전정색 영상으로부터 저주파 전정색 영상을 차분하여 고주파 전정색영상을 제작한다. 네번째, 고해상도 다중분광 영상 제작을 위해, 전단계에서 제작한 고주파 전정색 영상의 화소값을 변환하여 내삽된 다중분광영상의 각 밴드별 평균 및 분산과 동일한 밴드별 융합계수를 계산한다.
, 2019). 영상융합 후, GCP DB 와 자동 GCP 칩 추출 모듈을 이용하여 입력영상 영역에 포함되는 GCP 칩을 검색하고 입력영상과 영상정합을 통해 GCP 후보점을 추출한다. GCP 후보 추출이 완료 되면, RFM 기반의 Random Sample Consensus(RANSAC) 을 통해 오정합점을 제거하고 최종 GCP를 추출하여 정밀기하수립 모듈로 GCP를 전달한다.
개발된 시스템은 GCP 생성, 정밀기하수립 및 정밀정사보정 기능을 자동화된 방식으로 수행할 수 있다. 이를 위해서 Pan-Sharpening 알고리즘을 적용한 영상융합 모듈과 한반도 전역에 고르게 분포된 정밀 기준점 DB 및 DEM DB를 구축하여 시스템에 탑재하였다.
GCP 후보 추출이 완료 되면, RFM 기반의 Random Sample Consensus(RANSAC) 을 통해 오정합점을 제거하고 최종 GCP를 추출하여 정밀기하수립 모듈로 GCP를 전달한다. 이후, GCP가 제공하는 영상좌표(col, row)와 지상좌표(X, Y, Z)를 이용하여 정밀기하수립을 수행하고 입력영상의 초기 위치오차를 제거한 정밀보정영상을 생성한다. 정밀기하수립 후, DEM DB와 정사보정 모듈을 이용하여 정사보정을 통해 정밀보정영상에 포함된 기복변위를 제거하고 정밀정사영상을 생성한다.
다음으로, 정밀 센서모델을 이용해 정밀보정영상의 격자를 지도좌표계상의 정규격자로 변환하여 정밀정사영상의 격자를 생성하고 DEM과 지오이드를 생성된 정밀정사영상의 격자 크기에 맞추어 높이 값을 보간한다. 이후, 보간된 높이값과 정밀 센서모델을 이용하여 정밀정사영상 격자에 보간된 정밀보정영상의 화소값을 입력함으로써 정밀보정영상을 생성한다.
세번째, GCP 칩 외곽점(Top-Left, Top-Right, Bottom-Left, Bottom-Right)의 지상좌표를 계산한다. 이후, 외곽점의 지상좌표를 초기 센서모델을 이용하여 위성영상의 영상좌표로 역투영하고 보간법을 이용하여 GCP칩과 위성영상의 기하를 일치시킨다. 네번째, 기하변환된 GCP 칩의 크기와 설정한 검색 영역의 크기에 따라 입력 위성영상에서 영상정합을 수행할 영역을 추출한다.
이후, 초기 RFM에 조정량을 더해 초기 센서모델을 보정한 후 갱신된 RPC를 생성하였다.
이후, GCP가 제공하는 영상좌표(col, row)와 지상좌표(X, Y, Z)를 이용하여 정밀기하수립을 수행하고 입력영상의 초기 위치오차를 제거한 정밀보정영상을 생성한다. 정밀기하수립 후, DEM DB와 정사보정 모듈을 이용하여 정사보정을 통해 정밀보정영상에 포함된 기복변위를 제거하고 정밀정사영상을 생성한다.
정밀정사영상은 위성영상 촬영 시 발생한 기복변위를 제거하기 위해 DEM을 이용하여 정사보정을 수행한 영상이다. 정밀정사영상 산출물은 Table 3과 같으며, 저해상도 다중분광영상(Red, Green, Blue, NIR), 전정색영상과 함께 영상융합된 고해상도 다중분광영상(PS-Red, PS-Green, PS-Blue, PS-NIR)을 제공한다.
제작된 GCP 칩의 관리를 위해 Fig. 3과 같이 기준점 정보를 갖는 기준점 테이블과 칩 영상의 정보를 갖는 칩 영상 테이블로 GCP 칩을 분리하였다. 기준점과 칩 영상의 정보를 서로 연결하기 위해 관리 테이블을 생성하여 두 정보의 관계를 관리한다.

대상 데이터

북한과 접경지역은 기 구축된 KOMPSAT-2 정사영상에서 독취한 수평 좌표와 NGII의 DEM과 지오이드 (Geoid)를 이용한 높이를 지상좌표로 사용하였다. GCP 칩 영상으로 남한은 NGII의 항공정사영상을 사용하였으며, 북한과 접경지역은 국방지형정보단의 Controlled Image Base(CIB) 영상을 사용하였다.
본 시험을 위해, 북한 2장, 접경지역 4장, 남한 6장의 영상을 이용하여, 정밀보정영상 및 정밀정사영상을 생성하였다. 국토관측위성이 아직 발사되지 않았으므로, 국토관측위성과 유사한 사양을 갖는 KOMPSAT-3A 위성영상을 시험영상으로 사용하였다. Fig.
GCP 칩은 이미 알고 있는 지상좌표와 위성영상, 항공영상 등의 영상을 결합한 것으로, 지상좌표를 영상의 중심점으로 설정하여 일정한 크기로 자른 영상조각을 의미한다(Lee and Yoon, 2019). 본 시스템에서 사용하는 GCP 칩은 국토관측위성을 위해 제작한 GCP 칩으로, 남한 23,142점, 북한 25,205점과 접경지역 1,539점의 GCP칩을 제작하였다. 이 GCP 칩의 사양은 Table 5와 같으며, 지상좌표로 남한은 국가기준점인 통합기준점, 삼각점과 NGII (National Geographic Information Institute, 국토지리정보원)의 기본도 제작에 사용한 사진기준점을 사용하였다.
본 시험을 위해, 북한 2장, 접경지역 4장, 남한 6장의 영상을 이용하여, 정밀보정영상 및 정밀정사영상을 생성하였다. 국토관측위성이 아직 발사되지 않았으므로, 국토관측위성과 유사한 사양을 갖는 KOMPSAT-3A 위성영상을 시험영상으로 사용하였다.
본 시스템에서 사용하는 GCP 칩은 국토관측위성을 위해 제작한 GCP 칩으로, 남한 23,142점, 북한 25,205점과 접경지역 1,539점의 GCP칩을 제작하였다. 이 GCP 칩의 사양은 Table 5와 같으며, 지상좌표로 남한은 국가기준점인 통합기준점, 삼각점과 NGII (National Geographic Information Institute, 국토지리정보원)의 기본도 제작에 사용한 사진기준점을 사용하였다. 북한과 접경지역은 기 구축된 KOMPSAT-2 정사영상에서 독취한 수평 좌표와 NGII의 DEM과 지오이드 (Geoid)를 이용한 높이를 지상좌표로 사용하였다.
본 시스템에서 구축한 DEM DB 목록은 Table 6과 같다. 한반도를 촬영한 위성영상의 정사보정을 위해 NGII에서 제작한 DEM과 지오이드를 사용하였으며, 각 자료에 해당하지 않는 영역에 대해서는 Shuttle Radar Topography Mission(SRTM) 자료를 사용하였다.

데이터처리

수식에서 a₀, a_r, a_c, b₀, b_r, b_c은 미지변수인 RFM 보정 모델의 보정 계수를 의미하며, Δr과 Δc는 보정 모델로 계산한 row 방향과 column 방향의 조정량을 의미한다. 조정량을 산출하기 위해, 자동 GCP 추출 모듈을 통해 획득한 GCP로 관측방정식을 수립한 후, 최소제곱법을 통해 RFM 보정모델의 보정계수를 계산하고 row 방향과 column 방향의 조정량을 산출하였다.

이론/모형

이 방식은, RPC를 직접 갱신하는 방법에 비해 정밀 센서모델링에 필요한 GCP의 수량이 적어, GCP를 취득하는데 필요한 시간과 노력을 줄일 수 있다. RFM 보정 모델은 1차 다항식, 2차 다항식 등 여러 방식이 있으나, 선행 연구를 바탕으로 Affine Model이 적용된 1차 다항식을 사용하였다(Jeong et al., 2014; Yoon et al., 2018). 본 시스템의 정밀기하수립 모듈을 Fig.
정밀기하수립 모듈은 국토관측위성의 정밀기하수립을 위해 RFM과 GCP를 이용하여 정밀 센서모델을 수립하는 기능을 수행한다. 본 모듈에서 사용한 RFM 보정방법은 RPC를 직접 갱신하는 것이 아닌, 초기 RFM 에 보정 계수를 추가하는 방법으로 RFM을 보정하였다 (Grodecki and Dial, 2003; Yoon and Kim, 2018). 이 방식은, RPC를 직접 갱신하는 방법에 비해 정밀 센서모델링에 필요한 GCP의 수량이 적어, GCP를 취득하는데 필요한 시간과 노력을 줄일 수 있다.

성능/효과

Table 8은 입력영상별 산출물 생성시간을 나타내며, 산출물 처리 시간을 측정하기 위해, 시스템에 입력영상이 입력된 시점부터 각 단계별 산출물 생성까지 걸린 시간을 측정하였다. 시험 결과, 위성영상의 입력부터 정밀보정영상 생성까지 약 10분, 정밀정사영상 생성까지 약 25분의 시간이 걸릴 것으로 판단된다.
또한, 본 시스템은 한반도 전역을 대상으로 GCP칩을 구축하고 GCP칩과 위성영상의 영상정합 기법을 활용한 자동 GCP 추출 기능을 구현하였다. 이를 통해 수동으로 GCP를 추출하는 기존 방식의 단점을 획기적으로 보완하여, 국토관측위성으로부터 촬영된 모든 위성영상에 대해서 자동화된 방식으로 정밀정사영상으로 제작하여 사용자에게 제공할 수 있는 토대를 마련하게 되었다.

후속연구

향후, 본 과제를 통해 개발한 자동 GCP 추출 알고리즘과 GCP DB를 국토관측위성과 유사한 사양을 갖는 저궤도 관측위성에도 적용할 수 있을 것으로 생각된다. 본 시스템을 개발하면서 구축한 현재의 GCP DB와 DEM DB의 적용범위는 한반도이나, 향후 해외지역에도 자동화된 방식으로 정밀정사영상을 제작하기 위한 연구가 필요하다고 생각된다.
향후, 본 과제를 통해 개발한 자동 GCP 추출 알고리즘과 GCP DB를 국토관측위성과 유사한 사양을 갖는 저궤도 관측위성에도 적용할 수 있을 것으로 생각된다. 본 시스템을 개발하면서 구축한 현재의 GCP DB와 DEM DB의 적용범위는 한반도이나, 향후 해외지역에도 자동화된 방식으로 정밀정사영상을 제작하기 위한 연구가 필요하다고 생각된다.
기준점과 칩 영상의 정보를 서로 연결하기 위해 관리 테이블을 생성하여 두 정보의 관계를 관리한다. 향후, 이 관리 테이블을 이용하여 기준점과 GCP 칩 영상의 갱신 시 기준점과칩 영상의 결합 관계를 새로 정의할 수 있다.

참고문헌 (14)

Grodecki, J. and G. Dial, 2003. Block adjustment of high-resolution satellite images described by rational polynomials, Photogrammetric Engineering and Remote Sensing, 69(1): 59-68.

상세보기
Jeong, J.H., J.I. Kim, and T. Kim, 2014. Analysis of Geolocation Accuracy of KOMPSAT-3 Imagery, Korean Journal of Remote Sensing, 30(1): 37-45 (in Korean with English abstract).

원문보기 상세보기
Kim T. and Y.J. Im, 2003. Automatic Satellite Image Registration by Combination of Stereo Matching and Random Sample Consensus, IEEE Trans. on Geoscience and Remote Sensing, 41(5): 1111-1117

상세보기
Lee, K.D. and J.S. Yoon, 2019. GCP Chip Automatic Extraction of Satellite Imagery Using Interest Point in North Korea, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 37(4): 211-218 (in Korean with English abstract).
Lee, H.S., D.C. Seo, K.W. Ahn, and D.J. Jeong, 2013. Positioning Accuracy Analysis of KOMPSAT-3 Satellite Imagery by RPC Adjustment, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 31(6): 503-509 (in Korean with English abstract).

원문보기 상세보기
Oh, K., 2017. Efficient pansharpening and autocalibration methods of high spatial satellite images: application to KOMPSAT images, Ph. D. dissertation, University of Seoul, Seoul, Republic of Korea (in Korean with English abstract).
Park, S.H., K.Y. Oh, and H.S. Jung, 2019. Estimation of Global Image Fusion Parameters for KOMPSAT-3A: Application to Korean Peninsula, Korean Journal of Remote Sensing, 35(6-4): 1363-1372 (in Korean with English abstract).
Shin, J.I. and T. Kim, 2019. The Products Generation Method of CAS 500-1/2 Image Acquisition and Utilization System, Proc. of Korean Society for Geospatial Information Science, Busan, KR, May. 31, pp. 83-84
Son, J.H., W. Yoon, H. Park, and T. Kim, 2019. A Method to Improve Rational Function Model Accuracy using Automated GCP Matching and RANSAC, Proc. of 2019 Korean Society for Geospatial Information Science, Vol. 2019, pp. 85-87.
Shin, J.I., W.S. Yoon, H.J. Park, K.Y. Oh, and T. Kim, 2018. A Method to Improve Matching Success Rate between KOMPSAT-3A Imagery and Aerial Ortho-Images, Korean Journal of Remote Sensing, 34(6): 893-903 (in Korean with English abstract).
Wong, A. and D. Clausi, 2007. ARRSI: Automatic registration of remote-sensing images, IEEE Transactions on Geoscience and Remote Sensing, 45(5): 1483-1493

상세보기
Yoon, W., 2019. A Study on Development of Automatic GCP Matching Technology for CAS-500 Imagery, Inha University, Incheon, Korea (in Korean with English abstract).
Yoon, W. and T. Kim, 2018. Bundle adjustment of KOMPSAT-3A strip based on rational function model, Korean Journal of Remote Sensing, 34(3): 565-578 (in Korean with English abstract).
Yoon, W., H. Park, and T. Kim, 2018. Feasibility Analysis of Precise Sensor Modelling for KOMPSAT-3A Imagery Using Unified Control Points, Korean Journal of Remote Sensing, 34(6-1): 1089-1100 (in Korean with English abstract).

저자의 다른 논문 :

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