KR102315319B1 - Monitoring method of ecological disturbance species using aerial hyperspectral imaging - Google Patents
Monitoring method of ecological disturbance species using aerial hyperspectral imaging Download PDFInfo
- Publication number
- KR102315319B1 KR102315319B1 KR1020190169850A KR20190169850A KR102315319B1 KR 102315319 B1 KR102315319 B1 KR 102315319B1 KR 1020190169850 A KR1020190169850 A KR 1020190169850A KR 20190169850 A KR20190169850 A KR 20190169850A KR 102315319 B1 KR102315319 B1 KR 102315319B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- spectral
- aerial
- aerial hyperspectral
- hyperspectral
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000012544 monitoring process Methods 0.000 title claims abstract description 12
- 238000000701 chemical imaging Methods 0.000 title claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 54
- 238000001228 spectrum Methods 0.000 claims description 28
- 238000012937 correction Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 206010020675 Hypermetropia Diseases 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 1
- 230000009897 systematic effect Effects 0.000 abstract description 3
- 238000004451 qualitative analysis Methods 0.000 abstract description 2
- 238000004445 quantitative analysis Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 241000894007 species Species 0.000 description 20
- 238000010586 diagram Methods 0.000 description 12
- 230000004305 hyperopia Effects 0.000 description 4
- 201000006318 hyperopia Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 244000036975 Ambrosia artemisiifolia Species 0.000 description 1
- 240000008415 Lactuca sativa Species 0.000 description 1
- 235000003228 Lactuca sativa Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G06K9/20—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G06K9/627—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/006—Geometric correction
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
Abstract
본 발명은 항공 촬영된 초분광 영상 이미지를 분석하여 생태교란종 분포를 분류하고, 생태교란종에 대한 분류가 보다 정확하고 체계적으로 이루어질 수 있도록 하는 항공초분광영상을 이용한 생태교란종 모니터링 방법에 관한 것이다. 본 발명은 다음과 같은 효과를 발휘한다.
즉, 본 발명에 따르면, 생태교란종에 대한 분류가 보다 정확하고 체계적으로 이루어질 수 있기 때문에, 생태교란종의 시계열적 분포변화추이에 대한 정량적, 정성적 분석이 가능하다는 장점이 있다.The present invention relates to a method for monitoring an ecological disturbance species using an aerial hyperspectral image that analyzes an aerial hyperspectral image image to classify the distribution of ecological disturbance species, and enables the classification of ecological disturbance species to be more accurate and systematic. will be. The present invention exhibits the following effects.
That is, according to the present invention, since classification of ecological disturbance species can be made more accurately and systematically, there is an advantage in that quantitative and qualitative analysis of the time-series distribution change trend of ecological disturbance species is possible.
Description
본 발명은 항공 촬영된 초분광 영상 이미지를 분석하여 생태교란종 분포를 분류하고, 생태교란종에 대한 분류가 보다 정확하고 체계적으로 이루어질 수 있도록 하는 항공초분광영상을 이용한 생태교란종 모니터링 방법에 관한 것이다.The present invention relates to a method for monitoring ecological disturbance species using aerial hyperspectral images to classify the distribution of ecological disturbance species by analyzing hyperspectral image images taken from the air, and to make classification of ecological disturbance species more accurate and systematic. will be.
4차 산업 사회의 도래와 함께 여러 분야에서 IT(ICT) 기술을 이용한 유무형의 다양하면서도 방대한 정보를 수집, 처리하여 우리사회에 제공되고 있다.With the advent of the 4th industrial society, a variety of tangible and intangible information using IT (ICT) technology in various fields is collected, processed, and provided to our society.
이러한 정보 중 지형공간정보는 시간의 흐름과 지형적 특성에 따라 급속히 변화하고 있는 실정이다. 다만, 도심지의 경우 고정밀, 고품질의 공간정보를 신속·정확하게 구축하고 있는 반면에, 하천유역의 생태환경에 대해서는 멀티정보 구축이 다소 미흡한 실정이다.Among such information, geospatial information is rapidly changing according to the passage of time and topographical characteristics. However, in the case of urban areas, high-precision, high-quality spatial information is quickly and accurately established, whereas multi-information establishment is somewhat insufficient for the ecological environment of river basins.
한편, 최근 분광해상도가 높은 원격탐사자료로 초분광영상이 등장하였다. 과거부터 현재까지 주로 활용되고 있는 위성영상 또는 항공영상은 10개 이하의 분광밴드를 갖는 다중분광영상으로 정의할 수 있다. Meanwhile, hyperspectral images have recently appeared as remote sensing data with high spectral resolution. Satellite images or aerial images, which have been mainly used from the past to the present, can be defined as multi-spectral images having 10 or less spectral bands.
반면 초분광영상은 수십~수백개의 연속적인 분광밴드로 이루어져 있어, 보다 세밀한 분광반사특성을 화소마다 획득할 수 있는 영상이다. 이러한 세밀한 분광반사특성은 기존 원격탐사자료에서 분류 또는 탐지가 어려운 피복을 분석하는데 활용할 수 있다. 특히 좁은 파장영역에서 분광반사특성의 차이를 보이는 퇴적물과 염생식물을 분류하거나 분석하는데 효과적이다.On the other hand, a hyperspectral image consists of several tens to hundreds of continuous spectral bands, so more detailed spectral reflection characteristics can be obtained for each pixel. These detailed spectral reflection characteristics can be used to analyze the cover, which is difficult to classify or detect in the existing remote sensing data. In particular, it is effective to classify or analyze sediments and halophytes showing differences in spectral reflection characteristics in a narrow wavelength region.
초분광영상을 획득하기 위해서는 항공초분광센서 또는 드론초분광센서를 이용하여 촬영을 실시할 수 있다. 이 중에서 항공초분광센서는 넓은 지역을 신속히 촬영하여 분석이 가능하고, 단기간에 분석영역을 촬영하기 때문에 넓은 대상지역의 분석이 가능하다는 장점이 있다. In order to obtain a hyperspectral image, shooting may be performed using an aerial hyperspectral sensor or a drone hyperspectral sensor. Among them, the aerial hyperspectral sensor has the advantage of being able to analyze a large area quickly by photographing it, and because it captures the analysis area in a short period of time, it is possible to analyze a wide target area.
본 출원인은 항공 촬영된 초분광 영상 이미지를 분석하여 생태교란종 분포를 분류할 뿐만 아니라, 이러한 생태교란종에 대한 분류가 보다 정확하고 체계적으로 이루어질 수 있도록 하는 항공초분광영상을 이용한 생태교란종 모니터링 방법을 제시하고자 한다.The present applicant not only classifies the distribution of ecological disturbance species by analyzing hyperspectral image images taken from the air, but also monitors ecological disturbance species using aerial hyperspectral image so that the classification of these ecological disturbance species can be made more accurately and systematically. I would like to suggest a method.
본 발명은 생태교란종에 대한 분류가 보다 정확하고 체계적으로 이루어질 수 있도록 하는 항공초분광영상을 이용한 생태교란종 모니터링 방법 제공하는데 그 목적이 있다.It is an object of the present invention to provide a method for monitoring ecological disturbance species using aerial hyperspectral images so that the classification of ecological disturbance species can be made more accurately and systematically.
상기와 같은 목적을 달성하기 위하여, 본 발명에서는 토지피복분류영상(130)을 획득하는 단계(S100); 지상분광센서(2)를 이용하여 가시광선에서 근적외선까지의 파장대역 구간에서 1.6nm 간격으로 측정된 지상분광영상을 획득하는 단계(S200); S100 단계에서 획득된 토지피복분류영상(130)과 S200 단계에서 획득된 지상분광영상의 적합성을 확인하는 단계(S300);를 포함하고, 상기 S100 단계는 항공초분광센서를 이용하여 2,000m의 촬영고도, 1m의 공간해상도, 가시광선에서 근적외선까지의 파장대역 구간에서 48개 밴드로 촬영된 항공초분광원시영상(110)을 획득하는 단계(S110)와, 상기 S110 단계에서 획득된 항공초분광원시영상(110)을 보정하는 단계(S120)와, 상기 S120 단계에서 보정된 항공초분광보정영상으로부터 분광스펙트럼을 추출하는 단계(S130)와, 상기 S130 단계에서 추출된 분광스펙트럼을 기준으로 표적탐지 알고리즘을 S120 단계에서 보정된 항공초분광보정영상에 적용하여 토지피복분류영상(130)을 획득하는 단계(S140)를 포함하고, 상기 S120 단계는 항공초분광원시영상(110)에 센서의 복사보정계수를 적용하여 각 화소별로 상기 센서에 도달한 복사휘도영상을 획득하는 복사보정단계(S121)와, 상기 S121 단계에서 획득된 복사휘도영상에 태양-지표-센서의 기하정보, 대기모델 적용하여 대기에 의한 영향을 제거함으로써 지표에서의 분광반사율영상을 획득하는 대기보정단계(S122)와, 상기 S122 단계에서 획즉된 분광반사율 영상에 GPS(Global Positioning System) 자료, IMU(Inertial Measurement System) 자료 및 지상기준점 측량 자료를 이용하여 지리좌표를 등록하는 기하보정 단계(S123)를 포함하고, 상기 S140 단계에서 표적탐지 알고리즘은 아래의 식In order to achieve the above object, in the present invention, the step of obtaining the land cover classification image 130 (S100); using the terrestrial spectroscopic sensor 2 to obtain terrestrial spectroscopic images measured at intervals of 1.6 nm in a wavelength range from visible to near infrared rays (S200); Including; step (S300) of confirming the suitability of the land
(여기서, x는 영상 스펙트럼 벡터, r은 기준 스펙트럼 벡터, α는 두 스펙트럼 간의 분광각을 의미한다.) 으로 정의되는 분광각매퍼(spectral angle mapper, SAM) 알고리즘이 사용되는 것을 특징으로 하고, 상기 S200 단계에서 지상분광센서(2)는 1°, 10°, 25°중 어느 하나의 시야각(θ)을 가지고 지상분광영상이 측정되는 것을 특징으로 하는 항공초분광영상을 이용한 생태교란종 모니터링 방법을 제시한다.(Here, x is an image spectrum vector, r is a reference spectrum vector, and α is a spectral angle between two spectra.) It is characterized in that a spectral angle mapper (SAM) algorithm defined as is used, In step S200, the ground spectral sensor 2 has a viewing angle (θ) of any one of 1°, 10°, and 25°. present.
본 발명에 따르면, 생태교란종에 대한 분류가 보다 정확하고 체계적으로 이루어질 수 있기 때문에, 생태교란종의 시계열적 분포변화추이에 대한 정량적, 정성적 분석이 가능하다는 장점이 있다.According to the present invention, since classification of ecological disturbance species can be made more accurately and systematically, there is an advantage in that quantitative and qualitative analysis of the time-series distribution change trend of ecological disturbance species is possible.
도 1은 항공 초분광 영상 데이터 구조 및 피복별 분광곡선을 나타내는 도면이다.
도 2는 대상물에 따라 지상초분광센서의 FOV 값을 조절하는 것을 나타내는 도면이다.
도 3 내지 도 4는 항공초분광원시영상을 나타내는 도면이다.
도 5는 토지피복분류영상을 나타내는 도면이다.
도 6은 지상초분광센서를 나타내는 도면이다.
도 7은 표적탐지 알고리즘 원리를 나타내는 도면이다.
도 8은 분광특성을 이용하여 분류 가능한 13개 등급을 나타내는 분광라이브러리이다.
도 9 내지 도 10는 본 발명을 이용하여 생태교란종을 모니터링한 결과를 나타내는 예시도이다.
도 11은 본 발명에 따른 생태교란종 모니터링 방법을 나타내는 블록도이다.
도 12는 도 11의 S100 단계를 세부적으로 나타내는 블록도이다.
도 13은 도 12의 S120 단계를 세부적으로 나타내는 블록도이다.1 is a diagram showing a structure of aerial hyperspectral image data and a spectral curve for each covering.
FIG. 2 is a diagram illustrating adjusting the FOV value of the terrestrial hyperspectral sensor according to an object.
3 to 4 are views showing aerial hyperspectral far-sightedness images.
5 is a view showing a land cover classification image.
6 is a view showing a terrestrial hyperspectral sensor.
7 is a diagram illustrating the principle of a target detection algorithm.
8 is a spectral library showing 13 grades that can be classified using spectral characteristics.
9 to 10 are exemplary views showing the results of monitoring ecological disturbance species using the present invention.
11 is a block diagram illustrating a method for monitoring ecological disturbance species according to the present invention.
12 is a block diagram illustrating in detail step S100 of FIG. 11 .
13 is a block diagram illustrating in detail step S120 of FIG. 12 .
이하 첨부된 도면을 바탕으로 본 발명의 바람직한 실시예에 대해 설명한다. 다만 본 발명의 권리범위는 특허청구범위 기재에 의하여 파악되어야 한다. 또한 본 발명의 요지를 모호하게 하는 공지기술의 설명은 생략한다.Hereinafter, a preferred embodiment of the present invention will be described based on the accompanying drawings. However, the scope of the present invention should be understood by the description of the claims. Also, descriptions of known technologies that obscure the gist of the present invention will be omitted.
본 발명은 항공 촬영된 초분광 영상 이미지를 분석하여 생태교란종 분포를 분류하고, 생태교란종에 대한 분류가 보다 정확하고 체계적으로 이루어질 수 있도록 하는 항공초분광영상을 이용한 생태교란종 모니터링 방법에 관한 것이다.The present invention relates to a method for monitoring ecological disturbance species using aerial hyperspectral images to classify the distribution of ecological disturbance species by analyzing hyperspectral image images taken from the air, and to make classification of ecological disturbance species more accurate and systematic. will be.
도 1은 항공 초분광 영상 데이터 구조 및 피복별 분광곡선을 나타내는 도면이고, 도 2는 대상물에 따라 지상초분광센서의 FOV 값을 조절하는 것을 나타내는 도면이고, 도 3 내지 도 4는 항공초분광원시영상을 나타내는 도면이고, 도 5는 토지피복분류영상을 나타내는 도면이고, 도 6은 지상초분광센서를 나타내는 도면이고, 도 7은 표적탐지 알고리즘 원리를 나타내는 도면이고, 도 8은 분광특성을 이용하여 분류 가능한 13개 등급을 나타내는 분광라이브러리이고, 도 9 내지 도 10는 본 발명을 이용하여 생태교란종을 모니터링한 결과를 나타내는 예시도이고, 도 11은 본 발명에 따른 생태교란종 모니터링 방법을 나타내는 블록도이고, 도 12는 도 11의 S100 단계를 세부적으로 나타내는 블록도이고, 도 13은 도 12의 S120 단계를 세부적으로 나타내는 블록도이다.1 is a view showing the aerial hyperspectral image data structure and the spectral curve for each covering, FIG. 2 is a diagram showing the adjustment of the FOV value of the terrestrial hyperspectral sensor according to the object, and FIGS. 3 to 4 are aerial hyperspectral vision It is a view showing the image, Fig. 5 is a view showing the land cover classification image, Fig. 6 is a view showing the ground hyperspectral sensor, Fig. 7 is a view showing the principle of the target detection algorithm, and Fig. 8 is a view showing the spectral characteristics It is a spectral library showing 13 classifiable grades, FIGS. 9 to 10 are exemplary diagrams showing the results of monitoring ecological disturbance species using the present invention, and FIG. 11 is a block showing the ecological disturbance species monitoring method according to the present invention FIG. 12 is a block diagram showing in detail step S100 of FIG. 11 , and FIG. 13 is a block diagram showing step S120 of FIG. 12 in detail.
본 발명에 따른 생태교란종 모니터링 방법은 도 11에 도시된 바와 같이, 토지피복분류영상(130)을 획득하는 단계(S100); 지상분광영상을 획득하는 단계(S200); S100 단계에서 획득된 토지피복분류영상(130)과 S200 단계에서 획득된 지상분광영상의 적합성을 확인하는 단계(S300);를 포함한다.As shown in FIG. 11, the ecological disturbance species monitoring method according to the present invention includes: acquiring a land cover classification image 130 (S100); obtaining a terrestrial spectral image (S200); and confirming the suitability of the land
S100 단계에 대해 설명한다. S100 단계는 도 12에 도시된 바와 같이, 항공초분광원시영상(110)을 획득하는 단계(S110)와, 상기 S110 단계에서 획득된 항공초분광원시영상(110)을 보정하는 단계(S120)와, 상기 S120 단계에서 보정된 항공초분광보정영상(120)으로부터 분광스펙트럼을 추출하는 단계(S130)와, 상기 S130 단계에서 추출된 분광스펙트럼을 기준으로 표적탐지 알고리즘을 S120 단계에서 보정된 항공초분광보정영상(120)에 적용하여 토지피복분류영상(130)을 획득하는 단계(S140)를 포함한다.Step S100 will be described. Step S100, as shown in FIG. 12, includes the steps of obtaining an aerial hyperspectral far-sighted image 110 (S110), and correcting the aerial hyperspectral far-
S110 단계에 대해 설명한다. S110 단계는 항공초분광원시영상(110)을 획득하는 단계로서, 상기 항공초분광원시영상(110)은 항공초분광센서를 이용하여 2,000m의 촬영고도, 1m의 공간해상도, 가시광선에서 근적외선까지의 파장대역 구간에서 48개 밴드로 촬영된다. 도 3은 항공초분광원시영상을 나타내는 도면이다.Step S110 will be described. Step S110 is a step of acquiring an aerial hyperspectral far-
분광계가 하나의 물체에서 하나의 분광곡선을 획득하는데 그치는 반면, 초분광영상은 영상을 구성하는 하나하나의 화소마다 분광곡선을 얻을 수 있으며 이를 이용하여 각 화소에 해당하는 지표물과 관련된 정보의 추출이 가능하다는 장점이 있다.Whereas the spectrometer only acquires one spectral curve from one object, hyperspectral imaging can obtain a spectral curve for each pixel constituting the image, and use this to extract information related to the index corresponding to each pixel. There are advantages to being able to do this.
S120 단계에 대해 설명한다. S120 단계는 상기 S110 단계에서 획득된 항공초분광원시영상(110)에 대해 컴퓨터 프로그램을 이용하여 보정하는 단계이다. 이는 도 13에 도시된 바와 같이, 세부적으로 복사보정단계(S121), 대기보정단계(S122), 기하보정단계(S123)를 포함한다.Step S120 will be described. Step S120 is a step of correcting the aerial hyperspectral far-
S121 단계에 대해 설명한다. S121 단계는 항공초분광원시영상(110)에 센서의 복사보정계수를 적용하여 각 화소별로 상기 센서에 도달한 복사휘도영상을 획득하는 단계이다.Step S121 will be described. Step S121 is a step of acquiring a radiation luminance image reaching the sensor for each pixel by applying a radiation correction coefficient of the sensor to the aerial hyperspectral far-
S122 단계에 대해 설명한다. S122 단계는 상기 S121 단계에서 획득된 복사휘도영상에 태양-지표-센서의 기하정보, 대기모델 적용하여 대기에 의한 영향을 제거함으로써 지표에서의 분광반사율영상을 획득하는 단계이다.Step S122 will be described. Step S122 is a step of acquiring a spectral reflectance image at the surface by removing the influence of the atmosphere by applying the solar-surface-sensor geometric information and atmospheric model to the radiance image obtained in the step S121.
S123 단계에 대해 설명한다. S123 단계는 상기 S122 단계에서 획즉된 분광반사율 영상에 GPS(Global Positioning System) 자료, IMU(Inertial Measurement System) 자료 및 지상기준점 측량 자료를 이용하여 지리좌표를 등록하는 단계이다.Step S123 will be described. Step S123 is a step of registering geographic coordinates using GPS (Global Positioning System) data, IMU (Inertial Measurement System) data, and ground reference point survey data in the spectral reflectance image captured in step S122.
S130 단계에 대해 설명한다. S130 단계는 상기 S120 단계에서 획득된 항공초분광보정영상으로부터 분광스펙트럼을 추출하는 단계이다. Step S130 will be described. Step S130 is a step of extracting a spectral spectrum from the aerial hyperspectral corrected image obtained in step S120.
도 8은 분광특성을 이용하여 분류 가능한 13개 등급을 나타내는 분광라이브러리이다. 하이퍼 영상을 분류하기 위한 기준자료로 도 8의 분광라이브러리에 포함되어 있는 분광스펙트럼을 사용할 수 있다. 분광스펙트럼은 13개 분류등급 각각에 대해 분광라이브러리로부터 추출하며 영상과 동일한 파장영역을 대상으로 한다. 분광라이브러리에서 추출한 분광스펙트럼은 영상의 각 화소가 13개 등급 중 어떤 등급에 해당하는지 분류하기 위한 기준자료로 사용된다.8 is a spectral library showing 13 grades that can be classified using spectral characteristics. The spectral spectrum included in the spectral library of FIG. 8 may be used as reference data for classifying the hyper image. The spectral spectrum is extracted from the spectral library for each of the 13 classification classes, and the same wavelength range as the image is targeted. The spectral spectrum extracted from the spectral library is used as a reference data to classify which class each pixel of the image corresponds to among 13 classes.
S140 단계에 대해 설명한다. S140 단계는 상기 S130 단계에서 추출된 분광스펙트럼을 기준으로 표적탐지 알고리즘을 S120 단계에서 보정된 항공초분광보정영상(120)에 적용하여 토지피복분류영상(130)을 획득하는 단계이다. 도 5는 토지피복분류영상을 나타내는 도면이다.Step S140 will be described. Step S140 is a step of obtaining the land
상기 S140 단계에서 표적탐지 알고리즘에서는 아래의 식In the target detection algorithm in step S140, the following equation
(여기서, x는 영상 스펙트럼 벡터, r은 기준 스펙트럼 벡터, α는 두 스펙트럼 간의 분광각을 의미한다.) 으로 구한 분광각(α)을 이용하여 토지피복분류영상(130)을 획득하는 것이 바람직하다. 도 7은 표적탐지 알고리즘 원리를 나타내는 도면이다.(Here, x is the image spectrum vector, r is the reference spectrum vector, and α is the spectral angle between the two spectra.) It is preferable to obtain the land
일반적인 분류 알고리즘은 화소의 스펙트럼을 각 등급에 해당하는 기준 스펙트럼과 비교하는데 있어 스펙트럼의 절대값(반사도)을 이용하여 유사도를 계산한다. 그러나 많은 경우에 있어 실제 하이퍼 영상은 스펙트럼의 절대값에 변이가 발생하고 대기보정과정에서 발생하는 오차를 포함하고 있다.A general classification algorithm compares the spectrum of a pixel with a reference spectrum corresponding to each class, and calculates the similarity by using the absolute value (reflectance) of the spectrum. However, in many cases, the actual hyper image has a shift in the absolute value of the spectrum and contains errors that occur during atmospheric correction.
이에 반하여, S140 단계에서 표적탐지 알고리즘은 이러한 변이와 오차로 인한 오분류를 최소화하기 위하여 스펙트럼을 밴드수 공간의 벡터로 가정한 후 벡터의 방향을 각으로 비교한다. 이 방법은 스펙트럼의 증감 패턴을 비교함으로써 절대값을 비교하는 것보다 스펙트럼의 형태를 비교하는 방법에 해당한다.On the other hand, in step S140, the target detection algorithm assumes the spectrum as a vector in the number of bands space in order to minimize misclassification due to such variation and error, and then compares the direction of the vector as an angle. This method corresponds to a method of comparing the shape of the spectrum rather than comparing the absolute values by comparing the increase and decrease patterns of the spectrum.
S200 단계에 대해 설명한다. S200 단계는 지상분광센서(2)를 이용하여 가시광선에서 근적외선까지의 파장대역 구간에서 1.6nm 간격으로 측정된 지상분광영상을 획득하는 단계이다. 도 6은 지상초분광센서를 나타내는 도면이다.Step S200 will be described. Step S200 is a step of acquiring a terrestrial spectroscopic image measured at intervals of 1.6 nm in a wavelength band from visible to near infrared using the terrestrial spectroscopic sensor 2 . 6 is a view showing a terrestrial hyperspectral sensor.
상기 S200 단계에서 지상분광센서(2)는 도 2에 도시된 바와 같이, 1°, 10°, 25°중 어느 하나의 시야각(θ)을 가지고 지상분광영상이 측정되는 것이 바람직하다. 즉, 현장 조사 시 해안지형 재질의 정확한 측정을 위해 시야각(Field of view, FOV)을 결정 하여야 되는데, 이 시야각 1°, 10°, 25° 중 대상물의 측정 상태 및 형태를 고려하여 시야각을 결정하는 것이 바람직하다. 또한, 시야각 결정시 조사자의 키와 몸의 상태, 대상물의 크기, 대상물의 혼합상태 등을 고려하여 시야각을 결정한다.In step S200, the terrestrial spectral sensor 2 preferably measures the terrestrial spectral image with a viewing angle θ of any one of 1°, 10°, and 25°, as shown in FIG. 2 . In other words, the field of view (FOV) must be determined for accurate measurement of coastal terrain materials during on-site investigation. it is preferable In addition, when determining the viewing angle, the viewing angle is determined in consideration of the height and body condition of the investigator, the size of the object, the mixed state of the object, and the like.
S300 단계에 대해 설명한다. S300 단계는 S100 단계에서 획득된 토지피복분류영상(130)과 S200 단계에서 획득된 지상분광영상의 적합성을 확인하는 단계이다. 이는 토지피복분류영상(130)과 지상분광영상이 얼마나 매칭되는지를 확인하여 토지피복분류영상(130)의 신뢰도를 확보하기 위함이다.Step S300 will be described. Step S300 is a step of confirming the suitability of the land
도 9 내지 도 10는 본 발명을 이용하여 생태교란종을 모니터링한 결과를 나타내는 예시도이다. 구체적으로, 도 9는 생태교란종 단풍잎 돼지풀의 탐지 결과를 나타내고, 도 10은 생태교란종 가시상추의 탐지 결과를 나타낸다. 9 to 10 are exemplary views showing the results of monitoring ecological disturbance species using the present invention. Specifically, Figure 9 shows the detection result of the ecological disturbance species maple leaf ragweed, and Figure 10 shows the detection result of the ecological disturbance species spiny lettuce.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것은 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경 가능함은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어서 명백할 것이다.The present invention described above is not limited by the above-described embodiments and the accompanying drawings, and it is common in the art to which the present invention pertains that various substitutions, modifications and changes are possible without departing from the technical spirit of the present invention. It will be clear to those who have knowledge.
100 : 항공초분광영상
110 : 항공초분광원시영상
130 : 토지피복분류영상
2 : 지상분광센서100: aerial hyperspectral image
110: aerial hyperspectral far-sightedness image
130: land cover classification image
2: terrestrial spectral sensor
Claims (8)
지상분광센서(2)를 이용하여 가시광선에서 근적외선까지의 파장대역 구간에서 1.6nm 간격으로 측정된 지상분광영상을 획득하는 단계(S200);
S100 단계에서 획득된 토지피복분류영상(130)과 S200 단계에서 획득된 지상분광영상의 적합성을 확인하는 단계(S300);를 포함하고,
상기 S100 단계는
항공초분광센서를 이용하여 2,000m의 촬영고도, 1m의 공간해상도, 가시광선에서 근적외선까지의 파장대역 구간에서 48개 밴드로 촬영된 항공초분광원시영상(110)을 획득하는 항공초분광원시영상 획득단계(S110)와,
상기 S110 단계에서 획득된 항공초분광원시영상(110)에 대해 컴퓨터 프로그램을 이용하여 보정을 수행하되, 센서의 복사보정계수를 적용하여 각 화소별로 상기 센서에 도달한 복사휘도영상을 획득하고(복사보정), 상기 획득된 복사휘도영상에 태양-지표-센서의 기하정보, 대기모델 적용하여 대기에 의한 영향을 제거함으로써 지표에서의 분광반사율영상을 획득하며(대기보정), 상기 획득된 분광반사율영상에 GPS(Global Positioning System) 자료, IMU(Inertial Measurement System) 자료 및 지상기준점 측량 자료를 이용하여 지리좌표를 등록하여(기하보정) 항공초분광보정영상을 획득하는 항공초분광보정영상 획득단계(S120)와,
상기 S120 단계에서 획득된 항공초분광보정영상으로부터 13개 등급으로 나누어진 분광라이브러리를 이용하여 분광스펙트럼을 추출하는 분광스펙트럼 추출단계(S130)와,
상기 S130 단계에서 추출된 분광스펙트럼을 기준으로 샘플화소를 통해 획득한 기준 분광반사율과 각 화소 간의 분광유사도(spectral similarity)를 계산하는 아래의 표적탐지 알고리즘
(여기서, x는 영상 스펙트럼 벡터, r은 기준 스펙트럼 벡터, α는 두 스펙트럼 간의 분광각을 의미한다.)
으로 구한 분광각(α)을 S120 단계에서 획득된 항공초분광보정영상에 적용하여 토지피복분류영상(130)을 획득하는 토지피복분류영상 획득단계(S140)를 포함하는 것을 특징으로 하는
항공초분광영상을 이용한 생태교란종 모니터링 방법.obtaining the land cover classification image 130 from the aerial hyperspectral raw image 110 obtained using the aerial hyperspectral sensor (S100);
using the terrestrial spectroscopic sensor 2 to obtain terrestrial spectroscopic images measured at intervals of 1.6 nm in a wavelength band from visible to near infrared (S200);
Including; and confirming the suitability of the land cover classification image 130 obtained in step S100 and the ground spectroscopic image obtained in step S200 (S300);
The step S100 is
Aerial hyperspectral raw image to acquire aerial hyperspectral raw image 110 photographed with 48 bands in the wavelength band section from visible light to near-infrared light at an altitude of 2,000 m, spatial resolution of 1 m, using an aerial hyperspectral sensor Acquisition step (S110) and,
Correction is performed using a computer program on the aerial hyperspectral far-sighted image 110 obtained in step S110, and the radiation correction coefficient of the sensor is applied to obtain the radiance image reaching the sensor for each pixel (copy correction), to obtain a spectral reflectance image at the surface by applying the solar-ground-sensor geometric information and atmospheric model to the obtained radiance image to remove the influence of the atmosphere (atmospheric correction), and the obtained spectral reflectance image Aerial hyperspectral correction image acquisition step (S120) by registering geographic coordinates (geometric correction) using GPS (Global Positioning System) data, IMU (Inertial Measurement System) data, and ground reference point survey data )Wow,
A spectral spectrum extraction step (S130) of extracting a spectral spectrum using a spectral library divided into 13 grades from the aerial hyperspectral correction image obtained in step S120;
The following target detection algorithm for calculating the reference spectral reflectance obtained through the sample pixel and the spectral similarity between each pixel based on the spectral spectrum extracted in step S130
(Where x is the image spectrum vector, r is the reference spectrum vector, and α is the spectral angle between the two spectra.)
A land cover classification image acquisition step (S140) of obtaining a land cover classification image 130 by applying the spectral angle (α) obtained as α to the aerial hyperspectral correction image obtained in step S120, characterized in that it includes
A method for monitoring ecological disturbances using aerial hyperspectral imaging.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190169850A KR102315319B1 (en) | 2019-12-18 | 2019-12-18 | Monitoring method of ecological disturbance species using aerial hyperspectral imaging |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190169850A KR102315319B1 (en) | 2019-12-18 | 2019-12-18 | Monitoring method of ecological disturbance species using aerial hyperspectral imaging |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210078108A KR20210078108A (en) | 2021-06-28 |
| KR102315319B1 true KR102315319B1 (en) | 2021-10-19 |
Family
ID=76607856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190169850A KR102315319B1 (en) | 2019-12-18 | 2019-12-18 | Monitoring method of ecological disturbance species using aerial hyperspectral imaging |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102315319B1 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114113000A (en) * | 2021-12-14 | 2022-03-01 | 江苏省地质勘查技术院 | Method, system and equipment for improving spectrum reflectivity inversion based on empirical linear model |
| CN115187865B (en) * | 2022-07-20 | 2023-07-21 | 珠江水利委员会珠江水利科学研究院 | Unmanned aerial vehicle image near-infrared band simulation method and medium based on ground object spectrum |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101621354B1 (en) * | 2016-03-31 | 2016-05-20 | 주식회사 지오스토리 | Water column correction using airborne hyperspectral image |
| KR101744662B1 (en) * | 2016-11-30 | 2017-06-09 | 주식회사 지오스토리 | System for classifying halophytes using hyper-spectral imaging |
| KR101756960B1 (en) * | 2016-05-31 | 2017-07-13 | (주)아세아항측 | Monitoring method of heavy metals in soil using the aerial hyperspectral images |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101414045B1 (en) | 2013-06-24 | 2014-07-02 | 인하대학교 산학협력단 | Method for detecting target using hyperspectral image using inputted spectral libray data |
-
2019
- 2019-12-18 KR KR1020190169850A patent/KR102315319B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101621354B1 (en) * | 2016-03-31 | 2016-05-20 | 주식회사 지오스토리 | Water column correction using airborne hyperspectral image |
| KR101756960B1 (en) * | 2016-05-31 | 2017-07-13 | (주)아세아항측 | Monitoring method of heavy metals in soil using the aerial hyperspectral images |
| KR101744662B1 (en) * | 2016-11-30 | 2017-06-09 | 주식회사 지오스토리 | System for classifying halophytes using hyper-spectral imaging |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210078108A (en) | 2021-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Roy et al. | A general method to normalize Landsat reflectance data to nadir BRDF adjusted reflectance | |
| Rakwatin et al. | Restoration of Aqua MODIS band 6 using histogram matching and local least squares fitting | |
| Dadon et al. | Use of derivative calculations and minimum noise fraction transform for detecting and correcting the spectral curvature effect (smile) in Hyperion images | |
| Bannari et al. | Estimating and mapping crop residues cover on agricultural lands using hyperspectral and IKONOS data | |
| Zhu et al. | Cloud and cloud shadow detection for Landsat images: The fundamental basis for analyzing Landsat time series | |
| Mitchell et al. | Unmanned aerial vehicle (UAV) hyperspectral remote sensing for dryland vegetation monitoring | |
| Bue et al. | Real-time atmospheric correction of AVIRIS-NG imagery | |
| KR102315319B1 (en) | Monitoring method of ecological disturbance species using aerial hyperspectral imaging | |
| KR101634792B1 (en) | Method for detecting target material by spectral mixture analysis of hyperspectral image | |
| KR101750520B1 (en) | Method for improving detection performance of hyperspectral target detection by using target signal exclusion | |
| Brook et al. | Fine tuning of the SVC method for airborne hyperspectral sensors: The BRDF correction of the calibration nets targets | |
| Scheffler et al. | Preprocessing of hyperspectral images: a comparative study of destriping algorithms for EO1-hyperion | |
| KR102315329B1 (en) | Monitoring method of ecological disturbance species using drone hyperspectral imaging | |
| Wabomba et al. | Remote detection of volatile organic compounds by passive multispectral infrared imaging measurements | |
| Fischer et al. | Median spectral-spatial bad pixel identification and replacement for hyperspectral SWIR sensors | |
| Okyay et al. | Spatial co-registration and spectral concatenation of panoramic ground-based hyperspectral images | |
| Jacq et al. | Structure-from-motion, multi-view stereo photogrammetry applied to line-scan sediment core images | |
| Ismaya et al. | New automated cloud and cloud-shadow detection using Landsat imagery | |
| Hakim et al. | Satellite Attitude Determination Based on Pushbroom Image Band Coregistration | |
| Rajitha et al. | Effect of cirrus cloud on normalized difference Vegetation Index (NDVI) and Aerosol Free Vegetation Index (AFRI): A study based on LANDSAT 8 images | |
| Chakravortty et al. | Fusion of hyperspectral and multispectral image data for enhancement of spectral and spatial resolution | |
| MOHAMMADY et al. | Role of smile correction in mineral detection on hyperion data | |
| Kerekes et al. | Hyperspectral image quality for unmixing and subpixel detection applications | |
| Katkovsky | Base of Surface Spectral Characteristics from Photospectral Measurements on the International Space Station. | |
| Akhter et al. | Runway Detection using Pushbroom Hyperspectral Camera |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |