[논문]KOMPSAT-3/3A 기준영상의 기하품질에 따른 상호좌표등록 결과 분석

윤예린; 김태헌; 오재홍; 한유경

doi:10.7780/kjrs.2021.37.2.4

KOMPSAT-3/3A 기준영상의 기하품질에 따른 상호좌표등록 결과 분석
Analysis of Co-registration Performance According to Geometric Processing Level of KOMPSAT-3/3A Reference Image 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.2, 2021년, pp.221 - 232

윤예린 (경북대학교 공간정보학과) , 김태헌 (경북대학교 융복합시스템공학과) , 오재홍 (한국해양대학교 건설공학과) , 한유경 (서울과학기술대학교 건설시스템공학과)

초록
AI-Helper

본 연구는 KOMPSAT-3 및 KOMPSAT-3A호에서 전처리 단계에 따라 구분하여 제공하는 Level 1R 영상과 Level 1G 영상을 이용하여 기준영상의 기하품질에 따른 상호좌표등록 결과 분석을 수행하였다. 기준영상으로 Level 1R 영상 및 1G 영상 각각을 사용하고 대상영상은 Level 1R 영상을 사용하여 상호좌표등록을 수행하였다. 실험을 위해 대전지역에서 촬영된 KOMPSAT-3 및 3A호의 Level 1R, 1G 영상 총 7장을 이용하였다. 상호좌표등록을 수행하기 위해, 우선적으로 특징기반 정합기법인 SURF (Speeded-Up Robust Feature) 기법과 영역기반 정합기법인 위상상관 (Phase Correlation) 기법을 함께 이용한 반복적 정합기법을 통해 두 영상의 기하학적 위치를 개략적으로 일치시켜 주었다. 개략적으로 일치된 영상에서 SURF 기법을 이용하여 정합쌍을 추출하고 Affine 변환모델과 Piecewise Linear 변환모델을 각각 구성하여 상호좌표등록을 수행하였다. 실험결과, 기하오차가 보정된 Level 1G 영상을 기준영상으로 선정하였을 경우, Level 1R 영상을 이용하였을 때보다 상대적으로 많은 수의 정합쌍을 추출하였다. 또한, 기준영상이 Level 1G 영상일 때의 상호좌표등록 RMSE (Root Mean Square Error) 값이 평균 5화소 미만으로 Level 1R 영상을 이용하였을 때보다 더 낮은 것을 확인하였다. 이는 상호좌표등록 수행 시 두 위성영상 간의 초기위치관계가 상호좌표등록 결과에 영향을 끼칠 수 있음을 의미하며, 기준영상의 기하품질이 우수할수록 안정적인 상호좌표등록 정확도를 나타내는 것을 확인하였다.

Abstract ▼ AI-Helper

This study analyzed co-registration results according to the geometric processing level of reference image, which are Level 1R and Level 1G provided from KOMPSAT-3 and KOMPSAT-3A images. We performed co-registration using each Level 1R and Level 1G image as a reference image, and Level 1R image as a sensed image. For constructing the experimental dataset, seven Level 1R and 1G images of KOMPSAT-3 and KOMPSAT-3A acquired from Daejeon, South Korea, were used. To coarsely align the geometric position of the two images, SURF (Speeded-Up Robust Feature) and PC (Phase Correlation) methods were combined and then repeatedly applied to the overlapping region of the images. Then, we extracted tie-points using the SURF method from coarsely aligned images and performed fine co-registration through affine transformation and piecewise Linear transformation, respectively, constructed with the tie-points. As a result of the experiment, when Level 1G image was used as a reference image, a relatively large number of tie-points were extracted than Level 1R image. Also, in the case where the reference image is Level 1G image, the root mean square error of co-registration was 5 pixels less than the case of Level 1R image on average. We have shown from the experimental results that the co-registration performance can be affected by the geometric processing level related to the initial geometric relationship between the two images. Moreover, we confirmed that the better geometric quality of the reference image achieved the more stable co-registration performance.

주제어

표/그림 (12)

그림 Fig. 1. Methodology of image co-registration.
그림 Fig. 2. Determination of local overlapping area using RPC.
그림 Fig. 3. Determination of local overlapping area using proposed method.
표 Table 1. Specification of KOMPSAT-3 and KOMPSAT-3A satellites
그림 Fig. 4. Study area (Daejeon, SouthKorea).
표 Table 2. Dataset used for experiments
그림 Fig. 5. Flowchart of the co-registration performance analysis according to preprocessing level of reference image.
그림 Fig. 6. Mosaic images generated from co-registered images: (a) Level 1G reference image, (b) Level 1R reference image (yellow circles represent severe geometric error).
표 Table 3. Number of extracted tie-points
그림 Fig. 7. Distribution of checkpoints for quantitative assessment.
그림 Fig. 8. Co-registration error with Level 1G-1R and Level 1R-1R image pairs: (a) Piecewise linear transformation, (b) Affine transformation.
표 Table 4. Co-registration performance according to acquisition angles

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 기준 영상의 기하 품질이 상호좌표등록정확도에미치는영향을분석하고자한다. 이를위해KOMPSAT-3 및3A호에서취득된Level1R영상과 Level1G영상각각을기준영상으로, Level1R영상을대상영상으로하여두영상간존재하는기하오차를보 정하기위한Fig.
본 논문에서는 다양한 분석을 통해 상호좌표등록 수행 시 기준영상 선정에 고려해야 할 요소들을 평가하였다. 기준영상의 기하품질 및 경사각 요소가 상호좌표 등록 정확도에 영향을 미치는 것을 확인하였으며 안정적인 상호좌표등록 수행을 위해서는 기하품질이 우수한 영상을 기준영상으로 활용하는것이 가장 효과적이라는 결론을 도출하였다.
본 연구에서는 전처리 수행단계에 따라 각각 다른영상을 기준영상으로 선정하여 수행한 상호좌표등록 결과분석을 통해 상호좌표 등록 수행시 기준영상 기하 정확도의 중요성을 확인하고자 하였다. 이를위해 KOMPSAT-3 및 KOMPSAT-3A호의 영상제품중 기하오차가 보정된 Level1G영상과 기하오차를 포함하고 있는 Level1R영상 각각을 기준영상으로, 대상영상은 Level1R 영상으로 선정하여 상호좌표등록을 수행하였다.
이에 본 논문에서는 상호좌표등록 정확도및 위성영상의 기하품질간의 연관성을 분석하여 기준영상의 기하품질이 상호좌표등록 정확도에 미치는 영향과 기하품질향상의 필요성을 확인하고자 하였다. 이를위해 KOMPSAT-3 호 및 KOMPSAT-3A호의 Level1R 및 1G영상을 각각 기준영상으로 선정한후, 1R영상과의 상호좌표등록을 수행하여 기준영상의 기하정확도에 따른 상호좌표등록 결과 정확도를 분석하고자 한다. 실험을 위해 대전지역에서 촬영된 KOMPSAT-3 및 3A호의 Level1R, 1G영상 총7장을 이용하였으며 이 중 기준영상으로 Level1R, 1G각한장, 나머지 1R 영상 5장을 대상 영상으로 이용하였다.
이에 본 논문에서는 상호좌표등록 정확도및 위성영상의 기하품질간의 연관성을 분석하여 기준영상의 기하품질이 상호좌표등록 정확도에 미치는 영향과 기하품질향상의 필요성을 확인하고자 하였다. 이를위해 KOMPSAT-3 호 및 KOMPSAT-3A호의 Level1R 및 1G영상을 각각 기준영상으로 선정한후, 1R영상과의 상호좌표등록을 수행하여 기준영상의 기하정확도에 따른 상호좌표등록 결과 정확도를 분석하고자 한다.
, 2019). 이에 본 연구에서는 영역기반 정합기법과 특징기반 정합기법의 장점을 결합하여 더욱 효과적으로 정합쌍을 추출하고자 하였다. Oh andHan(2020)의 연구에 따르면 특징기반 정합기법인 SURF기법과 영역기반 정합기법인 위상상관기법을 결합하여 정합쌍을 추출할경우 안정적으로 다수의 정합쌍추출이 가능하다고 명시되어있다.
Oh andHan(2020)의 연구에 따르면 특징기반 정합기법인 SURF기법과 영역기반 정합기법인 위상상관기법을 결합하여 정합쌍을 추출할경우 안정적으로 다수의 정합쌍추출이 가능하다고 명시되어있다. 이에본 연구에서는 SURF기법과 위상상관기법을 결합하여 영상내 정합쌍을 추출하고자 하였다. 기준 영상의 지역적 영역에서SURF기법을 통해 추출된 가장 강인한 특징점을 중심으로 대상영상에서 대응되는 중첩영역을 결정하여, 대응되는 중첩영역에 대해 위상 상관 정합기법을적용하였다.

가설 설정

6(b)의 모자이크 영상내 표시된 원의위치에서 기준영상과 상호좌표등록된 대상영상간 기하오차가 심하게 나타난반면, Fig. 6(a) 모자이크 영상은 눈에 띄는 기하 오차가 존재하지 않았다. 또한 Level1R 과 Level1G 기준영상의 초기 위치 차이로 인해 두모자이크 영상의 세 부 위치가 상이하게 나타나는 것을 확인하였다.
실험을 위해 그 중 경사각(Off-nadirangle)이 가장 작은 2014년3월3일에취득된 Level1R 및 Level1G 영상을 기준 영상으로 선정하였으며 이를 제외한 나머지 5장의 KOMPSAT-3·3A호 Level1R 영상을 대상 영상으로 선정하였다. 실험에 활용된 KOMPSAT-3·3A호 위성에 대한 재원eTabel1과 같으며 시계열 영상에 대한 취득 날짜, 전처리단계, 촬영각 등 세부적인 내용은 Table2 에정리하였다.
, 2013). 이에 본 연구에서는 KOMPSAT-3·3A호 위성영상이 포함하는 범위내에서의 높이변화는 크지 않다는 가정하에 높이값을 동일하게 설정하였다. 동일한 높이 값과 기준 영상의 RPC 정보를 이용하여 영상의 좌상단, 좌하단, 우상단 그리고 우하단 지상 좌표를 추정하였다.

제안 방법

(2014)는KOMPSAT-2 영상의 기하품질을 개선하기 위해 RFM(RationalFunctionModel) 주변환식과 역변환식으로 계산된 영상좌표, 지상좌표의 오차를 분석하고 그결과를 이용한 1차다항식 모델기반 보정방법을 제안하였다. Junget al. (2020)ePlanetScope정사영상과 KOMPSAT-3/3A영상에격자기반SIFT(ScaleInvariant FeatureTransform) 기법을적용하여RPC보정에필요한GCP(GroundControlPoint)를 취득하는 기법을 제안하였다.
KOMPSAT-3·3A 호의 Level 1R 과 Level 1G영상 각각을 기준영상, 그리고 Level1R 영상을 대상영상으로 설정하여 영상간 상호좌표 등록을 위한 첫번째 단계로 RPC 정보를 활용하여 두영상간 중첩지역을 선정 하였다. RPC는 위성영상의 2차원 영상좌표와 실제지상좌표간의 관계를 규명하기 위한 방법중 하나인 RFM에 활용되는 계수이다(Seoet al.
RPC 정보를 통해 추정된 초기 위치관계를 기반으로 두 위성 영상간 중첩되는 지역을 탐색하고 각 영상의 중첩지역에 대하여 피라미드 영상을 단계별로 생성하였다. 생성된 피라미드 영상을 Fig.
우선, 효과적으로 정합쌍을 추출하기 위해 특징기반 정합기법과 영역기반 정합기법의 장점을 결합한 기법을 제안하였다. SURF 기법과 PC기법을 함께 이용하여 정합쌍을 추출하였으며 추출된 정합쌍을 기반으로 Affine 변환모델 구성을 통해 대상영상을 기준영상의 좌표로 변환하였다. 이러한 정합과정을 생성된 피라미드 개수만큼 반복적으로 수행하여 두영상의 좌표를 개략적으로 일치시켜 주었다.
동일한 높이 값과 기준 영상의 RPC 정보를 이용하여 영상의 좌상단, 좌하단, 우상단 그리고 우하단 지상 좌표를 추정하였다. 그리고 수식(1)과 같이 입력영상의 RPC 정보와 높이값을 활용하여 기준영상의 좌상단, 좌하단, 우상단 그리고 우하단의 지상좌표를 입력 영상의 영상좌표로 변환하여 두영상간 중첩되는 지역을 선정하였다.
3과 같이 기준 영상에서 구성된 지역적 중첩영역에 SURF기법을 통해 추출된 특징점중 가장 강인한 1개의 특징점을 선정하였다. 그리고RPC 를 활용하여 특징점의 지상좌표를 추정한 다음 대상영상내에 대응되는 중첩영역을 선정하였다. 그후, 중첩영역간의 정밀한 정합쌍 위치를추정하기 위해 위상 상관기법을 활용하여 최종적으로 정합쌍을 추출하였다.
그리고RPC 를 활용하여 특징점의 지상좌표를 추정한 다음 대상영상내에 대응되는 중첩영역을 선정하였다. 그후, 중첩영역간의 정밀한 정합쌍 위치를추정하기 위해 위상 상관기법을 활용하여 최종적으로 정합쌍을 추출하였다. 추출된 정합쌍중오정합쌍 제거를 위해 변환모델식 구성과정에서 RMSE(RootMeanSquareError)가 큰값을 반복적으로 제거하였다(수식(4)).
추출된 검사점을 기반으로 상호좌표등록 수행전후에 대한 RMSE값을 산출하였다. 기준영상의 전처리 수행단계에 따른 분석뿐만 아니라 변환모델 종류에 따른 상호좌표등록 정확도 결과를 분석하기 위하여 영상간 정합쌍을 추출한다음 PiecewiseLinear변환모델과 Affine변환모델을 개별적으로 활용하여 상호좌표 등록을 수행하였다. 결과에 대한 직관적인 비교분석을 위해 산출된 RMSE를 기반으로 Fig.
이에 본 연구에서는 KOMPSAT-3·3A호 위성영상이 포함하는 범위내에서의 높이변화는 크지 않다는 가정하에 높이값을 동일하게 설정하였다. 동일한 높이 값과 기준 영상의 RPC 정보를 이용하여 영상의 좌상단, 좌하단, 우상단 그리고 우하단 지상 좌표를 추정하였다. 그리고 수식(1)과 같이 입력영상의 RPC 정보와 높이값을 활용하여 기준영상의 좌상단, 좌하단, 우상단 그리고 우하단의 지상좌표를 입력 영상의 영상좌표로 변환하여 두영상간 중첩되는 지역을 선정하였다.
먼저, Level1G 및 1R 각각을 기준영상으로 상호좌표등록을 수행한 결과에 대해 모자이크 영상을 생성하여 시각적으로 평가하였다. 그결과 Level1G 영상을 기준영상으로 활용한 경우 Level1R 영상보다 안정적으로 상호좌표 등록이 수행된 것을 확인하였다.
1과 같은 상호좌표등록방법론을 제안한다. 먼저KOMPSAT-3·3A호의위성영상에서제공되는RPC정보를활용하여각위성영상간중첩되는지역 을탐색한다. 그리고각영상의중첩지역에대하여피라미드영상을생성한다음영상을일정크기로분할하 여SURF기법과위상상관기법을함께활용하여정합 쌍을추출한다.
본 연구에서는 Fig. 3과 같이 기준 영상에서 구성된 지역적 중첩영역에 SURF기법을 통해 추출된 특징점중 가장 강인한 1개의 특징점을 선정하였다. 그리고RPC 를 활용하여 특징점의 지상좌표를 추정한 다음 대상영상내에 대응되는 중첩영역을 선정하였다.
본 연구에서는 기준 영상의 기하품질과 상호좌표 등록 정확도간의 연관성을 파악하기 위해 추출된 정합쌍 개수와분포, 변환모델종류, 영상 간 촬영 각 관계 등에 초점을 맞추어 분석을 진행하였다(Fig. 5). 우선, 상호좌표등록수행 결과를 시각적으로 분석하기 위해 Fig.
이후 정밀한 상호좌표등록을 위해 SURF기법을 적용하여 정합쌍을 추출하 고 Affine변환모델과 PiecewiseLinear변환모델을 각각 구성하여 상호좌표 등록을 수행하였다. 상호좌표 등록결과에 기반하여 기준영상의 기하품질과 상호좌표등록 정확도간의 연관성을 파악하기 위해 추출된 정합쌍 개수와분포, 변환모델종류, 영상간 촬영각 관계 등에 초점을 맞춰서 분석을 진행하였다.
앞서 설명한 SURF 및 위상상관기법이 결합된 형태의 알고리즘을 통해 추출된 정합쌍을 이용하여Affine 변환식을 생성하며, 생성된 변환 식을 기준으로 대상 영상을 기준영상의 좌표로 변환한다. 이러한 영상 정합과정을 생성된 피라미드 영상의 개수만큼 반복적으로 수행하였으며, 본 연구에서는 피라미드 영상을 3회에 걸쳐 생성하였다.
이에Level1R-1R 영상조합에 대해 여러 촬영각요소를 고려하여 상호좌표 등록결과를 분석하였다. 영상조합간 보이는 촬영각 관계에 따른 상호좌표 등록결과를 분석하기위해, 영상촬영각인 경사각, 고도각(Elevationangle), 방위각 (Azimuthangle)과 스테레오기하를 표현하는 대표적인 촬영각인 수렴각(convergenceangle)을 고려하였다(Table4). 수렴각(δ)은 스테레오를 구성하는 각센서에서 지상점으로 향하는 두벡터가 이루는 사이각을 의미하며 수식 (5)를 통해 계산할수있다(Jeonget al.
5). 우선, 상호좌표등록수행 결과를 시각적으로 분석하기 위해 Fig. 6과같이 특정영상조합을 통해 수행된 상호좌표 등록 결과를 모자이크 영상을 생성하여 비교평가하였다. Fig.
이를위해 KOMPSAT-3 및 KOMPSAT-3A호의 영상제품중 기하오차가 보정된 Level1G영상과 기하오차를 포함하고 있는 Level1R영상 각각을 기준영상으로, 대상영상은 Level1R 영상으로 선정하여 상호좌표등록을 수행하였다. 우선, 효과적으로 정합쌍을 추출하기 위해 특징기반 정합기법과 영역기반 정합기법의 장점을 결합한 기법을 제안하였다. SURF 기법과 PC기법을 함께 이용하여 정합쌍을 추출하였으며 추출된 정합쌍을 기반으로 Affine 변환모델 구성을 통해 대상영상을 기준영상의 좌표로 변환하였다.
이러한 영상 정합과정을 생성된 피라미드 영상의 개수만큼 반복적으로 수행하였으며, 본 연구에서는 피라미드 영상을 3회에 걸쳐 생성하였다. 이후 기하위치가 개략적으로 일치된 원영상을 통해 서로 대응되는 지역적 중첩영역 각각에 대해서 SURF기법을 이용하여 정합쌍을 추출하였다.
SURF 기법과 PC기법을 함께 이용하여 정합쌍을 추출하였으며 추출된 정합쌍을 기반으로 Affine 변환모델 구성을 통해 대상영상을 기준영상의 좌표로 변환하였다. 이러한 정합과정을 생성된 피라미드 개수만큼 반복적으로 수행하여 두영상의 좌표를 개략적으로 일치시켜 주었다. 이후 정밀한 상호좌표등록을 위해 SURF기법을 적용하여 정합쌍을 추출하 고 Affine변환모델과 PiecewiseLinear변환모델을 각각 구성하여 상호좌표 등록을 수행하였다.
이에Level1R-1R 영상조합에 대해 여러 촬영각요소를 고려하여 상호좌표 등록결과를 분석하였다. 영상조합간 보이는 촬영각 관계에 따른 상호좌표 등록결과를 분석하기위해, 영상촬영각인 경사각, 고도각(Elevationangle), 방위각 (Azimuthangle)과 스테레오기하를 표현하는 대표적인 촬영각인 수렴각(convergenceangle)을 고려하였다(Table4).
실험을 위해 대전지역에서 촬영된 KOMPSAT-3 및 3A호의 Level1R, 1G영상 총7장을 이용하였으며 이 중 기준영상으로 Level1R, 1G각한장, 나머지 1R 영상 5장을 대상 영상으로 이용하였다. 제안기법을 기반으로 상호좌표등록을 수행한 결과를 정합쌍의 개수와 분포, 변환모델의 종류, 영상 간 촬영 각 관계 등에 초점을 맞추어 분석을 진행하였다.
7). 추출된 검사점을 기반으로 상호좌표등록 수행전후에 대한 RMSE값을 산출하였다. 기준영상의 전처리 수행단계에 따른 분석뿐만 아니라 변환모델 종류에 따른 상호좌표등록 정확도 결과를 분석하기 위하여 영상간 정합쌍을 추출한다음 PiecewiseLinear변환모델과 Affine변환모델을 개별적으로 활용하여 상호좌표 등록을 수행하였다.
그후, 중첩영역간의 정밀한 정합쌍 위치를추정하기 위해 위상 상관기법을 활용하여 최종적으로 정합쌍을 추출하였다. 추출된 정합쌍중오정합쌍 제거를 위해 변환모델식 구성과정에서 RMSE(RootMeanSquareError)가 큰값을 반복적으로 제거하였다(수식(4)).
, 2008). 특징점 추출을 위해 사각형의 필터를 이용하여 픽셀주변을 회선하는 적분영상을 생성하고 이적분영상의세부영역에대해 근사화된 헤이시안 검출기를 적용한다. 특징 점추출에 기반이 되는 헤이시안검출기는 수식(2)와 같이 정의된 헤이시안 행렬을 기반으로 가우시안2차 미분을 수행하고, 행렬식이 최댓값이 되는 위치를 특징점으로 지정한다.

대상 데이터

본 연구에서 제안하는 상호 좌표등록 기법의 검증과 동시에 기준 영상의 기하품질과 정확도간의 연관 성분석을 위해 도심지, 수계, 산림등 다양한 피복으로 구성되어 있는 대전광역시 일대를 관심지역으로 선정하였다(Fig. 4). 실험영상으로는 KOMPSAT-3·3A호에서 취득된 Level1R 및 Level1G영상 총7장을 활용하였다.
였다. 생성된 피라미드 영상을 Fig. 2와 같이 일정 크기의 Block 별로 지역적 탐색영역을 선정하였다.
실험결과에 대한 정확도 및 제안기법 성능을 정량적으로 검증하기 위해 총7장의 영상이 중첩되는 지역내 시계열 영상간 불변특성을 보이는 평탄한 지역을 중심으로 총17개의 검사점을 육안으로 판독하여 추출하였다(Fig. 7). 추출된 검사점을 기반으로 상호좌표등록 수행전후에 대한 RMSE값을 산출하였다.
4). 실험영상으로는 KOMPSAT-3·3A호에서 취득된 Level1R 및 Level1G영상 총7장을 활용하였다. 실험을 위해 그 중 경사각(Off-nadirangle)이 가장 작은 2014년3월3일에취득된 Level1R 및 Level1G 영상을 기준 영상으로 선정하였으며 이를 제외한 나머지 5장의 KOMPSAT-3·3A호 Level1R 영상을 대상 영상으로 선정하였다.
실험영상으로는 KOMPSAT-3·3A호에서 취득된 Level1R 및 Level1G영상 총7장을 활용하였다. 실험을 위해 그 중 경사각(Off-nadirangle)이 가장 작은 2014년3월3일에취득된 Level1R 및 Level1G 영상을 기준 영상으로 선정하였으며 이를 제외한 나머지 5장의 KOMPSAT-3·3A호 Level1R 영상을 대상 영상으로 선정하였다. 실험에 활용된 KOMPSAT-3·3A호 위성에 대한 재원eTabel1과 같으며 시계열 영상에 대한 취득 날짜, 전처리단계, 촬영각 등 세부적인 내용은 Table2 에정리하였다.
이를위해 KOMPSAT-3 호 및 KOMPSAT-3A호의 Level1R 및 1G영상을 각각 기준영상으로 선정한후, 1R영상과의 상호좌표등록을 수행하여 기준영상의 기하정확도에 따른 상호좌표등록 결과 정확도를 분석하고자 한다. 실험을 위해 대전지역에서 촬영된 KOMPSAT-3 및 3A호의 Level1R, 1G영상 총7장을 이용하였으며 이 중 기준영상으로 Level1R, 1G각한장, 나머지 1R 영상 5장을 대상 영상으로 이용하였다. 제안기법을 기반으로 상호좌표등록을 수행한 결과를 정합쌍의 개수와 분포, 변환모델의 종류, 영상 간 촬영 각 관계 등에 초점을 맞추어 분석을 진행하였다.
이를위해 KOMPSAT-3 및 KOMPSAT-3A호의 영상제품중 기하오차가 보정된 Level1G영상과 기하오차를 포함하고 있는 Level1R영상 각각을 기준영상으로, 대상영상은 Level1R 영상으로 선정하여 상호좌표등록을 수행하였다. 우선, 효과적으로 정합쌍을 추출하기 위해 특징기반 정합기법과 영역기반 정합기법의 장점을 결합한 기법을 제안하였다.

데이터처리

이는 정합쌍 개수 및 기준 영상의 기하품질이 상호좌표등록 결과에 영향을 미치는 요인임을 보여준다. 상호좌표등록 결과를 정량적으로 평가하기 위해 17개의 검사점을 추출하였으며 각영상 조합에 대한 RMSE값을 산출하였다. Level1R- 1R영상조합 eAffine변환모델의경우 평균약16화소, PiecewiseLinear변환모델의경우 평균약8화소의 RMSE가산출되었다.
이후 기하위치가 개략적으로 일치된 원영상을 통해 서로 대응되는 지역적 중첩영역 각각에 대해서 SURF기법을 이용하여 정합쌍을 추출하였다. 추출된 정합쌍을 이용하여 Affine변환 모델과 Piecewise Linear변환모델에 따른 상호좌표등록을 각각 수행하여 변환모델에 따른 결과 정확도를 분석하였다.

이론/모형

먼저KOMPSAT-3·3A호의위성영상에서제공되는RPC정보를활용하여각위성영상간중첩되는지역 을탐색한다. 그리고각영상의중첩지역에대하여피라미드영상을생성한다음영상을일정크기로분할하 여SURF기법과위상상관기법을함께활용하여정합 쌍을추출한다. 해당 과정을 피라미드 영상단계에 따라 반복적으로적용하는방식으로정합쌍을추출한후, 원영 상간의 상호좌표등록을 진행한다.
이에본 연구에서는 SURF기법과 위상상관기법을 결합하여 영상내 정합쌍을 추출하고자 하였다. 기준 영상의 지역적 영역에서SURF기법을 통해 추출된 가장 강인한 특징점을 중심으로 대상영상에서 대응되는 중첩영역을 결정하여, 대응되는 중첩영역에 대해 위상 상관 정합기법을적용하였다.
이러한 영상 정합과정을 생성된 피라미드 영상의 개수만큼 반복적으로 수행하였으며, 본 연구에서는 피라미드 영상을 3회에 걸쳐 생성하였다. 이후 기하위치가 개략적으로 일치된 원영상을 통해 서로 대응되는 지역적 중첩영역 각각에 대해서 SURF기법을 이용하여 정합쌍을 추출하였다. 추출된 정합쌍을 이용하여 Affine변환 모델과 Piecewise Linear변환모델에 따른 상호좌표등록을 각각 수행하여 변환모델에 따른 결과 정확도를 분석하였다.
이러한 정합과정을 생성된 피라미드 개수만큼 반복적으로 수행하여 두영상의 좌표를 개략적으로 일치시켜 주었다. 이후 정밀한 상호좌표등록을 위해 SURF기법을 적용하여 정합쌍을 추출하 고 Affine변환모델과 PiecewiseLinear변환모델을 각각 구성하여 상호좌표 등록을 수행하였다. 상호좌표 등록결과에 기반하여 기준영상의 기하품질과 상호좌표등록 정확도간의 연관성을 파악하기 위해 추출된 정합쌍 개수와분포, 변환모델종류, 영상간 촬영각 관계 등에 초점을 맞춰서 분석을 진행하였다.

성능/효과

8과 같이 그래프를 생성하였다. Level 1G-1R 영상조합간 상호좌표등록을 수행한결과, 변환모델 종류에 상관없이 약 5화소 미만의 정확도가 도출되었다. 반면 Level 1R-1R 영상조합간 상호좌표 등록을 수행한경우, 변환모델 종류에 따라 정확도가 상이하게 도출되었다.
Level1G-1R 영상조합간 상호좌표등록 결과 오차값이 평균 약5화소미만으로 모두 유사한값을 나타내었지만 Level1R-1R 영상조합간 상호좌표등록 결과는 대상영상에 따라 큰 편차를 나타내었다. 이에Level1R-1R 영상조합에 대해 여러 촬영각요소를 고려하여 상호좌표 등록결과를 분석하였다.
상호좌표등록 결과를 정량적으로 평가하기 위해 17개의 검사점을 추출하였으며 각영상 조합에 대한 RMSE값을 산출하였다. Level1R- 1R영상조합 eAffine변환모델의경우 평균약16화소, PiecewiseLinear변환모델의경우 평균약8화소의 RMSE가산출되었다. 반면Level1G-1R영상조합은 변환모델 종류에 상관없이 약5화소 이하의 정확도가 도출되었다.
반면 Level 1R-1R 영상조합간 상호좌표 등록을 수행한경우, 변환모델 종류에 따라 정확도가 상이하게 도출되었다. PiecewiseLinear 변환모델을 기반으로 Level1R-1R 영상조합간 상호좌표 등록을 수행한 결과평균약8화소, 최대 약 13화소의 RMSE 가 산출되었으며, Affine변환 모델을 활용한 경우 평균 약 16화소, 최대 약27화소의 RMSE가 산출되었다. 기준영상이 Level1R 일때는 평균적으로PiecewiseLinear변환모델을 이용한 경우가 Affine변환모델을 이용한 경우보다 더 낮은 오차값을 나타내었다.
그결과 Level1G 영상을 기준영상으로 활용한 경우 Level1R 영상보다 안정적으로 상호좌표 등록이 수행된 것을 확인하였다. 그리고 추출된 정합쌍을 분석한 결과, 정합쌍 분포측면에서는 Level1G 및 1R 모두 유사하였다.
그결과 Level1G 영상을 기준영상으로 활용한 경우 Level1R 영상보다 안정적으로 상호좌표 등록이 수행된 것을 확인하였다. 그리고 추출된 정합쌍을 분석한 결과, 정합쌍 분포측면에서는 Level1G 및 1R 모두 유사하였다. 반면 정합쌍개수는 Level1G 영상을 기준영상으로 상호좌표등록을 수행 하였을때 Level1R 영상보다 상대적으로 많이 추출되었다.
분석결과, 수렴각이 Affine변환모델 상호좌표등록 결과 정확도와 상관성을 가지는것을 확인하였다. 기준영상과 대상영상간의 수렴각이 클수록 정확도가 낮아지는 경향을 보였으며 이는Affine변환모델 적용시에만 보이는 결과로 PiecewiseLinear변환모델 적용결과에는 영향을 주지않는것을 확인하였다. 이에따라 Affine변환모델기반으로 상호좌표 등록수행시 수렴각의 크기를 고려할 필요가있다고 판단된다.
기준영상의 기하품질 및 경사각 요소가 상호좌표 등록 정확도에 영향을 미치는 것을 확인하였으며 안정적인 상호좌표등록 수행을 위해서는 기하품질이 우수한 영상을 기준영상으로 활용하는것이 가장 효과적이라는 결론을 도출하였다. 향후 본 연구를 기반으로 다양한 지역 및 데이터에 대한 추가적인 실험을 진행한다면 안정적인 상호좌표등록을 위한 기준영상 선정기준을 확고히 마련할 수 있을 것으로 사료된다.
6(a) 모자이크 영상은 눈에 띄는 기하 오차가 존재하지 않았다. 또한 Level1R 과 Level1G 기준영상의 초기 위치 차이로 인해 두모자이크 영상의 세 부 위치가 상이하게 나타나는 것을 확인하였다. Fig.
Level1R- 1R영상조합 eAffine변환모델의경우 평균약16화소, PiecewiseLinear변환모델의경우 평균약8화소의 RMSE가산출되었다. 반면Level1G-1R영상조합은 변환모델 종류에 상관없이 약5화소 이하의 정확도가 도출되었다.
, 2015). 분석결과, 수렴각이 Affine변환모델 상호좌표등록 결과 정확도와 상관성을 가지는것을 확인하였다. 기준영상과 대상영상간의 수렴각이 클수록 정확도가 낮아지는 경향을 보였으며 이는Affine변환모델 적용시에만 보이는 결과로 PiecewiseLinear변환모델 적용결과에는 영향을 주지않는것을 확인하였다.
8에서 나타난것과 같이 변환모델의 종류와 무관하게 대상영상이 2015년 12월29일 영상일때의 결과 오차값이 가장높게 산출되었다. 여러촬영 각요소를 고려해본 결과 해당 영상의 경사각 크기가 5장의 대상 영상중 가장큰값을 나타내었다. 경사각은 센서방향의 촬영각으로, 작을수록 영상이 수직 방향으로 촬영된 것을의미하며, 클수록 촬영시 센서방향과 지면이 이루는경사도가 컸음을 나타낸다.
, 2020). 이에반해 Level1G-1R 영상조합간 상호좌표등록 수행시 Level1R-1R영상 조합보다 낮은 오차값이 산출될 뿐만 아니라 대상영상의 경사각에 상관없이 상호좌표등록 결과 오차가 일정한값을 나타내었다. 이는 상호좌표등록 결과가 대상영상의 경사각 영향보다 기준영상의 기하학적 위치 정확도영향을 크게 받아 나타나는 결과로 판단된다.
이에 반해 기준영상이 Level1G인 경우, 변환모델 종류와는상관없이 Level1R 영상이 기준영상일때 보다 우수한 결과값이 도출되었다. 이와 같은 결과를 기반으로 기준영상의 기하품질이 우수할수록 안정적인 상호좌표등록 정확도를 나타내는것을 확인하였다.
이는 상호좌표등록 결과가 대상영상의 경사각 영향보다 기준영상의 기하학적 위치 정확도영향을 크게 받아 나타나는 결과로 판단된다. 즉, 상호좌표 등록 수행시 대상영상의 조건보다 기준영상의 조건이 더중요하게 작용하다는것을 의미하며 이와동시에 기준영상의 기하품질이 우수할수록 대상영상의 조건과 무관하게 안정적인 상호좌표등록정확도를 도출할 수 있음을 나타낸다.

후속연구

기준영상의 기하품질 및 경사각 요소가 상호좌표 등록 정확도에 영향을 미치는 것을 확인하였으며 안정적인 상호좌표등록 수행을 위해서는 기하품질이 우수한 영상을 기준영상으로 활용하는것이 가장 효과적이라는 결론을 도출하였다. 향후 본 연구를 기반으로 다양한 지역 및 데이터에 대한 추가적인 실험을 진행한다면 안정적인 상호좌표등록을 위한 기준영상 선정기준을 확고히 마련할 수 있을 것으로 사료된다.

참고문헌 (18)

Bay, H., A. Ess, T. Tuytelaars, and L. Van Gool, 2008. Speeded-Up Robust Features (SURF), European Conference on Computer Vision, 110: 346-359.
Chen, H.M., M.K. Arora, and P.K. Varshney, 2003. Mutual information-based image registration for remote sensing data, International Journal of Remote Sensing, 24(18): 3701-3706.

상세보기
Gong, M., S. Zhao, L. Jiao, D. Tian, and S. Wang, 2013. A novel coarse-to-fine scheme for automatic image registration based on SIFT and mutual information, IEEE Transactions on Geoscience and Remote Sensing, 52(7): 4328-4338.

상세보기
Han, Y., T. Kim, and J. Yeom, 2019. Improved piecewise linear transformation for precise warping of very-high-resolution remote sensing images, Remote Sensing, 11(19): 2235.

상세보기
Han, Y., T. Kim, Y. Kim, and J. Lee, 2019. Fine co-registration performance of KOMPSAT-3/3A imagery according to convergence angles, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 36(6): 491-498 (in Korean with English abstract).
Jang, H.S., S.K. Kim, J.S. Lee, S.H. Yoo, S.H. Hong, M.K. Kim, and H.G. Sohn, 2020. Improved Image Matching Method Based on Affine Transformation Using Nadir and Oblique-Looking Drone Imagery, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 38(5): 477-486 (in Korean with English abstract).
Jeong, J., C. Yang, and T. Kim, 2015. Geo-positioning accuracy using multiple-satellite images: IKONOS, QuickBird, and KOMPSAT-2 stereo images, Remote Sensing, 7(4): 4549-4564.

상세보기
Jeong, J., J. Kim, and T. Kim, 2014. Anlysis of geolocation accuracy of KOMPSAT-3 Imagery, Korean Journal of Remote Sensing, 30(1): 37-45 (in Korean with English abstract).

원문보기 상세보기
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, 34(5): 471-478 (in Korean with English abstract).

원문보기 상세보기
Jung, M., W. Kang, A. Song, and Y. Kim, 2020. A study on the improvement of geometric quality of KOMPSAT-3/3A imagery using PlanetScope imagery, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 38(4): 327-343 (in Korean with English abstract).

원문보기 상세보기
KARI (Korea Aerospace Research Institute) and SIIS (SI Imaging Services), 2019a. KOMPSAT-3 Product Specifications: Image Data Manual, SI Imaging Services, http:si-imaging.com/resources/?uid336&moddocumen, Accessed on Feb. 9, 2021.
KARI (Korea Aerospace Research Institute) and SIIS (SI Imaging Services), 2019b. KOMPSAT-3A Product Specifications: Image Data Manual, SI Imaging Services, http:si-imaging.com/resources/?uid337&moddocument, Accessed on Feb. 9, 2021.
Lee, H., D. Seo, K. Ahn, and D. 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(6-1): 503-509 (in Korean with English abstract).

원문보기 상세보기
Li, S., M. Peng, B. Zhang, X. Feng, and Y. Wu, 2019. Auto-registration of medium and high spatial resolution satellite images by integrating improved SIFT and spatial consistency constraints, International Journal of Remote Sensing, 40(14): 5635-5650.

상세보기
Ma, J., H. Zhou, J. Zhao, Y. Gao, J. Jiang, and J. Tian, 2015. Robust feature matching for remote sensing image registration via locally linear transforming, IEEE Transactions on Geoscience and Remote Sensing, 53(12): 6469-6481.

상세보기
Oh, J. and Y. Han, 2020. A Double Epipolar Resampling Approach to Reliable Conjugate Point Extraction for Accurate Kompsat-3/3A Stereo Data Processing, Remote Sensing, 12(18): 2940.

상세보기
Oh, J., C. Lee, and D.C. Seo, 2013. Automated HRSI georegistration using orthoimage and SRTM: Focusing KOMPSAT-2 imagery, Computers & Geosciences, 52: 77-84.

상세보기
Seo, D.C., J.H. Jung, and K.B. Hong, 2014. Accuracy of precision ground coordinates determination using inverse RPC in KOMPSAT satellite data, Aerospace Engineering and Technology, 13(2): 99-107 (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