[논문]고해상도 위성영상으로부터 건물 정위 레이어 자동추출

김승희; 김태정

doi:10.7780/kjrs.2023.39.3.7

고해상도 위성영상으로부터 건물 정위 레이어 자동추출
Automated Extraction of Orthorectified Building Layer from High-Resolution Satellite Images 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.39 no.3, 2023년, pp.339 - 353

김승희 (인하대학교 공간정보공학과) , 김태정 (인하대학교 공간정보공학과)

초록
AI-Helper

고해상도 위성영상의 제공이 증가함에 따라 위성영상의 위치정확도 향상이 요구되고 있다. 이를 위해 기복변위를 제거하고 인공지물의 정위가 수립된 정사영상 생성의 중요성이 높아지고 있다. 본 논문에서는 기존에 구축된 건물 높이 데이터베이스를 이용하여 원본 위성영상에서의 건물 옥상면과 건물포함영역을 자동으로 추출하였다. 이후 추출된 건물 옥상면을 정위치 편집하여 건물 정위 레이어(layer)를 생성하였다. 추출된 건물포함영역을 이용하여 위성영상에서 건물영역을 공백 처리하여 비건물 정위 레이어를 생성하였다. 이후, 실감정사 건물레이어와 실감정사 비건물레이어를 중첩하여 최종 정사영상을 제작하였다. 본 연구에서 제안한 방법은 KOMPSAT-3 및 KOMPSAT-3A 위성영상을 이용해 실험하였으며, 실험 결과를 수치지형도와 중첩하여 검증을 수행하였다. 실험결과 건물 정위 레이어는 0.4 m의 위치 오차를 가지는 것으로 나타났다. 제안 방법을 통해 도심지역에 대한 자동 실감정사영상 생성의 가능성을 확인하였다.

Abstract ▼ AI-Helper

As the availability of high-resolution satellite imagery increases, improvement of positioning accuracy of satellite images is required. The importance of orthorectified images is also increasing, which removes relief displacement and establishes true localization of man-made structures. In this paper, we performed automated extraction of building rooftops and total building areas within original satellite images using the existing building height database. We relocated the rooftop sin their true position and generated an orthorectified building layer. The extracted total building areas were used to blank out building areas and generate true orthographic non-building layer. A final orthorectified image was provided by overlapping the building layer and non-building layer.We tested the proposed method with KOMPSAT-3 and KOMPSAT-3A satellite images and verified the results by overlapping with a digital topographical map. Test results showed that orthorectified building layers were generated with a position error of 0.4m.Through the proposed method, the feasibility of automated true orthoimage generation within dense urban areas was confirmed.

주제어

표/그림 (20)

그림 Fig. 1. Flowchart in this study. DEM: digital elevation model.
그림 Fig. 2. Example of orthorectified mask layer.
그림 Fig. 3. Image coordinate mapping using terrain and building height.
표 Table 1. Properties of satellite images used in this study
그림 Fig. 4. Study areas: (a) KOMPSAT-3 image, (b) KOMPSAT-3A image, (c) Area 1, (d) Area 2, and (e) Area 3.
그림 Fig. 5. Subscene in the study areas.
그림 Fig. 6. Elevation reference data used. (a) Digital elevation model (DEM) of research area. (b) Building height polygon. (c) Point data of building height converted by polygon data.
그림 Fig. 7. Result of roof point mapping. (a) Mapping rooftop point. (b) Rooftop contour in K3A image. (c) Contour in K3A image with manual correction. (d) Rooftop contour in K3 image. (e) Contour in K3 image with K3A Z value after manual correction.
그림 Fig. 8. Result of building contour.
그림 Fig. 9. Result of total building area extraction in KOMPSAT-3 images.
그림 Fig. 10. Result of total building area extraction in KOMPSAT-3A images.
그림 Fig. 11. Result of orthorectified roof layer using terrain and building height in Area 1.
그림 Fig. 12. Result of orthorectified roof layer using terrain and building height in Area 2.
그림 Fig. 13. Result of orthorectified roof layer using terrain and building height in Area 3.
그림 Fig. 14. Result of orthorectified roof layer by morphology in K3 image.
표 Table 2. Result of calculated position error compared to digital topographic map image
그림 Fig. 15. Result of orthorectified roof layer by morphology in K3A image.
그림 Fig. 16. Result of orthorectified image. (a), (b): K3 images. (c), (d): K3A images.
그림 Fig. 17. Result of orthorectified mask layer.
그림 Fig. 18. Error examples of roof extraction and building area detection. (a) Undetected roof layer in K3 image. (b) Undetected building roof layer in K3A image. (c) Detected building area without morphology in K3 image. (d) Overdetected building area by morphology in K3 image.

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 기존에 국가 주도 사업으로 구축된 건물 높이 DB를 이용하여 건물 옥상 영역의 정위 수립 레이어를 자동으로 추출하는 방법을 제시하고, 추출한 정위 레이어 결과를 비교 분석하였다. 이 과정에서 DB 내부정확한 건물 높이값이 있는 경우, 육안 분석을 통해 수동으로 높이값을 추정하여 건물의 정위를 수립하였다.

가설 설정

향후 정위 레이어에 밝기 값을 입력하기 위해 먼저 옥상 영역에 해당하는 픽셀에 고도 값을 입력한다. 이때 동일한 건물의 옥상 영역은 평면으로 같은 고도 값을 지닌다고 가정하여, 하나의 옥상영역에 해당하는 픽셀들은 해당 건물 옥상점들의 Z값 평균을 입력한다. 따라서 정위 레이어 추출을 위한 옥상 영역 마스크를 생성하였다.
추출한 건물 옥상 및 지면 영역을 바탕으로 건물로 인해 발생한 전체 기복변위 영역을 검출한다. 전체 건물 영역은 건물의 옥상 영역, 건물 지면 영역 그리고 건물 전면 영역을 모두 합한 영역으로 가정하였다. 건물의 지면에서부터 옥상까지의 지상좌표 X, Y는 동일하나 서로 다른 Z값을 지니므로 서로 다른 영상 점에 매핑된다.
컨투어에 속한 점들을 연결하여 폐합 폴리곤(polygon)을 생성하였고, 해당 폴리곤 내 위치한 픽셀들이 건물 옥상 영역에 해당한다고 가정하였다. 향후 정위 레이어에 밝기 값을 입력하기 위해 먼저 옥상 영역에 해당하는 픽셀에 고도 값을 입력한다.

제안 방법

Fig. 3과 같이 매핑한 옥상점 영상좌표의 밝기 값을 정사영상의 그리드 내에 입력하여 정위 레이어를 생성하였다. 추출이 완료된 옥상 영역은 정위가 수립된 상태이며 별도의 레이어 형태로 제공한다.
1은 본 연구에서 수행하는 건물영역 추출 실험 진행과정을 나타낸다. 가장 먼저 위성영상, 수치고도자료 및 건물자료를 이용하여 기복변위를 고려한 인공지물 옥상영역의 위치와 기복변위가 제거된 정위치를 계산한다. 이를 통해 위성영상에 촬영된 옥상면 위치와 인공지물 정위치 간의 매핑(mapping)관계를 추정한다.
우선 K3A 영상에 대해 컨투어를 육안으로 확인하여 이격이 발생하는 경우, 건물별 X, Y 좌표값은 고정한 채로 고도값을 수동으로 보정하였다. 각 건물에서 발생한 조정량은 서로 상이한 값을 나타냈으며, 이로 인해 개별 건물 단위의 수동보정을 수행하였다. 보정한 고도값을 이용한 옥상 영역 추출 결과를 확인하였으며, Fig.
본 논문에서는 부정확한 건물 높이값 사용으로 발생한 오차를 제거하기 위해 수동보정을 통한 높이값 추정을 수행하였다. 검출 과정에서 누락되는 건물 영역을 포함하고자 팽창 연산을 수행하여 마스크 영역을 과검출하였다. 건물 영역을 확장하여 공백 처리하는 과정에서 Fig.
따라서 본 연구에서는 기존에 구축된 건물 DB의 높이 정보와 수치지형도를 결합하여 취득한 건물 높이 정보를 통해 인공지물에 대한 정위치를 자동으로 계산하였다. 계산된 인공지물의 정위치를 바탕으로 인공지물의 옥상면을 추출하며, 이를 정위치로 이동시킨 건물 정위 레이어(layer)를 생성하였다. 원본 위성영상에 존재하는 기복변위를 제거하고자 건물 영역에 해당하는 부분을 공백(blank) 처리하여 최종 정사영상을 제작하였다.
구축된 건물 DB를 활용해 건물 옥상 정위 레이어를 추출하고 최종 정사영상을 생성하였다. Fig.
따라서 본 연구에서는 기존에 구축된 건물 DB의 높이 정보와 수치지형도를 결합하여 취득한 건물 높이 정보를 통해 인공지물에 대한 정위치를 자동으로 계산하였다. 계산된 인공지물의 정위치를 바탕으로 인공지물의 옥상면을 추출하며, 이를 정위치로 이동시킨 건물 정위 레이어(layer)를 생성하였다.
본 논문에서는 건물 영역에 대한 공백 처리를 수행한 정사영상과 추출한 정위 레이어를 중첩하여 최종 정사영상을 생성하였다. 건물에 대한 변화탐지를 수행하고자 하는 경우에는 별도의 정위 레이어만을 활용하여 건물 개체단위로 발생한 변화를 탐지하는데 활용할 수 있다.
본 논문에서는 부정확한 건물 높이값 사용으로 발생한 오차를 제거하기 위해 수동보정을 통한 높이값 추정을 수행하였다. 검출 과정에서 누락되는 건물 영역을 포함하고자 팽창 연산을 수행하여 마스크 영역을 과검출하였다.
이때 각각의 지형 정사영상 및 정위 레이어 생성을 위해 지표면 및 지물 옥상의 높이에 해당하는 좌표를 별도 추정하므로 그리드 역시 개별 생성하였다. 생성한 정사영상 크기만큼의 반복연산을 수행하여 옥상 영역의 영상 좌표를 매핑한다. 매핑을 위해서는 2.
계산된 인공지물의 정위치를 바탕으로 인공지물의 옥상면을 추출하며, 이를 정위치로 이동시킨 건물 정위 레이어(layer)를 생성하였다. 원본 위성영상에 존재하는 기복변위를 제거하고자 건물 영역에 해당하는 부분을 공백(blank) 처리하여 최종 정사영상을 제작하였다. 이를 바탕으로 인공지물에 대한 정위 레이어 생성과 실 감정사영상 생성 가능성을 확인하였다.
본 논문에서는 기존에 국가 주도 사업으로 구축된 건물 높이 DB를 이용하여 건물 옥상 영역의 정위 수립 레이어를 자동으로 추출하는 방법을 제시하고, 추출한 정위 레이어 결과를 비교 분석하였다. 이 과정에서 DB 내부정확한 건물 높이값이 있는 경우, 육안 분석을 통해 수동으로 높이값을 추정하여 건물의 정위를 수립하였다. 초기 높이값을 이용해 정위 레이어를 추출한 결과에는 약간의 이격이 존재하나 수동보정을 통해 건물 DB의 높이값을 갱신하면 정확한 정위 레이어가 추출되었다.
팽창 연산 수행 후, 수행 전에 비해 추출한 옥상 영역 간의 간격이 좁아진 것을 확인하였다. 이는 개별 건물에 대한 옥상 영역 식별에 어려움을 주어 팽창 연산을 수행하지 않고 정위 레이어를 추출하기로 선택하였다.
기복변위가 발생한 건물 영역 전반적으로 공백 처리를 수행하였으나 초기 옥상점 매핑의 위치 오차로 인해 처리하지 못한 건물 영역이 남아있는 결과를 보였다. 이를 제거하기 위해 모폴로지 팽창 연산 후 범위로 공백처리를 수행하였고, 건물 전체 영역이 공백 처리된 것을 확인하였다.
별도의 마스크(mask) 레이어로 옥상 및 전면부 영역을 추출한다. 이후, 건물영역에 대해 공백 처리를 수행한 정사영상과 추출한 정위 레이어를 중첩하여 최종 정사영상을 생성한다.
일부옥상영역이아닌픽셀을포함하더라도전체옥상 영역을 추출하고자 마스크에 대해 모폴로지(morphology) 팽창 연산을 수행하였다. 모폴로지 연산 전후 결과를 비교하여 추출한 옥상영역 식별이 더 용이한 마스크를 정위 레이어 추출 알고리즘에 사용하였다.
제안 방법으로 건물 옥상점을 이용하여 옥상 정위 레이어를 추출하고 이를 기반으로 건물 전체 영역을 검출하였다. 그러나 Fig.
6(c)와 같이 점 형태의 데이터로 가공하였다. 최종적으로 건물 옥상의 X, Y, Z 점 좌표를 이용하여 옥상 영역을 보정하였다.
이를 통해 위성영상에 촬영된 옥상면 위치와 인공지물 정위치 간의 매핑(mapping)관계를 추정한다. 추정한 정위치 매핑관계를 이용하여 건물영역점의 밝기값을 입력하고 정위 레이어를 추출한다. 별도의 마스크(mask) 레이어로 옥상 및 전면부 영역을 추출한다.

대상 데이터

정사보정에 사용한 고도 자료는 Fig. 6과 같이 지형에 대한 높이값을 지니는 수치표고모델(digital elevation model, DEM)과 건물의 높이 정보 자료를 이용하였다. 국토지리정보원에서 제공하는 5 m 공간해상도의 DEM은 위성영상 크기에 맞게 잘라내어 0.
5 m로 보간 처리 후 사용하였다. 건물의 높이 정보는 국토교통부 국가공간정보센터에서 오픈소스로 제공하는 일별 Geographic Information System 건물통합정보의 건물 높이 DB를 활용하였다. 제공되는 건물 높이는 Fig.
6과 같이 지형에 대한 높이값을 지니는 수치표고모델(digital elevation model, DEM)과 건물의 높이 정보 자료를 이용하였다. 국토지리정보원에서 제공하는 5 m 공간해상도의 DEM은 위성영상 크기에 맞게 잘라내어 0.5 m로 보간 처리 후 사용하였다. 건물의 높이 정보는 국토교통부 국가공간정보센터에서 오픈소스로 제공하는 일별 Geographic Information System 건물통합정보의 건물 높이 DB를 활용하였다.
추정한 정위치 매핑관계를 이용하여 건물영역점의 밝기값을 입력하고 정위 레이어를 추출한다. 별도의 마스크(mask) 레이어로 옥상 및 전면부 영역을 추출한다. 이후, 건물영역에 대해 공백 처리를 수행한 정사영상과 추출한 정위 레이어를 중첩하여 최종 정사영상을 생성한다.
건물에 대한 변화탐지를 수행하고자 하는 경우에는 별도의 정위 레이어만을 활용하여 건물 개체단위로 발생한 변화를 탐지하는데 활용할 수 있다. 본 실험에서는 주거단지를 대상 지역으로 선정하여 고층 및 저층 건물을 대상으로 실험을 진행하였다. 후속 연구에서는 건물이 아닌 교량을 비롯하여 복잡한 인공지물을 대상으로 한 정위 레이어 자동생성이 수행되는지 분석이 필요하다.
본 연구에서는 기하보정이 완료된 KOMPSAT-3 (K3) 및 KOMPSAT-3A (K3A) 위성영상을 사용하였다. 인천지역이 촬영된 위성영상 중, 건물이 위치한 일부 주거 단지를 연구 지역으로 선정하였으며 Fig.
본 연구에서는 기하보정이 완료된 KOMPSAT-3 (K3) 및 KOMPSAT-3A (K3A) 위성영상을 사용하였다. 인천지역이 촬영된 위성영상 중, 건물이 위치한 일부 주거 단지를 연구 지역으로 선정하였으며 Fig. 4와 같다.

데이터처리

RMSE: root mean square error.

이론/모형

일부옥상영역이아닌픽셀을포함하더라도전체옥상 영역을 추출하고자 마스크에 대해 모폴로지(morphology) 팽창 연산을 수행하였다. 모폴로지 연산 전후 결과를 비교하여 추출한 옥상영역 식별이 더 용이한 마스크를 정위 레이어 추출 알고리즘에 사용하였다.

성능/효과

초기 DB 높이만을 사용하여 정위 레이어를 추출하였을 때는 건물 전면 부분이 정위 레이어에 추출된 결과를 보였다. 그러나 높이값을 수동으로 보정한 후 추출한 정위 레이어는 전면이 추출된 이격이 사라지고 옥상 영역만이 추출되었다.
6(b)와 같이 폴리곤 형태의 자료이나 위성영상 상에서는 기복변위로 인해 옥상 영역의 폴리곤의 형상이 변형되어 나타난다. 변위가 반영되지 않은 폴리곤을 사용하는 것보다 정위치를 추정한 코너(corner)점을 이용하여 변형된 폴리곤을 생성하는 것이 더 정확한 옥상영역을 추정할 수 있다고 판단하였다. 따라서 폴리곤을 구성하는 노드(node) 정보만을 추출하고 Fig.
4 m의 평면위치오차가 산출되었다. 이는 정사영상의 공간해상도 대비 1 pixel 이내의 수치로 생성한 정위 레이어가 신뢰할 만하다는 결과를 보였다.
원본 위성영상에 존재하는 기복변위를 제거하고자 건물 영역에 해당하는 부분을 공백(blank) 처리하여 최종 정사영상을 제작하였다. 이를 바탕으로 인공지물에 대한 정위 레이어 생성과 실 감정사영상 생성 가능성을 확인하였다.
초기 높이값을 이용해 정위 레이어를 추출한 결과에는 약간의 이격이 존재하나 수동보정을 통해 건물 DB의 높이값을 갱신하면 정확한 정위 레이어가 추출되었다. 이를 바탕으로 자동 정위 레이어 추출을 위한 기 구축 높이 DB 자료의 갱신 가능성을 확인하였다. 해당 시·군·구 단위의 행정구역 범위로 정사영상 및 건물 정위 레이어를 추출 및 제공하였으며, 이를 통해 위성영상을 활용한 광범위한 지역의 정사보정 수행 가능성을 확인하였다.
높이값이 존재하는 건물도 해당 높이값이 부정확한 경우에는 매핑된 옥상점의 위치 오차가 발생하였다. 정위 레이어 추출과정에서 발생한 오차가 건물 영역을 공백 처리하는 과정까지 영향을 미치는 것을 확인하였다.
11, 12, 13은 실험지역에 대한 정사영상, 높이값 수동보정 전 정위 레이어 추출 결과, 높이값 수동보정 후 정위 레이어 추출 결과를 나타낸다. 초기 DB 높이만을 사용하여 정위 레이어를 추출하였을 때는 건물 전면 부분이 정위 레이어에 추출된 결과를 보였다. 그러나 높이값을 수동으로 보정한 후 추출한 정위 레이어는 전면이 추출된 이격이 사라지고 옥상 영역만이 추출되었다.
이 과정에서 DB 내부정확한 건물 높이값이 있는 경우, 육안 분석을 통해 수동으로 높이값을 추정하여 건물의 정위를 수립하였다. 초기 높이값을 이용해 정위 레이어를 추출한 결과에는 약간의 이격이 존재하나 수동보정을 통해 건물 DB의 높이값을 갱신하면 정확한 정위 레이어가 추출되었다. 이를 바탕으로 자동 정위 레이어 추출을 위한 기 구축 높이 DB 자료의 갱신 가능성을 확인하였다.
14, 15는 K3 및 K3A 영상에 대해 모폴로지 팽창연산 전후 추출한 정위 레이어와 수치지형도를 중첩한 결과를 보여준다. 팽창 연산 수행 후, 수행 전에 비해 추출한 옥상 영역 간의 간격이 좁아진 것을 확인하였다. 이는 개별 건물에 대한 옥상 영역 식별에 어려움을 주어 팽창 연산을 수행하지 않고 정위 레이어를 추출하기로 선택하였다.
해당 시·군·구 단위의 행정구역 범위로 정사영상 및 건물 정위 레이어를 추출 및 제공하였으며, 이를 통해 위성영상을 활용한 광범위한 지역의 정사보정 수행 가능성을 확인하였다.

후속연구

또한 기복변위의 크기가 작게 발생한 주택단지에서는 건물 영역을 추출하는 과정에서 다른 건물의 옥상 영역을 공백 처리하는 경우가 발생하였다. 따라서 기복변위 발생 정도가 작고 건물 밀집도가 높은 지역에 대해 정확한 건물영역 검출을 수행하기 위해서는 정밀한 건물 높이 DB가 요구된다.
생성한 최종 정사영상은 폐색 영역에 대한 값이 공백 처리되어 있어 해당 영상만으로는 육안 식별 및 변화탐지를 수행하는데 어려움이 존재한다. 따라서 향후 공백 처리된 폐색 영역에 대한 값을 채우는 연구가 필요하다.
컨투어에 속한 점들을 연결하여 폐합 폴리곤(polygon)을 생성하였고, 해당 폴리곤 내 위치한 픽셀들이 건물 옥상 영역에 해당한다고 가정하였다. 향후 정위 레이어에 밝기 값을 입력하기 위해 먼저 옥상 영역에 해당하는 픽셀에 고도 값을 입력한다. 이때 동일한 건물의 옥상 영역은 평면으로 같은 고도 값을 지닌다고 가정하여, 하나의 옥상영역에 해당하는 픽셀들은 해당 건물 옥상점들의 Z값 평균을 입력한다.
본 실험에서는 주거단지를 대상 지역으로 선정하여 고층 및 저층 건물을 대상으로 실험을 진행하였다. 후속 연구에서는 건물이 아닌 교량을 비롯하여 복잡한 인공지물을 대상으로 한 정위 레이어 자동생성이 수행되는지 분석이 필요하다. 생성한 최종 정사영상은 폐색 영역에 대한 값이 공백 처리되어 있어 해당 영상만으로는 육안 식별 및 변화탐지를 수행하는데 어려움이 존재한다.

참고문헌 (12)

Amhar, F., Jansa, J., and Ries, C., 1998. The generation of？true orthophotos using a 3D building model in？conjunction with a conventional DTM. International？Archives of Photogrammetry and Remote Sensing,？32, 16-22. https://www.isprs.org/proceedings/xxxii/part4/jansa57.pdf
Goncalves, J. A., 2006. Registration of a IKONOS image to？a digital surface model and true orthorectification.？In Proceedings of the 2006 26th Annual Symposium？of the European Association of Remote Sensing？Laboratories (EARSeL), Warsaw, Poland, May？29-June 2, pp. 659-666. http://www.earsel.org/symposia/2006-symposium-Warsaw/pdf/1350.pdf
Jeong, J., Lee, T., Kim, T., and Park, W., 2008. Research？for DEM and ortho-image generated from high？resolution satellite images. In Proceedings of the？2008 Korean Society of Remote Sensing Conference,？Seoul, Korea, Mar. 20-21, pp. 80-85.
Kang, G. S., Shin, S. C., and Cho, K. J., 2003. Change？detection using the IKONOS satellite images.？Journal of Korean Society for Geospatial Information？Science, 11(2), 61-66.
National Geographic Information Institute, 2021. National？base map building height DB construction and？3D national base map research. Ministry of Land,？Infrastructure and Transport, National Geographic？Information Institute. https://www.ngii.go.kr/other/file_down.do?sq90882
Park, H., Son, J. H., Jung, H. S., Kweon, K. E., Lee,？K. D., and Kim, T., 2020. Development of the？precision image processing system for CAS-500.？Korean Journal of Remote Sensing, 36(5-2), 881-891. https://doi.org/10.7780/kjrs.2020.36.5.2.3

원문보기 상세보기
Piero, B., Borgogno Mondino E. C., Fabio, G. T., and？Andrea, L., 2004. Orthorectification of high？resolution satellite images. In Proceedings of the？International Archives of the Photogrammetry,？Remote Sensing and Spatial Information Sciences？(ISPRS Archives), Istanbul, Turkey, July 12-23,？pp. 30-35. https://www.academia.edu/download/40735640/6.pdf
Qin, Z., Li, W., Li, M., Chen, Z., and Zhou, G., 2003.？A methodology for true orthorectification of？large-scale urban aerial images and automatic？detection of building occlusions using digital？surface model. In Proceedings of the 2003 IEEE？International Geoscience and Remote Sensing？Symposium (IGARSS), Toulouse, France, July？25-27, pp. 729-731. https://doi.org/10.1109/IGARSS.2003.1293898.
Yoon, W., Park, H., and Kim, T., 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.？https://doi.org/10.7780/KJRS.2018.34.6.1.19

원문보기 상세보기
Zhou, G., Chen, W., Kelmelis, J. A., and Zhang, D.,？2005. A comprehensive study on urban true？orthorectification. IEEE Transactions on Geoscience？and Remote Sensing, 43(9), 2138-2147. https://doi.org/10.1109/TGRS.2005.848417

상세보기
Zhou, G. and Wang, Y., 2016. Occlusion detection for？urban aerial true orthoimage generation. In？Proceeding of the 2016 IEEE International？Geoscience and Remote Sensing Symposium？(IGARSS), Beijing, China, July 10-15, pp. 3009-3012. https://doi.org/10.1109/IGARSS.2016.7729778
Zhou, G., Wang, Q., Huang, Y., Tian, J., Li, H., and？Wang, Y., 2022. True2 orthoimage map generation.？Remote Sensing, 14(17), 4396. https://doi.org/10.3390/rs14174396

상세보기

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