KR102309251B1 - 위성 영상 신호에 포함된 객체의 부피 정보를 계산하는 방법 - Google Patents
위성 영상 신호에 포함된 객체의 부피 정보를 계산하는 방법 Download PDFInfo
- Publication number
- KR102309251B1 KR102309251B1 KR1020200036893A KR20200036893A KR102309251B1 KR 102309251 B1 KR102309251 B1 KR 102309251B1 KR 1020200036893 A KR1020200036893 A KR 1020200036893A KR 20200036893 A KR20200036893 A KR 20200036893A KR 102309251 B1 KR102309251 B1 KR 102309251B1
- Authority
- KR
- South Korea
- Prior art keywords
- point
- computer
- image patch
- measurement target
- image
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
본 개시의 일 실시예에 따라, 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 프로세서로 하여금 이하의 단계들을 수행하게 하기 위한 명령들을 포함하며, 상기 단계들은: 입력 데이터로부터 측정 대상 객체가 포함된 이미지 패치를 생성하는 단계; 상기 이미지 패치의 복수의 픽셀 열 각각 또는 복수의 픽셀 행 각각의 평균 신호 강도에 기초하여 방위 방향(azimuth direction) 중심 선을 추출하는 단계; 상기 추출된 중심 선 상에 위치한 복수의 픽셀들의 신호 강도에 기초하여 하나 이상의 분석 지점들을 추출하는 단계; 및 상기 추출된 하나 이상의 분석 지점들에 기초하여 상기 측정 대상 객체의 부피를 연산하는 단계; 를 포함할 수 있다.
Description
본 개시는 영상 신호에 포함된 객체의 부피를 측정하는 방법에 관한 것으로서, 구체적으로 위성 영상을 이용하여 물체의 부피, 특히 부동 지붕을 가지는 유류 저장고에 있어 그 보유량을 추정 및 산출하는 방법에 관한 것이다.
종래, 영상에 포함된 객체의 높이를 계산하기 위해 광학 영상에서 건물의 높이 및 태양의 입사각에 의해 발생하는 그림자 길이를 이용해 왔다. 그러나, 광학 영상은 구름이나 기상 상태의 영향을 많이 받는다는 단점이 있다. 반면 파장이 긴 마이크로파를 이용하는 SAR 영상을 활용할 경우, 기상 상태에 의한 영향을 적게 받는다는 장점이 있다.
SAR 영상에서는 위성에서 신호를 송신한 후 물체에서 반사되어 돌아오는 순서대로 영상화가 이루어진다. 따라서, 물체의 높이나 모양이 실제와는 다르게 보이는 레이오버(layover) 등의 왜곡이 일어날 수 있다. 저장고의 윗 부분은 실제보다 위성에 가까운 쪽에서 관측되며, 아랫 부분은 실제 위치에 해당하는 부분에서 관측된다. 따라서 두 지점의 거리차로부터 객체의 높이를 추정할 수 있다.
본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 구체적으로 SAR 영상의 레이오버를 이용하여 물체의 부피를 측정하는 방법을 제공하고자 한다.
본 개시의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 바와 같은 과제를 해결하기 위한 본 개시의 일 실시예에 따라, 컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 프로세서로 하여금 이하의 단계들을 수행하게 하기 위한 명령들을 포함하며, 상기 단계들은: 입력 데이터로부터 측정 대상 객체가 포함된 이미지 패치를 생성하는 단계; 상기 이미지 패치의 복수의 픽셀 열 각각 또는 복수의 픽셀 행 각각의 평균 신호 강도에 기초하여 방위 방향(azimuth direction) 중심 선을 추출하는 단계; 상기 추출된 중심 선 상에 위치한 복수의 픽셀들의 신호 강도에 기초하여 하나 이상의 분석 지점들을 추출하는 단계; 및 상기 추출된 하나 이상의 분석 지점들에 기초하여 상기 측정 대상 객체의 부피를 연산하는 단계; 를 포함할 수 있다.
또한, 측정 대상 객체가 포함된 이미지 패치를 생성하는 단계는, 상기 이미지 패치 상에서 상기 측정 대상 객체를 표현하는 개별 지점의 신호 강도에 기초하여 상기 측정 대상 객체의 기준점을 결정하는 단계; 및 상기 기준점에 기초하여 상기 이미지 패치가 생성될 영역을 결정하는 단계; 을 포함할 수 있다.
또한, 상기 기준점은, 상기 측정 대상 객체의 가장 왼쪽 지점일 수 있다.
또한, 상기 이미지 패치를 생성하는 단계는, 상기 측정 대상 객체에 관한 세그먼테이션(segmentation)을 수행하는 단계; 를 포함할 수 있다.
또한, 상기 이미지 패치를 생성하는 단계는, 상기 이미지 패치에 대한 전처리를 수행하는 단계; 를 포함할 수 있다.
또한, 상기 이미지 패치에 대한 전처리는, 상기 이미지 패치에 대한 오버샘플링(oversampling), 리 필터링(Lee filtering) 또는 모폴로지 침식(morphologic erosion) 중 적어도 하나일 수 있다.
또한, 상기 중심 선을 추출하는 단계는, 상기 방위 방향과 평행한 복수의 픽셀 열 또는 복수의 픽셀 행을 인식하는 단계; 상기 복수의 픽셀 열 각각 또는 복수의 픽셀 행 각각의 평균 신호 강도를 연산하는 단계; 및 상기 평균 신호 강도가 가장 높은 픽셀 열 또는 픽셀 행을, 상기 중심 선으로 결정하는 단계; 를 포함할 수 있다.
또한, 상기 분석 지점들은, 제 1 바닥 지점, 높이 지점 및 부동 지붕 지점을 포함할 수 있다.
또한, 상기 분석 지점들은, 상기 중심 선 상에 위치한, 복수의 신호 강도 피크(peak) 지점들에 대응될 수 있다.
또한, 상기 측정 대상 객체의 부피를 연산하는 단계는, 상기 측정 대상 객체의 면적 및 부동 지붕 높이를 연산하는 단계; 를 포함할 수 있다.
또한, 상기 측정 대상 객체의 면적은, 상기 방위 방향 지점을 이용하여 결정될 수 있다.
또한, 상기 측정 대상 객체의 부동 지붕 높이를 연산하는 단계는, 상기 부동 지붕에 대한 레이오버(layover)를 연산하는 단계; 를 포함할 수 있다.
또한, 상기 레이오버 길이를 연산하는 단계는, 제 1 바닥 지점 및 반지름에 기초하여, 제 2 바닥 지점을 연산하는 단계; 및 상기 제 2 바닥 지점 및 부동 지붕 지점에 기초하여, 상기 레이오버 길이를 연산하는 단계; 를 포함할 수 있다.
전술한 바와 같은 과제를 해결하기 위한 본 개시의 일 실시예에 따라, 영상 신호에 포함된 객체의 부피 정보를 계산하기 위한 컴퓨팅 장치가 개시된다. 상기 컴퓨팅 장치는 프로세서; 및 메모리; 를 포함하고, 상기 프로세서는, 측정 대상 객체가 포함되는 이미지 패치를 생성하고, 상기 이미지 패치의 복수의 픽셀 열 각각 또는 복수의 픽셀 행 각각의 평균 신호 강도에 기초하여 방위 방향(azimuth direction) 중심 선을 추출하고, 상기 추출된 중심 선 상에 위치한 복수의 픽셀들의 신호 강도에 기초하여 하나 이상의 분석 지점들을 추출하고, 상기 추출된 하나 이상의 분석 지점들에 기초하여 상기 측정 대상 객체의 부피를 연산할 수 있다.
전술한 바와 같은 과제를 해결하기 위한 본 개시의 일 실시예에 따라, 영상 신호에 포함된 객체의 부피 정보를 계산하기 위한 방법이 개시된다. 상기 방법은: 측정 대상 객체가 포함되는 이미지 패치를 생성하는 단계; 상기 이미지 패치의 개별 픽셀 열 또는 개별 픽셀 행의 평균 신호 강도에 기초하여 방위 방향(azimuth direction) 중심 선을 추출하는 단계; 상기 추출된 중심 선 상에 위치한 복수의 픽셀들의 신호 강도에 기초하여 하나 이상의 분석 지점들을 추출하는 단계; 및 상기 추출된 하나 이상의 분석 지점들에 기초하여 상기 측정 대상 객체의 부피를 연산하는 단계; 를 포함할 수 있다.
본 개시는 레이오버를 이용하여 객체의 단면 면적 및 높이를 측정할 수 있게 함으로써, 위성 영상만으로도 부동 지붕을 가진 저장고의 부피를 쉽게 측정할 수 있도록 한다.
다양한 양상들이 이제 도면들을 참조로 기재되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 양상들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 양상(들)이 이러한 구체적인 세부사항들 없이 실시될 수 있음은 명백할 것이다.
도 1는 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치의 구성을 나타낸 블록도이다.
도 2a 및 도 2b는 본 개시의 몇몇 실시예에 따른 위성 영상의 필터링 전후를 나타낸 도면이다.
도 3은 본 개시의 몇몇 실시예에 따른 위성 영상으로부터 객체의 부피를 연산하기 위한 복수의 지점들이 결정되는 것을 나타낸 도면이다.
도 4는 본 개시의 몇몇 실시예에 따른 프로세서가 객체의 부피를 연산하는 과정을 나타낸 순서도이다.
도 5는 본 개시의 몇몇 실시예에 따른 프로세서가 이미지 패치를 생성하는 과정을 나타낸 순서도이다.
도 6은 본 개시의 몇몇 실시예에 따른 프로세서가 방위 방향 중심선을 추출하는 과정을 나타낸 순서도이다.
도 7은 본 개시의 몇몇 실시예에 따른 프로세서가 객체의 부피를 연산하는 일례를 나타낸 순서도이다.
도 8은 본 개시의 몇몇 실시예에 따른 프로세서가 객체의 부피를 연산하는 일례를 나타낸 순서도이다.
도 9는 본 개시의 몇몇 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.
도 1는 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치의 구성을 나타낸 블록도이다.
도 2a 및 도 2b는 본 개시의 몇몇 실시예에 따른 위성 영상의 필터링 전후를 나타낸 도면이다.
도 3은 본 개시의 몇몇 실시예에 따른 위성 영상으로부터 객체의 부피를 연산하기 위한 복수의 지점들이 결정되는 것을 나타낸 도면이다.
도 4는 본 개시의 몇몇 실시예에 따른 프로세서가 객체의 부피를 연산하는 과정을 나타낸 순서도이다.
도 5는 본 개시의 몇몇 실시예에 따른 프로세서가 이미지 패치를 생성하는 과정을 나타낸 순서도이다.
도 6은 본 개시의 몇몇 실시예에 따른 프로세서가 방위 방향 중심선을 추출하는 과정을 나타낸 순서도이다.
도 7은 본 개시의 몇몇 실시예에 따른 프로세서가 객체의 부피를 연산하는 일례를 나타낸 순서도이다.
도 8은 본 개시의 몇몇 실시예에 따른 프로세서가 객체의 부피를 연산하는 일례를 나타낸 순서도이다.
도 9는 본 개시의 몇몇 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.
다양한 실시예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나 이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 감지될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다. 구체적으로, 본 명세서에서 사용되는 "실시예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다.
이하, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략한다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않는다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
비록 제1, 제2 등이 다양한 소자나 구성요소들을 서술하기 위해서 사용되나, 이들 소자나 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 소자나 구성요소를 다른 소자나 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 소자나 구성요소는 본 발명의 기술적 사상 내에서 제2 소자나 구성요소 일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
더불어, 본 명세서에서 사용되는 용어 "정보" 및 "데이터"는 종종 서로 상호교환 가능하도록 사용될 수 있다.
이하, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략한다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않는다.
비록 제1, 제2 등이 다양한 소자나 구성요소들을 서술하기 위해서 사용되나, 이들 소자나 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 소자나 구성요소를 다른 소자나 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 소자나 구성요소는 본 개시의 기술적 사상 내에서 제2 소자나 구성요소 일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하의 설명에서 사용되는 구성 요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
본 개시의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 본 개시를 설명하는데 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 개시에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.
그러나 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 개시의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 개시는 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.도 1은 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치의 블록도이다.
도 1에서 도시되는 바와 같이, 컴퓨팅 장치(100)는 프로세서(110), 메모리(120) 및 통신부(미도시)를 포함할 수 있다.
프로세서(110)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등과 같이 메모리 상에 저장된 명령어들을 실행시킴으로써 영상 신호에 포함된 객체의 부피 정보를 계산하는 임의의 형태의 프로세서를 포함할 수 있다. 프로세서(110)는 메모리에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 몇몇 실시예에 따른 영상 신호에 포함된 객체의 부피 정보 계산을 수행할 수 있다. 프로세서(110)는 영상 신호에 포함된 객체의 부피 정보 계산 방법을 수행하기 위하여 컴퓨팅 장치(100)의 컴포넌트들의 전반적인 동작들을 제어할 수 있다.
통신부(미도시)는 네트워크 접속을 위한 유/무선 인터넷 모듈을 포함할 수 있다. 통신부(미도시)는 위성 등 외부 장치와의 통신을 수행할 수 있다. 무선 인터넷 기술로는 WLAN(Wireless LAN)(Wi-Fi), Wibro(Wireless broadband) Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access) 등이 이용될 수 있다. 유선 인터넷 기술로는 XDSL(Digital Subscriber Line), FTTH(Fibers to the home), PLC(Power Line Communication) 등이 이용될 수 있다.
전술한 컴포넌트들은 예시적인 것으로서 본 개시내용의 권리범위가 전술한 컴포넌트들로 제한되지는 않는다. 즉, 본 개시내용의 실시예들에 대한 구현 양태에 따라서 추가적인 컴포넌트들이 포함되거나 또는 전술한 컴포넌트들 중 일부가 생략될 수 있다.
컴퓨팅 장치(100)는 메모리(120)를 더 포함할 수 있다. 메모리는 프로세서(110)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 임시 또는 영구 저장할 수도 있다. 메모리는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적 어도 하나의 타입의 저장매체를 포함할 수 있다. 이러한 메모리는 프로세서에 제어에 의하여 동작될 수 있다.
SAR(Synthetic Aperture Radar: 합성개구레이더)는 전자기파를 이용하는 능동 센서로 가시광선보다 파장이 긴 마이크로파를 이용하기 때문에 광학 센서와 같은 수동 센서와 달리 기상 조건과 일조 현상 등에 관계없이 전천후로 지표면 탐사가 가능하다. SAR는 일반적으로 위성이나 UAV(Unmanned Aerial Vehicle)의 탑재체로 활용되며 최근 SAR 기술의 급속한 발전을 통해 초고해상도의 표적탐지 및 식별이 가능해짐에 따라 군사용으로는 물론 과학 민수용으로도 활용범위가 넓어지고 있다.
영상을 눈으로 쉽게 식별할 수 있는 광학 센서의 영상과는 달리, 관측 대상으로부터 후방 산란된 SAR 영상을 해석하는 것은 상당히 복잡하다. 또한 광학 현상에서 일어나지 않는 왜곡이 일어나므로 왜곡 현상에 대한 이해와 분석능력이 필요하다.
SAR 영상에서 일어나는 왜곡은 포어쇼트닝(Foreshortening), 레이오버(Layover), 레이더 그림자(Radar Shadow)가 대표적일 수 있다. 본 개시에 따른 영상 신호에 포함된 객체의 부피 정보 계산 방법의 일례는, SAR 영상의 왜곡 중 레이오버(Layover) 현상을 이용하여, 부동 지붕을 갖는 객체의 부동 지붕 높이를 측정하는 것일 수 있다.
SAR 영상에서의 레이오버는, 관측 대상의 표면의 기하학적 특징에 의해, 관측 대상의 영상이 뒤집힌 것으로 나타나는 현상을 의미한다.
이하 구체적인 실시예에 대해 설명한다.
도 2a 및 도 2b는 본 개시의 몇몇 실시예에 따른 위성 영상의 필터링 전후를 나타낸 도면이다.
본 개시에 따른 프로세서(110)는 도 2a의 광학 영상에 대응하는 도 2b와 같은 SAR 영상의 이미지를 생성할 수 있다.
상술한 바와 같이, SAR(Synthetic Aperture Radar: 합성개구레이더)는 전자기파를 이용하는 능동 센서로, 가시광선보다 파장이 긴 마이크로파를 이용하기 때문에 광학 센서와 같은 수동 센서와 달리 기상 조건과 일조 현상 등에 관계없이 전천후로 지구 표면 탐사가 가능하다.
도 2a는 관측 대상 지점에 대한 광학 영상을 도시하며, 도 2b는 도 2a와 동일한 관측 대상 지점에 대한 SAR 영상을 도시한다.
도 2a에 도시된 광학 영상에서는 레이오버 현상과 같은 영상의 왜곡이 발생하고 있지 않는다. 도 2a에 포함된 원형 저장고들을 참조하면, 저장고들의 바닥 지점과 저장고들의 높이에 해당하는 꼭대기 지점들이 뒤집히지 않은 상태로 도시되어 있음을 알 수 있다.
반면 도 2b에 도시된 SAR 영상에서는 레이오버 현상에 의한 왜곡이 발생하고 있다. 레이오버 현상에 의하면 바닥 지점과 꼭대기 지점(높이 지점)들이 뒤집혀서 도시되게 된다. 이를 반영하면, 가장 왼쪽의 밝은 지점은 원형 저장고의 높이 지점을, 그 우측의 밝은 지점은 원형 저장고의 바닥 지점을 도시한다.
프로세서(110)는 이러한 SAR 영상의 특징을 이용하여 원형 저장고의 레이오버 길이로부터 원형 저장고의 높이 및 부동 지붕 높이를 연산해낼 수 있다.
이하 자세히 설명한다.
도 3은 본 개시의 몇몇 실시예에 따른 위성 영상으로부터 객체의 부피를 연산하기 위한 복수의 지점들이 결정되는 것을 나타낸 도면이다.
프로세서(110)는 도 2b의 이미지로부터 이미지 전처리를 수행함으로써, 도 3의 이미지 패치와 같은 양상의 영상을 생성해낼 수 있다.
프로세서(110)는 이미지 전처리를 위해 오버샘플링(oversampling), 리 필터링(Lee filtering) 또는 모폴로지 침식(morphologic erosion) 중 적어도 하나를 수행할 수 있다.
오버 샘플링(oversampling)은 신호 처리에서 두 배 이상의 대역폭, 또는 샘플링할 수 있는 최고의 샘플링 주파수로 신호를 샘플링하는 과정일 수 있다.
리 필터링(Lee filtering)은 SAR 영상에서 나타나는 랜덤한 노이즈인 스페클 잡음(Speckle noise)를 감소시키기 위한 과정으로, 일반적으로 SAR 영상을 이용하는 대부분의 연구에 포함되는 과정이다.
영상 처리에 있어 모폴로지 처리란 영상의 밝은 영역이나 어두운 영역을 축소, 확대하는 기법일 수 있다. 즉, 여러가지 영상 이진화 기법을 사용한 후 영상에서 흰색 영역이나 검은색 영역이 원하는 의도보다 넓거나 좁게 얻어질 경우에, 최적의 문턱 값을 사용하면서 잘못된 분리 영역은 후처리 과정을 통하여 결과를 수정하는 기법이 사용될 수 있고, 이를 모폴로지 처리라고 한다.
특히, 모폴로지 침식 연산은 대상 영역이 좁아지는 연산일 수 있다. 구체적으로, 침식 연산은 입력한 이진 영상의 각 픽셀에 마스크를 놓았을 때 마스크가 255 값을 가지는 모든 위치에 대하여 입력 영상도 255 값을 가져야만 결과 값이 255가 되는 연산이다. 만약 대상 위치에서 한 픽셀이라도 0 값을 가지면 결과 값은 0이 되기 때문에 전체적으로 255를 가지는 영역이 줄어들게 된다.
상기 0 및 255는 설명을 위한 구체적인 예시에 불과하므로, 모폴로지 침식 연산을 위해 지정되는 값은 이에 한정되지 않아야 할 것이다.
이러한 전처리는 사용자의 개입 없이 자동적으로 수행될 수 있고, 이러한 전처리를 수행함으로써, 본 개시에 따른 객체 부피 측정이 더욱 정확하게 수행될 수 있다.
본 개시에 있어서, 프로세서(110)는 도 2b와 같은 전처리된 이미지를 이용하여, 하나 이상의 객체를 포함하는 이미지 패치를 생성할 수 있다.
상기 이미지 패치는 뉴럴 네트워크 모델을 이용한 디텍션(Detection) 또는 세그먼테이션(segmentation) 기법에 의해 생성될 수 있다.
디텍션 기법은 주어진 이미지 안에 어느 특정한 클래스에 해당하는 사물이 어느 위치에 포함되어 있는지를 뉴럴 네트워크를 이용해 수행하는 기법일 수 있다.
세그멘테이션 기법은 주어진 이미지 안에서 어느 특정한 클래스에 해당하는 사물이 어느 위치에 포함되어 있는 지를, 픽셀 단위로 분할하는 것을 뉴럴 네트워크를 이용해 수행하는 기법일 수 있다.
또는, 상기 이미지 패치는, 이미지 패치를 생성하기 위한 기준점을 설정한 후, 상기 기준점을 이용하여 기 설정된 크기로 생성될 수 있다.
예를 들어, 프로세서(110)는 이미지 내에 포함된 복수의 객체 중 어느 하나를 인식한 후, 해당 객체의 가장 왼쪽 지점을 기준점으로 설정할 수 있다.
프로세서(110)는 설정된 기준점으로부터, 인식된 개체를 구성하는 픽셀 지점들이 모두 포함되는 이미지 패치 영역을 설정할 수 있다.
상술한 바와 같이 이미지 패치를 자동으로 생성하도록 하면, 다양한 영상에 대해 일관된 이미지 패치의 추출이 가능해진다.
SAR 영상에서 건물의 모서리 지점은, 건물과 지표 사이의 수직적 구조에 의해 이중 반사가 많이 일어나기 때문에 레이오버보다 밝게 나타나며 건물 외곽선 정보를 포함한다.
객체의 높이는 건물의 레이오버의 길이와 위성의 입사각을 이용하여 구해질 수 있다. 아래 [수학식 1]은 레이오버의 길이를 이용한 객체의 높이 추정 식을 나타낸다. 레이오버의 길이는 레이오버 픽셀 개수와 픽셀 거리의 곱으로 구할 수 있다.
도 3에서 제시되는 이미지 패치를 생성하기 위해, 프로세서(110)는 기준점을 결정할 수 있다.
상술한 바와 같이, 본 개시의 몇몇 실시예에 따른 프로세서(110)는 상기 이미지 패치에 객체의 가장 왼쪽 지점을 상기 기준점으로 결정할 수 있다.
본 개시의 몇몇 실시예에 따르면, 기준점은 이미지 패치 상의 높이 지점(210)에 대응될 수 있다. 그러나 이는 기준점에 대한 예시에 불과하므로, 기준점의 위치 및 기준점의 의미는 이에 한정되지 않는다.
본 개시의 몇몇 실시예에 따른 프로세서(110)는 상기 이미지 패치로부터 중심선을 결정할 수 있다.
상기 중심선은 상기 이미지 패치에 포함된 복수의 픽셀 열 및 복수의 픽셀 행 각각의 신호 강도에 기초하여 결정될 수 있다.
도 3의 이미지 패치를 예로 들어 설명한다.
우선, 프로세서(110)는 방위 방향(azimuth direction)을 따라 상기 이미지 패치에 포함된 복수의 픽셀 행의 평균 신호 강도를 연산할 수 있다.
본 개시의 몇몇 실시예에 있어, 레이더(또는 안테나)는 레이더가 부착된 위성 동체에 평행하게 부착되며, 이 경우 방위 방향은 레이더가 부착된 위성 등이 비행하는 직선 방향을 의미할 수 있다.
프로세서(110)는 상기 복수의 픽셀 행 중 가장 신호 강도가 높은 픽셀 행을 인식할 수 있다. 프로세서(110)는 해당 픽셀 행을 중심 선으로 결정할 수 있다.
도 3의 예시를 살펴보면, 중심 선은 높이 지점(210), 제 1 바닥 지점(220) 및 부동 지붕 지점(230)이 위치한 픽셀 행일 수 있다.
SAR는 측면관측에 의해 건물에서 특징적인 산란현상이 발생한다. 레이오버는 그 대표적인 특징 중 하나이다. 상술한 바와 같이 레이오버는 관측 대상의 표면의 기하학적 특징에 의해, 관측 대상의 영상이 뒤집힌 것으로 나타나는 현상을 의미하며, 이는 건물의 정상으로부터 반사되어오는 신호가 건물 아랫부분에서 반사되어오는 신호보다 먼저 도착할 때 발생한다. 그 결과, 대상의 상부는 지상의 실제 위치보다도 레이더 쪽으로 향해 이동되게 된다.
상술한 레이오버의 특징에 기초하여, 도 3을 참조하여 설명한다.
객체에서, 레이더와 가까운 벽면의 높이 지점은 가장 레이더와 가깝게 표현된다. 따라서, 기준점은 객체의 높이 지점과 같은 지점일 수 있다.
반면, 레이더와 가까운 벽면의 바닥 지점은 원래 위치에서 표현된다. 따라서, 제 1 바닥 지점(220)은 레이더와 가까운 벽면의 바닥 지점에 대응된다.
본 개시에 있어 부동 지붕 지점(230)은 객체가 부동 지붕(floating roof)을 갖는 경우에, 객체의 전체 높이와는 별개로, 객체 내에 포함된 부피의 높이에 따라 동적으로 변하는 지붕 및 그 지붕의 높이가 측정되는 지점일 수 있다. 부동 지붕 지점은, 객체의 부동 지붕 단면에서 중심선 상에 위치한 지점 중 하나일 수 있다.
나아가, 상기한 레이오버의 특징 때문에, 상기 객체의 가장 우측에 위치한, 높은 신호 강도를 갖는 지점은 부동 지붕 지점(230)에 대응될 수 있다.
프로세서(110)는 이미지 패치 내에 존재하는 복수의 픽셀 행 및 픽셀 열 각각에 대해, 평균 신호 강도를 계산할 수 있다.
프로세서(110)는 픽셀 열 각각에 대한 신호 강도 또는 픽셀 행 각각에 대한 신호 강도 중 어느 하나를 선택하여 방위 방향 평균 신호 강도 그래프(300a)를 생성할 수 있다.
상기 방위 방향 평균 신호 강도 그래프(300a)는 방위 방향에 따라 형성될 수 있다. 따라서 프로세서(110)는 픽셀 열에 관한 신호 강도 정보 또는 픽셀 행에 관한 신호 강도 정보 중 방위 방향과 일치하는 방향의 신호 강도 정보를 이용하여 그래프를 생성할 수 있다.
프로세서(110)는 상기 평균 신호 강도 그래프(300a)에서 평균 신호 강도가 가장 높은 방위 방향 지점을 방위 방향 중심 지점(360)으로 선택할 수 있다. 이 때, 방위 방향 중심 지점에 대응하는 픽셀 열 또는 픽셀 행은 중심선일 수 있다.
프로세서(110)는 상기 중심선 상에 위치한 복수의 픽셀의 신호 강도를 인식하여, 중심선 신호 강도 그래프(300b)를 생성할 수 있다.
프로세서(110)는 상기 중심선 상에 위치한 세 피크(peak) 지점을 인식할 수 있다.
예를 들어, 프로세서(110)는 상기 중심선 신호 강도 그래프(300b) 상에서 신호 강도가 기 설정된 값 이상이면서, 신호 강도의 변화도가 0인 지점을 피크 지점으로 결정할 수 있다.
만약 이러한 지점이 3개 이상 도출될 경우, 프로세서(110)는 기 설정된 신호 강도 값을 증가시킬 수 있다. 이러한 과정은 피크 지점이 단 3개 도출될 때까지 반복될 수 있다.
프로세서(110)는 상기 중심선 상에 위치한 세 피크 지점을 기 설정된 규칙에 기초하여 제 1 피크 지점(310), 제 2 피크 지점(320), 제 3 피크 지점(330)으로 결정할 수 있다.
중심선 신호 강도 그래프(300b)에 있어, 상술한 바에 의해 세 개의 피크 지점이 결정될 수 있다. 도시되는 바와 같이, 제 1 피크 지점(310)은 높이 지점(210)의 신호 강도를 나타낸다. 제 2 피크 지점(320)은 제 1 바닥 지점(220)의 신호 강도를 나타낸다. 제 3 피크 지점(330)은 부동 지붕 지점(230)의 신호 강도를 나타낸다.
프로세서(110)는 방위 방향 밝기 그래프(300a)에 기초하여 상기 객체의 직경을 구할 수 있다.
방위 방향 밝기 그래프(300a)를 검토하면, 제 1 방위 방향 지점(340), 제 2 방위 방향 지점(350), 및 방위 방향 중심 지점(360)을 찾을 수 있다.
제 1 방위 방향 지점(340) 및 제 2 방위 방향 지점(350)은, 상기 방위 방향 밝기 그래프(300a) 내에서 고원(plateau)을 이루는 지점이며, 방위 방향 중심 지점(360)은 방위 방향 밝기 그래프(300a) 내에서 가장 밝기가 강한 지점일 수 있다.
프로세서(110)는, 신호 강도가 기 설정된 값 이상이며, 방위 방향에 대한 신호 강도의 변화도 값이 0인 지점 중 방위 방향 좌표가 가장 큰 지점과 가장 작은 지점을 인식할 수 있다. 이어, 프로세서(110)는 상기 가장 큰 지점을 제 1 방위 방향 지점(340)으로, 상기 가장 작은 지점을 제 2 방위 방향 지점(350)으로 결정할 수 있다.
만약 상기 기준을 만족하는 방위 방향 지점이 3개 이상인 경우, 프로세서(110)는 상기 기준을 만족하는 방위 방향 지점이 3개가 남게 될 때까지 상기 과정을 반복적으로 수행할 수 있다.
상술한 바에 의하여, SAR 영상의 신호 강도만을 가지고 분석 지점의 추출이 가능할 수 있다. 이에 따라, SAR 영상에 기초한 유류 저장고 부피의 측정이 가능할 수 있다.
도시된 바와 같이, 제 1 방위 방향 지점(340)은 이미지 패치 상의 제 1 반지름 지점(240)에 대응되고, 제 2 방위 방향 지점(350)은 이미지 패치 상의 제 2 반지름 지점(250)에 대응된다.
이에 기초하여, 프로세서(110)는 상기 제 1 방위 방향 지점(340) 및 상기 제 2 방위 방향 지점(350)의 방위 방향에서의 픽셀 거리에 기초하여 이미지 패치에 포함된 객체의 직경을 연산할 수 있다.
또는, 프로세서(110)는 상기 제 1 방위 방향 지점(340) 및 상기 제 2 방위 방향 지점(350) 중 밝기가 가장 강한 지점과, 상기 방위 방향 중심 지점(360) 간의 픽셀 거리에 기초하여 이미지 패치에 포함된 객체의 직경을 연산할 수 있다.
프로세서(110)는 아래 [수학식 2]에서 제시되는 방식에 기초하여 이미지 패치에 포함된 객체의 직경을 연산할 수 있다.
여기서, 은 객체의 직경의 절반(또는 반지름)일 수 있고, 은 상기 제 1 방위 방향 지점(340) 또는 상기 제 2 방위 방향 지점(350)의 픽셀 좌표에 대응될 수 있고, 은 상기 방위 방향 중심 지점(360)의 픽셀 좌표에 대응될 수 있으며, 는 픽셀 거리에 대응될 수 있다. 따라서, 프로세서(110)는 연산된 R의 2배를 객체의 직경으로 결정할 수 있다.
상술한 내용은 객체의 직경을 연산해내기 위한 방법의 예시에 불과하므로, SAR 영상의 신호 강도를 이용하여 객체의 직경을 연산해내는 방법은 이에 한정되지 않는다.
도 4는 본 개시의 몇몇 실시예에 따른 프로세서가 객체의 부피를 연산하는 과정을 나타낸 순서도이다.
프로세서(110)는 입력 데이터로부터, 측정 대상 객체가 포함된 이미지 패치(200)를 생성할 수 있다(S100).
본 개시에 있어서, 프로세서(110)는 도 2b와 같은 전처리된 이미지를 이용하여, 하나 이상의 객체를 포함하는 이미지 패치를 생성할 수 있다.
상기 이미지 패치는 뉴럴 네트워크 모델을 이용한 디텍션(Detection) 또는 세그먼테이션(segmentation) 기법에 의해 생성될 수 있다.
또는, 상기 이미지 패치는, 이미지 패치를 생성하기 위한 기준점을 설정한 후, 상기 기준점을 이용하여 기 설정된 크기로 생성될 수 있다.
예를 들어, 프로세서(110)는 이미지 내에 포함된 복수의 객체 중 어느 하나를 인식한 후, 해당 객체의 가장 왼쪽 지점을 기준점으로 설정할 수 있다.
프로세서(110)는 설정된 기준점으로부터, 인식된 개체를 구성하는 픽셀 지점들이 모두 포함되는 이미지 패치 영역을 설정할 수 있다.
상술한 바와 같이 이미지 패치를 자동으로 생성하도록 하면, 다양한 영상에 대해 일관된 이미지 패치의 추출이 가능해진다.
프로세서(110)는 이미지 패치의 복수의 픽셀 열 각각 또는 복수의 픽셀 행 각각의 평균 신호 강도에 기초하여 방위 방향 중심선을 추출할 수 있다(S200).
본 개시의 몇몇 실시예에 따른 프로세서(110)는 상기 이미지 패치로부터 중심선을 결정할 수 있다.
상기 중심선은 상기 이미지 패치에 포함된 복수의 픽셀 열 및 복수의 픽셀 행 각각의 신호 강도에 기초하여 결정될 수 있다.
도 3의 이미지 패치를 다시 참조하여 설명한다.
우선, 프로세서(110)는 방위 방향(azimuth direction)을 따라 상기 이미지 패치에 포함된 복수의 픽셀 행의 평균 신호 강도를 연산할 수 있다.
프로세서(110)는 상기 복수의 픽셀 행 중 가장 신호 강도가 높은 픽셀 행을 인식할 수 있다. 프로세서(110)는 해당 픽셀 행을 중심 선으로 결정할 수 있다.
도 3의 예시를 살펴보면, 중심 선은 높이 지점(210), 제 1 바닥 지점(220) 및 부동 지붕 지점(230)이 위치한 픽셀 행일 수 있다.
프로세서(110)는 추출된 중심 선 상에 위치한 복수의 픽셀들의 신호 강도에 기초하여 하나 이상의 분석 지점들을 추출할 수 있다(S300).
본 개시의 몇몇 실시예에 있어, 분석 지점은 높이 지점(210), 제 1 바닥 지점(220), 제 2 바닥 지점(미도시) 및 부동 지붕 지점(230)을 포함할 수 있다.
본 개시에 있어 제 2 바닥 지점은, 제 1 바닥 지점의 맞은 편에 있을 것으로 예측되는 지점이다.
제 2 바닥 지점은 도 2에 도시된 위성 영상 및 도 3에 도시된 이미지 패치 상에서는 드러나지 않는데, 이는 SAR 영상에서 발생하는 그림자 현상 때문이다.
그림자 현상은, 레이더로부터 발사된 레이더 빔이 지표면을 조명할 수 없을 때 발생한다. 제 1 바닥 지점의 맞은편에 위치한 제 2 바닥 지점은 SAR 영상을 촬영하는 레이더의 빔이 도달하지 않는 영역이므로, 프로세서(110)는 하기 [수학식 3]을 이용하여 제 2 바닥 지점의 픽셀 위치를 유추할 수 있다.
여기서, 는 제 2 바닥 지점의 픽셀 위치를, 은 제 1 바닥 지점의 픽셀 위치를, 은 상기 객체의 단면의 직경의 절반을, 는 입사각을, 는 거리 방향 픽셀 거리를 의미할 수 있다.
프로세서(110)는 추출된 하나 이상의 분석 지점들에 기초하여 측정 대상 객체의 부피를 연산할 수 있다(S400).
제 2 바닥 지점의 실제 위치는 부동 지붕 지점(230)의 실제 위치와 일치하지만, SAR 영상의 레이오버 현상 때문에 제 2 바닥 지점의 픽셀 위치와 부동 지붕 지점(230)의 픽셀 위치는 상이하다.
프로세서(110)는 상기 제 2 바닥 지점의 픽셀 위치와 부동 지붕 지점의 픽셀 위치에 기초하여 부동 지붕 높이를 하기 [수학식 4]와 같이 연산할 수 있다.
프로세서(110)는 연산된 객체의 직경에 기초하여 이미지 패치 내에 포함된 객체의 바닥 면적(단면적)을 계산할 수 있다.
프로세서(110)는 연산된 객체의 단면적과 부동 지붕 높이를 이용하여 객체의 부피 즉, 객체 내에 포함된 유체의 부피를 연산할 수 있다.
상술한 방법에 의하면, SAR 영상만을 가지고 이미지 전처리, 이미지 패치 추출, 분석 지점 설정 및 부동 지붕 저장고의 부피 측정이 모두 가능하다.
도 5는 본 개시의 몇몇 실시예에 따른 프로세서가 이미지 패치를 생성하는 과정을 나타낸 순서도이다.
프로세서(110)는 측정 대상 객체의 기준점을 결정할 수 있다(S110).
도 3에서 제시되는 이미지 패치를 생성하기 위해, 프로세서(110)는 기준점을 결정할 수 있다.
상술한 바와 같이, 본 개시의 몇몇 실시예에 따른 프로세서(110)는 상기 이미지 패치에 객체의 가장 왼쪽 지점을 상기 기준점으로 결정할 수 있다.
본 개시의 몇몇 실시예에 따르면, 기준점은 이미지 패치 상의 높이 지점(210)에 대응될 수 있다. 그러나 이는 기준점에 대한 예시에 불과하므로, 기준점의 위치 및 기준점의 의미는 이에 한정되지 않는다.
프로세서(110)는 상기 기준점에 기초하여 이미지 패치가 생성될 영역을 결정할 수 있다(S120).
본 개시에 있어서, 프로세서(110)는 도 2b와 같은 전처리된 이미지를 이용하여, 하나 이상의 객체를 포함하는 이미지 패치를 생성할 수 있다.
상기 이미지 패치는 뉴럴 네트워크 모델을 이용한 디텍션(Detection) 또는 세그먼테이션(segmentation) 기법에 의해 생성될 수 있다.
디텍션 기법은 주어진 이미지 안에 어느 특정한 클래스에 해당하는 사물이 어느 위치에 포함되어 있는지를 뉴럴 네트워크를 이용해 수행하는 기법일 수 있다.
세그멘테이션 기법은 주어진 이미지 안에서 어느 특정한 클래스에 해당하는 사물이 어느 위치에 포함되어 있는 지를, 픽셀 단위로 분할하는 것을 뉴럴 네트워크를 이용해 수행하는 기법일 수 있다.
또는, 상기 이미지 패치는, 이미지 패치를 생성하기 위한 기준점을 설정한 후, 상기 기준점을 이용하여 기 설정된 크기로 생성될 수 있다.
도 6은 본 개시의 몇몇 실시예에 따른 프로세서가 방위 방향 중심선을 추출하는 과정을 나타낸 순서도이다.
프로세서(110)는 방위 방향과 평행한 복수의 픽셀 열 또는 복수의 픽셀 행을 인식할 수 있다(S210).
본 개시의 몇몇 실시예에 있어, 레이더(또는 안테나)는 레이더가 부착된 위성 동체에 평행하게 부착되며, 이 경우 방위 방향은 레이더가 부착된 위성 등이 비행하는 직선 방향을 의미할 수 있다.
프로세서(110)는 상기 복수의 픽셀 열 각각 또는 복수의 픽셀 행 각각의 평균 신호 강도를 연산할 수 있다(S220).
프로세서(110)는 상기 복수의 픽셀 행 중 가장 신호 강도가 높은 픽셀 행을 인식할 수 있다. 프로세서(110)는 해당 픽셀 행을 중심 선으로 결정할 수 있다.
도 3을 다시 참조하면, 중심 선은 높이 지점(210), 제 1 바닥 지점(220) 및 부동 지붕 지점(230)이 위치한 픽셀 행일 수 있다.
프로세서(110)는 평균 신호 강도가 가장 높은 픽셀 열 또는 픽셀 행을 중심 선으로 결정할 수 있다(S230).
도 3을 다시 참조하면, 프로세서(110)는 방위 방향 밝기 그래프(300a)에 기초하여 상기 객체의 직경을 구할 수 있다.
방위 방향 밝기 그래프(300a)를 검토하면, 제 1 방위 방향 지점(340), 제 2 방위 방향 지점(350), 및 방위 방향 중심 지점(360)을 찾을 수 있다.
제 1 방위 방향 지점(340) 및 제 2 방위 방향 지점(350)은, 상기 방위 방향 밝기 그래프(300a) 내에서 고원(plateau)을 이루는 지점이며, 방위 방향 중심 지점(360)은 방위 방향 밝기 그래프(300a) 내에서 가장 밝기가 강한 지점일 수 있다.
프로세서(110)는, 신호 강도가 기 설정된 값 이상이며, 방위 방향에 대한 신호 강도의 변화도 값이 0인 지점 중 방위 방향 좌표가 가장 큰 지점과 가장 작은 지점을 인식할 수 있다. 이어, 프로세서(110)는 상기 가장 큰 지점을 제 1 방위 방향 지점(340)으로, 상기 가장 작은 지점을 제 2 방위 방향 지점(350)으로 결정할 수 있다.
도시된 바와 같이, 제 1 방위 방향 지점(340)은 이미지 패치 상의 제 1 반지름 지점(240)에 대응되고, 제 2 방위 방향 지점(350)은 이미지 패치 상의 제 2 반지름 지점(250)에 대응된다.
이에 기초하여, 프로세서(110)는 상기 제 1 방위 방향 지점(340) 및 상기 제 2 방위 방향 지점(350)의 방위 방향에서의 픽셀 거리에 기초하여 이미지 패치에 포함된 객체의 직경을 연산할 수 있다.
또는, 프로세서(110)는 상기 제 1 방위 방향 지점(340) 및 상기 제 2 방위 방향 지점(350) 중 밝기가 가장 강한 지점과, 상기 방위 방향 중심 지점(360) 간의 픽셀 거리에 기초하여 이미지 패치에 포함된 객체의 직경을 연산할 수 있다.
프로세서(110)는 상기 [수학식 2]에서 제시되는 방식에 기초하여 이미지 패치에 포함된 객체의 반지름을 연산할 수 있다.
상술한 내용은 객체의 직경을 연산해내기 위한 방법의 예시에 불과하므로, SAR 영상의 신호 강도를 이용하여 객체의 직경을 연산해내는 방법은 이에 한정되지 않는다.
도 7은 본 개시의 몇몇 실시예에 따른 프로세서가 객체의 부피를 연산하는 일례를 나타낸 순서도이다.
프로세서(110)는 방위 방향 지점에 기초하여 면적을 결정할 수 있다(S410).
본 개시의 몇몇 실시예에 따른 방위 지점은 제 1 방위 방향 지점(340) 및 제 2 방위 방향 지점(350)을 포함한다.
도 3을 다시 참조하여, 방위 방향 밝기 그래프(300a)를 검토하면, 제 1 방위 방향 지점(340), 제 2 방위 방향 지점(350), 및 방위 방향 중심 지점(360)을 찾을 수 있다.
제 1 방위 방향 지점(340) 및 제 2 방위 방향 지점(350)은, 상기 방위 방향 밝기 그래프(300a) 내에서 고원(plateau)을 이루는 지점이며, 방위 방향 중심 지점(360)은 방위 방향 밝기 그래프(300a) 내에서 가장 밝기가 강한 지점일 수 있다.
프로세서(110)는, 신호 강도가 기 설정된 값 이상이며, 방위 방향에 대한 신호 강도의 변화도 값이 0인 지점 중 방위 방향 좌표가 가장 큰 지점과 가장 작은 지점을 인식할 수 있다. 이어, 프로세서(110)는 상기 가장 큰 지점을 제 1 방위 방향 지점(340)으로, 상기 가장 작은 지점을 제 2 방위 방향 지점(350)으로 결정할 수 있다.
도시된 바와 같이, 제 1 방위 방향 지점(340)은 이미지 패치 상의 제 1 반지름 지점(240)에 대응되고, 제 2 방위 방향 지점(350)은 이미지 패치 상의 제 2 반지름 지점(250)에 대응된다.
이에 기초하여, 프로세서(110)는 상기 제 1 방위 방향 지점(340) 및 상기 제 2 방위 방향 지점(350)의 방위 방향에서의 픽셀 거리에 기초하여 이미지 패치에 포함된 객체의 직경을 연산할 수 있다.
프로세서(110)는 연산된 객체의 직경(및 직경에 의해 산출되는 반지름)에 기초하여 객체의 면적을 연산할 수 있다.
객체의 높이는 건물의 레이오버의 길이와 위성의 입사각을 이용하여 구해질 수 있다. 상기 [수학식 1]은 레이오버의 길이를 이용한 객체의 높이 추정 식을 나타낸다. 레이오버의 길이는 레이오버 픽셀 개수와 픽셀 거리의 곱으로 구할 수 있다.
이는 부동 지붕에 대해서도 동일하게 적용될 수 있다.
이하 자세히 설명한다.
본 개시에 있어 부동 지붕 지점(230)은 객체가 부동 지붕(floating roof)을 갖는 경우에, 객체의 전체 높이와는 별개로, 객체 내에 포함된 부피의 높이에 따라 동적으로 변하는 지붕 및 그 지붕의 높이가 측정되는 지점일 수 있다. 부동 지붕 지점은, 객체의 부동 지붕 단면에서 중심선 상에 위치한 지점 중 하나일 수 있다.
프로세서(110)는 부동 지붕에 대한 레이오버에 기초하여, 부동 지붕 높이를 연산할 수 있다(S420).
여기서, 부동 지붕의 높이는 상기 [수학식 4]에서 제시한 바와 같다.
도 8은 본 개시의 몇몇 실시예에 따른 프로세서가 객체의 부피를 연산하는 일례를 나타낸 순서도이다.
프로세서(110)는 제 1 바닥 지점에 기초하여, 제 2 바닥 지점을 연산할 수 있다(S421).
본 개시의 몇몇 실시예에 따른 제 1 바닥 지점은 레이더와 가까운 지점에 위치한 객체의 외벽의 바닥 지점일 수 있다.
또한, 본 개시의 몇몇 실시예에 따른 제 2 바닥 지점은 객체 상 상기 제 1 바닥 지점의 반대편 지점, 또는 부동 지붕과 수직으로 연결되는 바닥 지점일 수 있다.
프로세서(110)는 제 2 바닥 지점 및 부동 지붕 지점에 기초하여, 레이오버 길이를 연산할 수 있다(S422).
여기서 레이오버는 연산된 제 2 바닥 지점과 부동 지붕 지점(230) 간의 거리에 대응될 수 있다. 제 2 바닥 지점과 부동 지붕 지점(230)은 실질적으로 동일한 지표면 상에서 위치하지만 상술한 레이오버의 특성 때문에 2차원 이미지 패치 상에서 다른 픽셀에 도시되기 때문이다.
제 2 바닥 지점, 부동 지붕 지점을 이용해 레이오버 길이를 연산한 후, 프로세서(110)는 해당 레이오버와 픽셀 거리에 기초하여 부동 지붕 높이를 연산할 수 있다.
본 개시에 따른 객체의 부피 정보 계산 방법의 정확도는 기존의 광학 영상을 이용한 부피 측정 결과와의 비교를 통해 평가될 수 있다. 동일 시점에 촬영된 객체에 대하여, 팬크로매틱(PAN) 이미지를 이용해 추정된 객체의 높이와 본 개시에 따른 SAR 영상을 이용하여 측정된 객체의 높이 간에는 평균적으로 0.83m의 차이가 있었으며, 상대적 오차는 7.43% 정도에 해당했다.
상술한 결과는 SAR 영상을 이용한 새로운 측정 방법이 부동 지붕을 가지는 객체의 높이 및 부피의 추세를 추적하는 데 충분한 정도의 정확성을 갖추었음을 의미할 수 있다.
상술한 바와 같이, SAR 영상을 이용한 본 개시에 따른 객체 부피 측정 방법은 기상 상태의 영향으로부터 자유롭다. 나아가 본 개시에 따른 객체 부피 측정 방법은 SAR 영상의 특성으로 인한 영상의 왜곡을 충분히 극복하였다고 볼 수 있다.
도 9는 본 개시의 몇몇 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.
도 9에서 도시되는 컴퓨터(1102)는, 컴퓨팅 장치(100)에 대응될 수 있다.
본 개시내용이 일반적으로 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어와 관련하여 전술되었지만, 당업자라면 본 개시내용 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로서 구현될 수 있다는 것을 잘 알 것이다.
일반적으로, 본 명세서에서의 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로시져, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.
본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘다에 위치할 수 있다.
컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체로서, 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다.
컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.
컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.
시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.
컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)―이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음―, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 예를 들어, USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘다를 포함한다.
이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 저장 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 저장 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.
운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.
사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.
모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.
컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 서버 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.
LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 서버에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.
컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.
Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a,b,g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5 GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 용어 "기계-판독가능 매체"는 명령(들) 및/또는 데이터를 저장, 보유, 및/또는 전달할 수 있는 무선 채널 및 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
Claims (15)
- 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 프로세서로 하여금 이하의 단계들을 수행하게 하기 위한 명령들을 포함하며, 상기 단계들은:
입력 데이터로부터 측정 대상 객체가 포함된 이미지 패치를 생성하는 단계;
방위 방향(azimuth direction)을 따라 상기 이미지 패치의 복수의 픽셀 열 각각 또는 복수의 픽셀 행 각각의 평균 신호 강도를 연산하고, 상기 연산 결과에 기초하여 상기 평균신호 강도가 가장 높은 픽셀 열 또는 픽셀 행을 중심 선으로 추출하는 단계;
상기 추출된 중심 선 상에 위치한 복수의 신호 강도 피크(peak) 지점들에 대응되는 하나 이상의 분석 지점들을 추출하는 단계; 및
상기 추출된 하나 이상의 분석 지점들에 기초하여 상기 측정 대상 객체의 부피를 연산하는 단계;
를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 제 1 항에 있어서,
측정 대상 객체가 포함된 이미지 패치를 생성하는 단계는,
상기 이미지 패치 상에서 상기 측정 대상 객체를 표현하는 개별 지점의 신호 강도에 기초하여 상기 측정 대상 객체의 기준점을 결정하는 단계; 및
상기 기준점에 기초하여 상기 이미지 패치가 생성될 영역을 결정하는 단계;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 제 2 항에 있어서,
상기 기준점은,
상기 측정 대상 객체의 가장 왼쪽 지점인,
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 제 1 항에 있어서,
상기 이미지 패치를 생성하는 단계는,
상기 측정 대상 객체에 관한 세그먼테이션(segmentation)을 수행하는 단계;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 제 1 항에 있어서,
상기 이미지 패치를 생성하는 단계는,
상기 이미지 패치에 대한 전처리를 수행하는 단계;
를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 제 5 항에 있어서,
상기 이미지 패치에 대한 전처리는,
상기 이미지 패치에 대한 오버샘플링(oversampling), 리 필터링(Lee filtering) 또는 모폴로지 침식(morphologic erosion) 중 적어도 하나를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 삭제
- 제 1 항에 있어서,
상기 분석 지점들은,
제 1 바닥 지점, 높이 지점 및 부동 지붕 지점을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 삭제
- 제 1 항에 있어서,
상기 측정 대상 객체의 부피를 연산하는 단계는,
상기 측정 대상 객체의 면적 및 부동 지붕 높이를 연산하는 단계;
를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 제 10 항에 있어서,
상기 측정 대상 객체의 면적은,
방위 방향 지점을 이용하여 결정되는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 제 10 항에 있어서,
상기 측정 대상 객체의 부동 지붕 높이를 연산하는 단계는,
상기 부동 지붕에 대한 레이오버(layover) 길이를 연산하는 단계;
를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 제 12 항에 있어서,
상기 레이오버 길이를 연산하는 단계는,
제 1 바닥 지점 및 반지름에 기초하여, 제 2 바닥 지점을 연산하는 단계; 및
상기 제 2 바닥 지점 및 부동 지붕 지점에 기초하여, 상기 레이오버 길이를 연산하는 단계;
를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 프로세서; 및
메모리;
를 포함하고,
상기 프로세서는,
측정 대상 객체가 포함되는 이미지 패치를 생성하고,
방위 방향(azimuth direction)을 따라 상기 이미지 패치의 복수의 픽셀 열 각각 또는 복수의 픽셀 행 각각의 평균 신호 강도를 연산하고, 상기 연산 결과에 기초하여 상기 평균신호 강도가 가장 높은 픽셀 열 또는 픽셀 행을 중심 선으로 추출하고,
상기 추출된 중심 선 상에 위치한 복수의 신호 강도 피크(peak) 지점들에 대응되는 하나 이상의 분석 지점들을 추출하고,
상기 추출된 하나 이상의 분석 지점들에 기초하여 상기 측정 대상 객체의 부피를 연산하는,
영상 신호에 포함된 객체의 부피 정보를 계산하기 위한 컴퓨팅 장치.
- 측정 대상 객체가 포함되는 이미지 패치를 생성하는 단계;
방위 방향(azimuth direction)을 따라 상기 이미지 패치의 개별 픽셀 열 또는 개별 픽셀 행의 평균 신호 강도를 연산하고, 상기 연산 결과에 기초하여 상기 평균신호 강도가 가장 높은 픽셀 열 또는 픽셀 행을 중심 선으로 추출하는 단계;
상기 추출된 중심 선 상에 위치한 복수의 신호 강도 피크(peak) 지점들에 대응되는 하나 이상의 분석 지점들을 추출하는 단계; 및
상기 추출된 하나 이상의 분석 지점들에 기초하여 상기 측정 대상 객체의 부피를 연산하는 단계;
를 포함하는,
영상 신호에 포함된 객체의 부피 정보를 계산하기 위한 방법.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200036893A KR102309251B1 (ko) | 2020-03-26 | 2020-03-26 | 위성 영상 신호에 포함된 객체의 부피 정보를 계산하는 방법 |
PCT/KR2020/008830 WO2021194018A1 (ko) | 2020-03-26 | 2020-07-07 | 위성 영상 신호에 포함된 객체의 부피 정보를 계산하는 방법 |
KR1020210128527A KR102583627B1 (ko) | 2020-03-26 | 2021-09-29 | 위성 영상 신호에 포함된 객체의 부피 정보를 계산하는 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200036893A KR102309251B1 (ko) | 2020-03-26 | 2020-03-26 | 위성 영상 신호에 포함된 객체의 부피 정보를 계산하는 방법 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210128527A Division KR102583627B1 (ko) | 2020-03-26 | 2021-09-29 | 위성 영상 신호에 포함된 객체의 부피 정보를 계산하는 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102309251B1 true KR102309251B1 (ko) | 2021-10-07 |
Family
ID=77892691
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200036893A KR102309251B1 (ko) | 2020-03-26 | 2020-03-26 | 위성 영상 신호에 포함된 객체의 부피 정보를 계산하는 방법 |
KR1020210128527A KR102583627B1 (ko) | 2020-03-26 | 2021-09-29 | 위성 영상 신호에 포함된 객체의 부피 정보를 계산하는 방법 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210128527A KR102583627B1 (ko) | 2020-03-26 | 2021-09-29 | 위성 영상 신호에 포함된 객체의 부피 정보를 계산하는 방법 |
Country Status (2)
Country | Link |
---|---|
KR (2) | KR102309251B1 (ko) |
WO (1) | WO2021194018A1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102598888B1 (ko) * | 2023-03-15 | 2023-11-06 | 한화시스템 주식회사 | 원유 저장량 예측장치 및 예측방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011185834A (ja) * | 2010-03-10 | 2011-09-22 | Nikko Tankai Kk | Sarデータ処理方法及びsarデータ処理システム |
KR20150114088A (ko) * | 2014-03-31 | 2015-10-12 | 한국과학기술원 | 입력 이미지로부터 객체를 검출하기 위한 방법, 장치 및 컴퓨터 판독가능 기록매체 |
KR20190133442A (ko) * | 2018-05-23 | 2019-12-03 | 한국해양과학기술원 | 인공위성 sar 영상기반 인공신경망을 이용한 오일 유출 탐지 방법 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL191615A (en) * | 2007-10-23 | 2015-05-31 | Israel Aerospace Ind Ltd | A method and system for producing tie points for use in stereo adjustment of stereoscopic images and a method for identifying differences in the landscape taken between two time points |
US9074848B1 (en) * | 2011-04-13 | 2015-07-07 | Litel Instruments | Precision geographic location system and method utilizing an image product |
WO2014074631A1 (en) * | 2012-11-07 | 2014-05-15 | Neva Ridge Technologies | Sar point cloud generation system |
US10388006B2 (en) * | 2017-05-31 | 2019-08-20 | Institut National D'optique | Synthetic aperture imaging assisted by three-dimensional scanning imaging for height reconstruction |
WO2019215819A1 (ja) | 2018-05-08 | 2019-11-14 | 日本電気株式会社 | 合成開口レーダ画像解析システム、合成開口レーダ画像解析方法および合成開口レーダ画像解析プログラム |
-
2020
- 2020-03-26 KR KR1020200036893A patent/KR102309251B1/ko active IP Right Grant
- 2020-07-07 WO PCT/KR2020/008830 patent/WO2021194018A1/ko active Application Filing
-
2021
- 2021-09-29 KR KR1020210128527A patent/KR102583627B1/ko active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011185834A (ja) * | 2010-03-10 | 2011-09-22 | Nikko Tankai Kk | Sarデータ処理方法及びsarデータ処理システム |
KR20150114088A (ko) * | 2014-03-31 | 2015-10-12 | 한국과학기술원 | 입력 이미지로부터 객체를 검출하기 위한 방법, 장치 및 컴퓨터 판독가능 기록매체 |
KR20190133442A (ko) * | 2018-05-23 | 2019-12-03 | 한국해양과학기술원 | 인공위성 sar 영상기반 인공신경망을 이용한 오일 유출 탐지 방법 |
Non-Patent Citations (1)
Title |
---|
강아름 등, ‘고해상도 SAR 영상을 이용한 도심지 건물 재구성’, 대한원격탐사학회지, 2013, Vol. 29, No. 4, pp. 361-373. 1부.* * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102598888B1 (ko) * | 2023-03-15 | 2023-11-06 | 한화시스템 주식회사 | 원유 저장량 예측장치 및 예측방법 |
Also Published As
Publication number | Publication date |
---|---|
KR102583627B1 (ko) | 2023-09-27 |
WO2021194018A1 (ko) | 2021-09-30 |
KR20210124120A (ko) | 2021-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9613269B2 (en) | Identifying and tracking convective weather cells | |
US10311302B2 (en) | Systems and methods for analyzing remote sensing imagery | |
WO2019104781A1 (zh) | 一种点云数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN109740639B (zh) | 一种风云卫星遥感影像云检测方法、系统及电子设备 | |
US11682201B2 (en) | Identifying targets within images | |
CN113064117B (zh) | 一种基于深度学习的辐射源定位方法及装置 | |
WO2015149009A1 (en) | Systems and methods for identifying traffic control devices and testing the retroreflectivity of the same | |
WO2019193702A1 (ja) | 画像処理装置、画像処理方法、及び、画像処理プログラムが格納された記録媒体 | |
CN111274968A (zh) | 面向对象的道路信息提取方法、装置及电子设备 | |
CN110516560B (zh) | 基于fpga异构深度学习的光学遥感图像目标检测方法 | |
CN110147778B (zh) | 稀土矿开采识别方法、装置、设备及存储介质 | |
CN112630160A (zh) | 一种基于图像采集的无人机航迹规划土壤湿度监测方法、系统及可读存储介质 | |
KR102309251B1 (ko) | 위성 영상 신호에 포함된 객체의 부피 정보를 계산하는 방법 | |
CN111524113A (zh) | 提升链异常识别方法、系统、设备及介质 | |
CN115546659A (zh) | 一种基于卫星图像机场目标毁伤检测方法 | |
CN110188815B (zh) | 一种特征点采样方法、装置、设备及存储介质 | |
Kusetogullari et al. | Unsupervised change detection in landsat images with atmospheric artifacts: a fuzzy multiobjective approach | |
Carrilho et al. | Extraction of building roof planes with stratified random sample consensus | |
Nolan et al. | Performance estimation of SAR using NIIRS techniques | |
CN110910379B (zh) | 一种残缺检测方法及装置 | |
Wang et al. | [Retracted] Remote Sensing Satellite Image‐Based Monitoring of Agricultural Ecosystem | |
CN117036457A (zh) | 一种屋顶面积的测量方法、装置、设备及存储介质 | |
Ito et al. | Radio propagation estimation in a long-range environment using a deep neural network | |
Zhang et al. | Entropy-Based re-sampling method on SAR class imbalance target detection | |
Guyot et al. | Segmentation of polarimetric radar imagery using statistical texture |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
X091 | Application refused [patent] | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) | ||
A107 | Divisional application of patent | ||
GRNT | Written decision to grant |