KR20130091448A - Method for recovering satellite image time-series - Google Patents

Method for recovering satellite image time-series Download PDF

Info

Publication number
KR20130091448A
KR20130091448A KR1020120012734A KR20120012734A KR20130091448A KR 20130091448 A KR20130091448 A KR 20130091448A KR 1020120012734 A KR1020120012734 A KR 1020120012734A KR 20120012734 A KR20120012734 A KR 20120012734A KR 20130091448 A KR20130091448 A KR 20130091448A
Authority
KR
South Korea
Prior art keywords
time series
series
pixel
time
data
Prior art date
Application number
KR1020120012734A
Other languages
Korean (ko)
Inventor
강성진
박노준
Original Assignee
가이아쓰리디 주식회사
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 가이아쓰리디 주식회사 filed Critical 가이아쓰리디 주식회사
Priority to KR1020120012734A priority Critical patent/KR20130091448A/en
Publication of KR20130091448A publication Critical patent/KR20130091448A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30192—Weather; Meteorology
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

PURPOSE: A restoration method for a satellite image time series is provided to improve the accuracy of time series analysis by restoring incomplete pixels through, including the changes of the image data over a year as well as the effect of the annual change, the climate change in a restoration model. CONSTITUTION: The time series data of a pixel is obtained from the time series satellite image data (S10). An abnormal value of the time series data of the pixel is determined (S20). The abnormal value of the time series data of the pixel is restored using a time series restoration model (S30-S50). The time series restoration model reflects a series of a first time series of the pixel which shows the changes over a year along a first time axis and a series of a second time series of the pixel which shows changes according to the annual climate change along a second time axis. [Reference numerals] (AA) Calculate a reconstruction model; (BB) Calculate a coefficient of a time-series model; (CC) Apply a time-series model; (DD) Restore materials; (S10) Extract the time-series data of a pixel unit; (S20) Determine an ideal value; (S30) Extract an adjacent pixel correlation coefficient; (S50) Restore a space correlation; (S60) Generate an output image

Description

시계열 위성 영상 자료의 복원 방법{METHOD FOR RECOVERING SATELLITE IMAGE TIME-SERIES}Restoring time series satellite imagery {METHOD FOR RECOVERING SATELLITE IMAGE TIME-SERIES}

본 개시는 전체적으로 시계열 위성 영상 자료의 복원 방법에 관한 것으로, 특히 기후 변화에 따른 요소를 포함하여 정확성이 향상된 시계열 위성 영상 자료의 복원 방법에 관한 것이다.The present disclosure generally relates to a method for restoring time series satellite image data, and more particularly, to a method for restoring time series satellite image data with improved accuracy, including elements according to climate change.

여기서는, 본 개시에 관한 배경기술이 제공되며, 이들이 반드시 공지기술을 의미하는 것은 아니다(This section provides background information related to the present disclosure which is not necessarily prior art).Herein, the background art relating to the present disclosure is provided, and these are not necessarily meant to be known arts.

지구관측 위성인 Terra/Aqua의 MODIS 센서 영상이나 NOAA-n 시리즈의 AVHRR 센서 영상 등은 짧은 관측 주기와 오랜 영상 획득 기간으로 많은 양의 영상 자료를 확보하고 있어 지구 관측에 유용하게 활용되고 있다.Terrestrial satellite images Terra / Aqua's MODIS sensor image and NOAA-n series AVHRR sensor images are used for earth observation because they have a large amount of image data with short observation period and long image acquisition period.

위성의 센서에 도달하는 지구 반사 및 복사 에너지는 구름, 안개, 황사와 같은 대기 상태나 센서 시스템의 기계적인 결함, 기타 관측 방해 요인에 의해 영향을 받아 미관측 또는 악성 자료를 포함한다. 위성 영상을 이용한 육상 관측 분야에서는 시계열 분석을 위해 시계열 자료간의 연관 관계를 이용하여 자료를 복원하는 방법이 사용된다.Earth reflection and radiant energy reaching the satellite's sensors are affected by atmospheric conditions such as clouds, fog, and yellow dust, mechanical failures in the sensor system, and other disturbances, including unobserved or malignant data. In the land observation field using satellite images, a method of reconstructing data using time-series data is used for time series analysis.

육상 관측에 있어서 지표면의 관측 값은 해당 위치의 화소에 사상되며, 연중 계절 주기와 인접한 화소와 밀접한 관계를 가지면서 변화한다. 종래의 시계열 위성 영상 자료의 복원 방법은 이러한 인접한 시계열 데이터를 이용하거나 인접 화소와의 관계를 이용하는 방법으로 설계되었다.In terrestrial observation, the observed value of the earth's surface is mapped to the pixel at the corresponding position, and changes in close relationship with the pixel adjacent to the yearly seasonal cycle. Conventional time-series satellite image data reconstruction methods are designed by using such adjacent time-series data or by using relationships with adjacent pixels.

그러나 계절적 요소와 인접 화소와의 관계만을 이용하여 화소를 복원하는 방법은 년도 별 변화를 적절히 반영하지 못한다.However, the method of restoring a pixel using only the relationship between seasonal elements and adjacent pixels does not adequately reflect the change by year.

이에 대하여 '발명의 실시를 위한 구체적인 내용'의 후단에 기술한다.This will be described later in the Specification for Implementation of the Invention.

여기서는, 본 개시의 전체적인 요약(Summary)이 제공되며, 이것이 본 개시의 외연을 제한하는 것으로 이해되어서는 아니된다(This section provides a general summary of the disclosure and is not a comprehensive disclosure of its full scope or all of its features).SUMMARY OF THE INVENTION Herein, a general summary of the present disclosure is provided, which should not be construed as limiting the scope of the present disclosure. of its features).

본 개시에 따른 일 태양에 의하면(According to one aspect of the present disclosure), 시계열 위성 영상 자료에서 각 화소의 시계열 자료를 얻는 단계; 각 화소의 시계열 자료의 이상 값을 결정하는 단계; 그리고 시계열 복원 모델을 사용하여 화소의 시계열 자료의 이상 값을 복원하는 단계; 로서, 제1 시간 축을 따라 연중 변화를 나타내는 화소의 제1 시계열 시리즈와 제2 시간 축을 따라 연간 기후 변화를 나타내는 화소의 제2 시계열 시리즈를 반영하는 시계열 복원 모델에 의해 이상 값을 복원하는 단계;를 포함하는 것을 특징으로 하는 시계열 위성 영상 자료의 복원 방법이 제공된다.According to one aspect of the present disclosure, acquiring time series data of each pixel from time series satellite image data; Determining an ideal value of time series data of each pixel; Restoring an abnormal value of time series data of a pixel using a time series restoration model; Restoring an outlier by a time series reconstruction model that reflects a first time series series of pixels representing year-round changes along a first time axis and a second time series series of pixels representing annual climate change along a second time axis. Provided is a method for reconstructing time series satellite image data, comprising:

이에 대하여 '발명의 실시를 위한 구체적인 내용'의 후단에 기술한다.This will be described later in the Specification for Implementation of the Invention.

도 1은 본 개시에 따른 시계열 위성 영상 자료의 복원 방법을 나타내는 도면,
도 2는 제1 시간축 및 제2 시간축을 따라 변동하는 특정 위치의 화소의 시계열 값을 나타내는 그래프,
도 3은 본 개시에 따른 시계열 위성 영상 자료의 복원 방법이 적용되는 위성 영상 자료의 일 예를 나타내는 사진,
도 4는 제1 시간축 상에서 화소의 이상 값을 나타내는 그래프,
도 5는 제2 시간축 상에서 화소의 이상 값을 나타내는 그래프,
도 6은 화소 공간에서 화소를 이동하면서 시계열 자료를 추출하는 것을 나타내는 도면.1 is a view showing a method of restoring time series satellite image data according to the present disclosure;
FIG. 2 is a graph illustrating time series values of pixels at specific positions that vary along a first time axis and a second time axis;
3 is a photograph showing an example of satellite image data to which a method for reconstructing time series satellite image data according to the present disclosure is applied;
4 is a graph illustrating an abnormal value of a pixel on a first time axis;
5 is a graph illustrating an abnormal value of a pixel on a second time axis;
6 is a diagram illustrating extracting time series data while moving pixels in a pixel space;

이하, 본 개시를 첨부된 도면을 참고로 하여 자세하게 설명한다(The present disclosure will now be described in detail with reference to the accompanying drawing(s)).The present disclosure will now be described in detail with reference to the accompanying drawing (s).

도 1은 본 개시에 따른 시계열 위성 영상 자료의 복원 방법을 나타내는 도면이다.1 is a diagram illustrating a method of restoring time series satellite image data according to the present disclosure.

시계열 위성 영상 자료의 복원 방법에서, 먼저 시계열 위성 영상 자료에서 화소의 시계열 자료를 얻고(S10), 화소의 시계열 자료의 이상 값을 결정(S20)한 이후, 시계열 복원 모델을 사용하여 화소의 시계열 자료의 이상 값을 복원한다(S30, S40, S50)한다. 시계열 위성 영상 자료의 복원 방법은 제1 시간축을 따라 연중 변화를 나타내는 화소의 제1 시계열 시리즈와 제2 시간축을 따라 연간 기후 변화를 나타내는 화소의 제2 시계열 시리즈를 반영하는 시계열 복원 모델을 사용하여 이상 값을 복원한다.In the method of restoring time series satellite image data, first, time series data of pixels are obtained from time series satellite image data (S10), and an abnormal value of time series data of pixels is determined (S20), and then time series data of pixels using a time series restoration model. The abnormal value of is restored (S30, S40, S50). The method of restoring time series satellite image data is ideal by using a time series restoration model reflecting a first time series series of pixels representing year-round changes along a first time axis and a second time series series of pixels representing annual climate change along a second time axis. Restore the value.

본 개시에서 시계열 위성 영상 자료의 복원 방법은 제1 시간축을 따라 주기적으로 변화하는 계절적인 요소 외에도 제2 시간축을 따라 년 단위로 기후 변화에 의한 관측 자료 변화 요소를 반영하여 시계열 위성 영상 자료를 복원한다. In the present disclosure, a method of restoring time series satellite image data restores time series satellite image data by reflecting an element of change of observation data due to climate change on a yearly basis along a second time axis, in addition to a seasonal element periodically changing along a first time axis. .

이하, 시계열 위성 영상 자료의 복원 방법을 상세히 설명한다.Hereinafter, a method of restoring time series satellite image data will be described in detail.

도 2는 제1 시간축 및 제2 시간축을 따라 변동하는 특정 위치의 화소의 시계열 값을 나타내는 그래프이다. 도 3은 본 개시에 따른 시계열 위성 영상 자료의 복원 방법이 적용되는 위성 영상 자료의 일 예를 나타내는 사진이다.FIG. 2 is a graph illustrating time series values of pixels at specific positions that vary along a first time axis and a second time axis. 3 is a photograph showing an example of satellite image data to which a method for reconstructing time series satellite image data according to the present disclosure is applied.

먼저, 시계열 위성 영상 자료에서 화소의 시계열 자료를 얻는다(S10). 도 2에는 화소의 시계열 자료의 일 예가 나타나 있다. 제1 시간축(Day of Year)은 1~365의 범위를 갖는 시간 축이며, 제1 시간축을 따라 1년 동안의 일(Day)을 단위로 화소 값의 제1 시계열 시리즈가 나타나 있다. 즉 제1 시계열 시리즈는 화소 값의 연중 변화를 나타낸다. 또한, 제2 시간축(Year)은 위성 센서 자료를 축적하기 시작한 년도부터 기후 변화에 따른 화소 값의 변화를 나타내는 시간 축이며, 제2 시간축을 따라 연(year) 단위로 화소 값의 제2 시계열 시리즈가 나타나 있다. 즉 제2 시계열 시리즈는 연간 기후 변화에 따른 화소 값의 변화를 나타낸다. 또한, Value축은 위성 영상 자료의 화소 값을 나타내며, 해당 자료의 종류에 따라 단위를 달리하는 측정값이다.First, time-series data of pixels are obtained from time-series satellite image data (S10). 2 shows an example of time series data of a pixel. The first time axis (Day of Year) is a time axis having a range of 1 to 365, and the first time series of pixel values is shown along the first time axis in units of days for one year. That is, the first time series series represents year-round changes in pixel values. In addition, the second time axis Year is a time axis indicating a change in pixel values due to climate change since the year in which the satellite sensor data is accumulated, and a second time series series of pixel values in year units along the second time axis. Is shown. That is, the second time series series represents a change in pixel value according to annual climate change. In addition, the Value axis represents the pixel value of satellite image data and is a measured value whose unit varies depending on the type of the data.

시계열 위성 영상 자료의 복원 방법은 육상 관측 및 모니터링을 위한 자료의 복원에 잘 적용될 수 있으며, 복원 대상이 될 수 있는 육상 관측 자료는, 도 3에 나타난 것과 같이, 정규식생지수(NDVI; Normalized Difference Vegetation Index)와 지표온도(LST; Land Surface Temperature), 개선된 식생지수(EVI; Enhanced Vegetation Index)를 예로 들 수 있다.The method of restoring time series satellite image data can be applied to the restoration of data for land observation and monitoring, and the land observation data that can be restored is, as shown in FIG. 3, a normalized difference vegetation index (NDVI). For example, the Index (LST), Land Surface Temperature (LST), and Enhanced Vegetation Index (EVI).

관측된 위성 영상의 화소 값은 도 2와 같이 일정 offset을 갖는 시계열 자료로 표현될 수 있으며, 시계열 복원 모델은 화소 값의 제1 시계열 시리즈와 제2 시계열 시리즈를 하나의 주기 함수의 인자로 반영하는 과정을 포함한다. 시계열 복원 모델은, 예를 들어, 제1 시계열 시리즈와 제2 시계열 시리즈를 푸리에 시리즈(Fourier Series)의 인자로 포함하여, 다음과 같은 수학식 1로 표현될 수 있다.The pixel value of the observed satellite image may be represented as time series data having a constant offset as shown in FIG. 2, and the time series reconstruction model reflects a first time series series and a second time series series of pixel values as a factor of one periodic function. Process. For example, the time series reconstruction model may be represented by Equation 1 including a first time series series and a second time series series as a factor of a Fourier Series.

Figure pat00001
Figure pat00001

도 4는 제1 시간축 상에서 화소의 이상 값을 나타내는 그래프이다. 도 5는 제2 시간축 상에서 화소의 이상 값을 나타내는 그래프이다.4 is a graph illustrating an abnormal value of a pixel on a first time axis. 5 is a graph illustrating an abnormal value of a pixel on a second time axis.

화소의 시계열 자료를 얻은 이후, 화소의 시계열 자료의 이상 값을 결정한다(S20). 시계열 자료 상의 특정 지점에서 이상 값이 발생하는 경우, 예를 들어, 이상 값은 제1 시간축 상에서 도 4와 같이 나타나며, 제2 시간축 상에서 도 5와 같이 나타난다.After obtaining the time series data of the pixel, an abnormal value of the time series data of the pixel is determined (S20). When an abnormal value occurs at a specific point on the time series data, for example, the abnormal value appears as shown in FIG. 4 on the first time axis and as shown in FIG. 5 on the second time axis.

이상 값을 결정하는 방법의 일 예로, 시계열 복원 모델에 의한 화소 값과 위성 영상의 화소 값의 표준편차가 추출되는 과정과, 추출된 표준편차를 가지는 표본에서 화소 값이 이상 범위에 속하는지 판정하는 과정을 통해 화소 값의 이상 값 여부를 결정한다. 예를 들어, 화소 값이 표본의 98% 이상에 속하면 이상 값으로 결정한다.As an example of a method for determining an abnormal value, a process of extracting a standard deviation between a pixel value and a pixel value of a satellite image by a time series reconstruction model, and determining whether a pixel value falls within an abnormal range in a sample having the extracted standard deviation The process determines whether the pixel value is an outlier. For example, if the pixel value is more than 98% of the sample, it is determined as an outlier.

도 6은 화소 공간에서 화소를 이동하면서 시계열 자료를 추출하는 것을 나타내는 도면이다.6 is a diagram illustrating extracting time series data while moving pixels in a pixel space.

계속해서, 시계열 복원 모델을 사용하여 화소의 시계열 자료의 이상 값을 복원한다. 여기서 복원은 연속적으로 관측되는 시계열 위성 영상 자료를 이용하여 시계열 복원 모델을 통해 이상 값을 관측 간격 사이의 값으로 추정하는 것을 의미한다.Subsequently, an outlier of the time series data of the pixel is restored using a time series restoration model. Here, reconstruction means estimating an outlier as a value between observation intervals through a time series reconstruction model using time series satellite image data continuously observed.

복원의 과정은 화소의 시계열 자료의 이상 값을 이용하여 인접 화소와의 상관계수를 결정한다(S30). 시계열 위성 영상 자료에서 위치 (x, y)의 화소는 인접한 화소와 밀접한 관계를 갖는다. 지표면은 연속적인 공간이며, 위성에 의한 촬영 영상의 화소에 사상되기 때문에 화소 값의 복원에서는 주위 화소 값들에 의한 영향이 고려되어야 한다. 예를 들어, 주위 화소와의 관계는 도 6에 나타난 것과 같이 1 픽셀 내의 관계로 한정된다.In the restoration process, a correlation coefficient with an adjacent pixel is determined using an abnormal value of time series data of a pixel (S30). In time-series satellite image data, pixels at position (x, y) are closely related to adjacent pixels. Since the ground surface is a continuous space and is mapped to the pixels of the captured image by the satellite, the influence of the surrounding pixel values should be taken into consideration in the restoration of the pixel values. For example, the relationship with the surrounding pixels is limited to the relationship within one pixel as shown in FIG.

이후, 시계열 복원 모델에 의해 화소의 이상 값을 추정 값으로 산출한다(S40). 시계열 위성 영상에서 시간 t일 때, 공간 x, y에 위치한 화소 r의 시리즈는 전술된 시계열 복원 모델로 표현되며, 이를 이용하여 화소의 이상 값을 추정 값으로 연산한다. Thereafter, the abnormal value of the pixel is calculated as an estimated value by the time series reconstruction model (S40). In the time series satellite image at time t, the series of pixels r located in the spaces x and y is represented by the above-described time series reconstruction model, and the abnormal values of the pixels are calculated as the estimated values using the time series reconstruction model.

복원에 필요한 계수A는 아래와 같이 행렬로 구성하여 복원 연산에 필요한 계수 A가 산출된다. 계수A의 산출 결과를 LUT(Look Up Table)로 구성하여 많은 연산을 필요로 하는 시스템에서 수행 시간을 짧게 할 수 있다.The coefficient A necessary for reconstruction is composed of a matrix as follows, and the coefficient A necessary for the reconstruction operation is calculated. The calculation result of coefficient A can be configured as a look up table (LUT) to reduce the execution time in a system that requires many operations.

Figure pat00002
Figure pat00003
,
Figure pat00004
Figure pat00005
,
Figure pat00002
Figure pat00003
,
Figure pat00004
Figure pat00005
,

Figure pat00006
Figure pat00006

Figure pat00007
Figure pat00008
Figure pat00007
Figure pat00008

다음으로, 전술된 인접 화소와의 상관계수를 이용하여 추정 값을 화소 공간 상의 화소 값으로 복원한다(S50). 인접 화소와의 상관계수를 이용하여 추정 값을 화소 공간 상의 화소 값으로 복원하기 위해 아래의 수학식 2와 같은 복원 함수를 사용할 수 있으며, R(x, y, r)의 각 계수는 연속된 화소의 시계열 자료를 이용하여 산출된다.Next, the estimated value is restored to the pixel value in the pixel space by using the above-described correlation coefficient with the adjacent pixel (S50). In order to restore the estimated value to the pixel value in the pixel space using the correlation coefficient with adjacent pixels, a reconstruction function such as Equation 2 below can be used, and each coefficient of R (x, y, r) is a continuous pixel. Calculated using time series data.

Figure pat00009
Figure pat00009

이와 같이 화소 공간 상에서 이동하며 화소의 이상 값을 결정하고 복원하는 과정이 반복 수행되며, 선택된 화소 공간에서 이상 값이 없어서 복원을 완료하면 출력영상을 생성한다(S60).As described above, the process of determining and restoring an abnormal value of the pixel while moving in the pixel space is repeatedly performed. When the restoration is completed because there is no abnormal value in the selected pixel space, an output image is generated (S60).

시계열 위성 영상 자료의 복원 방법은 지구의 변화 관측에 있어서 미관측 자료와 부정확한 자료를 복원하여 변화 감시에 활용된다.Reconstruction of time series satellite image data is used to monitor changes by reconstructing unobserved and inaccurate data in observation of changes in the earth.

이하, 본 개시의 다양한 실시 형태에 대하여 설명한다.Hereinafter, various embodiments of the present disclosure will be described.

(1) 복원하는 단계는 시계열 복원 모델을 사용하여 화소의 제1 시계열 시리즈와 제2 시계열 시리즈를 하나의 주기함수의 인자로 반영하는 과정을 포함하는 것을 특징으로 하는 위성 영상 자료의 복원 방법. And (1) restoring includes reflecting the first time series series and the second time series series of pixels as a factor of one periodic function using a time series restoration model.

(2) 화소의 제2 시계열 시리즈는 위성 센서로부터 시계열 위성 영상 자료를 축적한 연도부터 기후 변화에 따른 화소의 변동을 포함하는 것을 특징으로 하는 시계열 위성 영상 자료의 복원 방법.(2) The second time series series of pixels includes the variation of pixels due to climate change from the year of accumulating time series satellite image data from a satellite sensor.

(3) 제1 시간축은 일(day) 단위이며, 제2 시간축은 월(Month) 년(year) 단위인 것을 특징으로 하는 위성 영상 자료의 복원 방법.(3) The first time axis is in units of days, and the second time axis is in units of months.

(4) 시계열 복원 모델은 푸리에 시리즈(Fourier Series)를 이용하여 주기함수를 표현하는 것을 특징으로 하는 위성 영상 자료의 복원 방법.(4) The time series reconstruction model is a method for reconstructing satellite image data, characterized in that to represent a periodic function using the Fourier Series.

(5)이상 값을 결정하는 단계는 시계열 모델 상의 화소 값과 위성 영상의 화소 값의 표준편차를 추출하는 과정; 그리고 표준편차를 가지는 표본에서 화소 값이 이상 범위에 속하는지 판정하는 과정;을 포함하는 것을 특징으로 하는 위성 영상 자료의 복원 방법.(5) determining the outliers includes extracting a standard deviation between the pixel values on the time series model and the pixel values of the satellite image; And determining whether a pixel value falls within an abnormal range in a sample having a standard deviation.

(6) 복원하는 단계는 화소의 시계열 자료의 이상 값을 이용하여 인접 화소와의 상관계수를 결정하는 과정; 시계열 복원 모델에 의해 이상 값을 추정 값으로 산출하는 과정;그리고 상관계수를 이용하여 추정 값을 화소 공간 상의 화소 값으로 복원하는 과정;을 포함하는 것을 특징으로 하는 시계열 위성 영상 자료의 복원 방법.(6) restoring includes determining a correlation coefficient with an adjacent pixel by using an ideal value of time series data of the pixel; Calculating an ideal value as an estimated value by a time-series restoration model; and restoring the estimated value to a pixel value in a pixel space by using a correlation coefficient.

(7) 화소 공간 상에서 이동하며 화소의 이상 값을 결정하는 단계 및 복원하는 단계가 반복 수행되며, 복원을 완료하면 출력영상을 생성하는 단계;를 포함하는 것을 특징으로 하는 시계열 위성 영상 자료의 복원 방법.(7) moving over the pixel space and determining and restoring an abnormal value of the pixel is repeatedly performed, and generating the output image when the restoration is completed; .

본 개시에 따른 시계열 위성 영상 자료의 복원 방법은 영상 자료의 연중 변화뿐만 아니라 기후 변화에 따른 연간 변화의 영향을 복원 모델에 포함하여 불완전한 화소를 복원함으로써 시계열 분석의 정확성을 향상시킬 수 있다.The method of restoring time series satellite image data according to the present disclosure may improve the accuracy of time series analysis by restoring incomplete pixels by including the effects of annual changes due to climate change as well as year-round changes of image data.

또한, 시계열 위성 영상 자료의 복원 방법은 관측 간격 사이의 자료를 더 정확히 추정함으로써 이종 센서 간의 자료 분석에서 시간 차이로 인한 분석 차이를 해소할 수 있다.In addition, the reconstruction method of time series satellite image data can more accurately estimate the data between observation intervals, thereby eliminating the analysis difference due to time difference in data analysis between heterogeneous sensors.

Claims (9)

시계열 위성 영상 자료에서 화소의 시계열 자료를 얻는 단계;
화소의 시계열 자료의 이상 값을 결정하는 단계; 그리고
시계열 복원 모델을 사용하여 화소의 시계열 자료의 이상 값을 복원하는 단계;로서, 제1 시간축을 따라 연중 변화를 나타내는 화소의 제1 시계열 시리즈와 제2 시간축을 따라 연간 기후 변화를 나타내는 화소의 제2 시계열 시리즈를 반영하는 시계열 복원 모델에 의해 이상 값을 복원하는 단계;를 포함하는 것을 특징으로 하는 시계열 위성 영상 자료의 복원 방법.Obtaining time series data of pixels from time series satellite image data;
Determining an outlier of the time series data of the pixel; And
Restoring an outlier value of a time series data of a pixel using a time series reconstruction model, comprising: a first time series series of pixels representing year-round changes along a first time axis and a second time series of pixels representing annual climate change along a second time axis; Restoring an outlier value by a time series restoration model that reflects a time series series. 청구항 1에 있어서,
복원하는 단계는 시계열 복원 모델을 사용하여 화소의 제1 시계열 시리즈와 제2 시계열 시리즈를 하나의 주기함수의 인자로 반영하는 과정을 포함하는 것을 특징으로 하는 위성 영상 자료의 복원 방법. The method according to claim 1,
The reconstructing method includes the step of reflecting the first time series series and the second time series series of pixels as a factor of one periodic function using a time series reconstruction model. 청구항 1에 있어서,
화소의 제2 시계열 시리즈는 위성 센서로부터 시계열 위성 영상 자료를 축적한 연도부터 기후 변화에 따른 화소의 변동을 포함하는 것을 특징으로 하는 시계열 위성 영상 자료의 복원 방법.The method according to claim 1,
And a second time series series of pixels includes fluctuation of pixels due to climate change from the year of accumulating time series satellite image data from a satellite sensor. 청구항 1에 있어서,
제1 시간축은 일(day) 단위이며, 제2 시간축은 연(year) 단위인 것을 특징으로 하는 위성 영상 자료의 복원 방법.The method according to claim 1,
And a first time axis is a day unit, and a second time axis is a year unit. 청구항 2에 있어서,
시계열 복원 모델은 푸리에 시리즈(Fourier Series)를 이용하여 주기함수를 표현하는 것을 특징으로 하는 위성 영상 자료의 복원 방법.The method according to claim 2,
A time series reconstruction model is a method for reconstructing satellite image data, characterized in that to represent a periodic function using a Fourier Series. 청구항 1에 있어서,
이상 값을 결정하는 단계는
시계열 모델 상의 화소 값과 위성 영상의 화소 값의 표준편차를 추출하는 과정; 그리고
표준편차를 가지는 표본에서 화소 값이 이상 범위에 속하는지 판정하는 과정;을 포함하는 것을 특징으로 하는 위성 영상 자료의 복원 방법.The method according to claim 1,
Determining outliers
Extracting a standard deviation between pixel values of a time series model and pixel values of a satellite image; And
And determining whether a pixel value falls within an abnormal range in a sample having a standard deviation. 청구항 1에 있어서,
복원하는 단계는
화소의 시계열 자료의 이상 값을 이용하여 인접 화소와의 상관계수를 결정하는 과정;
시계열 복원 모델에 의해 이상 값을 추정 값으로 산출하는 과정;그리고
상관계수를 이용하여 추정 값을 화소 공간 상의 화소 값으로 복원하는 과정;을 포함하는 것을 특징으로 하는 시계열 위성 영상 자료의 복원 방법. The method according to claim 1,
Restoration steps
Determining a correlation coefficient with an adjacent pixel by using an ideal value of time series data of a pixel;
Calculating an ideal value as an estimated value by a time series restoration model; and
Restoring the estimated value to the pixel value in the pixel space using the correlation coefficient. 청구항 1에 있어서,
화소 공간 상에서 이동하며 화소의 이상 값을 결정하는 단계 및 복원하는 단계가 반복 수행되며, 복원을 완료하면 출력영상을 생성하는 단계;를 포함하는 것을 특징으로 하는 시계열 위성 영상 자료의 복원 방법.The method according to claim 1,
The method of restoring time-series satellite image data comprising the step of moving in the pixel space and determining and restoring an abnormal value of the pixel is repeatedly performed, and generating an output image when the restoration is completed. 청구항 7에 있어서,
시계열 위성 영상에서 시간 t일 때, 공간 x, y에 위치한 화소 r의 시리즈에 의한 시계열 복원 모델은 수학식
Figure pat00010

로 표시되어 제1 시계열 시리즈와 제2 시계열 시리즈를 인자로 반영하며,
상관계수를 이용하여 추정 값을 화소 공간 상의 화소 값으로 복원하는 과정은 수학식
Figure pat00011

로 표현되는 복원 함수 R(x, y, r)에 의해 이루어지며, R(x, y, r)의 각 계수는 연속된 화소의 시계열 자료를 이용하여 산출되는 것을 특징으로 하는 위성 영상 자료의 복원 방법.The method of claim 7,
In time-series satellite image, at time t, the time series reconstruction model by the series of pixels r located in space x, y is
Figure pat00010

To reflect the first and second time series series as a factor,
The process of restoring the estimated value to the pixel value in the pixel space using the correlation coefficient is
Figure pat00011

Reconstruction of satellite image data, which is made by the reconstruction function R (x, y, r), which is calculated using time series data of consecutive pixels. Way.
KR1020120012734A 2012-02-08 2012-02-08 Method for recovering satellite image time-series KR20130091448A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120012734A KR20130091448A (en) 2012-02-08 2012-02-08 Method for recovering satellite image time-series

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120012734A KR20130091448A (en) 2012-02-08 2012-02-08 Method for recovering satellite image time-series

Publications (1)

Publication Number Publication Date
KR20130091448A true KR20130091448A (en) 2013-08-19

Family

ID=49216628

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120012734A KR20130091448A (en) 2012-02-08 2012-02-08 Method for recovering satellite image time-series

Country Status (1)

Country Link
KR (1) KR20130091448A (en)

Similar Documents

Publication Publication Date Title
Li et al. A high-resolution bathymetry dataset for global reservoirs using multi-source satellite imagery and altimetry
Emelyanova et al. Assessing the accuracy of blending Landsat–MODIS surface reflectances in two landscapes with contrasting spatial and temporal dynamics: A framework for algorithm selection
Ghazaryan et al. A rule-based approach for crop identification using multi-temporal and multi-sensor phenological metrics
Latifovic et al. Analysis of climate change impacts on lake ice phenology in Canada using the historical satellite data record
Zhang et al. Mapping urbanization dynamics at regional and global scales using multi-temporal DMSP/OLS nighttime light data
Ivits et al. Addressing the complexity in non-linear evolution of vegetation phenological change with time-series of remote sensing images
de Jong et al. Linear trends in seasonal vegetation time series and the modifiable temporal unit problem
Dhorde et al. Spatio-temporal variation in terminal drought over western India using dryness index derived from long-term MODIS data
Favalli et al. LIDAR strip adjustment: Application to volcanic areas
Jung et al. NDVI-based land-cover change detection using harmonic analysis
Hao et al. Accuracy assessment of four cloud-free snow cover products over the Qinghai-Tibetan Plateau
Báčová et al. A GIS method for volumetric assessments of erosion rills from digital surface models
Marcos et al. Improved satellite altimeter mapped sea level anomalies in the Mediterranean Sea: A comparison with tide gauges
Rashid et al. Evaluating the performance of remotely sensed precipitation estimates against in-situ observations during the September 2014 mega-flood in the Kashmir Valley
Schirmbeck et al. Two approaches to calculate TVDI in humid subtropical climate of southern Brazil
Holmlund et al. Constraining 135 years of mass balance with historic structure-from-motion photogrammetry on Storglaciären, Sweden
Arjasakusuma et al. Assessment of values and trends in coarse spatial resolution NDVI datasets in Southeast Asia landscapes
Hsu et al. Performance assessment of GPM-based near-real-time satellite products in depicting diurnal precipitation variation over Taiwan
Liu et al. The application of polynomial analyses to detect global vegetation dynamics during 1982–2012
Shi et al. Integrating ASTER and GLASS broadband emissivity products using a multi-resolution Kalman filter
Waser et al. High‐resolution digital surface models (DSMs) for modelling fractional shrub/tree cover in a mire environment
Mu et al. A 1 km/5 day fractional vegetation cover dataset over China-ASEAN (2013)
Gill et al. Geometric correction and accuracy assessment of Landsat-7 ETM+ and Landsat-5 TM imagery used for vegetation cover monitoring in Queensland, Australia from 1988 to 2007
Zhang et al. Glacier snowline altitude variations in the Pamirs, Tajikistan, 1998-2013: insights from remote sensing images
von Albedyll et al. Elevation changes of the Holm Land Ice Cap, northeast Greenland, from 1978 to 2012–2015, derived from high-resolution digital elevation models

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination