KR102285686B1 - 구름 이동 예측 장치 및 그 방법 - Google Patents

구름 이동 예측 장치 및 그 방법 Download PDF

Info

Publication number
KR102285686B1
KR102285686B1 KR1020190114235A KR20190114235A KR102285686B1 KR 102285686 B1 KR102285686 B1 KR 102285686B1 KR 1020190114235 A KR1020190114235 A KR 1020190114235A KR 20190114235 A KR20190114235 A KR 20190114235A KR 102285686 B1 KR102285686 B1 KR 102285686B1
Authority
KR
South Korea
Prior art keywords
cloud
movement
region
size
window
Prior art date
Application number
KR1020190114235A
Other languages
English (en)
Other versions
KR20210032787A (ko
Inventor
김창기
윤창열
강용혁
김현구
김보영
김진영
Original Assignee
한국에너지기술연구원
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 한국에너지기술연구원 filed Critical 한국에너지기술연구원
Priority to KR1020190114235A priority Critical patent/KR102285686B1/ko
Publication of KR20210032787A publication Critical patent/KR20210032787A/ko
Application granted granted Critical
Publication of KR102285686B1 publication Critical patent/KR102285686B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Atmospheric Sciences (AREA)
  • Ecology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Environmental Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 실시예에 따른 구름 이동 예측 장치는 복수의 위성영상을 입력받는 입력부, 제1 사이즈의 윈도우를 이용하여 상기 복수의 위성영상에서 제1 구름 영역을 검출하는 검출부, 상기 제1 구름 영역에 대한 제1 구름 이동 벡터를 산출하는 제1 산출부, 상기 복수의 위성영상에 대한 탐색 정보를 통해 동일한 구름 더미로 판단되는 제1 구름 영역을 클러스터링하여 제2 구름 영역을 설정하는 설정부, 상기 제2 구름 영역에 대한 제2 구름 이동 벡터를 산출하는 제2 산출부, 그리고 상기 제2 구름 이동 벡터에 기초하여 상기 제2 구름 영역에 포함된 구름의 이동을 예측하는 예측부를 포함한다.

Description

구름 이동 예측 장치 및 그 방법{APPARATUS FOR PREDICTING CLOUD MOTION AND METHOD THEREOF}
실시 예는 구름 이동 예측 장치 및 그 방법에 관한 것이다.
태양 에너지는 지구 해양-대기 시스템의 에너지원으로서 육지, 해양, 대기의 온도를 조절하고, 농업, 환경, 기상 등 인간의 생활에 매우 중요한 역할을 한다. 최근 신재생 에너지에 대한 사회적인 관심이 높아지고 실제적인 활용이 증대되면서 태양광과 태양열 설비의 성능예측이 중요하게 다루어지고 있으며, 이에 따라 시스템의 성능을 결정하는 일사량에 대해서도 정밀도와 정확도의 향상을 위한 연구가 활발하게 진행되고 있다.
미국, 스위스와 같은 해외 선진국에서는 기초 일사 자원량 산정을 위하여 1950년대부터 지상관측 네트워크를 설치하여 일사량 관측이 이루어져 왔으며, 국내에서도 1982년부터 한국에너지기술연구원이 관측을 시작한 이래 현재 한국에너지기술연구원과 기상청에서 일사량 데이터를 제공하고 있다. 지상 관측소에 의한 일사량 측정은 높은 정확도의 관측값을 짧은 시간 간격으로 제공할 수 있는 장점이 있으나, 관측소가 존재하지 않는 지역에 대해서는 값을 취득할 수 없어 주변값들을 이용한 일사량의 추정에 의존해야 하는 단점이 있다.
위성자료를 이용하여 산출되는 일사량 데이터는 지상 관측 데이터와는 달리, 광역 공간에 대한 정보를 제공해줄 수 있으며 비접근 지역에 대한 정보도 제공해 줄 수 있다는 장점이 있다. 최근에는 위성영상을 활용하여 일사량을 추정하는 연구들이 국내외적으로 많이 진행되고 있다.
위성영상을 활용하여 일사량을 추정하는데 있어, 일사량 추정의 정확도 향상에 가장 큰 걸림돌은 구름의 검출과 구름의 이동 예측이다. 구름의 존재 여부에 따라 실제 수평면에 입사되는 일사량이 크게 변할 수 있기 때문이다.
따라서, 위성영상에서 구름의 검출 및 이동 예측의 정확도를 향상시킬 수 있는 방안이 요구된다.
본 발명의 배경이 되는 기술은 한국공개특허공보 제10-2008-0031702호(2008.04.10.공개)에 개시되어 있다.
실시 예는 위성영상을 통한 구름 이동 예측시 발생하는 구름의 쪼개짐 현상을 방지할 수 있는 구름 이동 예측 장치 및 그 방법을 제공한다.
실시 예는 위성영상을 이용한 구름의 이동 예측 정확도를 향상시킬 수 있는 구름 이동 예측 장치 및 그 방법을 제공한다.
실시 예에서 해결하고자 하는 과제는 이에 한정되는 것은 아니며, 아래에서 설명하는 과제의 해결수단이나 실시 형태로부터 파악될 수 있는 목적이나 효과도 포함된다고 할 것이다.
본 발명의 실시예에 따른 구름 이동 예측 장치는 복수의 위성영상을 입력받는 입력부, 제1 사이즈의 윈도우를 이용하여 상기 복수의 위성영상에서 제1 구름 영역을 검출하는 검출부, 상기 제1 구름 영역에 대한 제1 구름 이동 벡터를 산출하는 제1 산출부, 상기 복수의 위성영상에 대한 탐색 정보를 통해 동일한 구름 더미로 판단되는 제1 구름 영역을 클러스터링하여 제2 구름 영역을 설정하는 설정부, 상기 제2 구름 영역에 대한 제2 구름 이동 벡터를 산출하는 제2 산출부, 그리고 상기 제2 구름 이동 벡터에 기초하여 상기 제2 구름 영역에 포함된 구름의 이동을 예측하는 예측부를 포함한다.
상기 검출부는, 상기 제1 사이즈의 윈도우를 통해 상기 복수의 위성영상을 분할하고, 상기 제1 사이즈의 윈도우에 의해 분할된 분할 영역에 대한 픽셀 정보에 기초하여 상기 분할 영역에 구름 존재하는지를 판단하며, 구름이 존재한다고 판단된 상기 분할 영역을 상기 제1 구름 영역으로 검출할 수 있다.
상기 제1 산출부는, 상기 복수의 위성영상 사이에 서로 대응하는 상기 제1 구름 영역의 상관도를 산출하고, 상기 상관도가 가장 높은 지점에서의 변위와 상기 복수의 위성영상 사이의 촬영 시간 간격에 기초하여 제1 구름 이동 벡터를 산출할 수 있다.
상기 설정부는, 상기 탐색 정보에 포함된 청천지수(Clear Sky Index, CSI) 및 군집화 알고리즘을 통해 제1 구름 영역을 적어도 하나의 군집으로 분류하고, 상기 적어도 하나의 군집 각각을 서로 다른 제2 구름 영역으로 설정할 수 있다.
상기 설정부는, 상기 제2 구름 영역에 기초하여 상기 제1 사이즈보다 큰 제2 사이즈의 윈도우를 생성하고, 상기 제2 구름 영역에 대해 상기 제2 사이즈의 윈도우를 설정할 수 있다.
상기 제2 산출부는, 상기 제2 구름 영역에 포함된 상기 제1 구름 이동 벡터에 기초하여 상기 제2 사이즈의 윈도우가 설정된 상기 제2 구름 영역에 대한 상기 제2 구름 이동 벡터를 산출할 수 있다.
상기 제2 산출부는, 상기 제2 구름 영역의 기하중심을 산출하고, 상기 기하중심에 기초하여 상기 제2 구름 영역에 대한 회전 속도를 산출할 수 있다.
상기 예측부는, 상기 회전 속도 및 상기 제2 구름 이동 벡터에 기초하여 상기 제2 사이즈의 윈도우의 움직임을 추론하고, 상기 제2 사이즈의 윈도우의 움직임에 통해 상기 제2 구름 영역의 이동을 예측할 수 있다.
본 발명의 실시예에 따른 구름 이동 예측 방법은 복수의 위성영상을 입력받는 단계, 제1 사이즈의 윈도우를 이용하여 상기 복수의 위성영상에서 제1 구름 영역을 검출하는 단계, 상기 제1 구름 영역에 대한 제1 구름 이동 벡터를 산출하는 단계, 상기 복수의 위성영상에 대한 탐색 정보를 통해 동일한 구름 더미로 판단되는 제1 구름 영역을 클러스터링하여 제2 구름 영역을 설정하는 단계, 상기 제2 구름 영역에 대한 제2 구름 이동 벡터를 산출하는 단계, 그리고 상기 제2 구름 이동 벡터에 기초하여 상기 제2 구름 영역에 포함된 구름의 이동을 예측하는 단계를 포함할 수 있다.
상기 검출하는 단계는, 상기 제1 사이즈의 윈도우를 통해 상기 복수의 위성영상을 분할하는 단계, 상기 제1 사이즈의 윈도우에 의해 분할된 분할 영역에 대한 픽셀 정보에 기초하여 상기 분할 영역에 구름 존재하는지를 판단하는 단계, 그리고 구름이 존재한다고 판단된 상기 분할 영역을 상기 제1 구름 영역으로 검출하는 단계를 포함할 수 있다.
상기 제1 구름 이동 벡터를 산출하는 단계는, 상기 복수의 위성영상 사이에 서로 대응하는 상기 제1 구름 영역의 상관도를 산출하고, 상기 상관도가 가장 높은 지점에서의 변위와 상기 복수의 위성영상 사이의 촬영 시간 간격에 기초하여 제1 구름 이동 벡터를 산출할 수 있다.
상기 설정하는 단계는, 상기 탐색 정보에 포함된 청천지수(Clear Sky Index, CSI) 및 군집화 알고리즘을 통해 제1 구름 영역을 적어도 하나의 군집으로 분류하고, 상기 적어도 하나의 군집 각각을 서로 다른 제2 구름 영역으로 설정할 수 있다.
상기 설정하는 단계는, 상기 제2 구름 영역에 기초하여 상기 제1 사이즈보다 큰 제2 사이즈의 윈도우를 생성하는 단계, 그리고 상기 제2 구름 영역에 대해 상기 제2 사이즈의 윈도우를 설정하는 단계를 포함할 수 있다.
상기 제2 구름 이동 벡터를 산출하는 단계는, 상기 제2 구름 영역에 포함된 상기 제1 구름 이동 벡터에 기초하여 상기 제2 사이즈의 윈도우가 설정된 상기 제2 구름 영역에 대한 상기 제2 구름 이동 벡터를 산출할 수 있다.
상기 제2 구름 이동 벡터를 산출하는 단계는, 상기 제2 구름 영역의 기하중심을 산출하는 단계, 그리고 상기 기하중심에 기초하여 상기 제2 구름 영역에 대한 회전 속도를 산출하는 단계를 포함할 수 있다.
상기 예측하는 단계는, 상기 회전 속도 및 상기 제2 구름 이동 벡터에 기초하여 상기 제2 사이즈의 윈도우의 움직임을 추론하고, 상기 제2 사이즈의 윈도우의 움직임에 통해 상기 제2 구름 영역의 이동을 예측할 수 있다.
상기 어느 하나의 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체일 수 있다.
실시 예에 따르면, 구름 이동 예측의 정확도를 향상시킬 수 있다.
또한, 구름의 이동 예측 시 구름이 쪼개지는 현상을 방지할 수 있다.
본 발명의 다양하면서도 유익한 장점과 효과는 상술한 내용에 한정되지 않으며, 본 발명의 구체적인 실시형태를 설명하는 과정에서 보다 쉽게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 구름 이동 예측 장치의 구성도이다.
도 2는 본 발명의 실시예에 따른 구름 이동 예측 방법의 순서도이다.
도 3은 본 발명의 실시예에 따른 제1 구름 영역을 검출하는 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 제1 구름 이동 벡터를 산출하는 과정을 설명하기 위한 도면이다.
도 5는 도 2의 S240 단계를 상세하게 나타낸 순서도이다.
도 6은 본 발명의 실시예에 따른 제2 구름 영역을 설정하는 과정을 설명하기 위한 도면이다.
도 7은 본 발명의 실시예에 따른 제2 사이즈의 윈도우를 적용하는 과정을 설정하기 위한 도면이다.
도 8은 본 발명의 실시예에 따른 제2 구름 이동 벡터를 산출하는 과정을 설명하기 위한 도면이다.
도 9는 본 발명의 실시예에 따른 구름의 이동을 예측하는 과정을 설명하기 위한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제2, 제1 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 대응하는 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 실시예에 따른 구름 이동 예측 장치의 구성도이다.
도 1을 참조하면, 본 발명의 실시에에 따른 구름 이동 예측 장치(100)는 입력부(110), 검출부(120), 제1 산출부(130), 설정부(140), 제2 산출부(150) 및 예측부(160)를 포함할 수 있다.
입력부(110)는 복수의 위성영상을 입력받는다.
여기서, 위성영상은 인공위성에 탑재된 감지기에 의해 기록된 영상일 수 있다. 인공위성은 서로 다른 파장에서 동작하는 복수의 채널을 통해 위성영상을 촬영할 수 있다. 따라서, 위성영상은 채널에 따라 적외영상, 수증기영상, 단파적외영상, 가시영상 등 다양한 형태의 영상을 포함할 수 있다.
복수의 위성영상은 제1 위성영상 및 제2 위성영상을 포함할 수 있다. 제1 위성영상 및 제2 위성영상은 소정의 시간 간격으로 촬영된 영상일 수 있다. 소정의 시간 간격은 인공위성의 규격에 기초하거나 사용자 등에 의해 임의로 설정될 수 있다. 예를 들어, 소정의 시간 간격은 15분이나 30분 간격일 수 있다. 제2 위성영상은 제1 위성영상보다 늦게 촬영된 영상일 수 있다. 예를 들어, 제1 위성영상이 9:00에 촬영된 영상이면, 제2 위성영상은 소정의 시간 간격 후인 9:15에 촬영된 영상일 수 있다.
검출부(120)는 제1 사이즈의 윈도우를 이용하여 복수의 위성영상에서 제1 구름 영역을 검출한다.
구체적으로, 검출부(120)는 제1 사이즈의 윈도우를 통해 복수의 위성영상을 분할한 후, 제1 사이즈의 윈도우에 의해 분할된 분할 영역에 대한 픽셀 정보에 기초하여 분할 영역에 구름 존재하는지를 판단할 수 있다. 그리고 검출부(120)는 구름이 존재한다고 판단된 분할 영역을 제1 구름 영역으로 검출할 수 있다. 픽셀 정보는 복수의 위성영상에 포함되거나, 위성영상에 포함된 정보에 기초하여 검출부(120)에 의해 계산될 수도 있다.
제1 산출부(130)는 제1 구름 영역에 대한 제1 구름 이동 벡터를 산출한다.
구체적으로, 제1 산출부(130)는 복수의 위성영상 사이에 서로 대응하는 제1 구름 영역의 상관도를 산출하고, 상관도가 가장 높은 지점에서의 변위와 복수의 영상 사이의 촬영 시간 간격에 기초하여 제1 구름 이동 벡터를 산출할 수 있다.
설정부(140)는 복수의 위성영상에 대한 탐색 정보를 통해 동일한 구름 더미로 판단되는 제1 구름 영역을 클러스터링하여 제2 구름 영역을 설정한다.
구체적으로, 설정부(140)는 탐색 정보에 포함된 청천지수(Clear Sky Index, CSI) 및 군집화 알고리즘을 통해 제1 구름 영역을 적어도 하나의 군집으로 분류하고, 적어도 하나의 군집 각각을 서로 다른 제2 구름 영역으로 설정할 수 있다. 여기서, 군집화 알고리즘은 k-평균 군집화 알고리즘(k-means clustering algorithm) 및 계층화 클러스터링 알고리즘(Hierarchical Clustering algorithm)을 포함할 수 있다.
또한, 설정부(140)는 제2 구름 영역에 기초하여 제1 사이즈보다 큰 제2 사이즈의 윈도우를 생성하고, 제2 구름 영역에 대해 제2 사이즈의 윈도우를 설정할 수 있다.
제2 산출부(150)는 제2 구름 영역에 대한 제2 구름 이동 벡터를 산출한다.
제2 산출부(150)는 제2 구름 영역에 포함된 제1 구름 이동 벡터에 기초하여 제2 사이즈의 윈도우가 설정된 제2 구름 영역에 대한 제2 구름 이동 벡터를 산출할 수 있다.
또한, 제2 산출부(150)는 제2 구름 영역의 기하중심을 산출하고, 기하중심에 기초하여 제2 구름 영역에 대한 회전 속도를 산출할 수 있다.
예측부(160)는 제2 구름 이동 벡터에 기초하여 제2 구름 영역에 포함된 구름의 이동을 예측한다.
예측부(160)는 회전 속도 및 제2 구름 이동 벡터에 기초하여 제2 사이즈의 윈도우의 움직임을 추론하고, 제2 사이즈의 윈도우의 움직임에 통해 제2 구름 영역의 이동을 예측할 수 있다.
본 발명의 실시예에 따른 구름 이동 예측 장치(100)는 서버(server)나 퍼스널 컴퓨터(persnol computer)와 같은 연산구성(예를 들어, 중앙처리장치(Central Processing Unit) 등)를 포함하는 장치를 통해 구현될 수 있다.
이하에서는, 본 발명의 실시예에 따른 구름 이동 예측 장치(100)를 이용한 구름 이동 예측 방법에 대해 살펴보도록 한다.
도 2는 본 발명의 실시예에 따른 구름 이동 예측 방법의 순서도이다.
입력부(110)는 복수의 위성영상을 입력받는다(S210).
검출부(120)는 제1 사이즈의 윈도우를 이용하여 복수의 위성영상에서 제1 구름 영역을 검출한다(S220).
구체적으로, 검출부(120)는 제1 사이즈의 윈도우를 통해 복수의 위성영상을 분할한 후, 제1 사이즈의 윈도우에 의해 분할된 분할 영역에 대한 픽셀 정보에 기초하여 분할 영역에 구름 존재하는지를 판단할 수 있다. 그리고 검출부(120)는 구름이 존재한다고 판단된 분할 영역을 제1 구름 영역으로 검출할 수 있다. 픽셀 정보는 복수의 위성영상에 포함되거나, 위성영상에 포함된 정보에 기초하여 검출부(120)에 의해 계산될 수도 있다.
제1 산출부(130)는 제1 구름 영역에 대한 제1 구름 이동 벡터를 산출한다(S230).
구체적으로, 제1 산출부(130)는 복수의 위성영상 사이에 서로 대응하는 제1 구름 영역의 상관도를 산출하고, 상관도가 가장 높은 지점에서의 변위와 복수의 영상 사이의 촬영 시간 간격에 기초하여 제1 구름 이동 벡터를 산출할 수 있다.
설정부(140)는 복수의 위성영상에 대한 탐색 정보를 통해 동일한 구름 더미로 판단되는 제1 구름 영역을 클러스터링하여 제2 구름 영역을 설정한다(S240).
구체적으로, 설정부(140)는 탐색 정보에 포함된 청천지수(Clear Sky Index, CSI) 및 군집화 알고리즘을 통해 제1 구름 영역을 적어도 하나의 군집으로 분류하고, 적어도 하나의 군집 각각을 서로 다른 제2 구름 영역으로 설정할 수 있다.
또한, 설정부(140)는 제2 구름 영역에 기초하여 제1 사이즈보다 큰 제2 사이즈의 윈도우를 생성하고, 제2 구름 영역에 대해 제2 사이즈의 윈도우를 설정할 수 있다.
제2 산출부(150)는 제2 구름 영역에 대한 제2 구름 이동 벡터를 산출한다(S250).
제2 산출부(150)는 제2 구름 영역에 포함된 제1 구름 이동 벡터에 기초하여 제2 사이즈의 윈도우가 설정된 제2 구름 영역에 대한 제2 구름 이동 벡터를 산출할 수 있다.
또한, 제2 산출부(150)는 제2 구름 영역의 기하중심을 산출하고, 기하중심에 기초하여 제2 구름 영역에 대한 회전 속도를 산출할 수 있다.
예측부(160)는 제2 구름 이동 벡터에 기초하여 제2 구름 영역에 포함된 구름의 이동을 예측한다(S260).
예측부(160)는 회전 속도 및 제2 구름 이동 벡터에 기초하여 제2 사이즈의 윈도우의 움직임을 추론하고, 제2 사이즈의 윈도우의 움직임에 통해 제2 구름 영역의 이동을 예측할 수 있다.
도 3은 본 발명의 실시예에 따른 제1 구름 영역을 검출하는 과정을 설명하기 위한 도면이다.
본 발명의 실시예에 따르면, 검출부(120)는 제1 사이즈의 윈도우를 이용하여 복수의 위성영상에서 제1 구름 영역을 검출할 수 있다.
구체적으로, 검출부(120)는 제1 사이즈의 윈도우로 복수의 위성영상을 분할할 수 있다. 따라서, 복수의 위성영상은 도 3에 도시된 것처럼 일정한 간격의 격자 형태로 영역이 분할될 수 있다. 윈도우의 크기인 제1 사이즈는 이미지의 해상도 등을 고려하여 당업자에 의해 설계변경이 가능하다. 예를 들어, 윈도우의 크기는 8x8 내지 32x32 픽셀 등의 사이즈로 설정될 수 있다.
여기서, 복수의 위성영상 각각에는 동일한 제1 사이즈의 윈도우가 적용될 수 있다. 예를 들어, 복수의 위성영상에 포함된 제1 위성영상과 제2 위성영상에는 동일한 제1 사이즈의 윈도우가 적용될 수 있다. 따라서, 제1 위성영상과 제2 위성영상에서 윈도우에 의해 분할되는 영역은 서로 동일할 수 있다.
제1 사이즈의 윈도우로 복수의 위성영상을 분할한 후, 검출부(120)는 제1 사이즈의 윈도우에 의해 분할된 위성영상의 각 분할 영역에 대해 구름의 존부를 판단할 수 있다.
구체적으로, 검출부(120)는 분할 영역에 대한 픽셀 정보에 기초하여 분할 영역에 구름 존재하는지를 판단할 수 있다. 이때, 픽셀 정보는 밝기값, 반사도, 청천지수 등을 포함할 수 있다.
일 실시예로, 검출부(120)는 분할 영역에 포함된 각 픽셀의 분석을 통해 분할 영역에 구름이 존재하는지를 판단할 수 있다. 예를 들어, 제1 사이즈가 8x8 픽셀 크기인 경우, 분할 영역 각각에는 64개의 픽셀이 포함되어 있을 수 있으며, 64개 픽셀 각각은 청천지수를 가질 수 있다. 검출부(120)는 64개 픽셀의 청천지수와 기 설정된 임계치를 비교한 후, 임계치보다 낮은 청천지수를 가진 픽셀의 개수를 검출할 수 있다. 그리고, 검출부(120)는 검출된 픽셀의 개수가 50%이상인 경우 해당 분할 영역에 구름이 존재한다고 판단할 수 있다. 그렇지 않은 경우, 해당 분할 영역은 미검출 영역으로 판단될 수 있다. 청천지수를 일례로 설명하였으나, 빛의 반사도나 픽셀의 밝기값 등을 이용할 수도 있고, 이들의 조합을 이용할 수도 있다. 임계치나 구름 존부 판단에 이용되는 픽셀의 기준 개수 등은 픽셀 정보의 종류 등을 고려하여 당업자에 의해 설계변경이 가능하다.
다른 실시예로, 검출부(120)는 분할 영역에 포함된 각 픽셀의 픽셀 정보 평균값을 통해 분할 영역에 구름이 존재하는지를 판단할 수 있다. 예를 들어, 검출부(120)는 각 분할 영역에 대한 청천지수(Clear Sky Index, CSI)와 기 설정한 임계치를 비교하여 구름의 존부를 검출할 수 있다. 검출부(120)는 해당 영역에 대한 청천지수가 기 설정된 임계치보다 작으면 해당 분할 영역에서 구름이 검출된 것으로 판단할 수 있다. 다른 예로, 검출부(120)는 가시영상에서 해당 분할 영역의 평균 밝기 값이 임계치 이상이면 해당 분할 영역에서 구름이 검출된 것으로 판단할 수 있다. 다른 예로, 검출부(120)는 가시영상에서 해당 분할 영역의 평균 밝기 값과 적외영상에서 해당 분할 영역의 평균 밝기 값의 차이값이 임계치 이상이면 해당 분할 영역에서 구름이 검출된 것으로 판단할 수 있다.
도 3에 도시된 것처럼, 검출부(120)는 구름의 존부 판단 후 구름이 존재한다고 판단된 해당 분할 영역을 제1 구름 영역으로 검출할 수 있다.
도 4는 본 발명의 실시예에 따른 제1 구름 이동 벡터를 산출하는 과정을 설명하기 위한 도면이다.
제1 산출부(130)는 복수의 위성영상 사이에서 서로 대응하는 제1 구름 영역을 비교하여 제1 구름 영역에 대한 제1 구름 이동 벡터를 산출할 수 있다.
도 4를 참조하면, 제1 산출부(130)는 제1 위성영상의 제1 구름 영역과 이에 대응하는 제2 위성영상의 제1 구름 영역을 비교하여 해당 제1 구름 영역에 대한 제1 구름 이동 벡터를 산출할 수 있다.
일 실시예에 따르면, 제1 산출부(130)는 복수의 위성영상 사이에 서로 대응하는 제1 구름 영역의 상관도를 산출하고, 상관도가 가장 높은 지점에서의 변위와 복수의 영상 사이의 촬영 시간 간격에 기초하여 제1 구름 이동 벡터를 산출할 수 있다. 이때, 상관도는 다양한 방식으로 산출될 수 있다. 예를 들어, 제1 산출부(130)는 제1 구름 영역 내에 복수의 표적 입자를 선택하고, x축 및 y축을 따라 제1 구름 영역을 이동시키면서 표적 입자의 일치 정도에 따른 상관도를 산출할 수 있다. 표적 입자는 적어도 하나의 픽셀일 수 있으며, 표적 입자는 픽셀의 청천지수와 임계치의 비교를 통해 선택될 수 있다.
다른 일 실시예에 따르면, 제1 산출부(130)는 제1 구름 영역 내 구름 형상의 경계를 추출한 후 경계의 변위를 산출하거나, 특징점을 추출한 후 특징점의 변위를 산출하여 제1 구름 이동 벡터를 산출할 수도 있다.
도 5는 도 2의 S240 단계를 상세하게 나타낸 순서도이다.
우선, 설정부(140)는 제2 구름 영역을 설정할 수 있다(S241).
다음으로, 설정부(140)는 제2 구름 영역에 기초하여 제1 사이즈보다 큰 제2 사이즈의 윈도우를 생성할 수 있다(S242).
그리고, 설정부(140)는 제2 구름 영역에 대해 제2 사이즈의 윈도우를 설정할 수 있다(S243).
각 단계에 대한 상세한 설명은 아래에서 도면을 통해 상세하게 살펴보도록 한다.
도 6은 본 발명의 실시예에 따른 제2 구름 영역을 설정하는 과정을 설명하기 위한 도면이다.
본 발명의 실시예에 따르면, 설정부(140)는 탐색 정보에 포함된 청천지수(Clear Sky Index, CSI) 및 군집화 알고리즘을 통해 제1 구름 영역을 적어도 하나의 군집으로 분류할 수 있다.
우선, 설정부(140)는 제1 구름 영역에 대응하는 청천지수를 산출할 수 있다. 설정부(140)는 제1 구름 영역에 대응하는 청천지수를 픽셀의 평균값이나 중간값을 이용하여 산출할 수 있다. 예를 들어, 제1 구름 영역의 크기, 즉, 제1 사이즈의 윈도우가 32x32 픽셀 크기라고 가정한다. 그러면, 32x32 픽셀의 청천지수 평균값이나 중간값을 제1 구름 영역에 대한 청천지수로 검출할 수 있다. 설정부(140)는, 제1 구름 영역에 포함된 픽셀 중 일부 픽셀의 청천지수를 이용하여 평균값이나 중간값을 산출할 수 있다. 예를 들어, 설정부(140)는 소정의 임계치보다 작은 값을 청천지수로 가지는 픽셀만을 이용하여 제1 구름 영역에 대한 청천지수를 검출할 수 있다. 이를 위해, 설정부(140)가 제1 구름 영역에 대한 청천지수 검출에 이용되는 픽셀을 필터링하기 위한 단계를 더 포함할 수 있다.
그러면, 설정부(140)는 제1 구름 영역에 대한 청천지수와 군집화 알고리즘을 통해 제1 구름 영역을 군집화, 즉 클러스터링하여 제2 구름 영역을 설정할 수 있다.
예를 들어, 도 5에 도시된 것처럼, 복수의 위성영상에서 제1 구름 영역(C1), 제1 구름 영역(C2) 및 제1 구름 영역(C3)이 검출되었으며, 제1 구름 영역(C1), 제1 구름 영역(C2) 및 제1 구름 영역(C3)에 각각 대응하여 탐색 정보인 청천지수를 검출되었다고 가정한다. 그러면, 설정부(140)는 제1 구름 영역(C1), 제1 구름 영역(C2) 및 제1 구름 영역(C3)에 각각 대응하는 청천지수를 군집화 알고리즘에 적용하여 제1 구름 영역(C1), 제1 구름 영역(C2) 및 제1 구름 영역(C3)을 유사도에 따라 분류할 수 있다. 군집화 알고리즘의 실행 결과, 제1 구름 영역(C1)과 제1 구름 영역(C2)이 동일한 군집으로 분류되고, 제1 구름 영역(C3)이 제1 구름 영역(C1) 및 제1 구름 영역(C2)과 다른 군집으로 분류되면, 제1 구름 영역(C1)과 제1 구름 영역(C2)을 첫번째 제2 구름 영역으로 설정하고, 제1 구름 영역(C3)을 두번째 제2 구름 영역으로 설정할 수 있다.
도 7은 본 발명의 실시예에 따른 제2 사이즈의 윈도우를 적용하는 과정을 설정하기 위한 도면이다.
도 7에 도시된 것처럼, 28개의 제1 구름 영역이 동일한 군집으로 클러스터링되어 하나의 제2 구름 영역으로 설정되었다고 가정한다. 그리고, 제1 산출부(130)는 28개의 제1 구름 영역에 각각에 대해 제1 구름 이동 벡터를 산출하였다고 가정한다.
설정부(140)는 하나의 군집으로 클러스터링 된 모든 제1 구름 영역이 포함될 수 있는 제2 사이즈의 윈도우를 생성할 수 있다. 이때, 제2 사이즈의 윈도우는 하나의 군집으로 클러스터링 된 모든 제1 구름 영역을 포함할 수 있는 최적의 크기일 수 있다. 예를 들어, 도 7에서는, 하나의 군집으로 클러스터링된 모든 제1 구름 영역이 포함될 수 있는 최적의 제2 사이즈는 가로와 세로에 각각 7개 및 5개의 제1 구름 영역이 포함될 수 있는 크기(도 7에서 점선으로 표기된 부분의 크기)일 수 있다. 이 경우, 제1 사이즈가 32x32 픽셀의 크기라면, 제2 사이즈는 224x160 픽셀의 크기일 수 있다.
그리고, 설정부(140)는 제2 사이즈의 윈도우를 제2 구름 영역에 대해 설정할 수 있다. 도 7을 참조하면, 설정부(140)는 제2 구름 영역을 모두 포함하도록 생성된 제2 사이즈의 윈도우를 대응하는 제2 구름 영역에 대해 설정할 수 있다.
한편, 제2 사이즈의 윈도우는 제2 구름 영역별로 다르게 생성되어 설정될 수 있다. 즉, 복수의 제2 구름 영역이 설정되는 경우, 복수의 제2 구름 영역 각각에 대한 제2 사이즈의 윈도우가 생성되어 설정될 수 있다.
도 8은 본 발명의 실시예에 따른 제2 구름 이동 벡터를 산출하는 과정을 설명하기 위한 도면이다.
도 7에서와 같이, 제2 구름 영역에 대해 제2 사이즈의 윈도우가 설정되면, 제2 산출부(150)는 도 8에 도시된 것처럼, 제2 사이즈의 윈도우가 설정된 제2 구름 영역에 대한 제2 구름 이동 벡터를 산출할 수 있다.
제2 산출부(150)는 제2 사이즈의 윈도우가 설정된 제2 구름 영역에 포함되어 있는 제1 구름 이동 벡터를 통해 제2 구름 이동 벡터를 산출할 수 있다. 실시예에 따르면, 제2 산출부(150)는 제2 구름 영역에 포함된 제1 구름 이동 벡터의 합산값이나 평균값을 통해 제2 구름 이동 벡터를 산출할 수 있다.
도 8을 예시로 살펴보면, 제2 산출부(150)는 28개의 제1 구름 이동 벡터의 합산값이나 평균값을 통해 하나의 제2 구름 이동 벡터를 산출할 수 있다. 제2 사이즈의 윈도우 내에 포함된 분할 영역(제1 사이즈의 윈도우에 의해 분할된 영역)은 총 35개이나 이중 7개의 분할 영역에서는 제1 구름 이동 벡터가 생성되지 않았으므로, 해당 분할 영역들은 제2 구름 이동 벡터의 산출에 이용되지 않을 수 있다.
도 9는 본 발명의 실시예에 따른 구름의 이동을 예측하는 과정을 설명하기 위한 도면이다.
도 9에 도시된 것처럼, 예측부(160)는 제2 구름 이동 벡터에 기초하여 제2 구름 영역에 포함된 구름의 이동을 예측할 수 있다. 구체적으로, 예측부(160)는 제2 구름 영역에 적용된 제2 사이즈의 윈도우의 움직임을 제2 구름 이동 벡터를 통해 추론하고, 추론 결과를 통해 제2 구름 영역의 이동을 예측할 수 있다. 즉, 하나의 구름으로 판단된 구름 전체가 하나의 제2 구름 이동 벡터에 의해 어떠한 경로로 움직일 것인지를 예측하게 된다.
만약, 제1 구름 이동 벡터를 각각의 제1 구름 영역에 대해 적용하여 구름의 이동을 예측하는 경우, 실제로 같은 구름 조각임에도 불구하고 벡터의 산출 과정에서의 오류나 위성영상의 촬영오류와 같은 노이즈 현상에 의해 각 영역이 쪼개져 움직이는 현상이 발생할 수 있다. 하지만, 본 발명의 실시예에 따르면, 하나의 구름 덩어리에 하나의 벡터를 적용하므로 구름 이동 예측 시 하나의 구름 덩어리가 시간이 경과함에 따라 쪼개지는 현상을 방지할 수 있다.
본 발명의 실시예에 따르면, 예측부(160)는 제2 구름 영역에 대한 회전 속도를 더 고려하여 제2 구름 영역의 이동을 예측할 수 있다. 구체적으로, 예측부(160)는 회전 속도 및 제2 구름 이동 벡터에 기초하여 제2 사이즈의 윈도우의 움직임을 추론하고, 제2 사이즈의 윈도우의 움직임에 통해 제2 구름 영역의 이동을 예측할 수 있다.
여기서, 제2 구름 영역에 대한 회전 속도는 제2 산출부(150)에 의해 산출될 수 있다. 예를 들어, 제2 산출부(150)는 제1 위성영상의 제2 구름 영역과 대응하는 제1 위성영상의 제2 구름 영역의 기하 중심을 산출하고, 제2 구름 영역 내 구름의 형상(에지)이나 특징점을 검출할 수 있다. 그리고, 제2 산출부(150)는 제1 위성영상의 제2 구름 영역과 대응하는 제1 위성영상의 제2 구름 영역의 기하 중심과 형상이나 특징점을 매칭함으로써 기하중심에 대한 제2 구름 영역의 회전 속도를 산출할 수 있다.
한편, 상술한 구름이동벡터 산출 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램(코드)로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
본 실시예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이상에서 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 구름 이동 예측 장치
110 : 입력부
120 : 검출부
130 : 제1 산출부
140 : 설정부
150 : 제2 산출부
160 : 예측부

Claims (17)

  1. 복수의 위성영상을 입력받는 입력부,
    제1 사이즈의 윈도우를 이용하여 상기 복수의 위성영상에서 제1 구름 영역을 검출하는 검출부,
    상기 제1 구름 영역에 대한 제1 구름 이동 벡터를 산출하는 제1 산출부,
    상기 복수의 위성영상에 대한 탐색 정보를 통해 동일한 구름 더미로 판단되는 제1 구름 영역을 클러스터링하여 제2 구름 영역을 설정하는 설정부,
    상기 제2 구름 영역에 대한 제2 구름 이동 벡터를 산출하는 제2 산출부, 그리고
    상기 제2 구름 이동 벡터에 기초하여 상기 제2 구름 영역에 포함된 구름의 이동을 예측하는 예측부를 포함하는 구름 이동 예측 장치.
  2. 제1항에 있어서,
    상기 검출부는,
    상기 제1 사이즈의 윈도우를 통해 상기 복수의 위성영상을 분할하고,
    상기 제1 사이즈의 윈도우에 의해 분할된 분할 영역에 대한 픽셀 정보에 기초하여 상기 분할 영역에 구름 존재하는지를 판단하며,
    구름이 존재한다고 판단된 상기 분할 영역을 상기 제1 구름 영역으로 검출하는 구름 이동 예측 장치.
  3. 제2항에 있어서,
    상기 제1 산출부는,
    상기 복수의 위성영상 사이에 서로 대응하는 상기 제1 구름 영역의 상관도를 산출하고, 상기 상관도가 가장 높은 지점에서의 변위와 상기 복수의 위성영상 사이의 촬영 시간 간격에 기초하여 제1 구름 이동 벡터를 산출하는 구름 이동 예측 장치.
  4. 제1항에 있어서,
    상기 설정부는,
    상기 탐색 정보에 포함된 청천지수(Clear Sky Index, CSI) 및 군집화 알고리즘을 통해 제1 구름 영역을 적어도 하나의 군집으로 분류하고, 상기 적어도 하나의 군집 각각을 서로 다른 제2 구름 영역으로 설정하는 구름 이동 예측 장치.
  5. 제1항에 있어서,
    상기 설정부는,
    상기 제2 구름 영역에 기초하여 상기 제1 사이즈보다 큰 제2 사이즈의 윈도우를 생성하고,
    상기 제2 구름 영역에 대해 상기 제2 사이즈의 윈도우를 설정하는 구름 이동 예측 장치.
  6. 제5항에 있어서,
    상기 제2 산출부는,
    상기 제2 구름 영역에 포함된 상기 제1 구름 이동 벡터에 기초하여 상기 제2 사이즈의 윈도우가 설정된 상기 제2 구름 영역에 대한 상기 제2 구름 이동 벡터를 산출하는 구름 이동 예측 장치.
  7. 제6항에 있어서,
    상기 제2 산출부는,
    상기 제2 구름 영역의 기하중심을 산출하고,
    상기 기하중심에 기초하여 상기 제2 구름 영역에 대한 회전 속도를 산출하는 구름 이동 예측 장치.
  8. 제7항에 있어서,
    상기 예측부는,
    상기 회전 속도 및 상기 제2 구름 이동 벡터에 기초하여 상기 제2 사이즈의 윈도우의 움직임을 추론하고, 상기 제2 사이즈의 윈도우의 움직임에 통해 상기 제2 구름 영역의 이동을 예측하는 구름 이동 예측 장치.
  9. 복수의 위성영상을 입력받는 단계,
    제1 사이즈의 윈도우를 이용하여 상기 복수의 위성영상에서 제1 구름 영역을 검출하는 단계,
    상기 제1 구름 영역에 대한 제1 구름 이동 벡터를 산출하는 단계,
    상기 복수의 위성영상에 대한 탐색 정보를 통해 동일한 구름 더미로 판단되는 제1 구름 영역을 클러스터링하여 제2 구름 영역을 설정하는 단계,
    상기 제2 구름 영역에 대한 제2 구름 이동 벡터를 산출하는 단계, 그리고
    상기 제2 구름 이동 벡터에 기초하여 상기 제2 구름 영역에 포함된 구름의 이동을 예측하는 단계를 포함하는 구름 이동 예측 방법.
  10. 제9항에 있어서,
    상기 검출하는 단계는,
    상기 제1 사이즈의 윈도우를 통해 상기 복수의 위성영상을 분할하는 단계,
    상기 제1 사이즈의 윈도우에 의해 분할된 분할 영역에 대한 픽셀 정보에 기초하여 상기 분할 영역에 구름 존재하는지를 판단하는 단계, 그리고
    구름이 존재한다고 판단된 상기 분할 영역을 상기 제1 구름 영역으로 검출하는 단계를 포함하는 구름 이동 예측 방법.
  11. ◈청구항 11은(는) 설정등록료 납부시 포기되었습니다.◈
    제10항에 있어서,
    상기 제1 구름 이동 벡터를 산출하는 단계는,
    상기 복수의 위성영상 사이에 서로 대응하는 상기 제1 구름 영역의 상관도를 산출하고, 상기 상관도가 가장 높은 지점에서의 변위와 상기 복수의 위성영상 사이의 촬영 시간 간격에 기초하여 제1 구름 이동 벡터를 산출하는 구름 이동 예측 방법.
  12. ◈청구항 12은(는) 설정등록료 납부시 포기되었습니다.◈
    제9항에 있어서,
    상기 설정하는 단계는,
    상기 탐색 정보에 포함된 청천지수(Clear Sky Index, CSI) 및 군집화 알고리즘을 통해 제1 구름 영역을 적어도 하나의 군집으로 분류하고, 상기 적어도 하나의 군집 각각을 서로 다른 제2 구름 영역으로 설정하는 구름 이동 예측 방법.
  13. ◈청구항 13은(는) 설정등록료 납부시 포기되었습니다.◈
    제9항에 있어서,
    상기 설정하는 단계는,
    상기 제2 구름 영역에 기초하여 상기 제1 사이즈보다 큰 제2 사이즈의 윈도우를 생성하는 단계, 그리고
    상기 제2 구름 영역에 대해 상기 제2 사이즈의 윈도우를 설정하는 단계를 포함하는 구름 이동 예측 방법.
  14. ◈청구항 14은(는) 설정등록료 납부시 포기되었습니다.◈
    제13항에 있어서,
    상기 제2 구름 이동 벡터를 산출하는 단계는,
    상기 제2 구름 영역에 포함된 상기 제1 구름 이동 벡터에 기초하여 상기 제2 사이즈의 윈도우가 설정된 상기 제2 구름 영역에 대한 상기 제2 구름 이동 벡터를 산출하는 구름 이동 예측 방법.
  15. ◈청구항 15은(는) 설정등록료 납부시 포기되었습니다.◈
    제14항에 있어서,
    상기 제2 구름 이동 벡터를 산출하는 단계는,
    상기 제2 구름 영역의 기하중심을 산출하는 단계, 그리고
    상기 기하중심에 기초하여 상기 제2 구름 영역에 대한 회전 속도를 산출하는 단계를 포함하는 구름 이동 예측 방법.
  16. ◈청구항 16은(는) 설정등록료 납부시 포기되었습니다.◈
    제15항에 있어서,
    상기 예측하는 단계는,
    상기 회전 속도 및 상기 제2 구름 이동 벡터에 기초하여 상기 제2 사이즈의 윈도우의 움직임을 추론하고, 상기 제2 사이즈의 윈도우의 움직임에 통해 상기 제2 구름 영역의 이동을 예측하는 구름 이동 예측 방법.
  17. 삭제
KR1020190114235A 2019-09-17 2019-09-17 구름 이동 예측 장치 및 그 방법 KR102285686B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190114235A KR102285686B1 (ko) 2019-09-17 2019-09-17 구름 이동 예측 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190114235A KR102285686B1 (ko) 2019-09-17 2019-09-17 구름 이동 예측 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20210032787A KR20210032787A (ko) 2021-03-25
KR102285686B1 true KR102285686B1 (ko) 2021-08-05

Family

ID=75222739

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190114235A KR102285686B1 (ko) 2019-09-17 2019-09-17 구름 이동 예측 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102285686B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010032383A (ja) 2008-07-29 2010-02-12 Fujitsu Ltd 予報装置、その方法及びプログラム
US20130258068A1 (en) 2012-03-30 2013-10-03 General Electric Company Methods and Systems for Predicting Cloud Movement
JP2013250129A (ja) 2012-05-31 2013-12-12 Hitachi Ltd 日射量予測システムおよびプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101881784B1 (ko) * 2017-01-12 2018-07-25 경북대학교 산학협력단 예측장 생성방법, 이를 수행하기 위한 기록매체 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010032383A (ja) 2008-07-29 2010-02-12 Fujitsu Ltd 予報装置、その方法及びプログラム
US20130258068A1 (en) 2012-03-30 2013-10-03 General Electric Company Methods and Systems for Predicting Cloud Movement
JP2013250129A (ja) 2012-05-31 2013-12-12 Hitachi Ltd 日射量予測システムおよびプログラム

Also Published As

Publication number Publication date
KR20210032787A (ko) 2021-03-25

Similar Documents

Publication Publication Date Title
He et al. Infrared target tracking via weighted correlation filter
Ramya et al. A modified frame difference method using correlation coefficient for background subtraction
KR102272369B1 (ko) 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법
Yadav et al. A combined approach of Kullback–Leibler divergence and background subtraction for moving object detection in thermal video
Biswas et al. Abnormality detection in crowd videos by tracking sparse components
WO2009152509A1 (en) Method and system for crowd segmentation
Sun et al. Short term cloud coverage prediction using ground based all sky imager
Hu et al. An infrared target intrusion detection method based on feature fusion and enhancement
Dong et al. Moving vehicle tracking based on improved tracking–learning–detection algorithm
Hu et al. Selective eigenbackgrounds method for background subtraction in crowed scenes
Hua et al. Detection of collapsed buildings with the aerial images captured from UAV
Sugandi et al. Tracking of moving objects by using a low resolution image
Saif et al. Moment features based violence action detection using optical flow
KR102285686B1 (ko) 구름 이동 예측 장치 및 그 방법
Wang et al. Anchor free network for multi-scale face detection
Son et al. Fast illumination-robust foreground detection using hierarchical distribution map for real-time video surveillance system
KR102360576B1 (ko) 구름이동벡터 산출 장치 및 그 방법
Gal et al. Tracking objects using PHD filter for USV autonomous capabilities
Saif et al. Adaptive long term motion pattern analysis for moving object detection using UAV aerial images
KR102360578B1 (ko) 일사량 추정 장치 및 그 방법
Moudgollya et al. A multi features based background modeling approach for moving object detection
KR102360577B1 (ko) 구름이동벡터 산출 장치 및 그 방법
Hossain et al. Performance Assessment of Background Subtraction Algorithm
Zhang et al. Statistical background subtraction based on imbalanced learning
Lindstrom et al. Background and foreground modeling using an online EM algorithm

Legal Events

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