KR102373278B1 - 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법 - Google Patents

지상기반 전천 영상자료를 이용한 야간 전운량 산출방법 Download PDF

Info

Publication number
KR102373278B1
KR102373278B1 KR1020200026676A KR20200026676A KR102373278B1 KR 102373278 B1 KR102373278 B1 KR 102373278B1 KR 1020200026676 A KR1020200026676 A KR 1020200026676A KR 20200026676 A KR20200026676 A KR 20200026676A KR 102373278 B1 KR102373278 B1 KR 102373278B1
Authority
KR
South Korea
Prior art keywords
image data
pixel
sky
night
pixels
Prior art date
Application number
KR1020200026676A
Other languages
English (en)
Other versions
KR20210111578A (ko
Inventor
김부요
차주완
정운선
박동오
Original Assignee
대한민국
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 대한민국 filed Critical 대한민국
Priority to KR1020200026676A priority Critical patent/KR102373278B1/ko
Publication of KR20210111578A publication Critical patent/KR20210111578A/ko
Application granted granted Critical
Publication of KR102373278B1 publication Critical patent/KR102373278B1/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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4015—Image demosaicing, e.g. colour filter arrays [CFA] or Bayer patterns
    • G06T5/006—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

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

Abstract

본 발명은 빛에 민감한 카메라 센서를 사용하고 장시간 렌즈를 노출시킴으로써 야간의 구름을 관측하고 관측된 전천 영상으로부터 야간 전운량을 산출하되 차폐화소를 제거하고 영상왜곡을 보정함으로써 야간 전운량을 정확하게 산출할 수 있도록 한 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 관한 것으로,
야간에 지상에서 촬영한 전체 하늘의 원본 영상자료를 수집하는 단계와; 상기 원본 영상자료로부터 차폐화소를 제거하는 단계와; 차폐화소가 제거된 영상자료의 왜곡을 보정하는 단계와; 천정각이 70° 미만인 부분만 분석대상으로 설정하는 단계와; 원본 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와; 명암으로 변환된 화소들에 대하여 적색과 청색의 비율인 RBR과 YCrCb 색공간의 Y를 각각 계산하여, RBR이 0.98을 초과하고 Y값이 10을 초과하는 경우에만 구름화소로 판별하는 단계와; 판별된 구름화소를 이용하여 야간 전운량을 산출하는 단계;를 포함하는 것을 특징으로 한다.

Description

지상기반 전천 영상자료를 이용한 야간 전운량 산출방법{Distortion Method of Total Cloude Cover in Night Time using Ground Based Whole Sky Image Data}
본 발명은 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 관한 것으로, 더욱 상세하게는 빛에 민감한 카메라 센서를 사용하고 장시간 렌즈를 노출시킴으로써 야간의 구름을 관측하고 관측된 전천 영상으로부터 야간 전운량을 산출하되 차폐화소를 제거하고 영상왜곡을 보정함으로써 야간 전운량을 정확하게 산출할 수 있도록 한 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 관한 것이다.
구름은 전지구 면적의 약 70%를 차지하며 매 순간 복사에너지 수지를 변화시키고 이로부터 발생된 기상변화는 수문 순환(Hydrologic Cycle)과 국지적인 날씨 및 기후 변화를 초래한다. 뿐만아니라, 에어로졸과의 상호작용은 구름의 물리적인 특성을 변화시켜 지구 냉각과 온실효과를 유발시키고 강수효율의 변화는 식생 변화와 수자원 확보에 영향을 미치게 된다. 따라서, 구름-에어로졸-강수의 메커니즘의 이해는 기상과 기후의 변화 예측에 필수적이라 할 수 있다. 특히, 전운량은 일기예보뿐만아니라 항공운항을 위한 활주로의 기상 상태를 대표하며, 다양한 기상관련 요소들의 변화 예측에 중요한 입력자료로 활용되고 있다. 하지만, 전운량 자료의 정확도와 정밀도에 따라 예측된 기상 변수의 불확실성이 증가하게 되므로 높은 빈도의 정확도 높은 전운량 자료 생산이 요구된다.
한편, 현재 기상청과 유사 기관에서는 다양한 기상 현상들을 자동화된 기상 관측 장비를 이용하여 관측을 수행하고, 자동 관측이 어려운 구름과 같은 기상 현상들은 사람이 직접 목측을 통해 관측해오고 있다. 즉, 기온, 습도, 기압, 풍향, 풍속 등 일반적인 기상 요소들은 자동기상관측장비(Automatic Weather Station; AWS)를 통해 자동 관측 및 자료 저장이 수행되고 있지만, 전운량, 운고, 운형 등의 구름 관측은 현재까지 사람이 직접 육안으로 확인 및 판단하여 전산 시스템에 기록하고 있다. 그런데, 이러한 목측 자료는 관측자의 주관적인 판단으로 기록되고 있어 객관적이지 못하다는 단점이 있다.
다시 말해서, 지금까지 전운량은 사람의 눈을 통해 관측 (목측)되어오고 있어 관측자의 주관적인 판단에 따라 관측된 전운량의 차이가 발생할 수 있다. 특히, 숙달되지 않은 관측자에 의한 목측 관측은 많은 오차를 포함하고 있어 관측자료의 품질 저하를 발생시킨다. 더욱이, 관측빈도 또한 주간에는 매 1시간 간격, 야간에는 관측자 업무 주기와 기상 상황에 따라 1~3시간 간격으로 관측되고 있어, 관측된 자료의 객관성이 결여되고 있다
이러한 목측의 단점을 보완하기 위해 기상위성 자료를 활용하는 방법이 사용되고 있으나, 기상위성의 정보만으로는 구름의 수평적인 분포나 형태를 파악하기 어려운 단점이 있다. 즉, 기상위성의 경우 2 km × 2 km 이상의 격자에서 관측된 물체의 복사특성을 이용하여 복사량이 감쇠되는 정도의 분율을 위성운량으로 산출하고 있어 실제 지상에서 관측된 전운량과는 차이가 크다.
따라서 전운량은 목측을 제외하고 지상기반 광학장비를 이용하여 구름을 원격 관측하고 있다. 상기한 지상기반 광학장비로는 운고계, 라이다, 정밀조도계, 카메라 등이 있다. 정밀조도계는 주간에 광원이 존재할 경우 센서에 도달하는 빛의 강도에 따라 구름의 유무와 그 세기로부터 전운량을 추정한다. 카메라의 경우 일반적으로 어안 렌즈를 장착하여 전천 영상을 촬영하고 영상의 각 화소별 명암이 비율을 이용하여 전운량을 산출한다. 그러나 이 두 경우 광원이 없는 야간에는 센서 수감부에 주간보다 상대적으로 약한 빛이 도달하기 때문에 민감한 센서를 장착하지 않을 경우 전운량 산출에 어려움이 있다. 운고계와 라이다의 경우 주야간 상관없이 레이저를 직접 물체에 주사하여 되돌아오는 신호를 탐지하는 장비로써 그 신호의 강도에 따라 운량을 측정할 수 있다.
그러나 이 경우에는 전천 하늘 중 극히 일부분만을 탐지하기 때문에 하늘 전체에 대한 전운량을 대표하지 못한다.
한편, 사람이 직접 육안으로 관측하는 것과 유사한 전운량을 관측하기 위해서는 어안 렌즈가 장착된 카메라로부터 180°수준의 시야각(field of view; FOV) 이내의 전천영상을 촬영하고, 이 영상자료를 이용하여 전체 화소와 구름 화소의 비율로 전운량을 산출할 수 있다. 이때 촬영된 전천영상은 2D 이미지로 저장되기 때문에 촬영된 반구의 영상은 평면으로 왜곡되어 저장될 수밖에 없다. 따라서 이와같이 왜곡된 영상자료를 이용하여 전운량을 산출하게 되면 큰 오차가 발생할 수 있다.
이에 따라, 어안 렌즈가 장착된 카메라나 스마트폰 등의 영상 촬영 매체로 촬영된 영상을 이용하여 전운량을 산출할 경우 전운량 산출 이전에 왜곡 영상을 보정할 수 있는 전처리 과정이 요구된다. 그리고 전천영상 내에 하늘과 구름 영상을 차폐시키는 영상의 제거 과정도 필요하다. 즉, 하늘 또는 구름을 판별할 수 없는 차폐 화소를 제거하고 왜곡 보정을 수행해야 하는 것이다.
또한, 상기한 지상기반 광학장비의 경우 야간에는 태양과 같은 광원이 없어 주변 사물에 대한 분간이 어렵기 때문에, 야간에는 상기한 지상기반 광학장비를 이용하더라도 구름을 제대로 관측할 수 없게 된다.
한편, 본 발명과 관련한 선행기술을 조사한 결과 복수의 특허문헌이 검색되었으며, 이들을 소개하면 다음과 같다.
특허문헌 1은, 스카이뷰 장치를 통해 촬영된 하늘 영상 자료, 예컨대, RGB 이미지로부터, 이미지 내의 차폐제거, GBR 화소분포에 따른 영상 분류, RBR 경계값을 고려한 구름 화소 분류, 분류된 구름 화소에서 태양광 제거, 구름 화소의 유효성 검사과정을 행한 후 전운량을 산출함으로써, 체계적이고 과학적인 전운량의 산출이 가능하고 정확성과 객관성 또한 모두 충족시킬 수 있도록 한 전천 하늘 영상자료의 RGB 컬러를 이용한 전운량 산출방법 및 시스템을 개시하고 있다.
특허문헌 2는, 위성기반 전운량 산출 아카이브 서버가 관측위성에서 관측된 후 전송되는 밝기온도와 반사도를 사용하여 적설과 같은 구름 오인 화소가 구분된 기계학습 모델의 입력자료를 작성하는 기능을 수행하는 전처리부; 상기 전처리부에 작성된 기계학습 모델 입력자료를 통해 군집별로 훈련된 기계학습 모델을 순차적으로 구동하여 전운량을 결정하는 기능을 수행하는 운량 결정부; 및 상기 운량 결정부에서 산출된 전운량 결과를 영상 및 지점별 집계 정보로 표출하는 기능을 수행하는 영상표출 및 지점별 집계부;를 포함하여, 지상에서 목측하는 수준의 객관적인 전운량 자료를 산출하고 하늘상태를 기준으로 영상을 표현함으로써, 사용자는 원하는 지역에 대한 전운량 정보를 보다 정확하고 편리하게 사용하고 판단할 수 있으며, 그 정보를 날씨 예보에 활용할 수 있도록 한 기계학습을 이용한 위성기반 전운량 산출 시스템 및 그 방법을 개시하고 있다.
KR 10-1709860 B1 KR 10-1855652 B1
본 발명은 상기한 종래기술의 문제점을 해결하기 위하여 안출된 것으로, 빛에 민감한 카메라 센서를 사용하고 장시간 렌즈를 노출시킴으로써 야간의 구름을 관측하고 관측된 전천 영상으로부터 야간 전운량을 산출하되 차폐화소를 제거하고 영상왜곡을 보정함으로써 야간 전운량을 정확하게 산출할 수 있도록 한 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법을 제공하는데 그 목적이 있다.
또, 본 발명은 영상을 각 화소별 명암으로 변환한 후 적색과 청색의 비율인 RBR(res blue ratio)과 휘도 Y값을 이용하여 하늘화소와 구름화소를 구분한 후 이를 통해 전운량을 산출함으로써 야간 전운량 계산 결과의 신뢰성이 향상되도록 한 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법을 제공하는데 목적이 있다.
또한, 본 발명은 촬영된 영상 내에서 하늘과 구름을 구분할 수 없는 차폐 영역을 제거하고 왜곡 보정을 수행한 후에 전운량을 산출함으로써 야간 전운량 산출의 정확도 및 신뢰도를 향상시킬 수 있도록 한 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법을 제공하는데 목적이 있다.
상기 목적을 달성하기 위한 본 발명은, 야간에 지상에서 촬영한 전체 하늘의 원본 영상자료를 수집하는 단계와; 미리 생성된 차폐영상을 이용하여 상기 원본 영상자료로부터 차폐화소를 제거하는 단계와; 차폐화소가 제거된 영상자료의 왜곡을 보정하는 단계와; 천정각이 70° 미만인 부분만 분석대상으로 설정하는 단계와; 원본 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와; 명암으로 변환된 화소들에 대하여 적색과 청색의 비율인 RBR과 YCrCb 색공간의 Y를 각각 계산하여, RBR이 0.98을 초과하고 Y값이 10을 초과하는 경우에만 구름화소로 판별하는 단계와; 판별된 구름화소를 이용하여 야간 전운량을 산출하는 단계;를 포함하는 것을 특징으로 한다.
또, 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따르면, 상기 원본 영상자료의 수집시 ISO 12800에 준하는 빛에 민감한 렌즈센서를 사용하고, 적어도 5초 이상 집광한 상태로 촬영하는 것을 특징으로 한다.
또한, 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따르면, 상기 YCrCb 색공간의 Y는 다음의 수식에 의해 산출되는 것을 특징으로 한다;
Figure 112020022701761-pat00001
여기서, R, G, B는 명암으로 변환된 화소의 명암값이고, R', G', B' 은 각 화소의 명암 보정치이다.
또, 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따르면, 상기 야간 전운량은 다음의 수식에 의해 산출되는 것을 특징으로 한다;
Figure 112020022701761-pat00002
또한, 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따르면, 원본 영상자료로부터 차폐화소를 제거하기 위하여 차폐영상을 생성하는 과정은, 맑은 날에 지상에서 촬영한 전체 하늘의 영상자료를 한 차례 이상 수집하여 기초 영상자료로 설정하는 단계와; 상기 기초 영상자료의 중심좌표와, 반지름, 시야각을 초기 입력자료로 설정하는 단계와; 상기 기초 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와; 각 화소별 평균 명암이 일정 수치 이하이거나 표준편차가 일정치 이상인 경우 차폐화소로 판별하고 그렇지 않으면 하늘화소로 판별하여 제외시키는 단계와; 상기 차폐화소 주변의 일정 영역에 있는 화소를 모두 차폐화소로 판별하는 단계와; 기초 영상자료에 차폐화소를 적용하여 차폐영상을 생산하는 단계;를 포함하는 것을 특징으로 한다.
또, 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따르면, 영상자료의 왜곡을 보정하는 단계는, 화소의 위치를 먼저 보정하고, 출력영상의 크기 설정에 따라 특정 화소에 밀집되거나 명암이 존재하지 않는 화소에 대하여 역거리가중법을 통해 명암을 보간하는 것을 특징으로 한다.
또한, 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따르면, 보정된 화소의 위치는 다음의 수식에 의해 결정되는 것을 특징으로 한다;
Figure 112020022701761-pat00003
여기서, r은 원본 영상자료의 중심화소의 x축과 y축 좌표(cx, cy)로부터 각 화소까지의 거리, θ는 천정각, radi는 영상중심으로부터 가장자리에 위치한 화소까지의 거리, FOV는 시야각, φ는 방위각, x'와 y'는 왜곡이 보정된 화소의 x축 및 y축 좌표를 의미한다.
또, 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따르면, 상기 역거리가중법을 통해 명암을 보간할 때에는 다음의 수식을 통해 화소의 명암을 결정하는 것을 특징으로 한다;
Figure 112020022701761-pat00004
여기서, R, G, B는 각 화소별 변환된 적색, 녹색, 청색의 명암 수치이고, wi는 보간계수, R', G', B'는 x'와 y'위치에 보간된 명암을 의미하며, n은 25 이하로 보간시 각 화소 주변의 5×5영역 내에서 명암이 존재하는 화소의 수를 의미한다.
본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법은, 야간에 촬영된 영상의 차폐화소를 제거하고 영상왜곡을 보정한 후 R, G, B 명암으로 변환하고 변환된 명암을 이용하여 RBR과 Y값을 산출한 후 미리 설정된 경계값에 따라 구름화소를 구분하여 전운량을 산출하게 되므로 결과에 대한 신뢰도가 높아지는 효과가 있다.
또, 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따르면, 빛에 민감한 센서를 사용하고 일정 시간 이상 집광하여 촬영하게 되므로 광량이 부족한 야간에도 원본 영상자료를 획득할 수 있게 되는 효과가 있다.
또한, 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따르면, 야간에 촬영된 원본 영상자료를 분석하여 야간 전운량을 산출하게 되므로 목측 전운량에 비해 객관적인 결과를 얻을 수 있게 됨은 물론 주기적인 전운량 자료의 생산이 가능하게 되는 효과가 있다.
도 1은 본 발명에 따른 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법을 나타낸 순서도.
도 2는 본 발명에 따른 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법의 적용을 위해 차폐영상을 생성하는 과정을 나타낸 순서도.
도 3은 야간에 촬영한 원본 영상자료를 나타낸 참고도.
도 4는 도 3의 원본 영상자료를 RGB 변환하여 생성한 RBR 영상을 나타낸 참고도.
도 5는 도 3의 원본 영상자료를 YCrCb 색공간으로 변환하여 생성한 Y영상을 나타낸 참고도.
도 6은 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따라 생성된 구름영상을 나타낸 참고도.
이하, 첨부된 도면을 참조하여 본 발명의 지지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 대하여 설명하면 다음과 같다.
본 발명에서 사용되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으므로, 이러한 용어들에 대한 정의는 본 발명의 기술적 사항에 부합되는 의미와 개념으로 해석되어야 할 것이다.
아울러, 본 발명의 실시예는 본 발명의 권리범위를 한정하는 것이 아니라 본 발명의 청구범위에 제시된 구성요소의 예시적인 사항에 불과하며, 본 발명의 명세서 전반에 걸친 기술사상에 포함되고 청구범위의 구성요소에서 균등물로서 치환 가능한 구성요소를 포함하는 실시예이다.
그리고, 아래 실시예에서의 선택적인 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로서, 구성요소가 상기 용어들에 의해 제한되는 것은 아니다.
이에, 본 발명을 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있는 관련된 공지기술에 대한 상세한 설명은 생략한다.
본 발명의 바람직한 실시예를 설명하기 위한, 도 1은 본 발명에 따른 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법을 나타낸 순서도이고, 도 2는 본 발명에 따른 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법의 적용을 위해 차폐영상을 생성하는 과정을 나타낸 순서도이며, 도 3은 야간에 촬영한 원본 영상자료를 나타낸 참고도이다. 그리고, 도 4는 도 3의 원본 영상자료를 RGB 변환하여 생성한 RBR 영상을 나타낸 참고도이고, 도 5는 도 3의 원본 영상자료를 YCrCb 색공간으로 변환하여 생성한 Y영상을 나타낸 참고도이고, 도 6은 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따라 생성된 구름영상을 나타낸 참고도이다.
본 발명에 따른 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법은 도 1에 도시된 바와 같이, 야간에 지상에서 촬영한 전체 하늘의 원본 영상자료를 수집하는 단계와; 상기 원본 영상자료로부터 차폐화소를 제거하는 단계와; 차폐화소가 제거된 영상자료의 왜곡을 보정하는 단계와; 천정각이 70° 미만인 부분만 분석대상으로 설정하는 단계와; 원본 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와; 명암으로 변환된 화소들에 대하여 적색과 청색의 비율인 RBR과 YCrCb 색공간의 Y를 각각 계산하여, RBR이 0.98을 초과하고 Y값이 10을 초과하는 경우에만 구름화소로 판별하는 단계와; 판별된 구름화소를 이용하여 야간 전운량을 산출하는 단계;를 포함하여 이루어진다.
이와 같이, 야간에 촬영된 영상의 차폐화소를 제거하고 영상왜곡을 보정한 후 R, G, B 명암으로 변환하고 변환된 명암을 이용하여 RBR과 Y값을 산출한 후 미리 설정된 경계값에 따라 구름화소를 구분하여 전운량을 산출하게 되므로 결과에 대한 신뢰도가 높아지게 된다.
상기 원본 영상자료의 수집을 위하여 촬영할 때에는 ISO 12800에 준하는 빛에 민감한 렌즈센서를 사용하고, 적어도 5초 이상 집광한 상태로 촬영하는 것이 바람직하다. 이는 야간의 경우 태양고 같은 광원이 없어 주변 사물에 대한 분간이 어렵기 때문이다. 이와 같이, 빛에 민감한 센서를 사용하고 일정 시간 이상 집광하여 촬영하게 되므로 광량이 부족한 야간에도 원본 영상자료를 획득할 수 있게 된다.
한편, 상기 원본 영상자료로부터 차폐화소를 제거하기 위해서는 미리 차폐영상을 만들 필요가 있다. 차폐영상을 만드는 방법은 도 2에 도시된 바와 같이, 맑은 날에 지상에서 촬영한 전체 하늘의 영상자료를 한 차례 이상 수집하여 기초 영상자료로 설정하는 단계와; 상기 기초 영상자료의 중심좌표와, 반지름, 시야각을 초기 입력자료로 설정하는 단계와; 상기 기초 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와; 각 화소별 평균 명암이 일정 수치 이하이거나 표준편차가 일정치 이상인 경우 차폐화소로 판별하고 그렇지 않으면 하늘화소로 판별하여 제외시키는 단계와; 상기 차폐화소 주변의 일정 영역에 있는 화소를 모두 차폐화소로 판별하는 단계와; 기초 영상자료에 차폐화소를 적용하여 차폐영상을 생산하는 단계;를 포함한다.
즉, 어안렌즈가 장착된 카메라에 의해 촬영된 기초 영상자료를 준비한 후, 상기 기초 영상자료의 중심좌표(cx,cy)와 영상의 반지름, 그리고 영상의 시야각을 초기 입력하는 것이다. 이때, 상기 기초 영상자료를 형성하는 영상의 크기는 수십 내지 수천만의 화소수(x축 화소 × y축 화소)를 가질 수 있다. 참고로, 도면에 나타난 원본 영상은 x축 화소와 y축 화소가 각각 2432개로 구분되어 대략 600만개의 화소를 갖게 된다. 그리고, 영상의 시야각은 어안렌즈의 시야각을 고려하여 180° 이하가 되도록 설정하는 것이 바람직하다.
이후, 수집된 기초 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환하고, 이를 수치(0~255 사이의 정수)로 확인할 수 있도록 한다. 변화된 화소별 명암을 이용하여 차폐화소와 하늘화소로 구분하되, 각 화소별 평균 명암이 60 미만인 경우 또는 각 화소를 기준(R)으로 하는 5×5 크기의 화소영역 내에서 명암의 표준편차가 5 이상인 경우를 차폐가 존재하는 것으로 보아 차폐화소로 판별하고, 그렇지 않은 경우에는 하늘화소로 판별하여 제외한다.
이때, 판별된 차폐화소를 기준으로 하는 5×5 크기의 화소영역에 있는 모든 화소를 차폐화소로 판별하는 것이 바람직하다. 이는 바람에 의해 피뢰침이나 안테나 및 나무 등의 물체가 흔들릴 수 있고, 밝은 색을 띄는 건물에서 반사되는 태양광에 의해 주변 화소가 오염될 수 있기 때문이다. 그리고, 이러한 차폐화소의 2차 분류를 위하여 차폐화소를 판단할 때에는, 시야각이 180°인 기초 영상자료에서 하늘 또는 구름으로 판별할 수 없는 화소, 예를 들면 영상을 구성하는 원의 내부에 위치한 나무나 건물 등도 차폐화소로 분류하는 것이 바람직하다.
이상의 과정을 통해 차폐영상이 확보되면, 원본 영상자료에 적용하여 원본 영상자료로부터 차폐화소를 제거한다. 상기 원본 영상자료는 어안 렌즈가 구비된 카메라를 이용하여 촬영한 것으로, 상기 기초 영상자료와 동일한 위치에서 동일한 시야각으로 촬영되어야 함은 당연하다.
이어, 차폐화소가 제거된 원본 영상자료의 왜곡을 보정한다. 화소의 위치를 먼저 보정하고, 출력영상의 크기 설정에 따라 특정 화소에 밀집되거나 명암이 존재하지 않는 화소에 대하여 역거리가중법을 통해 명암을 보간한다. 이를 위하여, 원본 영상자료로부터 영상의 중심좌표와 영상의 반지름, 시야각 및 출력될 영상의 크기를 설정한다. 그리고, 수집된 원본 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환하고, 이를 수치(0~255 사이의 정수)로 확인할 수 있도록 한다.
화소의 위치를 보정할 때에는 다음의 수학식 1을 이용하여 화소의 x축과 y축을 각각 보정한다.
Figure 112020022701761-pat00005
여기서, r은 원본 영상자료의 중심화소의 x축과 y축 좌표(cx, cy)로부터 각 화소까지의 거리, θ는 천정각, radi는 영상중심으로부터 가장자리에 위치한 화소까지의 거리, FOV는 시야각, φ는 방위각, x'와 y'는 왜곡이 보정된 화소의 x축 및 y축 좌표를 의미한다. 이때, 상기 중심화소의 좌표(cx, cy)는 영상의 폭(width)과 높이(height)의 절반 위치로 정의되는 것이 바람직하나, 필요에 따라 영상 내의 임의 위치를 중심화소의 좌표로 지정할 수도 있다.
그리고, 출력영상의 크기 설정에 따라 화소가 특정 위치에 밀집되거나 화소에 명암이 존재하지 않을 수 있으므로, 역거리가중법(Inversion Distance Weight; IDW)을 통해 화소의 명암을 보간한다. 구체적으로, 다음의 수학식 2를 이용하여 화소의 명암을 결정하는 것이다.
Figure 112020022701761-pat00006
여기서, R, G, B는 각 화소별 변환된 적색, 녹색, 청색의 명암 수치이고, wi는 보간계수, R', G', B'는 x'와 y'위치에 보간된 명암을 의미하며, n은 25 이하로 보간시 각 화소 주변의 5×5영역 내에서 명암이 존재하는 화소의 수를 의미한다.
이상의 과정을 통해 원본 영상자료의 왜곡이 보정되면, 천정각 70°를 기준으로 분석영역을 구분한다. 이는 영상의 중심에서 멀어질수록 실제로 사람이 관측하는 관측영역보다 시선 방향이 멀어지기 때문이다.
그리고, 구분된 영역 내에 위치한 각 화소를 R(red, 적색), G(green, 녹색), B(blue, 청색)의 0~255의 정수값을 갖는 명암으로 변환한다. 그리고, 이를 이용하여 적색과 청색의 비율인 RBR(red blue ratio)과 YCrCb 색공간의 Y(luminance, 휘도)를 계산한다. 이를 수식으로 나타내면 다음의 수학식 3 및 4와 같다.
Figure 112020022701761-pat00007
Figure 112020022701761-pat00008
여기서, R, G, B는 명암으로 변환된 화소의 명암값이고, R', G', B' 은 각 화소의 명암 보정치이다.
이어, 상기 RBR값과 Y값을 이용하여 구름화소와 하늘화소를 구분한다. 이때, RBR은 0.98, Y값는 10을 경계값으로 하여 두 값을 모두 초과할 경우에는 구름화소로 구분하고 그렇지 않을 경우에는 하늘화소로 구분한다. RBR이 0.98보다 크다는 것은 적색 명암이 청색 명암과 거의 엇비슷하다는 것을 의미한다. 그리고, Y값이 10보다 크다는 것은 가시적으로 비시감도가 큰 영역을 의미하는 것으로, 구름임을 알 수 있다.
구름화소와 하늘화소의 구분이 완료되면, 다음의 수학식 5를 통해 야간 전운량을 산출한다.
Figure 112020022701761-pat00009
참고로, 도 3에는 야간에 촬영된 원본 영상자료를 나타낸 것이고, 도 4 내지6은 본 발명의 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법에 따라 산출된 RBR 영상과 Y영상 및 구름 영상을 각각 나타내고 있다. 도 3의 원본 영상자료에서 흰색에 가까운 밝은 영역은 구름을 의미하고 짙은 파랑색 영역은 하늘을 의미한다. 그리고, 도 4의 RBR 영상에서는 RBR이 0.98이상인 노란색 부분과 옅은 갈색 부분은 구름을 나타내고, 연두색 부분은 하늘을 나타내고 있다. 또, 도 5의 Y 영상에서 Y값이 10을 초과하는 녹색 부분부터는 구름을 나타내고 청색 부분은 하늘을 나타내고 있다. 또한, 상기한 수학식 5에 따라 산출한 전운량은 77.53%로 확인되었다.
이상으로 본 발명의 기술적 사상을 예시하기 위한 몇 가지 실시 예들과 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 발명의 설명에 기재된 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 통상의 기술자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.

Claims (8)

  1. 야간에 지상에서 촬영한 전체 하늘의 원본 영상자료를 수집하는 단계와;
    미리 생성된 차폐영상을 이용하여 상기 원본 영상자료로부터 차폐화소를 제거하는 단계와;
    차폐화소가 제거된 영상자료의 왜곡을 보정하는 단계와;
    천정각이 70° 미만인 부분만 분석대상으로 설정하는 단계와;
    원본 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와;
    명암으로 변환된 화소들에 대하여 적색과 청색의 비율인 RBR과 YCrCb 색공간의 Y를 각각 계산하여, RBR이 0.98을 초과하고 Y값이 10을 초과하는 경우에만 구름화소로 판별하는 단계와;
    판별된 구름화소를 이용하여 야간 전운량을 산출하는 단계;를 포함하고,
    원본 영상자료로부터 차폐화소를 제거하기 위하여 차폐영상을 생성하는 과정은,
    맑은 날에 지상에서 촬영한 전체 하늘의 영상자료를 한 차례 이상 수집하여 기초 영상자료로 설정하는 단계와;
    상기 기초 영상자료의 중심좌표와, 반지름, 시야각을 초기 입력자료로 설정하는 단계와;
    상기 기초 영상자료의 각 화소를 RGB의 색상에 따른 명암으로 변환시키는 단계와;
    각 화소별 평균 명암이 일정 수치 이하이거나 표준편차가 일정치 이상인 일정치 이상인 경우 차폐화소로 판별하고 그렇지 않으면 하늘화소로 판별하여 제외시키는 단계와;
    상기 차폐화소 주변의 일정 영역에 있는 화소를 모두 차폐화소로 판별하는 단계와;
    기초 영상자료에 차폐화소를 적용하여 차폐영상을 생산하는 단계;를 포함하는 것을 특징으로 하는 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법.
  2. 제1항에 있어서,
    상기 원본 영상자료의 수집시,
    ISO 12800에 준하는 빛에 민감한 렌즈센서를 사용하고,
    적어도 5초 이상 집광한 상태로 촬영하는 것을 특징으로 하는 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법.
  3. 제1항에 있어서,
    상기 YCrCb 색공간의 Y는 다음의 수식에 의해 산출되는 것을 특징으로 하는 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법;
    Figure 112020022701761-pat00010

    여기서, R, G, B는 명암으로 변환된 화소의 명암값이고, R', G', B' 은 각 화소의 명암 보정치이다.
  4. 제1항에 있어서,
    상기 야간 전운량은 다음의 수식에 의해 산출되는 것을 특징으로 하는 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법.
    Figure 112020022701761-pat00011

  5. 삭제
  6. 제1항에 있어서,
    영상자료의 왜곡을 보정하는 단계는,
    화소의 위치를 먼저 보정하고,
    출력영상의 크기 설정에 따라 특정 화소에 밀집되거나 명암이 존재하지 않는 화소에 대하여 역거리가중법을 통해 명암을 보간하는 것을 특징으로 하는 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법.
  7. 제6항에 있어서,
    보정된 화소의 위치는 다음의 수식에 의해 결정되는 것을 특징으로 하는 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법;
    Figure 112020022701761-pat00012

    여기서, r은 원본 영상자료의 중심화소의 x축과 y축 좌표(cx, cy)로부터 각 화소까지의 거리, θ는 천정각, radi는 영상중심으로부터 가장자리에 위치한 화소까지의 거리, FOV는 시야각, φ는 방위각, x'와 y'는 왜곡이 보정된 화소의 x축 및 y축 좌표를 의미한다.
  8. 제6항에 있어서,
    상기 역거리가중법을 통해 명암을 보간할 때에는 다음의 수식을 통해 화소의 명암을 결정하는 것을 특징으로 하는 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법;
    Figure 112021126021100-pat00013

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

KR1020200026676A 2020-03-03 2020-03-03 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법 KR102373278B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200026676A KR102373278B1 (ko) 2020-03-03 2020-03-03 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200026676A KR102373278B1 (ko) 2020-03-03 2020-03-03 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법

Publications (2)

Publication Number Publication Date
KR20210111578A KR20210111578A (ko) 2021-09-13
KR102373278B1 true KR102373278B1 (ko) 2022-03-11

Family

ID=77796737

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200026676A KR102373278B1 (ko) 2020-03-03 2020-03-03 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법

Country Status (1)

Country Link
KR (1) KR102373278B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102557876B1 (ko) * 2022-12-20 2023-07-24 엔라이튼 주식회사 태양광 발전소 이상 탐지를 위한 데이터 전처리 방법 및 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101273932B1 (ko) 2013-02-08 2013-06-12 국민대학교산학협력단 역거리 가중치를 이용한 보간 방법
KR101709860B1 (ko) * 2015-09-01 2017-02-23 강릉원주대학교산학협력단 전천 하늘 영상자료의 rgb 컬러를 이용한 전운량 산출방법 및 시스템
KR101969841B1 (ko) 2017-12-15 2019-04-17 이재원 정밀조도를 활용한 전천카메라 기반의 구름 관측 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180055422A (ko) * 2016-11-17 2018-05-25 한국기술교육대학교 산학협력단 전천 사진을 이용한 운량 산출 방법 및 장치
KR101881784B1 (ko) * 2017-01-12 2018-07-25 경북대학교 산학협력단 예측장 생성방법, 이를 수행하기 위한 기록매체 및 장치
KR101855652B1 (ko) 2018-02-13 2018-06-25 대한민국 기계학습을 이용한 위성기반 전운량 산출 시스템 및 그 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101273932B1 (ko) 2013-02-08 2013-06-12 국민대학교산학협력단 역거리 가중치를 이용한 보간 방법
KR101709860B1 (ko) * 2015-09-01 2017-02-23 강릉원주대학교산학협력단 전천 하늘 영상자료의 rgb 컬러를 이용한 전운량 산출방법 및 시스템
KR101969841B1 (ko) 2017-12-15 2019-04-17 이재원 정밀조도를 활용한 전천카메라 기반의 구름 관측 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
신재선. 손 동작 인식을 이용한 UX 설계 및 구현. 군산대학교, [online], 2012년 2월, [2021년 9월 6일 검색], 인터넷: <URL:http://dcollection.kunsan.ac.kr/common/orgView/000000007508>*

Also Published As

Publication number Publication date
KR20210111578A (ko) 2021-09-13

Similar Documents

Publication Publication Date Title
Long et al. Retrieving cloud characteristics from ground-based daytime color all-sky images
Gruszczyński et al. Comparison of low-altitude UAV photogrammetry with terrestrial laser scanning as data-source methods for terrain covered in low vegetation
CN112435207B (zh) 一种基于天空地一体化的森林火灾监测预警方法
KR101709860B1 (ko) 전천 하늘 영상자료의 rgb 컬러를 이용한 전운량 산출방법 및 시스템
Yang et al. An automated cloud detection method based on the green channel of total-sky visible images
US10585210B2 (en) Apparatus for radiometric correction and orthorectification of aerial imagery
CN108267175B (zh) 一种基于无人机的农作物监测方法和装置
JP4004332B2 (ja) 森林情報処理システム
CN110414738B (zh) 一种农作物产量预测方法及系统
Zhang et al. Estimation of forest leaf area index using height and canopy cover information extracted from unmanned aerial vehicle stereo imagery
CN104502999A (zh) 一种基于静止卫星多通道数据的昼夜云检测方法与装置
EP1023673A1 (en) Apparatus and method for monitoring and reporting weather conditions
KR101436829B1 (ko) 관측위성 영상을 통한 수질 모니터링 방법
CN113537018A (zh) 基于多时相卫星遥感和无人机技术的水土保持监测方法
KR20180055422A (ko) 전천 사진을 이용한 운량 산출 방법 및 장치
CN109241918A (zh) 一种基于植物信息的植物管控方法、装置及系统
Pawar et al. Detecting clear sky images
Werkmeister et al. Comparing satellite-to ground-based automated and manual cloud coverage observations–a case study
Graber et al. Land-based infrared imagery for marine mammal detection
KR102363948B1 (ko) 열대성 뇌우 발생 예측 방법
KR102373278B1 (ko) 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법
Danaher et al. Remote sensing of tree-grass systems: The Eastern Australian Woodlands
KR102177985B1 (ko) 산사태 발생 영역 자동 탐지 장치 및 탐지 방법
CN107576399B (zh) 面向modis林火探测的亮温预测方法和系统
Gauci et al. A Machine Learning approach for automatic land cover mapping from DSLR images over the Maltese Islands

Legal Events

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