KR101980354B1 - 극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템 - Google Patents

극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템 Download PDF

Info

Publication number
KR101980354B1
KR101980354B1 KR1020170144615A KR20170144615A KR101980354B1 KR 101980354 B1 KR101980354 B1 KR 101980354B1 KR 1020170144615 A KR1020170144615 A KR 1020170144615A KR 20170144615 A KR20170144615 A KR 20170144615A KR 101980354 B1 KR101980354 B1 KR 101980354B1
Authority
KR
South Korea
Prior art keywords
information
image
region
sea
signal
Prior art date
Application number
KR1020170144615A
Other languages
English (en)
Other versions
KR20190049114A (ko
Inventor
양찬수
홍단비
Original Assignee
한국해양과학기술원
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 한국해양과학기술원 filed Critical 한국해양과학기술원
Priority to KR1020170144615A priority Critical patent/KR101980354B1/ko
Priority to JP2018206475A priority patent/JP6676728B2/ja
Publication of KR20190049114A publication Critical patent/KR20190049114A/ko
Application granted granted Critical
Publication of KR101980354B1 publication Critical patent/KR101980354B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/02—Prospecting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/001—Image restoration
    • G06T5/002—Denoising; Smoothing
    • G06T5/70—
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Abstract

극지해역에서 해빙영역, 해수영역 및 육지영역을 정확하게 탐지하여 구별할 수 있는 극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템이 제공된다. 해빙영역 탐지방법은, 인공위성으로부터 제공된 다수의 위성신호들에 따라 생성된 극지역에 대한 다수의 이미지에 대하여 위성신호의 정보 및 극지역에 대한 기상정보를 이용하여 해빙 및 해수의 영역 분류를 학습시키고, 학습 결과에 따라 다수의 이미지에서 해빙영역 및 해수영역을 정확하게 탐지할 수 있다.

Description

극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템{Detection method and system for discrimination of sea ice in the polar region}
본 발명은 극지해역의 해빙영역 탐지방법에 관한 것으로, 특히 극지해역에서 해빙이 존재하는 영역을 정확하게 탐지할 수 있는 극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템에 관한 것이다.
선박 건조 및 항해 기술의 발달에 따라 새로운 항로의 개척에 대한 국제적 관심이 고조되고 있다. 이 중에서 극지해역의 북극항로(Northern Sea Route)는 말라카해협과 수에즈 운하를 통과하는 기존 남방항로(Southern Sea Route)에 비해 항로 거리를 최대 40% 단축시키며, 운항일 또한 30일에서 20일로 감소시킬 수 있다. 이러한 경제적 강점으로 인해 북극해 항로를 이용하는 물동량은 꾸준히 증가하는 추세이다.
최근 지구환경에 가장 큰 영향을 미치고 있는 지구 온난화로 인해 극지해역의 해빙이 빠른 속도로 감소되고 있다. 이로 인해 북극해 항로를 통과하는 선박의 안전한 운항을 지원하기 위해 극지해역에서의 해빙영역을 탐지하고, 이를 반영하여 최적의 항로를 산출하는 방법이 개발되고 있다.
종래에는 쇄빙선 등과 같이 극지해역을 항행할 수 있는 선박에 계측장비를 설치하고, 이를 이용하여 극지해역의 해빙을 탐지함으로써, 북극해 항로에서 해빙이 존재하는 영역을 고려하여 최적의 선박 항로를 산출하였다.
그러나, 이와 같은 방법은 특수 선박의 운용에 의해 얻어지는 정보에 기초하기 때문에 정보의 양이 한정적이며, 이로 인해 극지해역에서 해빙이 존재하는 영역을 정확하게 탐지하는 것이 어려웠다.
본 발명은 상기의 문제점을 해결하기 위한 것으로, 극지해역에 대해 해빙영역과 해수영역을 분석 및 탐지하고, 이에 따라 육지, 해빙 및 해수가 정확하게 구분된 극지해역 영상을 생성할 수 있는 극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템을 제공하고자 하는 데 있다.
상기 목적을 달성하기 위한 본 발명의 해빙영역 탐지방법은, 위성으로부터 획득된 신호정보와 상기 신호정보가 포함된 다수의 이미지정보를 제공받는 단계; 상기 다수의 이미지정보에서 노이즈를 제거하여 다수의 제1이미지를 생성하는 단계; 상기 다수의 제1이미지 중에서 하나 이상을 선택하고, 선택된 이미지의 각 픽셀에 분석정보를 학습시키는 단계; 상기 분석정보의 학습 결과 및 기 저장된 극지역의 기상정보에 기초하여 상기 다수의 제1이미지 각각의 픽셀이 해빙영역 및 해수영역 중 속하는 영역을 분석하여 탐지하는 단계; 및 탐지 결과에 기초하여 상기 다수의 제1이미지로부터 상기 해빙영역 및 상기 해수영역이 구분된 극지해역 영상을 생성하는 단계를 포함한다.
상기 목적을 달성하기 위한 본 발명은 인공위성으로부터 획득된 다수의 위성신호들에 기초하여 신호정보 및 상기 신호정보가 포함된 극지역에 대한 다수의 이미지정보를 생성하는 관제센터; 및 상기 관제센터로부터 상기 다수의 이미지정보 및 상기 신호정보를 제공받아 상기 극지역에 대해 해빙영역, 해수영역 및 육지영역을 분류하여 극지해역 영상을 생성하는 탐지시스템을 포함한다.
상기 탐지시스템은, 상기 다수의 이미지정보에서 신호 노이즈 및 영상 노이즈를 제거하여 다수의 제1이미지를 생성하는 전처리모듈; 극지역에 대한 기상정보가 저장된 데이터베이스; 상기 다수의 제1이미지 중에서 하나 이상의 제1이미지를 선택하고, 선택된 제1이미지의 각 픽셀에 상기 신호정보 및 상기 기상정보 중 적어도 하나를 포함하는 분석정보를 학습시키는 학습모듈; 및 상기 분석정보의 학습 결과 및 상기 기상정보에 기초하여 상기 다수의 제1이미지로부터 해빙영역 및 해수영역을 분석하여 탐지하고, 탐지 결과에 기초하여 상기 다수의 제1이미지로부터 상기 극지해역 영상을 생성하는 분석모듈을 포함한다.
본 발명에 따른 극지해역의 해빙영역 탐지방법에 따르면, 인공위성의 관측자료를 이용하여 생성되는 극지해역의 이미지들에 위성의 신호 특성에 따른 신호정보 및 극지역의 기상정보를 반영하여 분석함으로써, 극지해역에서의 해빙영역에 대한 탐지 정확성을 높일 수 있다.
이에 따라, 본 발명은 탐지된 해빙영역에 따라 북극해 항로를 운항하는 다수의 선박들에게 최적의 항로를 제공할 수 있을 뿐만 아니라, 위성의 관측자료를 이용하여 해빙영역을 탐지하므로 기후 변화에 따른 해빙영역의 변화를 실시간으로 탐지하여 분석할 수 있다.
도 1은 본 발명에 따른 탐지시스템의 구성을 나타내는 도면이다.
도 2는 본 발명의 탐지시스템을 이용한 해빙영역 탐지방법을 나타내는 도면이다.
도 3a 내지 도 3c는 본 발명의 해빙영역 탐지방법에 대한 예시도들이다.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 본 발명에 따른 탐지시스템의 구성을 나타내는 도면이고, 도 2는 본 발명의 탐지시스템을 이용한 해빙영역 탐지방법을 나타내는 도면이다.
본 발명의 탐지시스템(100)은 관제센터(200)에서 제공되는 극지역에 대한 다수의 이미지들로부터 극지해역의 영상을 생성하여 출력할 수 있다. 탐지시스템(100)에서 생성된 극지해역의 영상은 해빙영역이 정확하게 탐지되어 표시된 영상일 수 있다.
관제센터(200)는 극지역을 관측하는 인공위성(300)으로부터 다수의 위성신호들을 제공받고, 이들 신호에 기초하여 극지역에 대한 다수의 정보, 예컨대 다수의 이미지정보를 생성할 수 있다.
다수의 이미지정보는 극지역의 이미지에 대한 다수의 픽셀에 대한 정보를 포함할 수 있으며, 각 픽셀에는 위성의 신호 특성값에 따른 신호정보가 대응되어 있다. 즉, 관제센터(200)는 인공위성(300)의 다수의 위성신호들에 따라 각 픽셀마다 신호정보가 대응되는 다수의 이미지정보를 생성할 수 있다.
위성의 신호 특성값에 따른 신호정보는 인공위성(300)에서 극지역으로 송출되는 신호의 편파정보와 입사각정보 및 극지역의 해빙, 해수 및 육지로부터 반사되는 신호의 반사파정보를 포함할 수 있다.
여기서, 인공위성(300)에서 송출되는 신호는 HH편파 및 HV편파를 포함할 수 있으며, HV편파는 HH편파에 비하여 해수 및 해빙으로부터 반사되는 반사파정보가 뚜렷하게 나타나는 특성이 있다.
또한, 신호의 입사각정보는 인공위성(300)에서 극지역으로의 수직 법선에 대하여 송출되는 신호의 송출각도를 의미할 수 있다. 여기서, 입사각 크기가 작을수록 반사파의 크기가 커지는 특성이 있다.
한편, 본 실시예는 관제센터(200)와 탐지시스템(100)이 분리된 구성을 예로 설명하나, 이에 제한되지는 않는다. 예컨대, 탐지시스템(100)이 인공위성(300)으로부터 다수의 위성신호들을 제공받아 극지역에 대한 이미지를 생성할 수도 있다.
인공위성(300)은 지구의 공전 및 자전에 따라 시간대별로 극지역의 서로 다른 영역에 다수의 신호들을 송출하는 극궤도 위성일 수 있고, 이에 따른 다수의 위성신호들을 관제센터(200)로 전송할 수 있다.
탐지시스템(100)은 관제센터(200)에서 제공된 다수의 이미지정보로부터 극지해역에서 해빙이 존재하는 영역을 분석하여 탐지할 수 있다. 탐지시스템(100)은 탐지 결과에 따라 극지해역에 대한 영상정보를 생성할 수 있다. 탐지시스템(100)은 전처리모듈(110), 학습모듈(120), 분석모듈(130) 및 데이터베이스(140)를 포함할 수 있다.
전처리모듈(110)은 관제센터(200)에서 제공된 다수의 이미지정보의 노이즈를 제거할 수 있다(S10). 전처리모듈(110)은 다수의 이미지정보에 대하여 신호 노이즈 및 영상 노이즈를 각각 제거할 수 있다. 이를 위해, 전처리모듈(110)은 적어도 2개의 노이즈 제거 유닛을 포함할 수 있다.
전처리모듈(110)은 위성의 신호 특성값에 따른 신호정보로부터 다수의 이미지정보에 대한 신호 노이즈를 제거할 수 있다(S11). 신호 노이즈의 제거에 따라 전처리모듈(110)은 다수의 이미지정보에 대한 레이더 반사 면적(Radar Cross Section; RCS) 값을 산출할 수 있다. 한편, 신호정보에 HV편파에 대한 반사파정보가 포함된 경우에, 전처리모듈(110)은 입사각정보로부터 추가적인 신호 노이즈를 제거할 수도 있다.
전처리모듈(110)은 신호 노이즈가 제거된 다수의 이미지정보에 대한 영상 노이즈를 제거할 수 있다(S12). 영상 노이즈의 제거는 이미지에 대한 다운 스케일링(down scaling)을 통해 이루어질 수 있다. 예컨대, 전처리모듈(110)은 다수의 이미지정보 각각에서 소정 개수의 픽셀들의 평균값을 산출하고, 산출된 평균값에 따라 모든 픽셀에 대한 다운 스케일링을 진행할 수 있다.
본 실시예는 하나의 예로써, 전처리모듈(110)이 각 이미지정보에 대하여 10*10 픽셀의 평균값을 산출하고, 이를 이용하여 각 이미지정보의 모든 픽셀에 대한 다운 스케일링을 진행할 수 있다. 그러나, 본 발명은 이에 제한되지는 않는다.
전처리모듈(110)은 다수의 이미지정보에 대해 신호 노이즈 및 영상 노이즈를 제거하여 다수의 제1이미지를 생성할 수 있다. 전처리모듈(110)은 영상 노이즈를 먼저 제거한 후 신호 노이즈를 제거할 수도 있으며, 두 개의 노이즈 제거 동작을 동시에 수행할 수도 있다.
전처리모듈(110)에서 생성되는 다수의 제1이미지는 극지역의 육지영역이 제거된 이미지일 수 있다. 다시 말해, 전처리모듈(110)은 신호 노이즈 및 영상 노이즈가 제거된 다수의 이미지정보에서 극지역의 육지영역을 탐지하여 다수의 제1이미지를 생성할 수 있다.
또한, 전처리모듈(110)은 외부에서 제공되는 극지역의 수심자료로부터 육지영역을 탐지할 수 있다. 예컨대 전처리모듈(110)은 노이즈가 제거된 다수의 제1이미지의 각 픽셀마다 대응되는 수심자료의 값이 0m 이상은 픽셀을 육지영역으로 탐지할 수 있다. 전처리모듈(110)은 다수의 제1이미지에서 탐지된 육지영역의 픽셀을 제거할 수 있다. 따라서, 전처리모듈(110)에서 출력되는 다수의 제1이미지는 극지역의 해수 및 해빙영역에 대한 이미지일 수 있다.
학습모듈(120)은 전처리모듈(110)이 생성한 다수의 제1이미지 중에서 하나 이상의 이미지를 선택하고, 선택된 이미지에 대하여 분석정보를 학습시킬 수 있다(S20).
예컨대, 학습모듈(120)은 선택된 제1이미지에서 해빙영역 및 해수영역을 분류하고, 분류된 각 영역의 픽셀에 분석정보를 학습시킬 수 있다. 분석정보는 관제센터(200)에서 제공된 신호정보를 포함할 수 있다. 또한, 분석정보는 데이터베이스(140)에서 제공된 기상정보를 포함할 수 있다. 기상정보는 극지역에 대한 기온정보 및 바람정보를 포함할 수 있다.
학습모듈(120)은 다수의 제1이미지 중에서 각 영역이 명확하게 구분될 수 있는 하나 이상의 이미지를 선택함으로써, 선택된 이미지에 대한 분석정보 학습의 정확도를 높일 수 있다.
분석모듈(130)은 학습모듈(120)의 학습 결과에 기초하여 다수의 제1이미지에서 해빙영역 및 해수영역을 각각 분석하여 탐지할 수 있다(S30). 이어, 분석모듈(130)은 탐지 결과에 따라 다수의 제1이미지로부터 극지해역에 대한 영상을 생성할 수 있다(S40).
분석모듈(130)은 학습모듈(120)에 의해 학습된 분석정보를 기반으로 다수의 제1이미지 각각의 픽셀들이 해빙영역 및 해수영역 중 어느 영역에 속하는지를 분석할 수 있다. 또한, 분석모듈(130)은 분석 결과에 기초하여 각 제1이미지에서 해빙영역 및 해수영역을 탐지할 수 있다.
이어, 분석모듈(130)은 탐지 결과에 기초하여 다수의 제1이미지로부터 영역이 구분된 극지해역 영상을 생성할 수 있다. 이때, 분석모듈(130)은 분석 결과 및 탐지 결과에 기초하여 영역 간의 경계선을 보정할 수도 있다.
분석모듈(130)은 관제센터(200)에서 제공된 신호정보 및 데이터베이스(140)에 저장된 기상정보 중 적어도 하나를 이용하여 영역의 분석 및 탐지를 수행할 수 있다. 분석모듈(130)은 영역의 분석 및 탐지에 대한 정확성을 높이기 위해 신호정보와 기상정보의 모든 특성값들을 이용할 수도 있고, 신호정보와 기상정보에서 특성값들을 소정 개수로 선택하여 이용할 수도 있다.
분석모듈(130)은 학습모듈(120)의 학습 결과를 정규화시키고, 커널 함수 및 마진 파라메터에 대한 변수값을 지정하거나, 확률적 경사하강기법을 이용할 수 있다. 분석모듈(130)은 정규화된 학습결과, 변수값, 신호정보 및 기상정보의 특성값을 이용하여 다수의 제1이미지 각각의 픽셀들에 대한 정보를 분석 및 탐지할 수 있다.
데이터베이스(140)에는 극지역에 대한 기상정보가 저장될 수 있다. 기상정보는 해빙, 해수 및 육지의 기온에 대한 특성값과 극지역의 풍속 및 풍향에 대한 특성값을 포함할 수 있다.
이와 같이, 본 실시예의 탐지시스템(100)은 인공위성(300)으로부터 제공된 다수의 위성신호들에 따라 생성된 극지역에 대한 다수의 이미지에 대하여 위성신호의 특성값에 따른 신호정보 및 극지역에 대한 기상정보를 이용하여 해빙 및 해수의 영역 분류를 학습시키고, 학습 결과에 따라 다수의 이미지에서 해빙영역 및 해수영역을 정확하게 탐지하여 극지해역 영상을 생성할 수 있다.
따라서, 본 실시예의 탐지시스템(100)은 종래의 특수 선박을 이용한 극지역의 해빙 탐지와 대비하여 탐지 정확성을 높일 수 있으며, 실시간으로 해빙영역을 탐지할 수 있다.
도 3a 내지 도 3c는 본 발명의 해빙탐지방법에 대한 예시도들이다.
도 3a에 도시된 바와 같이, 관제센터(200)는 극지역의 서로 다른 영역에 대한 다수의 이미지정보를 생성할 수 있다. 이때, 서로 일 부분이 겹쳐지는 이미지정보들은 후 시간대에 생성된 이미지정보에 의해 갱신될 수 있다.
예컨대, 관제센터(200)는 시간 t0에서 제공된 위성신호로부터 a1영역에 대한 이미지정보를 생성하고, 시간 t1에서 제공된 위성신호로부터 a2영역에 대한 이미지정보를 생성할 수 있다. 이때, a1영역의 이미지정보와 a2영역의 이미지정보는 소정 부분이 중첩될 수 있다. 이때, 관제센터(200)는 두 이미지의 중첩영역에 대해 a2영역의 이미지정보를 적용하여 생성할 수 있다.
도 3b에 도시된 바와 같이, 탐지시스템(100)은 관제센터(200)에서 제공된 다수의 이미지정보에 대해 신호 및 영상 노이즈를 제거하여 다수의 제1이미지를 생성하고, 이들 중에서 하나 이상의 이미지를 선택하여 분석정보를 학습시킬 수 있다. 이때, 탐지시스템(100)은 학습의 정확도를 높이기 위해 다수의 제1이미지 중에서 해빙영역 및 해수영역의 구분이 명확한 하나 이상의 이미지를 선택할 수 있다.
한편, 다수의 제1이미지는 탐지시스템(100)에 의해 극지역에서의 육지영역이 기 탐지되어 제거된 이미지일 수 있다. 이때, 탐지시스템(100)은 육지영역에 대한 이미지를 소정의 저장공간에 저장하고 있을 수 있다.
도 3c에 도시된 바와 같이, 탐지시스템(100)은 학습 결과에 기초하여 다수의 이미지로부터 해수영역(A3) 및 해빙영역(A2)을 분석 및 탐지하여 구분할 수 있다. 그리고, 탐지시스템(100)은 탐지되어 구분된 해수영역(A3) 및 해빙영역(A2)과 기 탐지된 육지영역(A1)에 기초하여 극지해역에서 육지, 해수 및 해빙영역이 구분된 영상을 생성할 수 있다. 또한, 탐지시스템(100)은 각 영역에 대한 분석 및 탐지를 통해 각 영역 간의 경계선이 명확해지도록 보정할 수도 있다.
전술한 설명에 많은 사항이 구체적으로 기재되어 있으나 이것은 발명의 범위를 한정하는 것이라기보다 바람직한 실시예의 예시로서 해석되어야 한다. 따라서 발명은 설명된 실시예에 의하여 정할 것이 아니고 특허청구범위와 특허청구범위에 균등한 것에 의하여 정하여져야 한다.
100: 탐지시스템 110: 전처리모듈
120: 학습모듈 130: 분석모듈
140: 데이터베이스 200: 관제센터
300: 인공위성

Claims (14)

  1. 위성으로부터 획득된 신호정보와 상기 신호정보가 포함된 다수의 이미지정보를 제공받는 단계;
    상기 다수의 이미지정보에서 노이즈를 제거하여 다수의 제1이미지를 생성하는 단계;
    상기 다수의 제1이미지 중에서 하나 이상을 선택하고, 선택된 이미지의 각 픽셀에 분석정보를 학습시키는 단계;
    상기 분석정보의 학습 결과 및 기 저장된 극지역의 기상정보에 기초하여 상기 다수의 제1이미지 각각의 픽셀이 해빙영역 및 해수영역 중 속하는 영역을 분석하여 탐지하는 단계; 및
    탐지 결과에 기초하여 상기 다수의 제1이미지로부터 상기 해빙영역 및 상기 해수영역이 구분된 극지해역 영상을 생성하는 단계;를 포함하고,
    상기 다수의 제1이미지를 생성하는 단계는,
    상기 다수의 이미지정보로부터 상기 극지역의 육지영역을 제거하는 단계를 더 포함하고,
    상기 다수의 이미지정보는 시간대별로 극지역의 서로 다른 영역에 대해 생성되어 제공되며,
    상기 다수의 이미지정보 중에서 서로 인접되어 일부가 중첩되는 이미지들의 중첩영역에 대하여 후 시간대에 생성된 이미지정보에 의해 상기 중첩영역의 이미지정보가 갱신되는 극지해역의 해빙영역 탐지방법.
  2. 제1항에 있어서,
    상기 다수의 제1이미지를 생성하는 단계는,
    상기 신호정보에 기초하여 상기 다수의 이미지정보에서 신호 노이즈를 제거하는 단계; 및
    신호 노이즈가 제거된 다수의 이미지정보를 다운 스케일링하여 영상 노이즈를 제거하는 단계를 포함하는 극지해역의 해빙영역 탐지방법.
  3. 제2항에 있어서,
    상기 영상 노이즈를 제거하는 단계는,
    상기 신호 노이즈가 제거된 다수의 이미지정보 각각에서 10*10 픽셀의 평균값을 산출하는 단계; 및
    상기 평균값에 따라 상기 다수의 이미지정보 각각의 전체 픽셀에 대한 다운 스케일링을 수행하는 단계를 포함하는 극지해역의 해빙영역 탐지방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 분석정보를 학습시키는 단계는,
    상기 선택된 제1이미지의 각 픽셀마다 상기 신호정보와 상기 기상정보 중 적어도 하나를 포함하는 상기 분석정보를 학습시키는 단계인 극지해역의 해빙영역 탐지방법.
  6. 제1항에 있어서,
    상기 기상정보는 극지역의 해빙, 해수 및 육지에 대한 기온 특성값, 풍속 특성값 및 풍향 특성값을 포함하는 극지해역의 해빙영역 탐지방법.
  7. 삭제
  8. 삭제
  9. 인공위성으로부터 획득된 다수의 위성신호들에 기초하여 신호정보 및 상기 신호정보가 포함된 극지역에 대한 다수의 이미지정보를 생성하는 관제센터; 및
    상기 관제센터로부터 상기 다수의 이미지정보 및 상기 신호정보를 제공받아 상기 극지역에 대해 해빙영역, 해수영역 및 육지영역을 분류하여 극지해역 영상을 생성하는 탐지시스템을 포함하고,
    상기 탐지시스템은,
    상기 다수의 이미지정보에서 신호 노이즈 및 영상 노이즈를 제거하여 다수의 제1이미지를 생성하는 전처리모듈;
    극지역에 대한 기상정보가 저장된 데이터베이스;
    상기 다수의 제1이미지 중에서 하나 이상의 제1이미지를 선택하고, 선택된 제1이미지의 각 픽셀에 상기 신호정보 및 상기 기상정보 중 적어도 하나를 포함하는 분석정보를 학습시키는 학습모듈; 및
    상기 분석정보의 학습 결과 및 상기 기상정보에 기초하여 상기 다수의 제1이미지로부터 해빙영역 및 해수영역을 분석하여 탐지하고, 탐지 결과에 기초하여 상기 다수의 제1이미지로부터 상기 극지해역 영상을 생성하는 분석모듈;을 포함하고,
    상기 전처리모듈은,
    상기 신호정보에 기초하여 상기 다수의 이미지정보에서 신호 노이즈를 제거하고,
    신호 노이즈가 제거된 다수의 이미지정보에서 산출된 10*10 픽셀의 평균값에 따라 다운 스케일링을 수행하여 영상 노이즈를 제거하고,
    상기 신호 노이즈 및 상기 영상 노이즈가 제거된 다수의 이미지정보에서 상기 극지해역의 상기 육지영역을 분석하여 탐지하고,
    상기 관제센터는,
    시간대별로 극지역의 서로 다른 영역에 대해 상기 다수의 이미지정보를 생성하되,
    상기 다수의 이미지정보 중에서 서로 인접되어 일부가 중첩되는 이미지들의 중첩영역은 후 시간대에 생성된 이미지정보에 의해 상기 중첩영역의 이미지정보를 갱신하여 생성하는 극지해역의 해빙영역 탐지시스템.
  10. 삭제
  11. 삭제
  12. 제9항에 있어서,
    상기 기상정보는 극지역의 해빙, 해수 및 육지에 대한 기온 특성값, 풍속 특성값 및 풍향 특성값을 포함하는 극지해역의 해빙영역 탐지시스템.
  13. 삭제
  14. 제9항에 있어서,
    상기 신호정보는 상기 인공위성에서 송출되는 신호의 편파정보, 입사각정보 및 극지역의 해빙, 해수 및 육지로부터 반사되는 반사파정보를 포함하는 극지해역의 해빙영역 탐지시스템.
KR1020170144615A 2017-11-01 2017-11-01 극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템 KR101980354B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170144615A KR101980354B1 (ko) 2017-11-01 2017-11-01 극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템
JP2018206475A JP6676728B2 (ja) 2017-11-01 2018-11-01 極地海域における海氷領域の探知方法およびそのための探知システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170144615A KR101980354B1 (ko) 2017-11-01 2017-11-01 극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템

Publications (2)

Publication Number Publication Date
KR20190049114A KR20190049114A (ko) 2019-05-09
KR101980354B1 true KR101980354B1 (ko) 2019-05-21

Family

ID=66546802

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170144615A KR101980354B1 (ko) 2017-11-01 2017-11-01 극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템

Country Status (2)

Country Link
JP (1) JP6676728B2 (ko)
KR (1) KR101980354B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110956101A (zh) * 2019-11-19 2020-04-03 广东省城乡规划设计研究院 一种基于随机森林算法的遥感影像黄河冰凌检测方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110442665B (zh) * 2019-08-02 2022-09-30 上海海事大学 极地海域冰情融合显示方法
CN110458089B (zh) * 2019-08-08 2020-11-06 中国人民解放军军事科学院国防科技创新研究院 一种基于高低轨光学卫星观测的海上目标关联系统及方法
CN112633171A (zh) * 2020-12-23 2021-04-09 北京恒达时讯科技股份有限公司 一种基于多源光学遥感影像的海冰识别方法和系统
CN112989258B (zh) * 2021-01-19 2024-03-15 中国极地研究中心 一种极地海冰厚度测量方法、装置、电子设备和存储介质
CN113315563B (zh) * 2021-03-22 2022-05-17 中国科学院微小卫星创新研究院 全球组网协同星座应急调度方法
CN113269026B (zh) * 2021-04-02 2022-11-11 首都师范大学 一种基于表面特征的黄河三角洲浑浊海域海冰分类方法
CN116597319B (zh) * 2023-04-19 2024-02-02 北京师范大学 一种海冰日数据综合处理方法、装置及计算设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012068965A (ja) * 2010-09-24 2012-04-05 Denso Corp 画像認識装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130100851A (ko) * 2012-02-08 2013-09-12 가이아쓰리디 주식회사 위성영상 처리 방법 및 시스템
KR101713928B1 (ko) * 2015-06-04 2017-03-09 한국해양과학기술원 해양정보분석장치 및 그 동작 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012068965A (ja) * 2010-09-24 2012-04-05 Denso Corp 画像認識装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
김진우, 외 4, "고해상도 다중편파 RADARSAT-2 SAR자료를 이용한 서남극해의 빙산 탐지", Vol.28, No.1, 2012, pp.21~28.*

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110956101A (zh) * 2019-11-19 2020-04-03 广东省城乡规划设计研究院 一种基于随机森林算法的遥感影像黄河冰凌检测方法

Also Published As

Publication number Publication date
JP6676728B2 (ja) 2020-04-08
KR20190049114A (ko) 2019-05-09
JP2019087244A (ja) 2019-06-06

Similar Documents

Publication Publication Date Title
KR101980354B1 (ko) 극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템
Wright Intelligent autonomous ship navigation using multi-sensor modalities
Graziano et al. Ship heading and velocity analysis by wake detection in SAR images
EP3505951A1 (en) A target object detecting device, a method of detecting a target object and a computer readable medium
JP5570786B2 (ja) 信号処理装置、レーダ装置及び信号処理プログラム
US8422738B1 (en) Adaptive automated synthetic aperture radar vessel detection method with false alarm mitigation
US20200379104A1 (en) Three-dimensional forward-looking sonar target recognition with machine learning
US8990131B2 (en) Bottom sediment determination device, ultrasonic finder, and method and program for setting parameters
US20140313072A1 (en) Ice keel prediction from sar, optical imagery and upward looking sonars
JP2008268183A (ja) 水中探知装置
Liang et al. An entropy-weighted network for polar sea ice open lead detection from sentinel-1 SAR images
JP6154219B2 (ja) エコー信号処理装置、波浪レーダ装置、エコー信号処理方法、及びエコー信号処理プログラム
US9772403B2 (en) Vehicle position validation
Akbari et al. Iceberg detection in open water and sea ice using C-band radar polarimetry
WO2022014220A1 (ja) 学習用データ収集システム、学習用データ収集方法、データ収集装置、プログラム、学習済みモデルの生成方法、学習装置、及び推定装置
Kjerstad et al. An ice-drift estimation algorithm using radar and ship motion measurements
Wright Virtual aids to navigation
Pandey et al. Deep Learning for Iceberg Detection in Satellite Images
CN113039552A (zh) 训练图像的自动生成
Kazimierski et al. Analysis of beam sharpening effectiveness in broadband radar on inland waters
JP6006750B2 (ja) 信号処理装置、レーダ装置及び信号処理方法
Ramkumar et al. Iceberg Detection in Aerial Images Using Deep Learning Models
Schwegmann et al. Simulated annealing CFAR threshold selection for South African ship detection in ASAR imagery
Sha et al. Classification and mosaicking of side scan sonar image
Cooper Effectively Mapping and Charting of Remote Locations with Satellites, Lasers and Acoustics

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