KR102209866B1 - 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법 - Google Patents

지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법 Download PDF

Info

Publication number
KR102209866B1
KR102209866B1 KR1020200026675A KR20200026675A KR102209866B1 KR 102209866 B1 KR102209866 B1 KR 102209866B1 KR 1020200026675 A KR1020200026675 A KR 1020200026675A KR 20200026675 A KR20200026675 A KR 20200026675A KR 102209866 B1 KR102209866 B1 KR 102209866B1
Authority
KR
South Korea
Prior art keywords
image
pixels
pixel
image data
ground
Prior art date
Application number
KR1020200026675A
Other languages
English (en)
Inventor
김부요
차주완
정운선
Original Assignee
대한민국
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 대한민국 filed Critical 대한민국
Priority to KR1020200026675A priority Critical patent/KR102209866B1/ko
Application granted granted Critical
Publication of KR102209866B1 publication Critical patent/KR102209866B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G06T5/006—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G06K9/36—
    • G06T5/005—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Ecology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Environmental Sciences (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 지상에서 촬영한 전체 하늘의 영상자료로부터 하늘이나 구름으로 판별할 수 없는 화소를 차폐영상으로 분류한 후 실제 촬영된 원본 영상자료로부터 차폐영상을 제거하고 시야각 미만의 영상에 대한 왜곡 보정을 통해 실제 사람이 보는 것과 유사한 영상자료를 생산하고 전운량을 자동으로 산출할 수 있도록 한 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 관한 것으로,
지상에서 촬영한 전체 하늘의 원본 영상자료를 수집하는 단계와; 상기 원본 영상자료의 중심좌표와 반지름, 시야각 및 출력영상의 크기를 설정하는 단계와; 수집된 원본 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와; 원본 영상자료에 대응하는 차폐영상을 입력하여 차폐화소를 제거하는 단계와; 차폐화소가 제거된 전천화소에 대한 왜곡 보정을 수행하는 단계와; 왜곡 보정이 완료된 전천화소를 이용하여 전천영상을 생산하는 단계;를 포함하는 것을 특징으로 한다.

Description

지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법{Preprocessing Method of Distortion Image for Ground Based Total Cloude Cover Automatic Retrieval}
본 발명은 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 관한 것으로, 더욱 상세하게는 지상에서 촬영한 전체 하늘의 영상자료로부터 하늘이나 구름으로 판별할 수 없는 화소를 차폐영상으로 분류한 후 실제 촬영된 원본 영상자료로부터 차폐영상을 제거하고 시야각 미만의 영상에 대한 왜곡 보정을 통해 실제 사람이 보는 것과 유사한 영상자료를 생산하고 전운량을 자동으로 산출할 수 있도록 한 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 관한 것이다.
구름은 전지구 면적의 약 70%를 차지하며 매 순간 복사에너지 수지를 변화시키고 이로부터 발생된 기상변화는 수문 순환(Hydrologic Cycle)과 국지적인 날씨 및 기후 변화를 초래한다. 뿐만아니라, 에어로졸과의 상호작용은 구름의 물리적인 특성을 변화시켜 지구 냉각과 온실효과를 유발시키고 강수효율의 변화는 식생 변화와 수자원 확보에 영향을 미치게 된다. 따라서, 구름-에어로졸-강수의 메커니즘의 이해는 기상과 기후의 변화 예측에 필수적이라 할 수 있다. 특히, 전운량은 일기예보뿐만아니라 항공운항을 위한 활주로의 기상 상태를 대표하며, 다양한 기상관련 요소들의 변화 예측에 중요한 입력자료로 활용되고 있다. 하지만, 전운량 자료의 정확도와 정밀도에 따라 예측된 기상 변수의 불확실성이 증가하게 되므로 높은 빈도의 정확도 높은 전운량 자료 생산이 요구된다.
한편, 현재 기상청과 유사 기관에서는 다양한 기상 현상들을 자동화된 기상 관측 장비를 이용하여 관측을 수행하고, 자동 관측이 어려운 구름과 같은 기상 현상들은 사람이 직접 목측을 통해 관측해오고 있다. 즉, 기온, 습도, 기압, 풍향, 풍속 등 일반적인 기상 요소들은 자동기상관측장비(Automatic Weather Station; AWS)를 통해 자동 관측 및 자료 저장이 수행되고 있지만, 전운량, 운고, 운형 등의 구름 관측은 현재까지 사람이 직접 육안으로 확인 및 판단하여 전산 시스템에 기록하고 있다. 그런데, 이러한 목측 자료는 관측자의 주관적인 판단으로 기록되고 있어 객관적이지 못하다는 단점이 있다.
다시 말해서, 지금까지 전운량은 사람의 눈을 통해 관측 (목측)되어오고 있어 관측자의 주관적인 판단에 따라 관측된 전운량의 차이가 발생할 수 있다. 특히, 숙달되지 않은 관측자에 의한 목측 관측은 많은 오차를 포함하고 있어 관측자료의 품질 저하를 발생시킨다. 더욱이, 관측빈도 또한 주간에는 매 1시간 간격, 야간에는 관측자 업무 주기와 기상 상황에 따라 1~3시간 간격으로 관측되고 있어, 관측된 자료의 객관성이 결여되고 있다
이러한 목측의 단점을 보완하기 위해 기상위성 자료를 활용하는 방법이 사용되고 있으나, 기상위성의 정보만으로는 구름의 수평적인 분포나 형태를 파악하기 어려운 단점이 있다. 즉, 기상위성의 경우 2 km × 2 km 이상의 격자에서 관측된 물체의 복사특성을 이용하여 복사량이 감쇠되는 정도의 분율을 위성운량으로 산출하고 있어 실제 지상에서 관측된 전운량과는 차이가 크다.
따라서 전운량은 목측을 제외하고 지상기반 광학장비를 이용하여 구름을 원격 관측하고 있다. 상기한 지상기반 광학장비로는 운고계, 라이다, 정밀조도계, 카메라 등이 있다. 정밀조도계는 주간에 광원이 존재할 경우 센서에 도달하는 빛의 강도에 따라 구름의 유무와 그 세기로부터 전운량을 추정한다. 카메라의 경우 일반적으로 어안 렌즈를 장착하여 전천 영상을 촬영하고 영상의 각 화소별 명암이 비율을 이용하여 전운량을 산출한다. 그러나 이 두 경우 광원이 없는 야간에는 센서 수감부에 주간보다 상대적으로 약한 빛이 도달하기 때문에 민감한 센서를 장착하지 않을 경우 전운량 산출에 어려움이 있다. 운고계와 라이다의 경우 주야간 상관없이 레이저를 직접 물체에 주사하여 되돌아오는 신호를 탐지하는 장비로써 그 신호의 강도에 따라 운량을 측정할 수 있다.
그러나 이 경우에는 전천 하늘 중 극히 일부분만을 탐지하기 때문에 하늘 전체에 대한 전운량을 대표하지 못한다.
한편, 사람이 직접 육안으로 관측하는 것과 유사한 전운량을 관측하기 위해서는 어안 렌즈가 장착된 카메라로부터 180°수준의 시야각(field of view; FOV) 이내의 전천영상을 촬영하고, 이 영상자료를 이용하여 전체 화소와 구름 화소의 비율로 전운량을 산출할 수 있다. 이때 촬영된 전천영상은 2D 이미지로 저장되기 때문에 촬영된 반구의 영상은 평면으로 왜곡되어 저장될 수밖에 없다. 따라서 이와같이 왜곡된 영상자료를 이용하여 전운량을 산출하게 되면 큰 오차가 발생할 수 있다.
이에 따라, 어안 렌즈가 장착된 카메라나 스마트폰 등의 영상 촬영 매체로 촬영된 영상을 이용하여 전운량을 산출할 경우 전운량 산출 이전에 왜곡 영상을 보정할 수 있는 전처리 과정이 요구된다. 그리고 전천영상 내에 하늘과 구름 영상을 차폐시키는 영상의 제거 과정도 필요하다. 즉, 하늘 또는 구름을 판별할 수 없는 차폐 화소를 제거하고 왜곡 보정을 수행해야 하는 것이다.
한편, 본 발명과 관련한 선행기술을 조사한 결과 복수의 특허문헌이 검색되었으며, 이들을 소개하면 다음과 같다.
특허문헌 1은, 스카이뷰 장치를 통해 촬영된 하늘 영상 자료, 예컨대, RGB 이미지로부터, 이미지 내의 차폐제거, GBR 화소분포에 따른 영상 분류, RBR 경계값을 고려한 구름 화소 분류, 분류된 구름 화소에서 태양광 제거, 구름 화소의 유효성 검사과정을 행한 후 전운량을 산출함으로써, 체계적이고 과학적인 전운량의 산출이 가능하고 정확성과 객관성 또한 모두 충족시킬 수 있도록 한 전천 하늘 영상자료의 RGB 컬러를 이용한 전운량 산출방법 및 시스템을 개시하고 있다.
특허문헌 2는, 위성기반 전운량 산출 아카이브 서버가 관측위성에서 관측된 후 전송되는 밝기온도와 반사도를 사용하여 적설과 같은 구름 오인 화소가 구분된 기계학습 모델의 입력자료를 작성하는 기능을 수행하는 전처리부; 상기 전처리부에 작성된 기계학습 모델 입력자료를 통해 군집별로 훈련된 기계학습 모델을 순차적으로 구동하여 전운량을 결정하는 기능을 수행하는 운량 결정부; 및 상기 운량 결정부에서 산출된 전운량 결과를 영상 및 지점별 집계 정보로 표출하는 기능을 수행하는 영상표출 및 지점별 집계부;를 포함하여, 지상에서 목측하는 수준의 객관적인 전운량 자료를 산출하고 하늘상태를 기준으로 영상을 표현함으로써, 사용자는 원하는 지역에 대한 전운량 정보를 보다 정확하고 편리하게 사용하고 판단할 수 있으며, 그 정보를 날씨 예보에 활용할 수 있도록 한 기계학습을 이용한 위성기반 전운량 산출 시스템 및 그 방법을 개시하고 있다.
KR 10-1709860 B1 KR 10-1855652 B1
본 발명은 상기한 종래기술의 문제점을 해결하기 위하여 안출된 것으로, 지상에서 촬영한 전체 하늘의 영상자료로부터 하늘이나 구름으로 판별할 수 없는 화소를 차폐영상으로 분류한 후 실제 촬영된 원본 영상자료로부터 차폐영상을 제거하고 시야각 미만의 영상에 대한 왜곡 보정을 통해 실제 사람이 보는 것과 유사한 영상자료를 생산하고 전운량을 자동으로 산출할 수 있도록 한 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법을 제공하는데 그 목적이 있다.
또, 본 발명은 촬영된 영상 내에서 하늘과 구름을 구분할 수 없는 차폐 영역을 제거하고 왜곡 보정을 수행함으로써 지상기반 전운량 산출의 정확도 및 신뢰도를 향상시킬 수 있도록 한 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법을 제공하는데 목적이 있다.
또한, 본 발명은 촬영된 영상의 왜곡을 보정할 때 출력되는 영상의 크기를 조절하고 화소별 역거리가중법을 통해 명암 보정을 수행하여 보정 영상의 정확도 및 신뢰도가 향상되도록 한 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법을 제공하는데 목적이 있다.
상기 목적을 달성하기 위한 본 발명은, 지상에서 촬영한 전체 하늘의 원본 영상자료를 수집하는 단계와; 상기 원본 영상자료의 중심좌표와 반지름, 시야각 및 출력영상의 크기를 설정하는 단계와; 수집된 원본 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와; 원본 영상자료에 대응하는 차폐영상을 입력하여 차폐화소를 제거하는 단계와; 차폐화소가 제거된 전천화소에 대한 왜곡 보정을 수행하는 단계와; 왜곡 보정이 완료된 전천화소를 이용하여 전천영상을 생산하는 단계;를 포함하는 것을 특징으로 한다.
또, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 상기 차폐영상을 생성하는 과정은, 맑은 날에 지상에서 촬영한 전체 하늘의 영상자료를 한 차례 이상 수집하여 기초 영상자료로 설정하는 단계와; 상기 기초 영상자료의 중심좌표와, 반지름, 시야각을 초기 입력자료로 설정하는 단계와; 상기 기초 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와; 각 화소별 평균 명암이 일정 수치 이하이거나 표준편차가 일정치 이상인 경우 차폐화소로 판별하고 그렇지 않으면 하늘화소로 판별하여 제외시키는 단계와; 상기 차폐화소 주변의 일정 영역에 있는 화소를 모두 차폐화소로 판별하는 단계와; 기초 영상자료에 차폐화소를 적용하여 차폐영상을 생산하는 단계;를 포함하는 것을 특징으로 한다.
또한, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 상기 차폐화소의 판별을 위하여 표준편차를 산출할 때에는 기준화소를 중심으로 하는 5×5 크기의 화소영역의 표준편차를 산출하는 것을 특징으로 한다.
또, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 차폐화소를 판단할 때에는 시야각이 180°인 기초 영상자료에서 하늘 또는 구름으로 판별할 수 없는 화소를 차폐화소로 분류하는 것을 특징으로 한다.
또한, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 상기 출력영상은 원본 영상자료의 배수 크기로 설정되는 것을 특징으로 한다.
또, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 차폐화소가 제거된 전천화소에 대한 왜곡 보정시 화소의 위치는 다음의 수식에 의해 결정되는 것을 특징으로 한다;
Figure 112020022701615-pat00001
여기서, r은 원본 영상자료의 중심화소의 x축과 y축 좌표(cx, cy)로부터 각 화소까지의 거리, θ는 천정각, radi는 영상중심으로부터 가장자리에 위치한 화소까지의 거리, FOV는 시야각, φ는 방위각, x'와 y'는 왜곡이 보정된 화소의 x축 및 y축 좌표를 의미한다.
또한, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 상기 중심화소의 좌표(cx, cy)는 영상의 폭과 높이의 절반 위치로 정의되거나 영상 내의 임의의 위치로 지정되는 것을 특징으로 한다.
또, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 상기 왜곡 보정이 완료된 전천화소를 이용하여 전천영상을 생산할 때에는 출력영상의 크기 설정에 따라 특정 화소에 밀집되거나 명암이 존재하지 않는 화소에 대하여 역거리가중법을 통해 명암을 보간하여 전천영상을 형성하는 것을 특징으로 한다.
또한, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 상기 역거리가중법을 통해 명암을 보간할 때에는 다음의 수식을 통해 화소의 명암을 결정하는 것을 특징으로 한다;
Figure 112020022701615-pat00002
여기서, R, G, B는 각 화소별 변환된 적색, 녹색, 청색의 명암 수치이고, wi는 보간계수, R', G', B'는 x'와 y'위치에 보간된 명암을 의미하며, n은 25 이하로 보간시 각 화소 주변의 5×5영역 내에서 명암이 존재하는 화소의 수를 의미한다.
본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법은 원본 영상자료로부터 왜곡을 야기하는 차폐화소를 제거하게 되므로 어안 렌즈가 장착된 카메라 또는 스마트폰 따위의 영상 매체로 촬영된 시야각(FOV) 180° 미만의 영상에 대한 왜곡을 보정하여 실제 사람이 보는 것과 유사한 영상자료를 생산할 수 있음은 물론 기상 관측 자동화를 위한 전운량 자료 생산의 정확도를 높일 수 있고 기상 자료의 활용성을 증대시킬 수 있게 되는 효과가 있다.
또, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 특정 장비에 국한되지 않고 다양한 장비에서 촬영된 영상자료를 원본 영상자료로 활용할 수 있어 범용성이 높은 효과가 있다.
또한, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 촬영된 영상의 최소 기초자료인 영상의 중심좌표, 반지름, 시야각, 영상 크기 설정을 통해 사용자가 왜곡 보정을 최적화시킬 수 있게 되는 효과가 있다.
또, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 촬영된 영상 내 하늘과 구름을 구분할 수 없는 차폐 영역(나무, 건물, 안테나 등)을 제거하고 왜곡 보정을 수행하게 되므로, 지상기반 전운량 산출의 정확도 및 신뢰도가 향상되는 효과가 있다.
또한, 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 따르면, 촬영된 영상의 왜곡을 보정할 때 출력되는 영상의 크기를 조절함과 아울러 각 화소별로 명암 보정을 수행하게 되어 전운량 산출 결과의 정확도 및 신뢰도가 향상되는 효과가 있다.
도 1은 본 발명에 따른 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법을 나타낸 순서도.
도 2는 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 있어서 차폐영상을 생성하는 과정을 나타낸 순서도.
도 3은 차폐영상의 생성을 위한 기초영상자료와 생성된 차폐영상을 나타낸 참고도.
도 4는 원본영상의 전처리하여 형성된 전천영상을 0.5배수로 설정하여 출력한 영상의 화소별 빈도수와 그 전천영상을 나타낸 참고도.
도 5는 원본영상의 전처리하여 형성된 전천영상을 0.25배수로 설정하여 출력한 영상의 화소별 빈도수와 그 전천영상을 나타낸 참고도.
도 6은 원본 영상자료와 왜곡이 보정된 전천영상을나타낸 참고도.
이하, 첨부된 도면을 참조하여 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 대하여 설명하면 다음과 같다.
본 발명에서 사용되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으므로, 이러한 용어들에 대한 정의는 본 발명의 기술적 사항에 부합되는 의미와 개념으로 해석되어야 할 것이다.
아울러, 본 발명의 실시예는 본 발명의 권리범위를 한정하는 것이 아니라 본 발명의 청구범위에 제시된 구성요소의 예시적인 사항에 불과하며, 본 발명의 명세서 전반에 걸친 기술사상에 포함되고 청구범위의 구성요소에서 균등물로서 치환 가능한 구성요소를 포함하는 실시예이다.
그리고, 아래 실시예에서의 선택적인 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로서, 구성요소가 상기 용어들에 의해 제한되는 것은 아니다.
이에, 본 발명을 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있는 관련된 공지기술에 대한 상세한 설명은 생략한다.
본 발명의 바람직한 실시예를 설명하기 위한, 도 1은 본 발명에 따른 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법을 나타낸 순서도이고, 도 2는 본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법에 있어서 차폐영상을 생성하는 과정을 나타낸 순서도이며, 도 3은 차폐영상의 생성을 위한 기초영상자료와 생성된 차폐영상을 나타낸 참고도이다. 그리고, 도 4는 원본영상의 전처리하여 형성된 전천영상을 0.5배수로 설정하여 출력한 영상의 화소별 빈도수와 그 전천영상을 나타낸 참고도이고, 도 5는 원본영상의 전처리하여 형성된 전천영상을 0.25배수로 설정하여 출력한 영상의 화소별 빈도수와 그 전천영상을 나타낸 참고도이며, 도 6은 원본 영상자료와 왜곡이 보정된 전천영상을나타낸 참고도이다.
본 발명의 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법은 도 1에 도시된 바와 같이, 지상에서 촬영한 전체 하늘의 원본 영상자료를 수집하는 단계와; 상기 원본 영상자료의 중심좌표와 반지름, 시야각 및 출력영상의 크기를 설정하는 단계와; 수집된 원본 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와; 원본 영상자료에 대응하는 차폐영상을 입력하여 차폐화소를 제거하는 단계와; 차폐화소가 제거된 전천화소에 대한 왜곡 보정을 수행하는 단계와; 왜곡 보정이 완료된 전천화소를 이용하여 전천영상을 생산하는 단계;를 포함하여 이루어진다.
즉, 원본 영상자료로부터 차폐영상의 차폐화소를 제거한 전천화소의 왜곡을 보정하고 이를 이용하여 전천영상을 생산하는 것이다. 따라서, 원본 영상자료에 대응하는 차폐영상을 미리 준비할 필요가 있다.
한편, 상기 차폐영상을 생성하는 과정은 도 2에 도시된 바와 같이, 맑은 날에 지상에서 촬영한 전체 하늘의 영상자료를 한 차례 이상 수집하여 기초 영상자료로 설정하는 단계와; 상기 기초 영상자료의 중심좌표와, 반지름, 시야각을 초기 입력자료로 설정하는 단계와; 상기 기초 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와; 각 화소별 평균 명암이 일정 수치 이하이거나 표준편차가 일정치 이상인 경우 차폐화소로 판별하고 그렇지 않으면 하늘화소로 판별하여 제외시키는 단계와; 상기 차폐화소 주변의 일정 영역에 있는 화소를 모두 차폐화소로 판별하는 단계와; 기초 영상자료에 차폐화소를 적용하여 차폐영상을 생산하는 단계;를 포함한다.
즉, 어안렌즈가 장착된 카메라에 의해 촬영된 기초 영상자료를 준비한 후, 상기 기초 영상자료의 중심좌표(cx,cy)와 영상의 반지름, 그리고 영상의 시야각을 초기 입력하는 것이다. 이때, 상기 기초 영상자료를 형성하는 영상의 크기는 수십 내지 수천만의 화소수(x축 화소 × y축 화소)를 가질 수 있다. 참고로, 도면에 나타난 원본 영상은 x축 화소와 y축 화소가 각각 2432개로 구분되어 대략 600만개의 화소를 갖게 된다. 그리고, 영상의 시야각은 어안렌즈의 시야각을 고려하여 180° 이하가 되도록 설정하는 것이 바람직하다.
이후, 수집된 기초 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환하고, 이를 수치(0~255 사이의 정수)로 확인할 수 있도록 한다. 변화된 화소별 명암을 이용하여 차폐화소와 하늘화소로 구분하되, 각 화소별 평균 명암이 60 미만인 경우 또는 각 화소를 기준(R)으로 하는 5×5 크기의 화소영역 내에서 명암의 표준편차가 5 이상인 경우를 차폐가 존재하는 것으로 보아 차폐화소로 판별하고, 그렇지 않은 경우에는 하늘화소로 판별하여 제외한다.
이때, 판별된 차폐화소를 기준으로 하는 5×5 크기의 화소영역에 있는 모든 화소를 차폐화소로 판별하는 것이 바람직하다. 이는 바람에 의해 피뢰침이나 안테나 및 나무 등의 물체가 흔들릴 수 있고, 밝은 색을 띄는 건물에서 반사되는 태양광에 의해 주변 화소가 오염될 수 있기 때문이다. 그리고, 이러한 차폐화소의 2차 분류를 위하여 차폐화소를 판단할 때에는, 시야각이 180°인 기초 영상자료에서 하늘 또는 구름으로 판별할 수 없는 화소, 예를 들면 영상을 구성하는 원의 내부에 위치한 나무나 건물 등도 차폐화소로 분류하는 것이 바람직하다.
따라서, 도 3의 (a)로 나타낸 기초 영상자료로부터 도 3의 (b)와 같은 차폐영상을 얻을 수 있게 된다.
이상의 과정을 통해 차폐영상이 확보되면, 원본 영상자료에 적용하여 원본 영상자료로부터 차폐화소를 제거한다. 상기 원본 영상자료는 어안 렌즈가 구비된 카메라를 이용하여 촬영한 것으로, 상기 기초 영상자료와 동일한 위치에서 동일한 시야각으로 촬영되어야 함은 당연하다. 그리고, 상기 원본 영상자료로부터 영상의 중심좌표와 영상의 반지름, 시야각 및 출력될 영상의 크기를 설정한다. 이때, 출력영상의 크기는 배수(倍數)로 입력하는 것이 바람직하지만 정수(定數)로 입력될 수도 있다. 이는 원본 영상자료의 왜곡을 보정할 경우 출력 영상의 크기가 원본영상에 비해 커지지 때문이다. 따라서, 출력영상의 크기는 1배수 이하의 크기로 조정하는 것이 바람직하다.
그리고, 수집된 원본 영상자료의 각 화소를 R(red, 적색), G(green, 녹색), B(blue, 청색)의 0~255의 정수값을 갖는 명암으로 변환한다. 이어, 미리 생성된 차폐영상을 입력함으로써 상기 원본 영상자료로부터 차폐화소를 제외시키고, 차폐화소가 제거된 전천화소의 왜곡을 보정한다.
즉, 다음의 수학식 1을 이용하여 화소의 x축과 y축의 위치를 각각 보정하는 것이다.
Figure 112020022701615-pat00003
여기서, r은 원본 영상자료의 중심화소의 x축과 y축 좌표(cx, cy)로부터 각 화소까지의 거리, θ는 천정각, radi는 영상중심으로부터 가장자리에 위치한 화소까지의 거리, FOV는 시야각, φ는 방위각, x'와 y'는 왜곡이 보정된 화소의 x축 및 y축 좌표를 의미한다. 이때, 상기 중심화소의 좌표(cx, cy)는 영상의 폭(width)과 높이(height)의 절반 위치로 정의되는 것이 바람직하나, 필요에 따라 영상 내의 임의 위치를 중심화소의 좌표로 지정할 수도 있다.
그리고, 상기 왜곡 보정이 완료된 전천화소를 이용하여 전천영상을 생산할 때에는 출력영상의 크기 설정에 따라 특정 위치에 밀집된 화소나 명암이 존재하지 않는 화소에 대하여 역거리가중법(Inversion Distance Weight; IDW)을 통해 명암을 보간하는 것이 바람직하다.
구체적으로, 차폐화소가 제거된 전천화소에 대한 왜곡 보정시 화소의 명암은 다음의 수학식 2에 의해 결정된다.
Figure 112020022701615-pat00004
여기서, R, G, B는 각 화소별 변환된 적색, 녹색, 청색의 명암 수치이고, wi는 보간계수, R', G', B'는 x'와 y'위치에 보간된 명암을 의미하며, n은 25 이하로 보간시 각 화소 주변의 5×5영역 내에서 명암이 존재하는 화소의 수를 의미한다.
이상의 과정을 통해 원본 영상의 보정이 완료되면, 영상을 출력한다. 이때, 출력영상의 크기를 1배수 이하로 하는 것이 바람직하다. 이는 원본영상에 비해 크게 나타나는 왜곡이 보정된 영상의 크기를 더 작게 축소시킬 경우 중심영역의 화소에 위치가 보정된 화소가 밀집되고 가장자리 영역에는 빈 공간이 생기게 되어 추가 보간이 수행되어야 하기 때문이다. 참고로, 도 4와 5에는 출력영상의 크기를 원본영상의 0.5배수 및 0.25배수로 설정할 경우 생성되는 진천영상과 그 영상의 화소별 밀집된 빈도수를 천정각을 80° 이하의 영역으로 나타낸 것이다. 도 4와 5를 참조하면, 서로 다른 배수로 출력한 두 개의 진천영상은 유사한 것으로 나타나지만, 출력 영상이 작아질수록 차폐영역이 축소됨을 알 수 있다.
이상으로 본 발명의 기술적 사상을 예시하기 위한 몇 가지 실시 예들과 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 발명의 설명에 기재된 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 통상의 기술자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.

Claims (9)

  1. 지상에서 촬영한 전체 하늘의 원본 영상자료를 수집하는 단계와;
    상기 원본 영상자료의 중심좌표와 반지름, 시야각 및 출력영상의 크기를 설정하는 단계와;
    수집된 원본 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와;
    원본 영상자료에 대응하는 차폐영상을 입력하여 차폐화소를 제거하는 단계와;
    차폐화소가 제거된 전천화소에 대한 왜곡 보정을 수행하는 단계와;
    왜곡 보정이 완료된 전천화소를 이용하여 전천영상을 생산하는 단계;를 포함하고,
    상기 차폐화소가 제거된 전천화소에 대한 왜곡 보정시 화소의 위치는 다음의 수식에 의해 결정되는 것을 특징으로 하는 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법;
    Figure 112020135336681-pat00013

    여기서, r은 원본 영상자료의 중심화소의 x축과 y축 좌표(cx, cy)로부터 각 화소까지의 거리, θ는 천정각, radi는 영상중심으로부터 가장자리에 위치한 화소까지의 거리, FOV는 시야각, φ는 방위각, x'와 y'는 왜곡이 보정된 화소의 x축 및 y축 좌표를 의미한다.
  2. 제1항에 있어서,
    상기 차폐영상을 생성하는 과정은,
    맑은 날에 지상에서 촬영한 전체 하늘의 영상자료를 한 차례 이상 수집하여 기초 영상자료로 설정하는 단계와;
    상기 기초 영상자료의 중심좌표와, 반지름, 시야각을 초기 입력자료로 설정하는 단계와;
    상기 기초 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와;
    각 화소별 평균 명암이 일정 수치 이하이거나 표준편차가 일정치 이상인 경우 차폐화소로 판별하고 그렇지 않으면 하늘화소로 판별하여 제외시키는 단계와;
    상기 차폐화소 주변의 일정 영역에 있는 화소를 모두 차폐화소로 판별하는 단계와;
    기초 영상자료에 차폐화소를 적용하여 차폐영상을 생산하는 단계;를 포함하는 것을 특징으로 하는 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법.
  3. 제2항에 있어서,
    상기 차폐화소의 판별을 위하여 표준편차를 산출할 때에는 기준화소를 중심으로 하는 5×5 크기의 화소영역의 표준편차를 산출하는 것을 특징으로 하는 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법.
  4. 제2항에 있어서,
    상기 차폐화소를 판단할 때에는 시야각이 180°인 기초 영상자료에서 하늘 또는 구름으로 판별할 수 없는 화소를 차폐화소로 분류하는 것을 특징으로 하는 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법.
  5. 제1항에 있어서,
    상기 출력영상은 원본 영상자료의 배수 크기로 설정되는 것을 특징으로 하는 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 중심화소의 좌표(cx, cy)는 영상의 폭과 높이의 절반 위치로 정의되거나 영상 내의 임의의 위치로 지정되는 것을 특징으로 하는 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법.
  8. 제1항에 있어서,
    상기 왜곡 보정이 완료된 전천화소를 이용하여 전천영상을 생산할 때에는 출력영상의 크기 설정에 따라 특정 화소에 밀집되거나 명암이 존재하지 않는 화소에 대하여 역거리가중법을 통해 명암을 보간하여 전천영상을 형성하는 것을 특징으로 하는 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법.
  9. 제8항에 있어서,
    상기 역거리가중법을 통해 명암을 보간할 때에는 다음의 수식을 통해 화소의 명암을 결정하는 것을 특징으로 하는 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법;
    Figure 112020022701615-pat00006

    여기서, R, G, B는 각 화소별 변환된 적색, 녹색, 청색의 명암 수치이고, wi는 보간계수, R', G', B'는 x'와 y'위치에 보간된 명암을 의미하며, n은 25 이하로 보간시 각 화소 주변의 5×5영역 내에서 명암이 존재하는 화소의 수를 의미한다.

KR1020200026675A 2020-03-03 2020-03-03 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법 KR102209866B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200026675A KR102209866B1 (ko) 2020-03-03 2020-03-03 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200026675A KR102209866B1 (ko) 2020-03-03 2020-03-03 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법

Publications (1)

Publication Number Publication Date
KR102209866B1 true KR102209866B1 (ko) 2021-01-29

Family

ID=74236598

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200026675A KR102209866B1 (ko) 2020-03-03 2020-03-03 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법

Country Status (1)

Country Link
KR (1) KR102209866B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230018624A (ko) 2021-07-30 2023-02-07 대한민국(기상청 국립기상과학원장) 지상 카메라 기반으로 촬영된 영상과 서포트 벡터 머신 알고리즘을 이용한 주야간 전운량 산출 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003018447A (ja) * 2001-07-04 2003-01-17 Matsushita Electric Ind Co Ltd 画像歪み補正装置及び方法
KR20140090775A (ko) * 2013-01-10 2014-07-18 염철희 어안 렌즈를 사용하여 얻은 왜곡영상에 대한 보정방법 및 이를 구현하기 위한 영상 디스플레이 시스템
KR101709860B1 (ko) 2015-09-01 2017-02-23 강릉원주대학교산학협력단 전천 하늘 영상자료의 rgb 컬러를 이용한 전운량 산출방법 및 시스템
KR20180055422A (ko) * 2016-11-17 2018-05-25 한국기술교육대학교 산학협력단 전천 사진을 이용한 운량 산출 방법 및 장치
KR101855652B1 (ko) 2018-02-13 2018-06-25 대한민국 기계학습을 이용한 위성기반 전운량 산출 시스템 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003018447A (ja) * 2001-07-04 2003-01-17 Matsushita Electric Ind Co Ltd 画像歪み補正装置及び方法
KR20140090775A (ko) * 2013-01-10 2014-07-18 염철희 어안 렌즈를 사용하여 얻은 왜곡영상에 대한 보정방법 및 이를 구현하기 위한 영상 디스플레이 시스템
KR101709860B1 (ko) 2015-09-01 2017-02-23 강릉원주대학교산학협력단 전천 하늘 영상자료의 rgb 컬러를 이용한 전운량 산출방법 및 시스템
KR20180055422A (ko) * 2016-11-17 2018-05-25 한국기술교육대학교 산학협력단 전천 사진을 이용한 운량 산출 방법 및 장치
KR101855652B1 (ko) 2018-02-13 2018-06-25 대한민국 기계학습을 이용한 위성기반 전운량 산출 시스템 및 그 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230018624A (ko) 2021-07-30 2023-02-07 대한민국(기상청 국립기상과학원장) 지상 카메라 기반으로 촬영된 영상과 서포트 벡터 머신 알고리즘을 이용한 주야간 전운량 산출 방법

Similar Documents

Publication Publication Date Title
CN109416413B (zh) 太阳能预报
CN109934153B (zh) 基于门控深度残差优化网络的建筑物提取方法
Gruszczyński et al. Comparison of low-altitude UAV photogrammetry with terrestrial laser scanning as data-source methods for terrain covered in low vegetation
Long et al. Retrieving cloud characteristics from ground-based daytime color all-sky images
EP3408828B1 (en) Systems and methods for detecting imaged clouds
Yang et al. An automated cloud detection method based on the green channel of total-sky visible images
EP1023673A1 (en) Apparatus and method for monitoring and reporting weather conditions
CN113469278B (zh) 一种基于深度卷积神经网络的强天气目标识别方法
CN114240868A (zh) 一种基于无人机的巡检分析系统及方法
Pawar et al. Detecting clear sky images
Alonso et al. Prediction of cloudiness in short time periods using techniques of remote sensing and image processing
Gauci et al. A Machine Learning approach for automatic land cover mapping from DSLR images over the Maltese Islands
KR102209866B1 (ko) 지상기반 전운량 자동 산출을 위한 왜곡 영상 전처리 방법
McCarthy et al. Automated variety trial plot growth and flowering detection for maize and soybean using machine vision
CN112581301B (zh) 一种基于深度学习的农田残膜残留量的检测预警方法及系统
Gonzalez et al. Automatic observation of cloudiness: Analysis of all-sky images
Hooda IoT and remote sensing
KR102373278B1 (ko) 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법
CN109166081B (zh) 一种视频能见度检测过程中目标亮度调节方法
KR20210032188A (ko) 우시정 측정 시스템 및 방법
CN116246272A (zh) 针对国产卫星多光谱图像质量标记的云雪区分方法
Kavzoglu Simulating Landsat ETM+ imagery using DAIS 7915 hyperspectral scanner data
Roupioz et al. Quantifying the impact of cloud cover on ground radiation flux measurements using hemispherical images
KR102596080B1 (ko) 지상 카메라 기반으로 촬영된 영상과 서포트 벡터 머신 알고리즘을 이용한 주야간 전운량 산출 방법
Schulz et al. Automatic cloud top height determination in mountainous areas using a cost-effective time-lapse camera system

Legal Events

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