KR102538242B1 - 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템 - Google Patents
정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템 Download PDFInfo
- Publication number
- KR102538242B1 KR102538242B1 KR1020210129391A KR20210129391A KR102538242B1 KR 102538242 B1 KR102538242 B1 KR 102538242B1 KR 1020210129391 A KR1020210129391 A KR 1020210129391A KR 20210129391 A KR20210129391 A KR 20210129391A KR 102538242 B1 KR102538242 B1 KR 102538242B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- geostationary
- orbit satellite
- satellite image
- polar
- Prior art date
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 34
- 238000007500 overflow downdraw method Methods 0.000 claims abstract description 9
- 238000010276 construction Methods 0.000 claims abstract description 3
- 238000012795 verification Methods 0.000 claims description 13
- 230000035945 sensitivity Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000005315 distribution function Methods 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 9
- 230000002123 temporal effect Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000443 aerosol Substances 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
본 발명은 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템에 관한 것으로, 본 발명에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 방법은 극궤도 위성에서 관측된 극궤도 위성영상과 정지궤도 위성에서 관측된 정지궤도 위성영상으로 이루어진 데이터베이스가 구축되는 입력자료 구축 단계; 전처리부가 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리하는 단계; 및 융합부가 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상을 융합하여 일간격 융합영상을 산출하는 융합 단계;를 포함하여 구성된다.
Description
본 발명은 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템에 관한 것으로, 보다 상세하게는 광학 원격탐사 분야에서 지표반사율을 다양한 지표모니터링에 활용할 수 있도록 하기 위한 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템에 관한 것이다.
단일 극궤도위성에서 관측한 지표반사율 영상은 같은 지역을 방문하는 빈도와 해상도는 반비례 관계를 보인다. 이는 위성센서가 한정된 광량을 이용하여 지표면 관측할 때, 관측범위와 해상도의 반관계에서 나타나는 현상이다.
이와 달리 정지궤도위성은 지구 자전속도와 같은 속도로 지구를 공전하고 있기에 지구의 특정면을 지속적으로 관측할 수 있다.
극궤도위성으로 지표면을 관측할 시, 관측 시점에 구름, 연무 등과 같이 지표반사율 관측을 저해하는 요인으로 인해 해당 지역의 영상을 다음 관측시까지 획득할 수 없고 많은 결측이 발생한다. 하지만 정지궤도를 활용한 지속적인 관측은 해당날짜 내 기상 영향이 적은 다른 시간대 영상을 이용하여 해당 날짜의 지표반사율을 관측할 수 있으며, 이를 바탕으로 높은 품질의 산출물 제작에 기여할 수 있다.
한편, 정지궤도위성은 극궤도 위성에 비해 지구에서 멀리 떨어져 있어서, 공간해상도가 낮다. 그리고 정지궤도위성의 특성상 지표면을 관측하는 각도에 따른 지표 반사율값의 차이가 극명하다.
또한, 현장 자료를 활용한 체계적인 평가로 자료의 안정성을 확보해야 하나, 연속적인 현장 자료 획득의 어려움으로 시장 진입 용이성을 막고 있다.
따라서, 지표반사율의 일변화를 고해상도로 관측할 수 있다면, 토지 피복이 단조롭지 않은 곳에서 식생변화를 정확히 감지하고, 탄소 고정량을 산정할 수 있을 것이다.
본 발명은 전술한 문제를 해결하기 위해 안출된 것으로서, 본 발명에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템은 기상관측으로 사용되는 정지궤도 위성영상을 활용하여 자료 결측을 최소화하고, 높은 공간 및 시간해상도를 가진 융합산출물을 제공하며, 광학 원격탐사 분야에서 지표반사율을 다양한 지표모니터링에 활용하고자 한다.
또한, 본 발명에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템은 입력자료의 확보, 전처리, 융합까지 한 번에 구동할 수 있도록 하고, 대상지와 날짜 입력에 의한 자동 설정을 통해, 다양한 위성영상 처리에 사용이 가능하도록 하고자 한다.
또한, 본 발명에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템은 타 영상산출 방법에 비교하여 보다 뛰어난 공간해상도와 시간해상도를 확보할 수 있도록 하고자 한다.
전술한 문제를 해결하기 위한 본 발명의 실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 방법은 극궤도 위성에서 관측된 극궤도 위성영상과 정지궤도 위성에서 관측된 정지궤도 위성영상으로 이루어진 데이터베이스가 구축되는 입력자료 구축 단계; 전처리부가 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리하는 단계; 및 융합부가 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상을 융합하여 일간격 융합영상을 산출하는 융합 단계;를 포함하여 구성된다.
본 발명의 다른 일실시예에 따르면, 상기 전처리 단계는 상기 전처리부가 투영법 일치, 스펙트럼 민감도 일치 및 지표기하보정을 통해 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 전처리 단계는 상기 전처리부가 양방향 반사율 분포함수(Bidirectional Reflectance Distribution Function; BRDF)를 이용해 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 융합 단계는 상기 융합부가 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상의 결측보완(Gap filling) 및 시공간적 보간(Spatio temporal Image Fusion)을 통해 일간격 융합영상을 산출할 수 있다.
본 발명의 다른 일실시예에 따르면, 검증부가 산출된 상기 일간격 융합영상을 드론기반의 지표반사율 지도를 이용하여 공간적으로 검증하고, 지표의 연속관측 데이터와 시계열 비교하여 검증하는 검증 단계;를 더 포함할 수 있다.
본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 시스템은 극궤도 위성에서 관측된 극궤도 위성영상과 정지궤도 위성에서 관측된 정지궤도 위성영상을 저장하는 데이터베이스; 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리하는 전처리부; 및 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상을 융합하여 일간격 융합영상을 산출하는 융합부;를 포함하여 구성될 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 전처리부는 투영법 일치, 스펙트럼 민감도 일치 및 지표기하보정을 통해 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 전처리부는 양방향 반사율 분포함수를 이용해 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 융합부는 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상의 결측보완(Gap filling) 및 시공간적 보간(Spatio temporal Image Fusion; STIF)을 통해 일간격 융합영상을 산출할 수 있다.
본 발명의 다른 일실시예에 따르면, 산출된 상기 일간격 융합영상을 드론기반의 지표반사율 지도를 이용하여 공간적으로 검증하고, 지표의 연속관측 데이터와 시계열 비교하여 검증하는 검증부;를 더 포함하여 구성될 수 있다.
본 발명에 따르면 정지궤도 위성영상을 기반으로 기존 산출물과 비교하여 시계열적으로 연속적이고, 높은 공간 가진 융합산출물을 제공할 수 있으며, 고품질의 융합산출물은 광학 원격탐사 분야에서 다양한 지표모니터링에서 핵심적으로 활용될 수 있다.
또한, 본 발명에 따르면 입력자료의 확보, 전처리, 융합까지 한 번에 구동할 수 있으며, 대상지와 날짜 입력에 의한 자동 설정을 통해, 다양한 위성영상 처리에 사용할 수 있다.
또한, 본 발명에 따르면 타 영상산출 방법에 비교하여 보다 뛰어난 공간해상도와 시간해상도를 확보할 수 있다.
도 1은 본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 시스템의 동작 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 입력자료 구축 방법을 설명하기 위한 도면이다.
도 4 내지 도 8은 본 발명의 일실시예에 따른 전처리 방법을 설명하기 위한 도면이다.
도 9는 본 발명의 일실시예에 따른 영상 융합 방법을 설명하기 위한 도면이다.
도 10은 본 발명의 일실시예에 따른 검증 방법을 설명하기 위한 도면이다.
도 11은 본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 시스템의 구성도이다.
도 2는 본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 시스템의 동작 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 입력자료 구축 방법을 설명하기 위한 도면이다.
도 4 내지 도 8은 본 발명의 일실시예에 따른 전처리 방법을 설명하기 위한 도면이다.
도 9는 본 발명의 일실시예에 따른 영상 융합 방법을 설명하기 위한 도면이다.
도 10은 본 발명의 일실시예에 따른 검증 방법을 설명하기 위한 도면이다.
도 11은 본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 시스템의 구성도이다.
이하에서는 첨부한 도면을 참조하여 바람직한 본 발명의 일실시예에 대해서 상세히 설명한다. 다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.
또한, 본 발명은 취지를 벗어나지 않는 한도에서 다양하게 변경하여 실시할 수 있고, 하나 이상의 실시 예를 가질 수 있다. 그리고 본 발명에서 '발명을 실시하기 위한 구체적인 내용' 및 '도면' 등에 기재한 실시 예는, 본 발명을 구체적으로 설명하기 위한 예시이며, 본 발명의 권리 범위를 제한하거나 한정하는 것은 아니다.
따라서, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자가, 본 발명의 '발명을 실시하기 위한 구체적인 내용' 및 '도면' 등으로부터 용이하게 유추할 수 있는 것은, 본 발명의 범위에 속하는 것으로 해석할 수 있다.
본 발명의 명세서에서 사용되는 용어를 특별히 정의하지 않는 이상, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 것과 동일한 의미를 가질 수 있다.
도 1은 본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 방법을 설명하기 위한 흐름도이고, 도 2는 본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 시스템의 동작 방법을 설명하기 위한 도면이다. 이때, GDAL은 컴퓨터 소프트웨어 라이브러리로 지리공간 데이터 형식을 읽고 쓴다. 또한 Python과 MATLAB, IDL은 해당 시스템을 구현하기 위해 사용된 컴퓨터 언어이다. GEO-KOMPSAT-2A(GK2A;천리안 위성2A호)는 정지궤도 위성이고, (MODIS)와 Sentinel 2, Landsat 8은 극궤도 위성이다. MCD43A4는 MODIS)의 산출물이다.
또한, 도 3은 본 발명의 일실시예에 따른 입력자료 구축 방법을 설명하기 위한 도면이다. 이때, TOA는 Top of atmosphere (TOA)로 대기 상층부의 에서 위성센서에 측정된 산출값이며, Ozone(OZ)과 Water vapor(WV), Aerosol Optical Depth (AOD)는 대기 내 오존과 수분량 그리고 에어로졸의 광학적 두께를 나타내는 산출물이다.
도 4 내지 도 8은 본 발명의 일실시예에 따른 전처리 방법을 설명하기 위한 도면이고, 도 9는 본 발명의 일실시예에 따른 영상 융합 방법을 설명하기 위한 도면이며, 도 10은 본 발명의 일실시예에 따른 검증 방법을 설명하기 위한 도면이다.
이후부터는 도 1 내지 도 10을 참조하여 본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 방법을 설명하기로 한다.
먼저, 극궤도 위성에서 관측된 극궤도 위성영상과 정지궤도 위성에서 관측된 정지궤도 위성영상으로 이루어진 데이터베이스가 구축된다(S110).
이때, 상기 정지궤도 위성영상을 활용한 일간격 영상융합 시에는 일간격 영상융합 시스템을 이용해, 자르기(cropping), 재투영(reprojection), 구름 마스킹(cloud masking), 각도 매개변수(Angle Parameter)와 지표 반사율(Surface reflection) 적용, NBAR(Nadir Bidirectional Reflectance Distribution Function (BRDF)-Adjusted Reflectance) 산출, 자르기(cropping) 2, 공간적 일치(Co-registration; Spatial Registration), 밴드 별 스펙트럼 민감도 조화(Harmonization), 영상 융합(Image fusion)이 실행될 수 있다.
다양한 위성에서 관측된 영상을 융합하기 위해서는 입력자료 구축이 용이해야 한다. 따라서, 본 발명에 따르면 도 3에 도시된 바와 같이 사용되는 영상의 날짜와 위치를 지정하여 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 자동으로 다운로드하고 분류하여 전처리가 용이하도록 한다.
이후에는 전처리부가 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리한다(S120).
위성센서 간의 스펙트럼 민감도나 영상의 투영법과 기하보정이 일치하지 않는다. 이러한 차이가 영상융합 결과에 차이를 보일 수 있으므로, 융합하기 전에 전처리로 데이터 간의 조화를 이뤄야 한다.
이를 위해, 본 발명의 일실시예에 따르면, 전처리 시에는 상기 전처리부가 투영법 일치, 스펙트럼 민감도 일치 및 지표기하보정을 통해 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리할 수 있다.
즉, 도 4에 도시된 바와 같이, 상기 극궤도 위성영상과 상기 정지궤도 위성영상 간의 투영법을 바꾸어 투영법 차이를 없애고, 도 5에 도시된 바와 같이 상기 극궤도 위성영상(Sentinel 2, Landsat 8)과 상기 정지궤도 위성영상에서 영상융합에 사용되지 않을 구름이 덮인 지역의 데이터를 구분할 수 있다(Fmask; 구름 마스킹 알고리듬).
또한, 도 6에 도시된 바와 같이, 전처리 시에는 상기 전처리부가 양방향 반사율 분포함수를 이용해 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리할 수 있다.
그 뿐만 아니라, 도 7에 도시된 바와 같이 상기 극궤도 위성영상(Sentinel 2, Landsat 8)과 상기 정지궤도 위성영상 간의 지표기하보정을 실시할 수 있으며, 도 8에 도시된 바와 같이 위성센서 간의 스펙트럼 민감도 일치를 시키며 이때, 각 밴드별 히스토그램의 분포를 표준정규화하여 서로 일치시킬 수 있다.
이와 같이, 본 발명의 일실시예에 의하면, 같이 상기 극궤도 위성영상과 상기 정지궤도 위성영상 간의, 투영법 일치, 스펙트럼 민감도 일치, 지표기하보정을 하며, 양방향 분포함수를 이용해서 관측각에 따른 반사율 값 차이를 줄일 수 있다.
이후에는, 융합부가 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상을 융합하여 일간격 융합영상을 산출한다(S130).
보다 상세하게 설명하면, 도 9에서와 같이 상기 융합부가 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상의 공간적 결측보완(Gap filling), 시공간적 보간(Spatio temporal Image Fusion; STIF), 시간적 결측보완을 통해 일간격 융합영상을 산출할 수 있다.
즉, 영상융합과 시공간적으로 보간하는 각 알고리즘을 활용하여 일간격 융합영상을 구성할 수 있으며, 이때 상기 융합부의 영상융합알고리듬에 극궤도 위성영상과 정지궤도 위성영상을 활용하여 일간격 융합영상을 산출할 수 있다.
이와 같은 산출된 융합영상은 도 10에 도시되어 있으며, 보다 구체적으로, 도 10의 좌는 융합영상의 RGB 영상을 도시하고 있으며, 도 10의 우는 융합영상의 정규식생지수 지도를 도시하고 있다.
이후에는 검증부가 산출된 상기 일간격 융합영상을 드론기반의 지표반사율 지도를 이용하여 공간적으로 검증하고, 지표의 연속관측 데이터와 시계열 비교하여 검증할 수 있으며(S140), 이를 통해 공간적, 시간적 활용에 있어서 안정성을 확보할 수 있다.
이와 같이 본 발명에 따르면 기상관측으로 사용되는 정지궤도 위성영상을 활용하여 시간해상도의 불확실성을 낮추고, 높은 공간 및 시간해상도를 가진 융합산출물을 제공할 수 있으며, 광학 원격탐사 분야에서 지표반사율을 다양한 지표모니터링에 활용될 수 있다.
또한, 본 발명에 따르면 입력자료의 확보, 전처리, 융합까지 한번에 구동할 수 있으며, 대상지와 날짜 입력에 의한 자동 설정을 통해, 다양한 위성영상 처리에 사용할 수 있으며, 타 영상산출 방법에 비교하여 보다 뛰어난 공간해상도와 시간해상도를 확보할 수 있다.
도 11은 본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 시스템의 구성도이다.
이후부터는 도 11을 참조하여 본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 시스템의 구성을 설명하기로 한다.
본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 시스템(100)은 컴퓨터 단말로 구성되거나, 별도의 전용 장치로 구성될 수 있으며, 각 구성요소(모듈)는 하드웨어 또는 소프트웨어로 구성될 수 있다.
도 11을 참조하면, 본 발명의 일실시예에 따른 정지궤도 위성영상을 활용한 일간격 영상융합 시스템(100)은 데이터베이스(110), 전처리부(120), 융합부(130) 및 검증부(140)를 포함하여 구성될 수 있다.
상기 데이터베이스(110)는 극궤도 위성에서 관측된 극궤도 위성영상과 정지궤도 위성에서 관측된 정지궤도 위성영상을 포함하여 저장하도록 구성된다.
상기 전처리부(120)는 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리한다.
이때, 상기 전처리부(120)는 투영법 일치, 스펙트럼 민감도 일치 및 지표기하보정을 통해 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리할 수 있다.
또한, 상기 전처리부(120)는 양방향 반사율 분포함수를 이용해 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리할 수 있다.
상기 융합부(130)는 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상을 융합하여 일간격 융합영상을 산출한다.
보다 구체적으로, 상기 융합부(130)는 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상의 결측보완(Gap filling) 및 시공간적 보간(Spatio temporal Image Fusion; STIF)을 통해 일간격 융합영상을 산출할 수 있다.
또한, 검증부(140)는 산출된 상기 일간격 융합영상을 드론기반의 지표반사율 지도를 이용하여 공간적으로 검증하고, 지표의 연속관측 데이터와 시계열 비교하여 검증할 수 있다.
전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 전술한 실시예에 국한되어 정해져서는 안 되며, 청구범위뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.
100: 정지궤도 위성영상을 활용한 일간격 영상융합 시스템
110: 데이터베이스
120: 전처리부
130: 융합부
140: 검증부
110: 데이터베이스
120: 전처리부
130: 융합부
140: 검증부
Claims (10)
- 극궤도 위성에서 관측된 극궤도 위성영상과 정지궤도 위성에서 관측된 정지궤도 위성영상으로 이루어진 데이터베이스가 구축되는 입력자료 구축 단계; 전처리부가 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리하는 단계; 및 융합부가 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상을 융합하여 일간격 융합영상을 산출하는 융합 단계;를 포함하되,
상기 전처리 단계는,
상기 전처리부가 투영법 일치, 스펙트럼 민감도 일치 및 지표기하보정을 통해 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리하는 것으로, 상기 전처리부가 양방향 반사율 분포함수(Bidirectional Reflectance Distribution Function; BRDF)를 이용해 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리하여 관측각에 따른 반사율 값 차이를 줄이되,
상기 극궤도 위성영상(Sentinel 2, Landsat 8)과 상기 정지궤도 위성영상에서 영상융합에 사용되지 않을 구름이 덮인 지역의 데이터를 구분하는 과정과,
상기 극궤도 위성영상(Sentinel 2, Landsat 8)과 상기 정지궤도 위성영상 간의 지표기하보정을 실시하며,
위성센서 간의 스펙트럼 민감도 일치를 시키며 이때, 각 밴드별 히스토그램의 분포를 표준정규화하여 서로 일치시키는 과정을 포함하며,
상기 융합 단계는,
상기 융합부가 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상의 결측보완(Gap filling) 및 시공간적 보간(Spatio temporal Image Fusion; STIF)을 통해 일간격 융합영상을 산출하며,
검증부가 산출된 상기 일간격 융합영상을 드론기반의 지표반사율 지도를 이용하여 공간적으로 검증하고, 지표의 연속관측 데이터와 시계열 비교하여 검증하는 검증 단계;
를 더 포함하는 정지궤도 위성영상을 활용한 일간격 영상융합 방법.
- 삭제
- 삭제
- 삭제
- 삭제
- 극궤도 위성에서 관측된 극궤도 위성영상과 정지궤도 위성에서 관측된 정지궤도 위성영상을 저장하는 데이터베이스; 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리하는 전처리부; 및 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상을 융합하여 일간격 융합영상을 산출하는 융합부;를 포함하며,
상기 데이터베이스에서 제공되는 데이터가 사용되는 영상의 날짜와 위치를 지정하여 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 자동으로 다운로드하고 분류하여 전처리가 용이하도록 하며,
상기 전처리부는, 투영법 일치, 스펙트럼 민감도 일치 및 지표기하보정을 통해 상기 극궤도 위성영상과 상기 정지궤도 위성영상을 전처리하는 것으로, 상기 전처리부가 양방향 반사율 분포함수(Bidirectional Reflectance Distribution Function; BRDF)를 이용해 상기 극궤도 위성영상과 상기 정지궤도 위성영상에 대하여 관측각에 따른 반사율의 값 차이를 줄일 수 있도록 전처리하며,
상기 융합부는, 상기 전처리된 극궤도 위성영상과 정지궤도 위성영상의 결측보완(Gap filling) 및 시공간적 보간(Spatio temporal Image Fusion; STIF)을 통해 일간격 융합영상을 산출하며,
검증부가 산출된 상기 일간격 융합영상을 드론기반의 지표반사율 지도를 이용하여 공간적으로 검증하고, 지표의 연속관측 데이터와 시계열 비교하여 검증하며,
상기 전처리부에서, 상기 극궤도 위성영상(Sentinel 2, Landsat 8)과 상기 정지궤도 위성영상에서 영상융합에 사용되지 않을 구름이 덮인 지역의 데이터를 구분하는 과정과, 상기 극궤도 위성영상(Sentinel 2, Landsat 8)과 상기 정지궤도 위성영상 간의 지표기하보정을 실시하며, 위성센서 간의 스펙트럼 민감도 일치를 시키며 이때, 각 밴드별 히스토그램의 분포를 표준정규화하여 서로 일치시키는 과정을 수행하는,
정지궤도 위성영상을 활용한 일간격 영상융합 시스템.
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210129391A KR102538242B1 (ko) | 2021-09-30 | 2021-09-30 | 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210129391A KR102538242B1 (ko) | 2021-09-30 | 2021-09-30 | 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230047230A KR20230047230A (ko) | 2023-04-07 |
| KR102538242B1 true KR102538242B1 (ko) | 2023-06-01 |
Family
ID=85979153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210129391A KR102538242B1 (ko) | 2021-09-30 | 2021-09-30 | 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102538242B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102674806B1 (ko) * | 2024-04-03 | 2024-06-13 | (주)나라스페이스테크놀로지 | 위성 데이터 결측 보완 방법 및 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101728137B1 (ko) * | 2016-02-04 | 2017-04-19 | (주)한라지리정보 | 위성 영상과 ｇｉｓ를 사용한 토지피복 항목별 영상분류 방법 |
| KR101836135B1 (ko) * | 2017-01-10 | 2018-04-19 | 경북대학교 산학협력단 | 다중위성 강수자료 합성장치 및 방법 |
| CN112819026A (zh) * | 2020-12-11 | 2021-05-18 | 中科三清科技有限公司 | 多源卫星气溶胶光学厚度数据的融合方法及装置 |
| KR102306225B1 (ko) * | 2021-02-01 | 2021-09-29 | (주)유에스티21 | 인공위성 영상 분석 및 드론 이미지와 비교 검증을 통한 해양쓰레기 탐지 시스템 및 그 방법 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100026229A (ko) * | 2008-08-29 | 2010-03-10 | 부경대학교 산학협력단 | 정규식생지수 보정 방법 및 시스템 |
| KR101770745B1 (ko) | 2016-01-22 | 2017-08-23 | 서울시립대학교 산학협력단 | 이종의 위성영상 융합가능성 평가방법 및 그 장치 |
-
2021
- 2021-09-30 KR KR1020210129391A patent/KR102538242B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101728137B1 (ko) * | 2016-02-04 | 2017-04-19 | (주)한라지리정보 | 위성 영상과 ｇｉｓ를 사용한 토지피복 항목별 영상분류 방법 |
| KR101836135B1 (ko) * | 2017-01-10 | 2018-04-19 | 경북대학교 산학협력단 | 다중위성 강수자료 합성장치 및 방법 |
| CN112819026A (zh) * | 2020-12-11 | 2021-05-18 | 中科三清科技有限公司 | 多源卫星气溶胶光学厚度数据的融合方法及装置 |
| KR102306225B1 (ko) * | 2021-02-01 | 2021-09-29 | (주)유에스티21 | 인공위성 영상 분석 및 드론 이미지와 비교 검증을 통한 해양쓰레기 탐지 시스템 및 그 방법 |
Non-Patent Citations (1)
| Title |
|---|
| Mariana Belgiu ET AL, Spatiotemporal Image Fusion in Remote Sensing, remote sensing, 4 April 2019(2019.4.4.) 1부.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230047230A (ko) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6282301B1 (en) | Ares method of sub-pixel target detection | |
| Claverie et al. | The Harmonized Landsat and Sentinel-2 surface reflectance data set | |
| Roy et al. | A general method to normalize Landsat reflectance data to nadir BRDF adjusted reflectance | |
| US9001311B2 (en) | Using parallax in remote sensing to determine cloud feature height | |
| Roy et al. | Multi-temporal MODIS–Landsat data fusion for relative radiometric normalization, gap filling, and prediction of Landsat data | |
| US8284986B2 (en) | Method for remote spectral analysis of gas plumes | |
| US9275267B2 (en) | System and method for automatic registration of 3D data with electro-optical imagery via photogrammetric bundle adjustment | |
| US7630990B2 (en) | Endmember spectrum database construction method, endmember spectrum database construction apparatus and endmember spectrum database construction program | |
| Modica et al. | Using Landsat 8 imagery in detecting cork oak (Quercus suber L.) woodlands: a case study in Calabria (Italy) | |
| JP4004332B2 (ja) | 森林情報処理システム | |
| Oliveira et al. | Generating a hyperspectral digital surface model using a hyperspectral 2D frame camera | |
| Duchemin et al. | Normalisation of directional effects in 10-day global syntheses derived from VEGETATION/SPOT:: II. Validation of an operational method on actual data sets | |
| Schlundt et al. | Synergetic cloud fraction determination for SCIAMACHY using MERIS | |
| KR102538242B1 (ko) | 정지궤도 위성영상을 활용한 일간격 영상융합 방법 및 시스템 | |
| Trevisiol et al. | Evaluation of Landsat-9 interoperability with Sentinel-2 and Landsat-8 over Europe and local comparison with field surveys | |
| Topan et al. | Pléiades project: Assessment of georeferencing accuracy, image quality, pansharpening performence and DSM/DTM quality | |
| Yurtseven et al. | Using of high-resolution satellite images in object-based image analysis | |
| Adhikari et al. | Does topographic normalization of landsat images improve fractional tree cover mapping in tropical mountains? | |
| Montes et al. | Occlusion probability in operational forest inventory field sampling with ForeStereo | |
| Mostafa | Comparison of Land cover change detection methods using SPOT images | |
| Pagnutti et al. | Atmospheric Correction of High-Spatial-Resolution Commercial Satellite Imagery Products Using MODIS Atmospheric Products | |
| Kukko et al. | Use of HRSC-A for sampling bidirectional reflectance | |
| Aastrand et al. | SPOT TrueSharp 4m | |
| Pinelli et al. | Remote sensing monitoring of changes potentially associated to obstacles to air navigation | |
| Kukko | Sampling of bidirectional reflectance from multiangular high resolution airborne imagery |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |