KR101750520B1 - 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법 - Google Patents

표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법 Download PDF

Info

Publication number
KR101750520B1
KR101750520B1 KR1020150169249A KR20150169249A KR101750520B1 KR 101750520 B1 KR101750520 B1 KR 101750520B1 KR 1020150169249 A KR1020150169249 A KR 1020150169249A KR 20150169249 A KR20150169249 A KR 20150169249A KR 101750520 B1 KR101750520 B1 KR 101750520B1
Authority
KR
South Korea
Prior art keywords
target
image
background
detection
target detection
Prior art date
Application number
KR1020150169249A
Other languages
English (en)
Other versions
KR20170063182A (ko
Inventor
김광은
Original Assignee
한국지질자원연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국지질자원연구원 filed Critical 한국지질자원연구원
Priority to KR1020150169249A priority Critical patent/KR101750520B1/ko
Publication of KR20170063182A publication Critical patent/KR20170063182A/ko
Application granted granted Critical
Publication of KR101750520B1 publication Critical patent/KR101750520B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/126—Microprocessor processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10036—Multispectral image; Hyperspectral image

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Geophysics (AREA)
  • Theoretical Computer Science (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 (hyperspectral image)을 이용한 표적물질 탐지방법의 탐지성능을 향상시키기 위한 방법에 관한 것으로, 본 발명에 따르면, 초분광 영상을 이용한 표적탐지를 위해 가장 널리 이용되는 정합필터(matched filter)와 ACE(adaptive cosine estimator) 기법에 대하여, 실제 항공 초분광 영상자료와 인공표적을 삽입하여 생성한 모의자료를 각각 이용하여 배경신호의 특징에 포함되는 표적신호가 탐지성능에 미치는 영향을 실험한 결과에 근거하여, 배경 특징화를 위한 공분산행렬 계산시 분광각을 기준으로 표적 스펙트럼과 유사도가 높은 분광반사 특성을 가지는 표적 유사화소들을 배경 특징화 과정에서 제외함으로써, 초분광 영상을 이용한 표적탐지시 종래에 비해 탐지성능이 크게 향상될 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법이 제공된다.

Description

표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법{Method for improving detection performance of hyperspectral target detection by using target signal exclusion}
본 발명은 초분광 영상(hyperspectral image)을 이용하여 목표하는 표적물질(targert)을 탐지하는 방법에 관한 것으로, 더 상세하게는, 초분광 영상을 이용한 표적탐지에 있어서, 배경신호의 특징에 포함되는 표적신호가 탐지성능에 미치는 영향을 고려하여, 분광각을 기준으로 표적과 유사한 분광반사 특성을 가지는 화소들을 배경 특징화 과정에서 제외함으로써, 초분광 영상을 이용한 표적탐지시 탐지성능을 향상시킬 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법에 관한 것이다.
또한, 본 발명은, 상기한 바와 같이 초분광 영상을 이용한 표적탐지 성능을 향상시키기 위해, 초분광 영상을 이용한 표적탐지를 위해 가장 널리 이용되는 정합필터(matched filter)와 ACE(adaptive cosine estimator) 기법에 대하여 실제 항공 초분광 영상자료와, 여기에 인공표적을 삽입하여 생성한 모의자료를 각각 이용하여 실험을 수행하고, 그 결과에 근거하여, 배경 특징화를 위한 공분산행렬 계산시 표적 스펙트럼과 유사도가 높은 표적 유사화소들을 제외함으로써, 탐지성능이 크게 향상될 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법에 관한 것이다.
종래, 특정 물질이나 표적을 탐지하기 위한 원격탐사 분야에 있어서, 위성이나 항공기 등을 이용하여 공중에서 촬영되는 초분광 영상(Hyperspectral Image)을 이용하는 방법이 많이 사용되고 있다.
즉, 초분광 영상의 파장 범위는 400 ~ 2500nm이며, 파장의 폭은 약 10nm이므로, 초분광영상은 수십 ~ 수백 개의 밴드(band)를 가지고 있으며, 이로 인해 초분광 영상을 이용하면 물질분류나 표적탐지는 물론 위장체까지도 탐지할 수 있는 장점이 있어 최근 다양한 분야에서 널리 활용되고 있다.
더 상세하게는, 초분광 영상을 이용한 탐지장치 및 방법에 대한 종래기술의 예로는, 예를 들면, 한국 등록특허공보 제10-1498096호에 따르면, 원산지 판별을 위한 대상 곡물을 배치할 수 있는 시료 받침; 상기 시료 받침을 제1 위치에서 제2 위치로 이송 시키는 시료 이송부; 광원이 라인광으로 조사하기 위한 광섬유 케이블을 포함하고, 상기 시료 받침에 광을 조사하는 적어도 하나의 광원 발진부; 상기 대상 곡물에 조사된 상기 광원의 반사광을 수광하는 렌즈부; 상기 렌즈부로부터 수광된 반사광을 각 파장 별로 분광시키는 영상스펙트로그래프(IMAGE SPECTROGRAPH); 상기 각 파장 별로 분광된 초분광 반사광 영상을 생성하는 이미지 센서부; 상기 대상 곡물의 표면에 조사되는 상기 라인광의 출력의 차이를 보정하기 위하여 파장의존성이 없는 기준판을 포함하는 기준판 측정부를 포함하여, 초분광 영상분석 시스템 및 방법을 통하여 비파괴적으로 대상 시료 즉, 대상 곡물의 원산지를 판별할 수 있도록 구성되는 초분광 및 형광 영상처리를 이용한 곡물의 원산지 판별장치 및 방법에 관한 기술내용이 제시된 바 있다.
또한, 초분광 영상을 이용한 탐지장치 및 방법에 대한 종래기술의 다른 예로는, 예를 들면, 한국 등록특허공보 제0-1463354호에 따르면, 초분광 카메라로 촬영된 초분광 영상을 입력 받는 입력부; 상기 초분광 영상으로부터 분광정보를 추출하고, 검출률에 기반하여 상기 추출된 분광정보로부터 특징 밴드를 선택하는 특징 밴드 선택부; 상기 선택된 특징 밴드에 밴드비(band ratio) 기법을 적용하여 상기 선택된 특징 밴드에서 특징 정보를 추출하는 특징 정보 추출부; 상기 추출된 분광정보에 학습기를 적용하여 상기 검출률을 획득하고, 상기 추출된 특징 정보를 학습시키는 학습부; 상기 학습된 특징 정보를 저장하는 특징 정보 데이터 베이스; 및 상기 특징 정보 데이터 베이스를 기초로 입력된 타겟 영상에서 특이영역을 검출하는 특이영역 검출부를 포함하여, 입력된 초분광 영상에서 임의의 특징 밴드를 선택하여 데이터 베이스를 구성하는 학습과정을 거쳐서 조명 변화에 강건한 특이영역을 검출하도록 구성되는 초분광 영상의 특이영역 검출 장치에 관한 기술내용이 제시된 바 있다.
아울러, 초분광 영상을 이용한 탐지장치 및 방법에 대한 종래기술의 또 다른 예로는, 예를 들면, 한국 등록특허공보 제10-1414045호에 따르면, 미리 설정된 차원 축소 개수에 기초하여 초분광 영상을 미리 설정된 개수의 밴드를 갖는 복수 개의 그룹으로 분리하고, 미리 설정된 개수의 밴드들 간의 반사율의 변화량을 기초로, K-Means 클러스터링을 이용하여 물질을 분류하는 단계; 및 상기 초분광 영상의 분광 데이터 특성에 기초한 영역 질의 기반의 k-최근접 질의 알고리즘을 사용하여 k개의 후보자를 추출하고, 추출된 후보자의 차원 축소된 상기 분광라이브러리 데이터 및 상기 입력된 초분광 영상의 차원 축소 데이터에 기초해 상기 표적을 탐지하는 단계를 포함하여, 분광라이브러리 데이터와 입력된 초분광 영상을 이용하여 종래에 비해 초분광 영상의 분광특성을 정확하게 반영할 수 있도록 구성되는 초분광 영상을 이용한 표적탐지 방법에 관한 기술내용이 제시된 바 있다.
더욱이, 초분광 영상을 이용한 탐지장치 및 방법에 대한 종래기술의 또 다른 예로는, 예를 들면, 한국 등록특허공보 제10-1281873호에 따르면, 초분광 영상 자료를 압축하고 초기 엔드멤버의 개수를 설정하는 전처리 단계; 상기 초기 엔드멤버들을 엔드멤버 셋의 초기값으로 하여 단체의 부피를 계산하는 초기 설정 단계; 영상의 모든 화소들에 대해 엔드멤버 셋의 원소를 차례로 대치해가며 단체의 부피를 계산하고, 부피가 증가하면 해당 화소의 분광특성값으로 해당 엔드멤버 원소를 추출하는 엔드멤버 탐색 단계; 상기 추출된 엔드멤버를 이용해 선형 분광혼합분석을 적용시켜 오차영상을 구하고 전체 화소를 대상으로 오차의 합을 구하는 에러영상 분석 단계; 및 엔드멤버의 개수를 한 개씩 증가시키면서 상기 엔드멤버 탐색 단계와 에러영상 분석 단계를 반복하여, 오차의 합이 증가하면 반복을 중지하고 이전 과정의 엔드멤버를 최종 결과로 출력하는 판단 단계 를 포함하여, 초분광 영상의 분광혼합 분석을 위한 엔드멤버를 효율적으로 추출할 수 있도록 구성되는 초분광 영상의 엔드멤버 추출방법에 관한 기술내용이 제시된 바 있다.
상기한 바와 같이, 종래, 다양한 분야에서 초분광 영상을 이용한 여러 가지 기술내용들이 제시된 바 있으나, 초분광 영상을 이용한 종래의 탐지기법들은 다음과 같은 문제점이 있는 것이었다.
즉, 일반적으로, 초분광 영상 센서는, 매우 높은 분광해상도의 연속된 분광측정 밴드를 가지고 있어 지표 피복물질의 분광반사 특성에 대한 미세한 측정이 가능하다.
이에, 초분광 영상 센서는, 기존의 다중 분광영상으로는 적용이 불가능했던 다양한 활용분야에서 크게 주목받고 있으며, 국내에서도 국방, 환경, 광물자원 등의 여러 분야에서 분광반사 스펙트럼을 이용하여 찾고자 하는 표적이나 표적물질을 탐지하기 위한 많은 연구가 진행되고 있다(참고문헌 1 및 참고문헌 2 참조).
여기서, 국방 영상 분야에 있어서, 표적탐지(target detection)라는 용어는 영상에서 표적과 배경을 구별하는 이분법적 의미로 사용되며(참고문헌 3 참조), 표적(target)은 영상 전체에서 극소수로 존재하거나 존재하지 않으며, 다양한 종류의 물질로 구성된 배경(background)이 영상의 대부분을 차지한다고 가정한다.
또한, 종래, 정합필터(matched filter)를 포함한 대부분의 확률론적인(stochastic) 표적탐지 알고리즘들은, 배경신호를 통계적으로 특징화하는 배경 특징화(background characterization) 과정에서 이러한 희소표적(rare target)을 전제로 하여 영상의 전체 화소를 사용한다.
그러나 상기한 바와 같은 국방 분야에서의 표적과는 달리, 환경, 자원, 산림, 농업 등의 일반적인 활용 분야에서는, 찾고자 하는 목표물이나 물질이 매우 적게 존재한다는 희소표적 가정이 타당하지 않은 경우가 많다.
즉, 적지 않은 양의 표적물질이 존재하는 영상자료의 경우, 배경 특징화 과정에서 표적의 신호특징이 배경특징으로 포함되게 되어 표적탐지 성능에 영향을 미치게 되는데, 이를 표적누출(target leakage)이라 한다(참고문헌 4 참조).
이에, 이러한 문제를 개선하기 위해, 종래, 예를 들면, 군집화(clustering) 기법을 적용하는 방법(참고문헌 5 참조), 배경 특징화를 국부적으로 수행하는 방법(참고문헌 6 참조), 사전에 확보된 영상의 엔드멤버(endmember)를 이용하여 배경 특징화를 위한 배경화소를 제한하는 방법(참고문헌 4 참조) 등이 제시된 바 있다.
아울러, 이와는 별도로, 최근에는, 배경을 피복물질별로 별도로 구분하여 모델화하는 배경 모델링(background modeling)에 근거한 표적탐지 기법들도 많이 제안되고 있다.
즉, 예를 들면, 직교공간투사(Orthogonal subspace projection) 기법이나(참고문헌 7 참조), 분광혼합분석(spectral unmixing) 기반의 표적탐지기법(참고문헌 8 참조)이 대표적인 배경 모델링에 근거하는 표적탐지 기법들이나, 이러한 방법은, 표적신호뿐만 아니라 배경물질들에 대한 모델링을 위해 영상의 엔드멤버(endmember)들에 대한 사전 정보가 필요하므로 실제 적용이 까다롭다는 단점이 있다.
이에, 종래, 정합필터(matched filter)와 ACE(adaptive cosine estimator) 표적탐지 알고리즘이 다중 분광영상이나 초분광 영상으로부터 지표 광물자원 탐지를 위해 가장 보편적으로 사용되고 있으며(참고문헌 9 및 참고문헌 10 참조), 이는 사용이 간편하면서도 매우 우수한 성능을 보이는 것으로 알려져 있다(참고문헌 11 및 참고문헌 3 참조).
여기서, 정합필터와 ACE 기법 적용시에도, 상기한 바와 같이 배경 특징화 과정에서 표적의 신호특징이 배경특징으로 포함되게 되어 표적탐지 성능에 영향을 미치게 되는 표적누출(target leakage)의 영향을 고려하여, 표적과 유사한 분광반사 특성을 가지는 화소들을 배경 특징화 과정에서 제외한다면 탐지성능을 더욱 향상시킬 수 있을 것으로 기대되나, 아직까지 그러한 요구를 모두 만족시키는 장치나 방법은 제공되지 못하고 있는 실정이다.
[선행기술문헌]
1. 한국 등록특허공보 제10-1498096호 (2015.02.25.)
2. 한국 등록특허공보 제0-1463354호 (2014.11.12.)
3. 한국 등록특허공보 제10-1414045호 (2014.06.25.)
4. 한국 등록특허공보 제10-1281873호 (2013.06.27.)
[참고문헌]
1. Shin, J. and K. Lee, 2012. Comparative Analysis of Target Detection Algorithms in Hyperspectral Image, Korean Journal of Remote sensing, 28(4): 369-392.
2. Kim, K., 2015. An IEA based Partial Unmixing for Hyperspectral Target Detection, Proceedings of International Symposium on Remote Sensing; 696-698.
3. Manolakis, D., D. Marden, and G. Shaw, 2003. Detection algorithms for hyperspectral imaging applications, Lincoln Laboratory Journal, 14(1); 79-116.
4. Akhter, M. A., R. Heylen, and P. Scheunders, 2015. A Geometric Matched Filter for Hyperspectral Target Detection and Partial Unmixing, IEEE Geosci. Remote Sens. Letters, 12(3); 661-665.
5. Funk, C. C., J. Theiler, D. A. Roberts, and C. C. Borel, 2000. Clustering to improve matched filter detection of weak gas plumes in hyperspectral thermal imagery, IEEE Trans. Geosci. Remote Sens., 39(7); 1410-1420.
6. Matteoli, Y. S., N. Acito, M. Diana, and G. Corsini, 2011. An automatic approach to adaptive local background estimation and suppression in hyperspectral target detection, IEEE Trans. Geosci. Remote Sens., 49(2); 790-800.
7. Harsanyi, J. C., C.-I. Chang, 1994. Hyperspectral image classification and dimensionality reduction: An orthogonal subspace projection, IEEE Trans. Geosci. Remote Sensing, 32; 779-785.
8. Boardman, J. W., F. A. Kruse, and R. O. Green, 1995. Mapping target signatures via partial unmixing of AVIRIS data, in Proc. Summaries 5th Annu.JPL Airborne Geosci. Workshop, 1; 11-14.
9. Bedini, E., 2011. Mineral Mapping in the Kap Simpson, Central EAST Greenland, Using HyMap and ASTER Remote Sensing Data, Advance in Space Research, 47(1); 60-73.
10. Son, Y., K. Kim, and W. Yoon, 2015. A Review of Remote Sensing Techniques and Applications for Geoscience and Mineral Resources, J. Korean Soc. Miner. Energy Resour. Eng., 52(4); 429-457.
11. Kraut, S., L. L. Scharf, and R. W. Butler, 2005. The adaptive coherence estimator : a uniformly most-powerful-invariant adaptive detection statistic, IEEE Transactions on Signal Processing, 53; 427-438.
12. Chang, A., Y. Kim, S. Choi, D. Han, J. Choi, Y. Kim, Y. Han, H. Park, B. Wang, and H. Lim, 2013. Construction and Data Analysis of Test-bed by Hyperspectral Airborne Remote Sensing, Korean Journal of Remote sensing, 29(2): 161-172.
13. Scharf L. and B. Friedlander, 1994. Matched subspace detectors, IEEE Transactions on Signal Processing, 42(8):2146-2157.
본 발명은 상기한 바와 같은 종래기술의 문제점을 해결하고자 하는 것으로, 따라서 본 발명의 목적은, 초분광 영상을 이용한 표적탐지(target detection)시 배경 특징화 과정에서 표적의 신호특징이 배경특징으로 포함되어 표적탐지 성능에 영향을 미치는 표적누출(target leakage)의 문제가 있었던 종래기술의 초분광 영상을 이용한 표적탐지 기법들의 문제점을 해결하기 위해, 분광각을 기준으로 표적과 유사한 분광반사 특성을 가지는 화소들을 배경 특징화 과정에서 제외함으로써, 초분광 영상을 이용한 표적탐지시 탐지성능을 향상시킬 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법을 제공하고자 하는 것이다.
또한, 본 발명의 다른 목적은, 상기한 바와 같은 종래기술의 초분광 영상을 이용한 표적탐지 기법들의 표적누출 문제를 해결하고 표적탐지 성능을 향상시키기 위해, 초분광 영상을 이용한 표적탐지를 위해 가장 널리 이용되는 정합필터(matched filter)와 ACE(adaptive cosine estimator) 기법을 적용시, 실제 항공 초분광 영상자료와, 여기에 인공표적을 삽입하여 생성한 모의자료를 각각 이용하여 실험을 수행한 결과에 근거하여, 배경 특징화를 위한 공분산행렬 계산시 표적 스펙트럼과 유사도가 높은 표적 유사화소들을 제외하도록 구성됨으로써, 탐지성능이 크게 향상될 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법을 제공하고자 하는 것이다.
상기한 바와 같은 목적을 달성하기 위해, 본 발명에 따르면, 표적신호 분리를 통하여 초분광 영상을 이용한 표적탐지 성능을 향상시킬 수 있도록 구성되는 처리를 컴퓨터나 전용의 하드웨어를 통하여 실행시키도록 구성되는 초분광 영상의 표적물질 탐지방법에 있어서, 상기 처리는, 분석하고자 하는 초분광 영상을 입력받는 영상입력단계; 미리 정해진 유사도 기준에 따라 상기 영상입력단계에서 입력된 초분광 영상의 배경에서 목표하는 표적과 유사한 분광반사 특성을 가지는 화소들을 선별하는 유사화소 판단단계; 상기 유사화소 판단단계에서 유사화소로 판단된 화소들을 상기 초분광 영상의 배경에서 제거하는 유사화소 제거단계; 상기 유사화소 제거단계에서 상기 유사화소가 제거된 상기 초분광 영상을 이용하여 배경신호를 특징화하는 배경 공분산행렬(covariance matrix ; Cb)을 구하고, 구해진 상기 배경 공분산행렬(Cb)에 근거하여 표적탐지를 수행하는 표적탐지단계를 포함하여 구성됨으로써, 상기 초분광 영상을 이용한 표적탐지시 배경 특징화(background characterization) 과정에서 상기 표적과 유사한 분광반사 특성을 가지는 화소들을 제외하는 것에 의해, 상기 배경 특징화 과정에서 상기 표적의 신호특징이 배경특징으로 포함되어 정확성이 떨어지게 되는 표적누출(target leakage)의 문제가 있었던 종래기술의 표적탐지 기법들의 문제점을 해결하고, 탐지성능을 향상시킬 수 있도록 구성되는 것을 특징으로 하는 초분광 영상의 표적물질 탐지방법이 제공된다.
여기서, 상기 탐지방법은, 상기 표적탐지단계에서 탐지된 결과를 표시하는 결과표시단계; 및 상기 표적탐지단계에서 탐지된 결과를 실제 또는 종래기술의 방법과 비교하여 검증하는 검증단계 중 적어도 하나를 더 포함하여 구성되는 것을 특징으로 한다.
또한, 상기 영상입력단계는, 별도의 저장수단에 미리 저장된 초분광영상을 읽어들이거나, 또는, 위성이나 항공기를 통해 촬영된 영상을 실시간으로 전송받는 처리가 수행되도록 구성되는 것을 특징으로 한다.
아울러, 상기 유사화소 판단단계는, 이하의 수학식을 이용하여, 유클리드 거리(Eiclidean Distance; ED)에 따른 기준값에 근거하여 상기 유사도를 결정하도록 구성되는 것을 특징으로 한다.
Figure 112015117044209-pat00001
(여기서, tn은 밴드 n에서 화소의 반사율 또는 화소값, rn은 밴드 n에서 기준 분광반사곡선의 반사율, N은 밴드 수를 각각 나타냄)
또는, 상기 유사화소 판단단계는, 이하의 수학식을 이용하여 분광스펙트럼 xs와 x 사이의 분광각을 구하고, 구해진 분광각에 따른 기준값에 근거하여 상기 유사도를 결정하도록 구성되는 것을 특징으로 한다.
Figure 112015117044209-pat00002
더욱이, 상기 유사화소 제거단계는, 상기 유사화소 판단단계의 판단 결과에 따라, 미리 정해진 유사도 기준에 근거하여 상기 기준에 해당하는 화소를 한 번에 모두 제거하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
또는, 상기 유사화소 제거단계는, 복수의 기준값을 지정해 두고 상기 기준값의 범위를 순차적으로 조절해 가면서 상기 유사화소를 반복적으로 제거하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
또한, 상기 표적탐지단계는, 이하의 수학식을 이용하여, 정합필터(matched filter) 또는 ACE(adaptive cosine estimator) 기법을 적용하여 상기 표적탐지를 수행하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
아울러, 상기 결과표시단계는, 상기 표적탐지단계에서 탐지된 결과를 모니터를 포함하는 표시수단을 통해 시각적으로 표시하거나, 유선 또는 무선 통신을 통해 외부 서버나 다른 기기로 전송하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
아울러, 본 발명에 따르면, 상기에 기재된 초분광 영상의 표적물질 탐지방법을 컴퓨터에 실행시키도록 구성되는 프로그램이 기록된 컴퓨터에서 판독 가능한 기록매체가 제공된다.
더욱이, 본 발명에 따르면, 초분광 영상을 이용한 표적물질 탐지시스템에 있어서, 외부로부터 초분광 영상을 수신하기 위한 입력부; 상기에 기재된 초분광 영상의 표적물질 탐지방법을 이용하여, 상기 입력부를 통해 입력된 상기 초분광 영상의 배경에서 목표하는 표적과 유사한 분광반사 특성을 가지는 화소들을 선별하여 제거한 후 배경신호를 특징화하는 배경 공분산행렬(covariance matrix ; Cb)을 구하고, 구해진 상기 배경 공분산행렬(Cb)에 근거하여 표적탐지를 수행하는 표적탐지부; 및 상기 표적탐지부의 탐지 결과를 표시하기 위한 표시부를 포함하여 구성됨으로써, 상기 초분광 영상을 이용한 표적탐지시 배경 특징화(background characterization) 과정에서 상기 표적과 유사한 분광반사 특성을 가지는 화소들을 제외하는 것에 의해, 상기 배경 특징화 과정에서 상기 표적의 신호특징이 배경특징으로 포함되어 정확성이 떨어지게 되는 표적누출(target leakage)의 문제가 있었던 종래기술의 표적탐지 기법들의 문제점을 해결하고, 탐지성능을 향상시킬 수 있도록 구성되는 것을 특징으로 하는 초분광 영상을 이용한 표적물질 탐지시스템이 제공된다.
상기한 바와 같이, 본 발명에 따르면, 상기한 바와 같이 초분광 영상을 이용한 표적탐지를 위해 가장 널리 이용되는 정합필터(matched filter)와 ACE(adaptive cosine estimator) 기법을 적용시, 실제 항공 초분광 영상자료와, 여기에 인공표적을 삽입하여 생성한 모의자료를 각각 이용하여 실험을 수행한 결과에 근거하여, 배경 특징화를 위한 공분산행렬 계산시 표적 스펙트럼과 유사도가 높은 표적 유사화소들을 제외하도록 구성됨으로써, 종래에 비해 탐지성능이 크게 향상될 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법을 제공할 수 있다.
또한, 본 발명에 따르면, 상기한 바와 같이 분광각을 기준으로 표적과 유사한 분광반사 특성을 가지는 화소들을 배경 특징화 과정에서 제외하는 것에 의해 탐지성능을 향상시킬 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법이 제공됨으로써, 초분광 영상을 이용한 표적탐지시 배경 특징화 과정에서 표적의 신호특징이 배경특징으로 포함되어 표적탐지 성능에 영향을 미치는 표적누출의 문제가 있었던 종래기술의 초분광 영상을 이용한 표적탐지 기법들의 문제점을 해결할 수 있다.
도 1은 본 발명의 실시예에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법의 전체적인 구성을 개략적으로 나타내는 플로차트이다.
도 2는 본 발명의 실시예에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법의 성능을 검증하기 위한 실험에 적용된 초분광 영상 자료를 나타내는 도면이다.
도 3은 도 2에 나타낸 초분광 자료에 대하여 천연잔디를 표적으로 정합필터와 ACE를 각각 적용한 결과를 나타내는 도면이다.
도 4는 도 2에 나타낸 초분광 자료에 대하여 인공잔디를 표적으로 정합필터와 ACE를 각각 적용한 결과를 나타내는 도면이다.
도 5는 본 발명의 검증실험에 적용된 적철석 인공표적 물질의 편집된 분광반사 스펙트럼 및 공간비를 각각 나타내는 도면이다.
도 6은 본 발명의 실시예에 따라 작성된 모의자료에 적철석을 표적으로 정합필터와 ACE를 각각 적용한 결과를 나타내는 도면이다.
도 7은 정합필터와 ACE에 대한 ROC 곡선을 각각 나타내는 도면이다.
이하, 첨부된 도면을 참조하여, 본 발명에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법의 구체적인 실시예에 대하여 설명한다.
여기서, 이하에 설명하는 내용은 본 발명을 실시하기 위한 하나의 실시예일 뿐이며, 본 발명은 이하에 설명하는 실시예의 내용으로만 한정되는 것은 아니라는 사실에 유념해야 한다.
또한, 이하의 본 발명의 실시예에 대한 설명에 있어서, 종래기술의 내용과 동일 또는 유사하거나 당업자의 수준에서 용이하게 이해하고 실시할 수 있다고 판단되는 부분에 대하여는, 설명을 간략히 하기 위해 그 상세한 설명을 생략하였음에 유념해야 한다.
즉, 본 발명은, 후술하는 바와 같이, 초분광 영상을 이용한 표적탐지(target detection)시 배경 특징화 과정에서 표적의 신호특징이 배경특징으로 포함되어 표적탐지 성능에 영향을 미치는 표적누출(target leakage)의 문제가 있었던 종래기술의 초분광 영상을 이용한 표적탐지 기법들의 문제점을 해결하기 위해, 분광각을 기준으로 표적과 유사한 분광반사 특성을 가지는 화소들을 배경 특징화 과정에서 제외함으로써, 초분광 영상을 이용한 표적탐지시 탐지성능을 향상시킬 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법에 관한 것이다.
아울러, 본 발명은, 후술하는 바와 같이, 종래기술의 초분광 영상을 이용한 표적탐지 기법들의 표적누출 문제를 해결하고 표적탐지 성능을 향상시키기 위해, 초분광 영상을 이용한 표적탐지를 위해 가장 널리 이용되는 정합필터(matched filter)와 ACE(adaptive cosine estimator) 기법을 적용시, 실제 항공 초분광 영상자료와, 여기에 인공표적을 삽입하여 생성한 모의자료를 각각 이용하여 실험을 수행한 결과에 근거하여, 배경 특징화를 위한 공분산행렬 계산시 표적 스펙트럼과 유사도가 높은 표적 유사화소들을 제외하도록 구성됨으로써, 탐지성능이 크게 향상될 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법에 관한 것이다.
이를 위해, 본 발명은, 후술하는 바와 같이 하여, 전라남도 영암 테스트베드 지역에 대하여 얻어진 실제 항공 초분광 영상자료(참고문헌 12 참조)를 이용하여, 정합필터와 ACE 기법 적용시 표적누출에 의한 영향을 각각 고려하고, 배경 특징화를 위한 공분산행렬 계산과정에서 분광각(spectral angle)을 기준으로 표적 스펙트럼과 유사도가 높은 표적후보 화소들을 제외함으로써, 표적탐지 성능을 향상시킬 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법을 제시하였다.
계속해서, 도면을 참조하여, 본 발명에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법의 구체적인 내용에 대하여 설명한다.
먼저, 초분광 영상이 표적물질과 배경물질의 2개 물질로만 구성되어있다고 가정하면, 이하의 [수학식 1]과 같이, 한 화소의 신호 x는 표적물질의 신호 xs와 배경물질의 신호 xb의 선형 혼합으로 가정할 수 있다.
[수학식 1]
Figure 112015117044209-pat00003
여기서, α는 표적물질의 점유비율이며, 정합필터(matched filter)는 표적과 배경에 대한 우도비(likelihood ratio)로부터 이하의 [수학식 2]와 같이 유도된다(참고문헌 3 참조).
[수학식 2]
Figure 112015117044209-pat00004
여기서, Cb는 배경신호를 특징화하는 공분산행렬(covariance matrix)로서, 일반적으로 영상 전체 화소들을 이용하여 계산된다.
또한, ACE는 일반화된 우도비(generalized likelihood ratio)로부터 유도될 수 있으며, 이는, 정합필터 값을 x의 길이로 나누어준 것과 같고, 최종적으로 이하의 [수학식 3]과 같이 표현될 수 있다(참고문헌 13 참조).
[수학식 3]
Figure 112015117044209-pat00005
상기한 바와 같이, 표적탐지 필터들의 적용과정에서는 대부분 배경신호의 특징에 대한 통계값으로 배경신호의 공분산 행렬이 사용된다.
그러나 표적이 매우 적게 존재하는 영상자료에 대해서는 영상 전체 화소를 이용하여 계산된 공분산행렬 Cb가 배경신호를 적절히 특징화하고 있다고 할 수 있으나, 표적물질이 적지 않게 존재하는 영상의 경우, 공분산행렬 Cb에 배경뿐만 아니라 표적의 신호가 포함되게 되어 배경의 특징만을 반영한다고 보기 어렵다.
이에, 본 발명에서는, 후술하는 바와 같이, 표적탐지 과정에서 배경 공분산행렬 Cb를 계산할 때, 주어진 표적의 분광반사특성과 유사한 반사특성을 가지는 화소들을 사전에 제외함으로써, 배경 특징화(background characterization)시 표적의 신호가 포함되지 않도록 하는 것에 의해 표적탐지 성능을 개선하고, 그 성능을 검증하였다.
여기서, 유사도를 판정하는 기준은, 예를 들면, 유클리드 거리(Eiclidean Distance; ED)를 이용하는 방법과, 분광각 측정(spectral angle mapper ; SAM)을 이용하는 방법을 적용할 수 있다.
더 상세하게는, 먼저, 유클리드 거리는, 각 밴드에서 화소의 반사율과 기준 분광반사곡선의 반사율의 절대적인 차를 합하여 거리로 산정하는 것으로, 이하의 [수학식 4]와 같이 하여 구해지며, 또한, 분광각 측정은, 각각의 분광반사곡선을 벡터로 가정하고 벡터 사이의 각(내적)을 이용하여 기준 분광반사곡선과 화소의 유사도를 측정하는 방법으로, 이하의 [수학식 5]와 같이 하여 구해진다.
[수학식 4]
Figure 112015117044209-pat00006
[수학식 5]
Figure 112015117044209-pat00007
여기서, 상기한 [수학식 4] 및 [수학식 5]에 있어서, tn은 밴드 n에서 화소의 반사율 또는 화소값, rn은 밴드 n에서 기준 분광반사곡선의 반사율, N은 밴드 수를 의미한다.
상기한 [수학식 4] 및 [수학식 5]에 나타낸 바와 같이, 유클리드 거리를 이용한 알고리즘은 수학적으로 간단하고 처리속도가 빠르다는 장점을 가지나, 영상 또는 분광반사자료 획득 당시 광량 또는 기하 조건에 의해 반사율의 절대값이 변할 경우 각 밴드에서의 차, 즉, 거리가 증가하여 표적탐지 가능성이 낮아진다는 단점이 있다.
반면, 분광각 측정은, 잡음에 의해 벡터의 방향(각)이 쉽게 변하여 분광적 변이 또는 잡음에 민감하다는 단점이 있으나, 빠른 속도와 함께 벡터의 길이, 즉, 반사율의 절대값에 영향을 받지 않는다는 장점이 있다.
이에, 이하에 설명하는 본 발명의 실시예에서는, 분광반사특성의 유사성 비교를 위해서 분광각(spectral angle)을 이용하였으며, 즉, 분광스펙트럼 xs와 x 사이의 분광각은 이하의 [수학식 6]과 같이 계산될 수 있다.
[수학식 6]
Figure 112015117044209-pat00008
따라서 상기한 바와 같은 내용으로부터, 본 발명에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법을 구현할 수 있다.
즉, 도 1을 참조하면, 도 1은 본 발명의 실시예에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법의 전체적인 구성을 개략적으로 나타내는 플로차트이다.
도 1에 나타낸 바와 같이, 본 발명의 실시예에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법은, 크게 나누어, 분석하고자 하는 초분광 영상을 입력받는 영상입력단계(S10)와, 미리 정해진 유사도 기준에 따라 상기 영상입력단계(S10)에서 입력된 초분광 영상의 배경에서 목표하는 표적과 유사한 화소를 선별하는 유사화소 판단단계(S20)와, 상기 유사화소 판단단계(S20)에서 유사화소로 판단된 화소들을 배경에서 제거하는 유사화소 제거단계(S30)와, 상기 유사화소 제거단계(S30)에서 유사화소가 제거된 영상을 이용하여 배경신호를 특징화하는 배경 공분산행렬(covariance matrix ; Cb)을 구하고, 구해진 배경 공분산행렬(Cb)에 근거하여 표적탐지를 수행하는 표적탐지단계(S40)를 포함하는 일련의 처리를 컴퓨터나 전용의 하드웨어를 통하여 실행시키는 것에 의해 구현될 수 있다.
여기서, 상기한 영상입력단계(S10)는, 미리 저장된 데이터베이스 등으로부터 초분광영상을 읽어들이거나, 또는, 위성이나 항공기 등을 통해 촬영된 영상을 실시간으로 전송받아 분석할 수 있도록 구성될 수 있다.
또한, 상기한 유사화소 판단단계(S20)는, 상기한 [수학식 4] 내지 [수학식 6]에 나타낸 바와 같이 하여, 유클리드 거리(Eiclidean Distance; ED) 또는 분광각 측정(spectral angle mapper ; SAM)에 따른 기준값에 근거하여 유사도를 판단하도록 구성될 수 있다.
아울러, 유사화소 제거단계(S30)는, 상기 유사화소 판단단계(S12)의 판단 결과에 따라, 미리 정해진 유사도 기준에 근거하여 특정 기준에 해당하는 화소를 한 번에 모두 제거하도록 구성될 수도 있고, 또는, 복수의 기준을 지정해 두고 기준값의 범위를 순차적으로 조절해 가면서 유사화소를 반복적으로 제거하도록 구성될 수도 있다.
더욱이, 상기한 표적탐지단계(S40)는, 상기한 [수학식 1] 내지 [수학식 3]에 나타낸 바와 같이 하여, 정합필터(matched filter) 또는 ACE(adaptive cosine estimator) 기법을 적용하여 표적탐지를 수행하도록 구성될 수 있다.
또한, 본 발명의 실시예에 따른 탐지방법은, 도시되지는 않았으나, 상기한 표적탐지단계(S40)에서 탐지된 결과를 표시하는 결과표시단계를 더 포함하여 구성될 수 있다.
즉, 상기한 결과표시단계는, 상기 표적탐지단계(S40)에서 탐지된 결과를 모니터 등을 통해 시각적으로 표시하거나, 유선 또는 무선 통신을 통해 외부 서버나 다른 기기로 전송하는 처리가 수행되도록 구성될 수 있다.
아울러, 본 발명의 실시예에 따른 탐지방법은, 도시되지는 않았으나, 상기한 표적탐지단계(S40)에서 탐지된 결과를 실제 또는 종래기술의 방법과 비교하여 검증하는 검증단계를 더 포함하여 구성될 수 있다.
따라서 상기한 바와 같은 일련의 처리단계를 컴퓨터나 전용의 하드웨어에 의해 수행함으로써, 본 발명의 실시예에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법을 용이하게 구현할 수 있으며, 그것에 의해, 분광각을 기준으로 표적과 유사한 분광반사 특성을 가지는 화소들을 배경 특징화 과정에서 제외함으로써, 표적의 신호특징이 배경특징으로 포함되어 표적탐지의 정확성이 떨어지는 표적누출(target leakage)의 문제가 있었던 종래기술의 기법들의 문제점을 해결하여 초분광 영상을 이용한 표적탐지의 탐지성능을 향상시킬 수 있다.
계속해서, 상기한 바와 같이 하여 구성되는 본 발명의 실시예에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법의 성능을 실험을 통하여 검증한 결과에 대하여 설명한다.
먼저, 본 발명에서는, 기존의 연구(참고문헌 11 참조)에 의해 배포된 바와 같이, 전라남도 영암지역의 수확을 끝마친 논에 다양한 인공표적들을 설치하고 핀란드 Specim사의 AISA 초분광 영상센서를 이용하여 획득된 초분광 영상자료를 사용하여 실험을 진행하였다.
즉, 도 2를 참조하면, 도 2는 본 발명의 실시예에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법의 성능을 검증하기 위한 실험에 적용된 초분광 영상 자료를 나타내는 도면이다.
더 상세하게는, 최초 400nm ~ 2500nm의 파장 대역에서 총 367개 밴드의 영상자료가 획득되었으나 배표된 자료는 Eagle 센서 자료로서 400nm ~ 970nm 파장 대역에서 128개의 밴드를 가지는 영상자료이며, 공간해상도는 1m이다.
또한, 도 2a는 설치된 표적물들에 대한 세부내용을 나타내며, 도 2b는 각 타겟의 물성(material)을 나타내고, 도 2c는 획득된 초분광 영상을 나타내고 있으며, 좌측 하단부터 각각 천연잔디, 인공잔디, 부직포, 슬레이트, 인공잔디+부직포의 5개의 인공표적이 육안으로 식별이 가능한 것을 확인할 수 있다.
아울러, 도 3을 참조하면, 도 3은 도 2에 나타낸 초분광 자료에 대하여 천연잔디를 표적으로 정합필터와 ACE를 각각 적용한 결과를 나타내는 도면이다.
더 상세하게는, 도 3에 있어서, 도 3a에 나타낸 흑백 영상은 400nm ~ 700nm 파장대역 자료의 평균값 영상으로 일반적인 광학 파장대역의 판크로매틱(panchromatic) 영상과 같다.
따라서 하얀 자갈로 구성된 표적들을 제외하고 대부분의 인공표적들이 주위 배경인 논보다 어두운 화소로 나타나고 있다.
또한, 도 3b 및 도 3c는 각각 정합필와 ACE를 적용한 결과로서, 4m×4m 크기의 단일 물질 표적임에도 탐지 결과가 좋지 않음을 알 수 있으며, 특히, 정합필터의 적용 결과에서 많은 오탐지 화소들이 나타나고 있음을 확인할 수 있다.
반면, 도 3d는 분광각을 기준으로 천연잔디 표적의 스펙트럼과 가장 유사한 0.2%의 화소들을 나타내고 있으며, 도 3e와 도 3f는 본 발명에 따라 배경 특징화를 위한 공분산행렬 계산시 이들 유사화소들을 제외하고 정합필터와 ACE를 적용한 결과를 각각 나타내고 있다.
즉, 도 3e 및 도 3f에 나타낸 결과로부터, 공분산행렬 계산시 단지 8개의 화소만 제외되었음에도 표적탐지 결과가 매우 개선되었음을 알 수 있으며, 특히, 오탐지 화소들이 크게 감소하고 있음을 알 수 있다.
다음으로, 도 3g 내지 도 3o는 공분산행렬 계산시 제외되는 표적 유사화소들을 전체 화소의 1%(44화소), 3%(133화소), 5%(222화소)로 증가시키며 정합필터(matched filter)와 ACE를 적용한 결과를 각각 나타내고 있으며, 따라서 도 3g 내지 도 3o에 나타낸 결과로부터, 유사화소를 1% 이상 제외시 오탐지되는 화소가 거의 발생되지 않고, 특히, ACE 기법의 경우 1m×1m 크기의 표적까지도 탐지가 잘 되고 있음을 확인할 수 있다.
여기서, 테스트베드 설계 내용과 영상의 공간해상도를 고려할 때, 영상 전체에서 실제 천연잔디가 일부라도 포함되는 화소는 30 ~ 40개 수준으로 분석된다.
계속해서, 도 4를 참조하면, 도 4는 도 2에 나타낸 초분광 자료에 대하여 인공잔디를 표적으로 정합필터와 ACE를 각각 적용한 결과를 나타내는 도면이다.
즉, 도 4에 나타낸 결과로부터, 공분산행렬 계산시 인공잔디와 유사한 스펙트럼의 화소들을 전체 화소의 3% 이상 제외시 표적탐지 성능이 크게 향상되고 있음을 확인할 수 있다.
더 상세하게는, 도 4l과 도 4o에 나타낸 바와 같이, ACE 기법의 경우 1m×1m 크기의 인공잔디 표적은 물론, 인공잔디와 부직포가 섞여있는 1m×1m 크기의 표적(도 2a의 ⑤번 표적)까지도 정확하게 탐지하고 있다.
또한, 천연잔디 표적의 경우에는 1%를 제외한 결과와 3%를 제외한 결과의 차이가 크지 않았던 반면, 인공잔디 표적의 경우에는 1%를 제외한 결과와 3%를 제외한 결과가 비교적 큰 차이를 보이고 있다.
이는, 인공잔디의 경우 도 2a의 ⑤번 표적을 고려할 때 천연잔디보다 1.5배 더 많이 분포하고 있어 약 50 ~ 60개 화소를 차지하고 있으므로 1%인 44개 화소를 제외하는 것으로는 배경 특징화 과정에서 인공잔디의 신호가 완전히 제외되지 않기 때문일 것으로 판단된다.
다음으로, 본 발명에서는, 영상 내에 비교적 많은 양의 표적물질이 존재하는 경우에 대한 실험을 위하여 AISA 테스트베드 영상자료에 모의 인공표적이 삽입된 영상자료를 생성하여 표적탐지 성능시험을 수행하였다.
여기서, 인공표적 물질은 적철석(Hematite) 이라는 광물로서 USGS 분광 라이브러리로부터 분광반사 스펙트럼을 추출하여 AISA Eagle 센서의 파장 대역에 일치하도록 편집하였다
즉, 도 5를 참조하면, 도 5는 본 발명의 검증실험에 적용된 적철석 인공표적 물질의 편집된 분광반사 스펙트럼(resampled reflectance spectrum) 및 공간비(spatial abundances)를 각각 나타내는 도면이다.
더 상세하게는, 적철석 인공표적의 분ㄱ상반사 스펙트럼은 도 5a에 나타낸 바와 같으며, 모의 영상자료에는 도 5b에 나타낸 바와 같이 5×5 화소크기의 4개의 표적이 배치되었고, 모든 표적화소들은 원래의 화소의 스펙트럼과 적철석 스펙트럼이 혼합된 혼합화소(mixed pixel)로서 적철석 광물의 점유율은 각각 80%, 40%, 20%, 10%이며, 적철석이 포함된 화소는 총 100개 화소로서 전체 영상의 2.2% 정도이고, 적철석 스펙트럼에는 SNR 20dB 수준의 무작위 인공잡음이 추가되었다.
도 6을 참조하면, 도 6은 상기한 바와 같이 하여 작성된 모의자료에 적철석을 표적으로 정합필터와 ACE를 각각 적용한 결과를 나타내는 도면이다.
도 6에 있어서, 도 6a는 모의 생성된 자료 중 400nm ~ 700nm 파장대역 자료의 평균값을 영상화한 것으로, 일반적인 광학 파장대역의 판크로매틱(panchromatic) 영상과 같은 특징을 가지나, 적철석 반사스펙트럼의 특성으로 인해 인공적으로 삽입된 표적이 육안으로는 식별되지 않음을 확인할 수 있다.
또한, 도 6d 내지 도 6o는 공분산행렬 계산시 제외하는 표적 유사화소들을 전체 화소의 1%(44화소), 3%(133화소), 5%(222화소)로 증가시키며 정합필터(matched filter)와 ACE를 각각 적용한 결과를 나타내는 도면으로, 도 6d 내지 도 6o에 나타낸 결과로부터, 1% 이상 제외시 오탐지되는 화소가 거의 발생하지 않으며 3% 이상 제외시에는 두 필터 모두 탐지성능이 크게 향상되고 있음을 알 수 있다.
여기서, 상기한 바와 같은 실험내용에서는, 표적화소들을 정확히 알고 있으므로 ROC(Receiver Operating Characteristic) 곡선(curve)의 작성이 가능하다.
즉, 도 7을 참조하면, 도 7은 정합필터와 ACE에 대한 ROC 곡선을 각각 나타내는 도면이다.
도 7에 나타낸 ROC 곡선을 통해 알 수 있는 바와 같이, 표적 유사화소를 1%이상 제외하고 배경 특징화를 수행한 경우와 그렇지 않은 경우의 표적탐지 성능은 큰 차이가 있음을 확인할 수 있다.
이상, 상기한 본 발명의 실시예에서는, 초분광 영상 자료로부터 표적물질을 탐지하기 위해 가장 흔히 사용되는 필터들인 정합필터와 ACE 기법을 적용시 배경 특징화에 표적의 신호가 미치는 영향을 고려하여, 배경 공분산행렬 계산과정에서 분광각(spectral angle)을 기준으로 표적 유사화소들을 제외함으로써 표적탐지 성능을 향상시킬 수 있는 초분광 영상의 표적물질 탐지방법을 제시하였으며, 또한, 실제 항공 초분광 영상 자료와 이를 기초로 인공표적을 삽입한 모의자료를 이용한 실험결과, 종래의 정합필터와 ACE는 표적누출(target leakage)에 의한 표적탐지 성능저하가 발생되나, 본 발명에 따라 표적탐지 과정에서 배경 특징화를 위한 공분산행렬 계산시 표적과 유사도가 높은 스펙트럼을 가지는 표적 유사화소들을 제외하면 표적탐지 성능이 크게 개선될 수 있음을 확인하였다.
여기서, 상기한 본 발명의 실시예에서는, 유사도 비교를 위해 분광각을 사용하고 전체 화소의 일정 비율을 기준으로 유사도가 높은 화소들을 제외하면서 표적탐지성능의 변화를 관찰하였으나, 본 발명은 반드시 이러한 내용으로만 한정되는 것은 아니며, 즉, 본 발명은, 상기한 내용 이외에도, 예를 들면, 필요에 따라 다양한 유사도 판정 기준들을 적용하고, 이와 함께, 제외되는 표적 유사화소들의 양이 최적으로 자동 결정될 수 있도록 구성되는 것에 의해, 보다 사용이 간편하고 성능이 우수한 초분광 표적탐지 기법으로 활용될 수 있을 것으로 기대된다.
따라서 상기한 바와 같이 하여 본 발명에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법을 구현할 수 있다.
또한, 상기한 바와 같이 하여 본 발명에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법을 구현하는 것에 의해, 본 발명에 따르면, 상기한 바와 같이 초분광 영상을 이용한 표적탐지를 위해 가장 널리 이용되는 정합필터와 ACE 기법을 적용시, 실제 항공 초분광 영상자료와, 여기에 인공표적을 삽입하여 생성한 모의자료를 각각 이용하여 실험을 수행한 결과에 근거하여, 배경 특징화를 위한 공분산행렬 계산시 표적 스펙트럼과 유사도가 높은 표적 유사화소들을 제외하도록 구성됨으로써, 종래에 비해 탐지성능이 크게 향상될 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법을 제공할 수 있다.
아울러, 본 발명에 따르면, 상기한 바와 같이 분광각을 기준으로 표적과 유사한 분광반사 특성을 가지는 화소들을 배경 특징화 과정에서 제외하는 것에 의해 탐지성능을 향상시킬 수 있도록 구성되는 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법이 제공됨으로써, 초분광 영상을 이용한 표적탐지시 배경 특징화 과정에서 표적의 신호특징이 배경특징으로 포함되어 표적탐지 성능에 영향을 미치는 표적누출의 문제가 있었던 종래기술의 초분광 영상을 이용한 표적탐지 기법들의 문제점을 해결할 수 있다.
이상, 상기한 바와 같은 본 발명의 실시예를 통하여 본 발명에 따른 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법의 상세한 내용에 대하여 설명하였으나, 본 발명은 상기한 실시예에 기재된 내용으로만 한정되는 것은 아니며, 따라서 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 설계상의 필요 및 기타 다양한 요인에 따라 여러 가지 수정, 변경, 결합 및 대체 등이 가능한 것임은 당연한 일이라 하겠다.

Claims (11)

  1. 표적신호 분리를 통하여 초분광 영상을 이용한 표적탐지 성능을 향상시킬 수 있도록 구성되는 처리를 컴퓨터나 전용의 하드웨어를 통하여 실행시키도록 구성되는 초분광 영상의 표적물질 탐지방법에 있어서,
    상기 처리는,
    분석하고자 하는 초분광 영상을 입력받는 영상입력단계;
    미리 정해진 유사도 기준에 따라 상기 영상입력단계에서 입력된 초분광 영상의 배경에서 목표하는 표적과 유사한 분광반사 특성을 가지는 화소들을 선별하는 유사화소 판단단계;
    상기 유사화소 판단단계에서 유사화소로 판단된 화소들을 상기 초분광 영상의 배경에서 제거하는 유사화소 제거단계;
    상기 유사화소 제거단계에서 상기 유사화소가 제거된 상기 초분광 영상을 이용하여 배경신호를 특징화하는 배경 공분산행렬(covariance matrix ; Cb)을 구하고, 구해진 상기 배경 공분산행렬(Cb)에 근거하여 표적탐지를 수행하는 표적탐지단계를 포함하여 구성되고,
    상기 유사화소 판단단계는,
    이하의 수학식을 이용하여 분광스펙트럼 xs와 x 사이의 분광각을 구하고, 구해진 분광각에 따른 기준값에 근거하여 상기 유사도를 결정하는 처리가 수행되도록 구성됨으로써,

    Figure 112017028088895-pat00018


    상기 초분광 영상을 이용한 표적탐지시 배경 특징화(background characterization) 과정에서 상기 표적과 유사한 분광반사 특성을 가지는 화소들을 제외하는 것에 의해, 상기 배경 특징화 과정에서 상기 표적의 신호특징이 배경특징으로 포함되어 정확성이 떨어지게 되는 표적누출(target leakage)의 문제가 있었던 종래기술의 표적탐지 기법들의 문제점을 해결하고, 탐지성능을 향상시킬 수 있도록 구성되는 것을 특징으로 하는 초분광 영상의 표적물질 탐지방법.
  2. 제 1항에 있어서,
    상기 탐지방법은,
    상기 표적탐지단계에서 탐지된 결과를 표시하는 결과표시단계; 및
    상기 표적탐지단계에서 탐지된 결과를 실제 또는 종래기술의 방법과 비교하여 검증하는 검증단계 중 적어도 하나를 더 포함하여 구성되는 것을 특징으로 하는 초분광 영상의 표적물질 탐지방법.
  3. 제 1항에 있어서,
    상기 영상입력단계는,
    별도의 저장수단에 미리 저장된 초분광영상을 읽어들이거나, 또는, 위성이나 항공기를 통해 촬영된 영상을 실시간으로 전송받는 처리가 수행되도록 구성되는 것을 특징으로 하는 초분광 영상의 표적물질 탐지방법.
  4. 제 1항에 있어서,
    상기 유사화소 판단단계는,
    이하의 수학식을 이용하여, 유클리드 거리(Eiclidean Distance; ED)에 따른 기준값에 근거하여 상기 유사도를 결정하도록 구성되는 것을 특징으로 하는 초분광 영상의 표적물질 탐지방법.

    Figure 112015117044209-pat00009


    (여기서, tn은 밴드 n에서 화소의 반사율 또는 화소값, rn은 밴드 n에서 기준 분광반사곡선의 반사율, N은 밴드 수를 각각 나타냄)
  5. 삭제
  6. 제 1항에 있어서,
    상기 유사화소 제거단계는,
    상기 유사화소 판단단계의 판단 결과에 따라, 미리 정해진 유사도 기준에 근거하여 상기 기준에 해당하는 화소를 한 번에 모두 제거하는 처리가 수행되도록 구성되는 것을 특징으로 하는 초분광 영상의 표적물질 탐지방법.
  7. 제 1항에 있어서,
    상기 유사화소 제거단계는,
    복수의 기준값을 지정해 두고 상기 기준값의 범위를 순차적으로 조절해 가면서 상기 유사화소를 반복적으로 제거하는 처리가 수행되도록 구성되는 것을 특징으로 하는 초분광 영상의 표적물질 탐지방법.
  8. 제 1항에 있어서,
    상기 표적탐지단계는,
    초분광 영상이 표적물질과 배경물질의 2개 물질로만 구성되어 있는 것으로 할 때, 한 화소의 신호 x가 표적물질의 신호 xs와 배경물질의 신호 xb의 선형 혼합인 것으로 가정하여 이하의 수학식으로 나타내고,

    Figure 112017028088895-pat00019


    (여기서, α는 표적물질의 점유비율을 나타냄)

    이하의 수학식을 이용하여, 정합필터(matched filter) 기법을 적용하여 상기 표적탐지를 수행하거나,

    Figure 112017028088895-pat00020


    (여기서, Cb는 배경신호를 특징화하는 공분산행렬(covariance matrix)을 나타냄)

    또는, 이하의 수학식을 이용하여, ACE(adaptive cosine estimator) 기법을 적용하여 상기 표적탐지를 수행하는 처리가 수행되도록 구성되는 것을 특징으로 하는 초분광 영상의 표적물질 탐지방법.

    Figure 112017028088895-pat00021

  9. 제 2항에 있어서,
    상기 결과표시단계는,
    상기 표적탐지단계에서 탐지된 결과를 모니터를 포함하는 표시수단을 통해 시각적으로 표시하거나, 유선 또는 무선 통신을 통해 외부 서버나 다른 기기로 전송하는 처리가 수행되도록 구성되는 것을 특징으로 하는 초분광 영상의 표적물질 탐지방법.
  10. 청구항 1항 내지 청구항 4항, 청구항 6항 내지 청구항 9항 중 어느 한 항에 기재된 초분광 영상의 표적물질 탐지방법을 컴퓨터에 실행시키도록 구성되는 프로그램이 기록된 컴퓨터에서 판독 가능한 기록매체.
  11. 초분광 영상을 이용한 표적물질 탐지시스템에 있어서,
    외부로부터 초분광 영상을 수신하기 위한 입력부;
    청구항 1항 내지 청구항 4항, 청구항 6항 내지 청구항 9항 중 어느 한 항에 기재된 초분광 영상의 표적물질 탐지방법을 이용하여, 상기 입력부를 통해 입력된 상기 초분광 영상의 배경에서 목표하는 표적과 유사한 분광반사 특성을 가지는 화소들을 선별하여 제거한 후 배경신호를 특징화하는 배경 공분산행렬(covariance matrix ; Cb)을 구하고, 구해진 상기 배경 공분산행렬(Cb)에 근거하여 표적탐지를 수행하는 표적탐지부; 및
    상기 표적탐지부의 탐지 결과를 표시하기 위한 표시부를 포함하여 구성됨으로써,
    상기 초분광 영상을 이용한 표적탐지시 배경 특징화(background characterization) 과정에서 상기 표적과 유사한 분광반사 특성을 가지는 화소들을 제외하는 것에 의해, 상기 배경 특징화 과정에서 상기 표적의 신호특징이 배경특징으로 포함되어 정확성이 떨어지게 되는 표적누출(target leakage)의 문제가 있었던 종래기술의 표적탐지 기법들의 문제점을 해결하고, 탐지성능을 향상시킬 수 있도록 구성되는 것을 특징으로 하는 초분광 영상을 이용한 표적물질 탐지시스템.
KR1020150169249A 2015-11-30 2015-11-30 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법 KR101750520B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150169249A KR101750520B1 (ko) 2015-11-30 2015-11-30 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150169249A KR101750520B1 (ko) 2015-11-30 2015-11-30 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법

Publications (2)

Publication Number Publication Date
KR20170063182A KR20170063182A (ko) 2017-06-08
KR101750520B1 true KR101750520B1 (ko) 2017-06-26

Family

ID=59221491

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150169249A KR101750520B1 (ko) 2015-11-30 2015-11-30 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법

Country Status (1)

Country Link
KR (1) KR101750520B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101852770B1 (ko) 2017-10-24 2018-04-27 한국해양과학기술원 항공 초분광 영상을 이용한 사고 선박 및 익수자 탐지 방법
KR102273655B1 (ko) * 2020-12-24 2021-07-06 국방기술품질원 적대적 생성 신경망 알고리즘을 활용한 초분광 고속 카메라 영상 생성 방법
KR102264416B1 (ko) * 2021-02-01 2021-06-14 (주)유에스티21 인공위성 영상 분석을 통한 해양쓰레기 탐지 시스템 및 그 방법
CN113607686B (zh) * 2021-08-06 2023-11-21 广东电网有限责任公司广州供电局 一种基于修正tdlas背景信号漂移的气体浓度检测方法、系统及计算机可读存储介质
KR102527974B1 (ko) * 2021-09-01 2023-04-28 동의대학교 산학협력단 클러스터링 알고리즘 기반 환경 오염 상태 감지 시스템 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070076955A1 (en) 2003-07-10 2007-04-05 Schaum Alan P Hyperspectral remote sensing systems and methods using covariance equalization
KR101589619B1 (ko) 2014-11-26 2016-01-28 국방과학연구소 스펙트럼 배경물질 신호 제거 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070076955A1 (en) 2003-07-10 2007-04-05 Schaum Alan P Hyperspectral remote sensing systems and methods using covariance equalization
KR101589619B1 (ko) 2014-11-26 2016-01-28 국방과학연구소 스펙트럼 배경물질 신호 제거 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
신정일, 이규성. 초분광영상의 분광반사 패턴을 이용한표적탐지 알고리즘 개발. 한국군사과학기술학회지, 2011, 14.6: 1073-1080.(2011.12.31.)*

Also Published As

Publication number Publication date
KR20170063182A (ko) 2017-06-08

Similar Documents

Publication Publication Date Title
Zhang et al. A tensor decomposition-based anomaly detection algorithm for hyperspectral image
KR101750520B1 (ko) 표적신호 분리를 이용하여 탐지성능이 향상된 초분광 영상의 표적물질 탐지방법
Li et al. ‘Extended spectral angle mapping (ESAM)’for citrus greening disease detection using airborne hyperspectral imaging
KR101634792B1 (ko) 초분광 영상의 분광혼합분석에 의한 표적물질 탐지방법
JP2016224031A (ja) フォービエイテッド圧縮投影を用いたハイパースペクトルデミキシング
US9070012B1 (en) System and method for uncued discrimination of bated features in image
WO2006113054A2 (en) Methods and apparatus for adaptive foreground background analysis
Marcinkowska-Ochtyra et al. Subalpine and alpine vegetation classification based on hyperspectral APEX and simulated EnMAP images
Goovaerts et al. Geostatistical and local cluster analysis of high resolution hyperspectral imagery for detection of anomalies
Wang et al. A sparse representation method for a priori target signature optimization in hyperspectral target detection
Li et al. Improving model robustness for soybean iron deficiency chlorosis rating by unsupervised pre-training on unmanned aircraft system derived images
Tiwari et al. Military target detection using spectrally modeled algorithms and independent component analysis
Erener et al. A methodology for land use change detection of high resolution pan images based on texture analysis
Deepthi et al. Classification of forensic hyperspectral paper data using hybrid spectral similarity algorithms
Evans et al. Enhancing a eucalypt crown condition indicator driven by high spatial and spectral resolution remote sensing imagery
KR102315319B1 (ko) 항공초분광영상을 이용한 생태교란종 모니터링 방법
Wolfe et al. Hyperspectral analytics in envi target detection and spectral mapping methods
Jafarzadeh et al. Probability estimation of change maps using spectral similarity
JP6060377B2 (ja) 画像クラスタ分析装置
Kumar et al. Objects detection in hyperspectral images using spectral derivative
Plaza et al. Hyperspectral data processing algorithms
Xu et al. Archetypal analysis for endmember bundle extraction considering spectral variability
Vafadar et al. Hyperspectral anomaly detection using Modified Principal component analysis reconstruction error
Messinger et al. Detection of gaseous effluents from airborne LWIR hyperspectral imagery using physics-based signatures
Zare-Baghbidi et al. Improving the RX anomaly detection algorithm for hyperspectral images using FFT

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant