KR102360576B1 - 구름이동벡터 산출 장치 및 그 방법 - Google Patents

구름이동벡터 산출 장치 및 그 방법 Download PDF

Info

Publication number
KR102360576B1
KR102360576B1 KR1020190113692A KR20190113692A KR102360576B1 KR 102360576 B1 KR102360576 B1 KR 102360576B1 KR 1020190113692 A KR1020190113692 A KR 1020190113692A KR 20190113692 A KR20190113692 A KR 20190113692A KR 102360576 B1 KR102360576 B1 KR 102360576B1
Authority
KR
South Korea
Prior art keywords
satellite image
window
cloud
target particle
correlation
Prior art date
Application number
KR1020190113692A
Other languages
English (en)
Other versions
KR20210032209A (ko
Inventor
김보영
김진영
김창기
윤창열
강용혁
김현구
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 KR1020190113692A priority Critical patent/KR102360576B1/ko
Publication of KR20210032209A publication Critical patent/KR20210032209A/ko
Application granted granted Critical
Publication of KR102360576B1 publication Critical patent/KR102360576B1/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)
  • Environmental & Geological Engineering (AREA)
  • Computational Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 실시예에 따른 구름이동벡터 산출 장치는 제1 위성영상 및 상기 제1 위성영상보다 늦게 촬영된 제2 위성영상을 입력받는 입력부, 상기 제1 위성영상 및 상기 제2 위성영상의 관측 정보에 기초하여 상기 제1 위성영상 및 제2 위성영상에서 표적 입자를 선택하는 표적 입자 선택부, 상기 제1 위성영상의 표적 입자와 상기 제2 위성영상의 표적 입자에 기초하여 상기 제1 위성영상과 상기 제2 위성영상 사이의 상관도를 산출하는 상관도 산출부, 그리고 상기 상관도에 기초하여 구름 이동 벡터를 산출하는 벡터 산출부를 포함한다.

Description

구름이동벡터 산출 장치 및 그 방법{APPARATUS FOR CALCULATING CLOUD MOTION VECTOR AND METHOD THEREOF}
실시 예는 구름이동벡터 산출 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.
하지만, 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 이용하여 구름의 이동 경로를 예측하기 위한 구름이동벡터 산출 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 구름이동벡터 산출 장치는 제1 위성영상 및 상기 제1 위성영상보다 늦게 촬영된 제2 위성영상을 입력받는 입력부, 상기 제1 위성영상 및 상기 제2 위성영상의 관측 정보에 기초하여 상기 제1 위성영상 및 제2 위성영상에서 표적 입자를 선택하는 표적 입자 선택부, 상기 제1 위성영상의 표적 입자와 상기 제2 위성영상의 표적 입자에 기초하여 상기 제1 위성영상과 상기 제2 위성영상 사이의 상관도를 산출하는 상관도 산출부, 그리고 상기 상관도에 기초하여 구름 이동 벡터를 산출하는 벡터 산출부를 포함한다.
상기 관측 정보는, 청천지수(Clear Sky Index, CSI) 및 에어로졸 광학깊이(Aerosol Optical Depth, AOD) 중 적어도 하나를 포함할 수 있다.
상기 표적 입자 선택부는, 상기 제1 위성영상 및 상기 제2 위성영상의 픽셀에 대응하는 상기 관측 정보와 상기 관측 정보에 대응하는 임계치를 비교하여 상기 표적 입자를 선택할 수 있다.
상기 제1 위성영상 및 상기 제2 위성영상은, 기 설정된 크기의 윈도우로 분할되며, 상기 상관도 산출부는, 수직축 및 수평축에 따라 상기 제1 위성영상의 제1 윈도우 및 제2 위성영상의 제2 윈도우 사이의 변위를 변화시켜 상기 제1 윈도우와 상기 제2 윈도우에 포함된 상기 표적 입자를 비교하고, 비교 결과에 따라 상기 제1 윈도우와 상기 제2 윈도우 사이의 상관도를 산출할 수 있다.
상기 상관도 산출부는, 상기 제1 윈도우에 포함된 상기 표적 입자와 상기 제2 윈도우에 포함된 상기 표적 입자의 겹치는 영역이 넓을수록 상기 상관도를 높게 산출할 수 있다.
상기 벡터 산출부는, 산출된 상기 상관도 중 가장 높은 값을 가지는 상관도에 대응하는 변위에 기초하여 상기 제1 위성영상 및 상기 제2 위성영상에 대응하는 지역에 대한 구름 이동 벡터를 산출할 수 있다.
본 발명의 실시예에 따른 구름이동벡터 산출 방법은 제1 위성영상 및 상기 제1 위성영상보다 늦게 촬영된 제2 위성영상을 입력받는 단계, 상기 제1 위성영상 및 상기 제2 위성영상의 관측 정보에 기초하여 상기 제1 위성영상 및 제2 위성영상에서 표적 입자를 선택하는 단계, 상기 제1 위성영상의 표적 입자와 상기 제2 위성영상의 표적 입자에 기초하여 상기 제1 위성영상과 상기 제2 위성영상 사이의 상관도를 산출하는 단계, 그리고 상기 상관도에 기초하여 구름 이동 벡터를 산출하는 단계를 포함한다.
상기 관측 정보는, 청천지수(Clear Sky Index, CSI), 구름 비율(cloud fraction) 및 에어로졸 광학깊이(Aerosol Optical Depth, AOD) 중 적어도 하나를 포함할 수 있다.
상기 표적 입자를 선택하는 단계는, 상기 제1 위성영상 및 상기 제2 위성영상의 픽셀에 대응하는 상기 관측 정보와 상기 관측 정보에 대응하는 임계치를 비교하여 상기 표적 입자를 선택할 수 있다.
상기 제1 위성영상 및 상기 제2 위성영상은, 기 설정된 크기의 윈도우로 분할되며, 상기 상관도를 산출하는 단계는, 수직축 및 수평축에 따라 상기 제1 위성영상의 제1 윈도우 및 제2 위성영상의 제2 윈도우 사이의 변위를 변화시켜 상기 제1 윈도우와 상기 제2 윈도우에 포함된 상기 표적 입자를 비교하고, 비교 결과에 따라 상기 제1 윈도우와 상기 제2 윈도우 사이의 상관도를 산출할 수 있다.
상기 상관도를 산출하는 단계는, 상기 제1 윈도우에 포함된 상기 표적 입자와 상기 제2 윈도우에 포함된 상기 표적 입자의 겹치는 영역이 넓을수록 상기 상관도를 높게 산출할 수 있다.
상기 구름 이동 벡터를 산출하는 단계는, 산출된 상기 상관도 중 가장 높은 값을 가지는 상관도에 대응하는 변위에 기초하여 상기 제1 위성영상 및 상기 제2 위성영상에 대응하는 지역에 대한 구름 이동 벡터를 산출할 수 있다.
구름이동벡터 산출 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체를 포함할 수 있다.
실시 예에 따르면, 위성영상만을 이용하여 구름이동벡터를 산출할 수 있다.
또한, 높은 연산 속도로 구름이동벡터를 계산할 수 있다.
또한, 정확도가 높은 구름이동벡터를 산출할 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 구름이동벡터 산출 장치의 구성도이다.
도 2는 본 발명의 실시예에 따른 구름이동벡터 산출 방법의 순서도이다.
도 3은 본 발명의 실시예에 따른 위성영상을 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 위성영상에서 표적 입자를 선택하는 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 상관도를 산출하는 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 구름 이동 벡터의 산출 과정을 설명하기 위한 도면이다.
도 7은 본 발명의 실시예에 따른 구름 이동 벡터의 산출 결과를 나타낸 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, 구성요소들은 용어들에 의해 한정되지는 않는다. 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 구름이동벡터 산출 장치의 구성도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 구름이동벡터 산출 장치(100)는 입력부(110), 표적 입자 선택부(120), 상관도 산출부(130) 및 벡터 산출부(140)를 포함할 수 있다.
입력부(110)는 위성영상을 입력받는다.
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.
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.
표적 입자 선택부(120)는 제1 위성영상 및 제2 위성영상의 관측 정보에 기초하여 제1 위성영상 및 제2 위성영상에서 표적 입자를 선택한다.
관측 정보는 청천지수(Clear Sky Index, CSI) 및 에어로졸 광학깊이(Aerosol Optical Depth, AOD) 중 적어도 하나를 포함할 수 있다. 관측 정보는 제1 위성영상 및 제2 위성영상에 대응하여 입력될 수 있다. 다른 예로, 관측 정보는 제1 위성영상 및 제2 위성영상으로부터 본 발명의 실시예에 따른 구름이동벡터 산출 장치(100)에 의해 계산될 수도 있다. 아래의 수학식 1은 청천지수를 계산하는 일례를 나타낸다.
Figure 112019094429440-pat00001
여기서, CSI는 청천지수를 의미하고, GHI(global horizontal radiation)는 수평면 전일사량, Clear Sky GHI는 청천에서의 수평면 전일사량을 의미한다. 청천에서의 수평면 전일사량을 기 설정될 수 있다. 수평면 전일사량은 가시채널에서 관측되는 반사도에 기초하여 계산될 수 있다.
표적 입자 선택부(120)는 제1 위성영상 및 제2 위성영상의 픽셀에 대응하는 관측 정보와 관측 정보에 대응하는 임계치를 비교하여 표적 입자를 선택할 수 있다. 예를 들어, 표적 입자 선택부(120)는 청천지수가 0.1보다 작거나 같은 픽셀을 표적 입자로 선택할 수 있다.
상관도 산출부(130)는 제1 위성영상의 표적 입자와 제2 위성영상의 표적 입자에 기초하여 제1 위성영상과 제2 위성영상 사이의 상관도를 산출한다.
제1 위성영상 및 제2 위성영상은 기 설정된 크기의 윈도우로 분할될 수 있다. 그리고, 상관도 산출부(130)는 수직축 및 수평축에 따라 제1 위성영상의 제1 윈도우 및 제2 위성영상의 제2 윈도우 사이의 변위를 변화시켜 제1 윈도우와 제2 윈도우에 포함된 표적 입자를 비교하고, 비교 결과에 따라 제1 윈도우와 제2 윈도우 사이의 상관도를 산출할 수 있다.
상관도 산출부(130)는 제1 윈도우에 포함된 표적 입자와 제2 윈도우에 포함된 표적 입자의 겹치는 영역이 넓을수록 상관도를 높게 산출할 수 있다.
벡터 산출부(140)는 상관도에 기초하여 구름 이동 벡터를 산출한다.
벡터 산출부(140)는 산출된 상관도 중 가장 높은 값을 가지는 상관도에 대응하는 변위에 기초하여 제1 위성영상 및 제2 위성영상에 대응하는 지역에 대한 구름 이동 벡터를 산출할 수 있다.
본 발명의 실시예에 따른 구름이동벡터 산출 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.
도 2는 본 발명의 실시예에 따른 구름이동벡터 산출 방법의 순서도이다.
우선, 입력부(110)는 제1 위성영상 및 제1 위성영상보다 늦게 촬영된 제2 위성영상을 입력받는다(S210).
그러면, 표적 입자 선택부(120)는 제1 위성영상 및 제2 위성영상의 관측 정보에 기초하여 제1 위성영상 및 제2 위성영상에서 표적 입자를 선택한다(S220).
표적 입자 선택부(120)는 제1 위성영상 및 제2 위성영상의 픽셀에 대응하는 관측 정보와 관측 정보에 대응하는 임계치를 비교하여 표적 입자를 선택할 수 있다.
S220 단계에서 표적 입자가 선택되면, 상관도 산출부(130)는 제1 위성영상의 표적 입자와 제2 위성영상의 표적 입자에 기초하여 제1 위성영상과 제2 위성영상 사이의 상관도를 산출한다(S230).
제1 위성영상 및 제2 위성영상은 기 설정된 크기의 윈도우로 분할될 수 있다. 그리고, 상관도 산출부(130)는 수직축 및 수평축에 따라 제1 위성영상의 제1 윈도우 및 제2 위성영상의 제2 윈도우 사이의 변위를 변화시켜 제1 윈도우와 제2 윈도우에 포함된 표적 입자를 비교하고, 비교 결과에 따라 제1 윈도우와 제2 윈도우 사이의 상관도를 산출할 수 있다.
상관도 산출부(130)는 제1 윈도우에 포함된 표적 입자와 제2 윈도우에 포함된 표적 입자의 겹치는 영역이 넓을수록 상관도를 높게 산출할 수 있다.
S230 단계에서 상관도가 산출되면, 벡터 산출부(140)는 상관도에 기초하여 구름 이동 벡터를 산출한다(S240).
벡터 산출부(140)는 산출된 상관도 중 가장 높은 값을 가지는 상관도에 대응하는 변위에 기초하여 제1 위성영상 및 제2 위성영상에 대응하는 지역에 대한 구름 이동 벡터를 산출할 수 있다.
이하에서는 도면을 참조하여, 본 발명의 실시예에 따른 구름이동벡터 산출 장치(100) 및 이를 이용한 구름이동벡터 산출 방법의 각 구성 및 단계에 대해 상세하게 살펴보도록 한다.
도 3은 본 발명의 실시예에 따른 위성영상을 설명하기 위한 도면이다.
도 3의 (a)는 2019년 09월 02일 07:30에 촬영된 위성영상이고 도 3의 (b)는 2019년 09월 02일 07:45에 촬영된 위성영상이다. 도 3의 (b)는 도 3의 (a)보다 15분 늦게 촬영된 위성영상이다. 따라서, 본 발명의 실시예에 따르면, 도 3의 (a)는 제1 위성영상이고, 도 3의 (b)는 제2 위성영상일 수 있다.
도 3을 참조하면, 제1 위성영상 및 제2 위성영상은 기 설정된 크기의 윈도우로 분할될 수 있다. 제1 위성영상과 제2 위성영상에 적용되는 윈도우의 크기는 동일할 수 있다. 제1 위성영상과 제2 위성영상에서 윈도우에 의해 분할되는 영역은 서로 동일할 수 있다. 따라서, 제1 위성영상 및 제2 위성영상은 일정한 간격의 격자 형태로 영역이 분할될 수 있다.
윈도우의 크기는 위성영상의 해상도 등을 고려하여 당업자에 의해 설계변경이 가능하다. 일례로, 윈도우의 크기는 8x8 내지 32x32 픽셀 등의 사이즈로 설정될 수 있다.
도 4는 본 발명의 실시예에 따른 위성영상에서 표적 입자를 선택하는 과정을 설명하기 위한 도면이다.
제1 위성영상 및 제2 위성영상은 복수의 픽셀로 구성되어 있으며, 각 픽셀은 각각 정보를 포함할 수 있다. 즉, 각 픽셀은 청천지수 및 에어로졸 광학깊이와 같은 관측정보를 포함할 수 있다.
본 발명의 실시예에 따른 표적 입자 선택부(120)는 이러한 각 픽셀의 관측 정보를 이용하여 제1 위성영상 및 제2 위성영상에서 표적 입자를 선택할 수 있다.
예를 들어, 관측 정보로 청천지수를 이용한다고 가정한다. 그러면, 표적 입자 선택부(120)는 청천지수에 대응하는 임계치와 각 픽셀의 청천지수를 비교할 수 있다. 그러면, 제1 위성영상 및 제2 위성영상의 각 픽셀은 임계치를 기준으로 2개의 카테고리로 분류될 수 있다. 일례로, 제1 위성영상 및 제2 위성영상의 각 픽셀은 청천지수가 0.1보다 높은 값(High value)을 가지는 제1 그룹과 청천지수가 0.1보다 작거나 같은 값(Low value)을 가지는 제2 그룹으로 분류될 수 있다. 이때, 표적 입자 선택부(120)는 제2 그룹의 픽셀을 표적 입자로 선택할 수 있다.
본 발명의 일 실시예에 따르면, 표적 입자 선택부(120)는 특정 윈도우에 대해서만 표적 입자를 선택할 수도 있다. 구체적으로, 표적 입자 선택부(120)는 구름 영역으로 판단된 윈도우에 대해서만 표적 입자를 선택하고, 구름 영역이 아닌 곳으로 판단된 윈도우에 대해서는 표적 입자를 선택하지 않을 수 있다. 이때, 구름 영역인지 여부는 윈도우에서 구름 픽셀이 차지하는 비율에 의해 판단될 수 있다. 예를 들어, 어떤 윈도우 내에서 구름 픽셀이 전체 픽셀의 40%이상을 차지한다고 판단되면, 해당 윈도우는 구름 영역으로 판단될 수 있다. 이를 위해, 본 발명의 실시예에 따른 구름이동벡터 산출 장치(100)는 제1 위성영상 및 제2 위성영상의 각 윈도우에 대해 구름 영역에 해당하는지 여부를 판단하는 구름 영역 판단부를 더 포함할 수도 있다. 이 경우, 구름이동벡터 산출 장치(100)는 구름영역이 아닌 곳에 대해서는 표적 입자를 선택할 필요가 없고, 이후 상관도 도출 및 벡터 산출 과정도 수행할 필요가 없으므로, 연산속도를 더 향상시킬 수 있다.
도 5는 본 발명의 실시예에 따른 상관도를 산출하는 과정을 설명하기 위한 도면이다.
상관도 산출부(130)는 수직축 및 수평축에 따라 제1 위성영상의 제1 윈도우 및 제2 위성영상의 제2 윈도우 사이의 변위를 변화시켜 제1 윈도우와 제2 윈도우에 포함된 표적 입자를 비교하고, 비교 결과에 따라 제1 윈도우와 제2 윈도우 사이의 상관도를 산출할 수 있다.
도 5는 제1 위성영상 (2,3) 위치의 제1 윈도우(Window1(2,3))와 제2 위성영상 (2,3) 위치의 제2 윈도우(Window2(2,3))의 수평축에 따른 변위를 변화시키는 과정을 도시하고 있다.
도 5의 (a) 내지 (c)에 도시된 것처럼, 상관도 산출부(130)는 수평축에 따라 제1 윈도우와 제2 윈도우 사이의 변위를 변화시키면서 변위에 따른 상관도를 산출할 수 있다. 도 5의 (a)나 도 5의 (c)처럼, 제1 윈도우와 제2 윈도우의 표적 입자가 서로 겹치지 않는 경우, 상관도 산출부(130)는 제1 윈도우와 제2 윈도우의 상관도를 낮게 산출할 수 있다. 반면, 도 5의 (b)처럼, 제1 윈도우와 제2 윈도우의 표적 입자가 서로 겹치는 정도가 높아지면, 상관도 산출부(130)는 제1 윈도우와 제2 윈도우의 상관도를 높게 산출할 수 있다. 즉, 상관도 산출부(130)는 제1 윈도우에 포함된 표적 입자와 제2 윈도우에 포함된 표적 입자의 겹치는 영역이 넓을수록 상관도를 높게 산출할 수 있다.
도 5에서는 수평축에 따라 제1 윈도우와 제2 윈도우 사이의 변위를 변화시키는 과정만 도시하고 있으나, 수직축에 따라 제1 윈도우와 제2 윈도우 사이의 변위를 변화시키면서 제1 윈도우와 제2 윈도우 사이의 상관도를 산출하는 과정도 상기와 동일한 원리일 수 있다.
본 발명의 일 실시예에 따르면, 상관도 산출부(130)는 아래의 수학식 2를 이용하여 상관도(R(s,t))를 산출할 수 있다.
Figure 112019094429440-pat00002
여기서, d(x,y)는 좌표 (x,y)에 해당하는 영상의 값을 의미며, (s,t)는 구름이동벡터의 값이다. 수학식 2에서 나온 상관도(R(s,t))를 활용하여, 그 값이 가장 큰 점의 (s,t)를 구름이동벡터로 정할 수 있다.
도 6은 본 발명의 실시예에 따른 구름 이동 벡터의 산출 과정을 설명하기 위한 도면이다. 도 7은 본 발명의 실시예에 따른 구름 이동 벡터의 산출 결과를 나타낸 도면이다.
도 6의 (a)는 상관도 산출 결과를 2차원 그래프의 형태로 나타낸 것이고, 도 6의 (b)는 상관도 산출 결과를 3차원 그래프의 형태로 나타낸 것이다. 예를 들어, 제1 위성영상에 포함된 복수의 제1 윈도우 중 어느 하나와 제2 위성영상에 포함된 복수의 제2 윈도우에 대한 상관도를 그래프로 도시하면, 도 6의 (a)나 도 6의 (b)와 같은 형태의 그래프로 도시될 수 있다.
벡터 산출부(140)는 도 6과 같은 상관도 산출 결과에서 상관도가 가장 높은 지점을 선택하고, 선택된 지점에서의 변위 정보를 검출할 수 있다. 그리고, 벡터 산출부(140)는 선택된 지점에서의 변위 정보를 통해 제1 위성영상 및 제2 위성영상에 대응하는 지역에 대한 구름 이동 벡터를 산출할 수 있다.
예를 들어, 도 6의 검출 결과에서 그래프의 원점 (0,0)으로부터 상관도가 가장 높은 지점을 이은 벡터가 제1 윈도우의 구름 이동 벡터일 수 있다. 따라서, 해당 구름 이동 벡터는 제1 윈도우에 대응하는 지역에 대한 구름 이동 벡터일 수 있다. 이러한 구름 이동 벡터는 복수의 제1 윈도우 각각에 대해 생성될 수 있다. 즉, 도 7에서와 같은 구름 이동 벡터장이 생성될 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 : 구름이동벡터 산출 장치
110 : 입력부
120 : 표적 입자 선택부
130 : 상관도 산출부
140 : 벡터 산출부

Claims (13)

  1. 제1 위성영상 및 상기 제1 위성영상보다 늦게 촬영된 제2 위성영상을 입력받는 입력부;
    기 설정된 크기의 윈도우로 분할된 상기 제1 위성영상 및 상기 제2 위성영상에서, 구름 픽셀로 판단된 픽셀의 수가 소정의 값보다 큰 윈도우을 구름 영역으로 판단하는 구름 영역 판단부;
    상기 제1 위성영상 및 상기 제2 위성영상의 관측 정보에 기초하여 상기 제1 위성영상의 구름 영역으로 판단된 제1 윈도우 및 제2 위성영상의 구름 영역으로 판단된 제2 윈도우에서 표적 입자를 선택하는 표적 입자 선택부;
    수직축 및 수평축에 따라 상기 제1 윈도우 및 상기 제2 윈도우 사이의 변위를 변화시켜 상기 제1 윈도우의 표적 입자와 상기 제2 윈도우의 표적 입자를 비교하고, 비교 결과에 따라 상기 제1 윈도우와 상기 제2 윈도우 사이의 상관도를 산출하는 상관도 산출부; 그리고
    산출된 상기 상관도 중 가장 높은 값을 가지는 상관도에 대응하는 지점을 선택하고, 선택된 지점의 변위를 이용하여 상기 제1 윈도우 및 상기 제2 윈도우에 대응하는 지역에서의 구름 이동 벡터를 산출하는 벡터 산출부;를 포함하는 구름이동벡터 산출 장치.
  2. 제1항에 있어서,
    상기 관측 정보는,
    청천지수(Clear Sky Index, CSI) 및 에어로졸 광학깊이(Aerosol Optical Depth, AOD) 중 적어도 하나를 포함하는 구름이동벡터 산출 장치.
  3. 제1항에 있어서,
    상기 표적 입자 선택부는,
    상기 제1 위성영상 및 상기 제2 위성영상의 픽셀에 대응하는 상기 관측 정보와 상기 관측 정보에 대응하는 임계치를 비교하여 상기 표적 입자를 선택하는 구름이동벡터 산출 장치.
  4. 삭제
  5. 제1항에 있어서,
    상기 상관도 산출부는,
    상기 제1 윈도우에 포함된 상기 표적 입자와 상기 제2 윈도우에 포함된 상기 표적 입자의 겹치는 영역이 넓을수록 상기 상관도를 높게 산출하는 구름이동벡터 산출 장치.
  6. 삭제
  7. 구름이동벡터 산출 장치를 이용한 구름이동벡터 산출 방법에 있어서,
    상기 구름이동벡터 산출 장치가, 제1 위성영상 및 상기 제1 위성영상보다 늦게 촬영된 제2 위성영상을 입력받는 단계;
    기 설정된 크기의 윈도우로 분할된 상기 제1 위성영상 및 상기 제2 위성영상에서, 구름 픽셀로 판단된 픽셀의 수가 소정의 값보다 큰 윈도우을 구름 영역으로 판단하는 단계;
    상기 제1 위성영상 및 상기 제2 위성영상의 관측 정보에 기초하여 상기 제1 위성영상의 구름 영역으로 판단된 제1 윈도우 및 제2 위성영상의 구름 영역으로 판단된 제2 윈도우에서 표적 입자를 선택하는 단계;
    수직축 및 수평축에 따라 상기 제1 윈도우 및 상기 제2 윈도우 사이의 변위를 변화시켜 상기 제1 윈도우의 표적 입자와 상기 제2 윈도우의 표적 입자를 비교하고, 비교 결과에 따라 상기 제1 윈도우와 상기 제2 윈도우 사이의 상관도를 산출하는 단계, 그리고
    산출된 상기 상관도 중 가장 높은 값을 가지는 상관도에 대응하는 지점을 선택하고, 선택된 지점의 변위를 이용하여 상기 제1 윈도우 및 상기 제2 윈도우에 대응하는 지역에서의 구름 이동 벡터를 산출하는 단계를 포함하는 구름이동벡터 산출 방법.
  8. 제7항에 있어서,
    상기 관측 정보는,
    청천지수(Clear Sky Index, CSI), 구름 비율(cloud fraction) 및 에어로졸 광학깊이(Aerosol Optical Depth, AOD) 중 적어도 하나를 포함하는 구름이동벡터 산출 방법.
  9. 제7항에 있어서,
    상기 표적 입자를 선택하는 단계는,
    상기 제1 위성영상 및 상기 제2 위성영상의 픽셀에 대응하는 상기 관측 정보와 상기 관측 정보에 대응하는 임계치를 비교하여 상기 표적 입자를 선택하는 구름이동벡터 산출 방법.
  10. 삭제
  11. 제7항에 있어서,
    상기 상관도를 산출하는 단계는,
    상기 제1 윈도우에 포함된 상기 표적 입자와 상기 제2 윈도우에 포함된 상기 표적 입자의 겹치는 영역이 넓을수록 상기 상관도를 높게 산출하는 구름이동벡터 산출 방법.
  12. 삭제
  13. 삭제
KR1020190113692A 2019-09-16 2019-09-16 구름이동벡터 산출 장치 및 그 방법 KR102360576B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190113692A KR102360576B1 (ko) 2019-09-16 2019-09-16 구름이동벡터 산출 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190113692A KR102360576B1 (ko) 2019-09-16 2019-09-16 구름이동벡터 산출 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20210032209A KR20210032209A (ko) 2021-03-24
KR102360576B1 true KR102360576B1 (ko) 2022-02-09

Family

ID=75256970

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190113692A KR102360576B1 (ko) 2019-09-16 2019-09-16 구름이동벡터 산출 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102360576B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102569735B1 (ko) * 2022-12-29 2023-08-25 텔레픽스 주식회사 다종 위성 성능 평가 방법 및 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002156466A (ja) 2000-11-16 2002-05-31 Mitsubishi Electric Corp 雲量算出システムおよび方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08271649A (ja) * 1995-03-30 1996-10-18 Nippon Telegr & Teleph Corp <Ntt> 気象予測装置
KR101881784B1 (ko) * 2017-01-12 2018-07-25 경북대학교 산학협력단 예측장 생성방법, 이를 수행하기 위한 기록매체 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002156466A (ja) 2000-11-16 2002-05-31 Mitsubishi Electric Corp 雲量算出システムおよび方法

Also Published As

Publication number Publication date
KR20210032209A (ko) 2021-03-24

Similar Documents

Publication Publication Date Title
Chow et al. Cloud motion and stability estimation for intra-hour solar forecasting
JP5925417B2 (ja) 新型背景推定技術及びハイパースペクトル標的検出法
US8655513B2 (en) Methods of real time image enhancement of flash LIDAR data and navigating a vehicle using flash LIDAR data
Wood-Bradley et al. Cloud tracking with optical flow for short-term solar forecasting
Chen et al. Evaluation of high-resolution precipitation estimates from satellites during July 2012 Beijing flood event using dense rain gauge observations
Bergman et al. Deep adaptive lidar: End-to-end optimization of sampling and depth completion at low sampling rates
KR102272369B1 (ko) 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법
Alonso et al. Short and medium-term cloudiness forecasting using remote sensing techniques and sky camera imagery
Balasingam et al. Maximum likelihood detection on images
Sun et al. Short term cloud coverage prediction using ground based all sky imager
Walz et al. Uncertainty depth estimation with gated images for 3D reconstruction
KR102360576B1 (ko) 구름이동벡터 산출 장치 및 그 방법
Jia et al. Depth measurement based on a convolutional neural network and structured light
Awadallah et al. A two-stage algorithm for extraction of ground and top of canopy in photon-counting profiling-LiDAR data in preparation for the ICESat-2 mission
KR102360577B1 (ko) 구름이동벡터 산출 장치 및 그 방법
Bombrun et al. Algorithm for particle detection and parameterization in high-frame-rate thermal video
Lohani et al. Surveillance system based on Flash LiDAR
RU2480780C1 (ru) Способ обнаружения точечных тепловых объектов на маскирующем атмосферном фоне
Willett et al. Multiple target tracking from images using the maximum likelihood HPMHT
KR102360578B1 (ko) 일사량 추정 장치 및 그 방법
EP2947626B1 (en) Method and apparatus for generating spanning tree, method and apparatus for stereo matching, method and apparatus for up-sampling, and method and apparatus for generating reference pixel
KR102285686B1 (ko) 구름 이동 예측 장치 및 그 방법
Torchalla et al. Robust Multisensor Fusion for Reliable Mapping and Navigation in Degraded Visual Conditions
Høilund et al. Improving stereo camera depth measurements and benefiting from intermediate results
Zhou et al. An improved IDW method for linear array 3D imaging sensor

Legal Events

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