KR20190049114A - Detection method and system for discrimination of sea ice in the polar region - Google Patents
Detection method and system for discrimination of sea ice in the polar region Download PDFInfo
- Publication number
- KR20190049114A KR20190049114A KR1020170144615A KR20170144615A KR20190049114A KR 20190049114 A KR20190049114 A KR 20190049114A KR 1020170144615 A KR1020170144615 A KR 1020170144615A KR 20170144615 A KR20170144615 A KR 20170144615A KR 20190049114 A KR20190049114 A KR 20190049114A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- image
- region
- sea
- polar
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 46
- 239000013535 sea water Substances 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims description 35
- 238000007781 pre-processing Methods 0.000 claims description 22
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical group [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 claims description 4
- 239000003643 water by type Substances 0.000 claims description 4
- 230000010287 polarization Effects 0.000 claims description 2
- 239000005457 ice water Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/02—Prospecting
-
- 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
-
- G06T5/002—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20081—Training; Learning
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
본 발명은 극지해역의 해빙영역 탐지방법에 관한 것으로, 특히 극지해역에서 해빙이 존재하는 영역을 정확하게 탐지할 수 있는 극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템에 관한 것이다. The present invention relates to a method of detecting a sea area in an polar region, and more particularly, to a method and a system for detecting a sea area in an polar region capable of accurately detecting an area where sea-ice exists in the polar region.
선박 건조 및 항해 기술의 발달에 따라 새로운 항로의 개척에 대한 국제적 관심이 고조되고 있다. 이 중에서 극지해역의 북극항로(Northern Sea Route)는 말라카해협과 수에즈 운하를 통과하는 기존 남방항로(Southern Sea Route)에 비해 항로 거리를 최대 40% 단축시키며, 운항일 또한 30일에서 20일로 감소시킬 수 있다. 이러한 경제적 강점으로 인해 북극해 항로를 이용하는 물동량은 꾸준히 증가하는 추세이다. With the development of shipbuilding and navigation technology, international interest in pioneering new routes is rising. Of these, the Northern Sea Route in the polar waters reduces the route distance by up to 40% compared to the existing Southern Sea Route through the Malacca Straits and Suez Canal, and also reduces the operating days from 30 days to 20 days. . Due to these economic strengths, trade volume using Arctic sea routes is steadily increasing.
최근 지구환경에 가장 큰 영향을 미치고 있는 지구 온난화로 인해 극지해역의 해빙이 빠른 속도로 감소되고 있다. 이로 인해 북극해 항로를 통과하는 선박의 안전한 운항을 지원하기 위해 극지해역에서의 해빙영역을 탐지하고, 이를 반영하여 최적의 항로를 산출하는 방법이 개발되고 있다. Recently, sea ice in the polar regions has been rapidly decreasing due to global warming, which has the greatest impact on the global environment. Therefore, in order to support the safe operation of ships passing through the Arctic sea route, a method of detecting an area of sea ice in the polar regions and calculating an optimal route is being developed.
종래에는 쇄빙선 등과 같이 극지해역을 항행할 수 있는 선박에 계측장비를 설치하고, 이를 이용하여 극지해역의 해빙을 탐지함으로써, 북극해 항로에서 해빙이 존재하는 영역을 고려하여 최적의 선박 항로를 산출하였다. In the past, measuring instruments were installed on vessels capable of navigating in polar waters such as icebreaking lines, and by using them to detect sea ice in the polar regions, the optimal vessel route was calculated in consideration of the area where sea ice existed in the Arctic sea route.
그러나, 이와 같은 방법은 특수 선박의 운용에 의해 얻어지는 정보에 기초하기 때문에 정보의 양이 한정적이며, 이로 인해 극지해역에서 해빙이 존재하는 영역을 정확하게 탐지하는 것이 어려웠다. However, this method is based on information obtained by the operation of a special ship, so the amount of information is limited, and it has been difficult to accurately detect an area where sea ice exists in the polar sea area.
본 발명은 상기의 문제점을 해결하기 위한 것으로, 극지해역에 대해 해빙영역과 해수영역을 분석 및 탐지하고, 이에 따라 육지, 해빙 및 해수가 정확하게 구분된 극지해역 영상을 생성할 수 있는 극지해역의 해빙영역 탐지방법 및 이를 위한 탐지시스템을 제공하고자 하는 데 있다. SUMMARY OF THE INVENTION The present invention has been made to solve the above problems and it is an object of the present invention to provide a method and apparatus for analyzing and detecting a sea ice region and a sea water region with respect to an polar region, Area detection method and a detection system therefor.
상기 목적을 달성하기 위한 본 발명의 해빙영역 탐지방법은, 위성으로부터 획득된 신호정보와 상기 신호정보가 포함된 다수의 이미지정보를 제공받는 단계; 상기 다수의 이미지정보에서 노이즈를 제거하여 다수의 제1이미지를 생성하는 단계; 상기 다수의 제1이미지 중에서 하나 이상을 선택하고, 선택된 이미지의 각 픽셀에 분석정보를 학습시키는 단계; 상기 분석정보의 학습 결과 및 기 저장된 극지역의 기상정보에 기초하여 상기 다수의 제1이미지 각각의 픽셀이 해빙영역 및 해수영역 중 속하는 영역을 분석하여 탐지하는 단계; 및 탐지 결과에 기초하여 상기 다수의 제1이미지로부터 상기 해빙영역 및 상기 해수영역이 구분된 극지해역 영상을 생성하는 단계를 포함한다. According to an aspect of the present invention, there is provided a method of detecting sea ice extent of a sea ice, comprising: receiving signal information obtained from a satellite and a plurality of image information including the signal information; Removing noise from the plurality of image information to generate a plurality of first images; Selecting one or more of the plurality of first images and learning analysis information for each pixel of the selected image; Analyzing and detecting a region belonging to a sea-ice region and a sea-water region of pixels of each of the plurality of first images based on the learning result of the analysis information and the weather information of the pre-stored polar region; And generating an polar region image in which the sea ice region and the sea region are separated from the plurality of first images based on the detection result.
상기 목적을 달성하기 위한 본 발명은 인공위성으로부터 획득된 다수의 위성신호들에 기초하여 신호정보 및 상기 신호정보가 포함된 극지역에 대한 다수의 이미지정보를 생성하는 관제센터; 및 상기 관제센터로부터 상기 다수의 이미지정보 및 상기 신호정보를 제공받아 상기 극지역에 대해 해빙영역, 해수영역 및 육지영역을 분류하여 극지해역 영상을 생성하는 탐지시스템을 포함한다.According to an aspect of the present invention, there is provided a satellite navigation system including a control center for generating signal information based on a plurality of satellite signals obtained from a satellite and a plurality of image information for a polar region including the signal information; And a detection system for receiving the image information and the signal information from the control center and classifying the sea area, the seawater area, and the land area with respect to the polar area to generate the polar sea area image.
상기 탐지시스템은, 상기 다수의 이미지정보에서 신호 노이즈 및 영상 노이즈를 제거하여 다수의 제1이미지를 생성하는 전처리모듈; 극지역에 대한 기상정보가 저장된 데이터베이스; 상기 다수의 제1이미지 중에서 하나 이상의 제1이미지를 선택하고, 선택된 제1이미지의 각 픽셀에 상기 신호정보 및 상기 기상정보 중 적어도 하나를 포함하는 분석정보를 학습시키는 학습모듈; 및 상기 분석정보의 학습 결과 및 상기 기상정보에 기초하여 상기 다수의 제1이미지로부터 해빙영역 및 해수영역을 분석하여 탐지하고, 탐지 결과에 기초하여 상기 다수의 제1이미지로부터 상기 극지해역 영상을 생성하는 분석모듈을 포함한다.Wherein the detection system comprises: a preprocessing module for generating a plurality of first images by removing signal noise and image noise from the plurality of image information; A database storing weather information for the polar regions; A learning module for selecting at least one first image from among the plurality of first images and learning analysis information including at least one of the signal information and the weather information to each pixel of the selected first image; And analyzing and detecting the sea ice region and the sea water region from the plurality of first images based on the learning result of the analysis information and the weather information and generating the polar sea region image from the plurality of first images based on the detection result .
본 발명에 따른 극지해역의 해빙영역 탐지방법에 따르면, 인공위성의 관측자료를 이용하여 생성되는 극지해역의 이미지들에 위성의 신호 특성에 따른 신호정보 및 극지역의 기상정보를 반영하여 분석함으로써, 극지해역에서의 해빙영역에 대한 탐지 정확성을 높일 수 있다. According to the method for detecting the sea area in the polar region, the signal information according to the signal characteristics of the satellite and the weather information of the polar region are reflected on the images of the polar regions generated using the observation data of the satellite, It is possible to improve the accuracy of detection of the sea area in the sea area.
이에 따라, 본 발명은 탐지된 해빙영역에 따라 북극해 항로를 운항하는 다수의 선박들에게 최적의 항로를 제공할 수 있을 뿐만 아니라, 위성의 관측자료를 이용하여 해빙영역을 탐지하므로 기후 변화에 따른 해빙영역의 변화를 실시간으로 탐지하여 분석할 수 있다. Accordingly, the present invention not only provides an optimal route for a plurality of ships operating the Arctic sea route according to the detected sea ice region, but also detects the sea ice region using satellite observation data, Real-time detection and analysis of the change of the area.
도 1은 본 발명에 따른 탐지시스템의 구성을 나타내는 도면이다.
도 2는 본 발명의 탐지시스템을 이용한 해빙영역 탐지방법을 나타내는 도면이다.
도 3a 내지 도 3c는 본 발명의 해빙영역 탐지방법에 대한 예시도들이다.1 is a diagram showing the configuration of a detection system according to the present invention.
2 is a view illustrating a method of detecting a sea ice region using the detection system of the present invention.
3A to 3C are exemplary views of a sea ice zone detection method according to the present invention.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.Hereinafter, embodiments according to the present invention will be described in detail with reference to the accompanying drawings. However, the present invention is not limited to or limited by the embodiments. Like reference symbols in the drawings denote like elements.
도 1은 본 발명에 따른 탐지시스템의 구성을 나타내는 도면이고, 도 2는 본 발명의 탐지시스템을 이용한 해빙영역 탐지방법을 나타내는 도면이다. FIG. 1 is a view showing a configuration of a detection system according to the present invention, and FIG. 2 is a diagram illustrating a method of detecting a sea ice region using the detection system of the present invention.
본 발명의 탐지시스템(100)은 관제센터(200)에서 제공되는 극지역에 대한 다수의 이미지들로부터 극지해역의 영상을 생성하여 출력할 수 있다. 탐지시스템(100)에서 생성된 극지해역의 영상은 해빙영역이 정확하게 탐지되어 표시된 영상일 수 있다. The
관제센터(200)는 극지역을 관측하는 인공위성(300)으로부터 다수의 위성신호들을 제공받고, 이들 신호에 기초하여 극지역에 대한 다수의 정보, 예컨대 다수의 이미지정보를 생성할 수 있다. The
다수의 이미지정보는 극지역의 이미지에 대한 다수의 픽셀에 대한 정보를 포함할 수 있으며, 각 픽셀에는 위성의 신호 특성값에 따른 신호정보가 대응되어 있다. 즉, 관제센터(200)는 인공위성(300)의 다수의 위성신호들에 따라 각 픽셀마다 신호정보가 대응되는 다수의 이미지정보를 생성할 수 있다. The plurality of pieces of image information may include information on a plurality of pixels for an image of the polar region, and signal information corresponding to the signal characteristic values of the satellites is associated with each pixel. That is, the
위성의 신호 특성값에 따른 신호정보는 인공위성(300)에서 극지역으로 송출되는 신호의 편파정보와 입사각정보 및 극지역의 해빙, 해수 및 육지로부터 반사되는 신호의 반사파정보를 포함할 수 있다. The signal information according to the signal characteristic value of the satellite may include polarization information and incident angle information of a signal transmitted to the polar region from the
여기서, 인공위성(300)에서 송출되는 신호는 HH편파 및 HV편파를 포함할 수 있으며, HV편파는 HH편파에 비하여 해수 및 해빙으로부터 반사되는 반사파정보가 뚜렷하게 나타나는 특성이 있다. Here, the signal transmitted from the
또한, 신호의 입사각정보는 인공위성(300)에서 극지역으로의 수직 법선에 대하여 송출되는 신호의 송출각도를 의미할 수 있다. 여기서, 입사각 크기가 작을수록 반사파의 크기가 커지는 특성이 있다.In addition, the incident angle information of the signal may mean the transmission angle of the signal transmitted to the vertical normal line from the
한편, 본 실시예는 관제센터(200)와 탐지시스템(100)이 분리된 구성을 예로 설명하나, 이에 제한되지는 않는다. 예컨대, 탐지시스템(100)이 인공위성(300)으로부터 다수의 위성신호들을 제공받아 극지역에 대한 이미지를 생성할 수도 있다.In the meantime, although the present embodiment describes a configuration in which the
인공위성(300)은 지구의 공전 및 자전에 따라 시간대별로 극지역의 서로 다른 영역에 다수의 신호들을 송출하는 극궤도 위성일 수 있고, 이에 따른 다수의 위성신호들을 관제센터(200)로 전송할 수 있다. The
탐지시스템(100)은 관제센터(200)에서 제공된 다수의 이미지정보로부터 극지해역에서 해빙이 존재하는 영역을 분석하여 탐지할 수 있다. 탐지시스템(100)은 탐지 결과에 따라 극지해역에 대한 영상정보를 생성할 수 있다. 탐지시스템(100)은 전처리모듈(110), 학습모듈(120), 분석모듈(130) 및 데이터베이스(140)를 포함할 수 있다. The
전처리모듈(110)은 관제센터(200)에서 제공된 다수의 이미지정보의 노이즈를 제거할 수 있다(S10). 전처리모듈(110)은 다수의 이미지정보에 대하여 신호 노이즈 및 영상 노이즈를 각각 제거할 수 있다. 이를 위해, 전처리모듈(110)은 적어도 2개의 노이즈 제거 유닛을 포함할 수 있다. The
전처리모듈(110)은 위성의 신호 특성값에 따른 신호정보로부터 다수의 이미지정보에 대한 신호 노이즈를 제거할 수 있다(S11). 신호 노이즈의 제거에 따라 전처리모듈(110)은 다수의 이미지정보에 대한 레이더 반사 면적(Radar Cross Section; RCS) 값을 산출할 수 있다. 한편, 신호정보에 HV편파에 대한 반사파정보가 포함된 경우에, 전처리모듈(110)은 입사각정보로부터 추가적인 신호 노이즈를 제거할 수도 있다. The
전처리모듈(110)은 신호 노이즈가 제거된 다수의 이미지정보에 대한 영상 노이즈를 제거할 수 있다(S12). 영상 노이즈의 제거는 이미지에 대한 다운 스케일링(down scaling)을 통해 이루어질 수 있다. 예컨대, 전처리모듈(110)은 다수의 이미지정보 각각에서 소정 개수의 픽셀들의 평균값을 산출하고, 산출된 평균값에 따라 모든 픽셀에 대한 다운 스케일링을 진행할 수 있다. The
본 실시예는 하나의 예로써, 전처리모듈(110)이 각 이미지정보에 대하여 10*10 픽셀의 평균값을 산출하고, 이를 이용하여 각 이미지정보의 모든 픽셀에 대한 다운 스케일링을 진행할 수 있다. 그러나, 본 발명은 이에 제한되지는 않는다.As an example, the
전처리모듈(110)은 다수의 이미지정보에 대해 신호 노이즈 및 영상 노이즈를 제거하여 다수의 제1이미지를 생성할 수 있다. 전처리모듈(110)은 영상 노이즈를 먼저 제거한 후 신호 노이즈를 제거할 수도 있으며, 두 개의 노이즈 제거 동작을 동시에 수행할 수도 있다. The preprocessing
전처리모듈(110)에서 생성되는 다수의 제1이미지는 극지역의 육지영역이 제거된 이미지일 수 있다. 다시 말해, 전처리모듈(110)은 신호 노이즈 및 영상 노이즈가 제거된 다수의 이미지정보에서 극지역의 육지영역을 탐지하여 다수의 제1이미지를 생성할 수 있다. The plurality of first images generated in the
또한, 전처리모듈(110)은 외부에서 제공되는 극지역의 수심자료로부터 육지영역을 탐지할 수 있다. 예컨대 전처리모듈(110)은 노이즈가 제거된 다수의 제1이미지의 각 픽셀마다 대응되는 수심자료의 값이 0m 이상은 픽셀을 육지영역으로 탐지할 수 있다. 전처리모듈(110)은 다수의 제1이미지에서 탐지된 육지영역의 픽셀을 제거할 수 있다. 따라서, 전처리모듈(110)에서 출력되는 다수의 제1이미지는 극지역의 해수 및 해빙영역에 대한 이미지일 수 있다. In addition, the
학습모듈(120)은 전처리모듈(110)이 생성한 다수의 제1이미지 중에서 하나 이상의 이미지를 선택하고, 선택된 이미지에 대하여 분석정보를 학습시킬 수 있다(S20). The
예컨대, 학습모듈(120)은 선택된 제1이미지에서 해빙영역 및 해수영역을 분류하고, 분류된 각 영역의 픽셀에 분석정보를 학습시킬 수 있다. 분석정보는 관제센터(200)에서 제공된 신호정보를 포함할 수 있다. 또한, 분석정보는 데이터베이스(140)에서 제공된 기상정보를 포함할 수 있다. 기상정보는 극지역에 대한 기온정보 및 바람정보를 포함할 수 있다. For example, the
학습모듈(120)은 다수의 제1이미지 중에서 각 영역이 명확하게 구분될 수 있는 하나 이상의 이미지를 선택함으로써, 선택된 이미지에 대한 분석정보 학습의 정확도를 높일 수 있다. The
분석모듈(130)은 학습모듈(120)의 학습 결과에 기초하여 다수의 제1이미지에서 해빙영역 및 해수영역을 각각 분석하여 탐지할 수 있다(S30). 이어, 분석모듈(130)은 탐지 결과에 따라 다수의 제1이미지로부터 극지해역에 대한 영상을 생성할 수 있다(S40). The
분석모듈(130)은 학습모듈(120)에 의해 학습된 분석정보를 기반으로 다수의 제1이미지 각각의 픽셀들이 해빙영역 및 해수영역 중 어느 영역에 속하는지를 분석할 수 있다. 또한, 분석모듈(130)은 분석 결과에 기초하여 각 제1이미지에서 해빙영역 및 해수영역을 탐지할 수 있다. The
이어, 분석모듈(130)은 탐지 결과에 기초하여 다수의 제1이미지로부터 영역이 구분된 극지해역 영상을 생성할 수 있다. 이때, 분석모듈(130)은 분석 결과 및 탐지 결과에 기초하여 영역 간의 경계선을 보정할 수도 있다.Then, the
분석모듈(130)은 관제센터(200)에서 제공된 신호정보 및 데이터베이스(140)에 저장된 기상정보 중 적어도 하나를 이용하여 영역의 분석 및 탐지를 수행할 수 있다. 분석모듈(130)은 영역의 분석 및 탐지에 대한 정확성을 높이기 위해 신호정보와 기상정보의 모든 특성값들을 이용할 수도 있고, 신호정보와 기상정보에서 특성값들을 소정 개수로 선택하여 이용할 수도 있다. The
분석모듈(130)은 학습모듈(120)의 학습 결과를 정규화시키고, 커널 함수 및 마진 파라메터에 대한 변수값을 지정하거나, 확률적 경사하강기법을 이용할 수 있다. 분석모듈(130)은 정규화된 학습결과, 변수값, 신호정보 및 기상정보의 특성값을 이용하여 다수의 제1이미지 각각의 픽셀들에 대한 정보를 분석 및 탐지할 수 있다. The
데이터베이스(140)에는 극지역에 대한 기상정보가 저장될 수 있다. 기상정보는 해빙, 해수 및 육지의 기온에 대한 특성값과 극지역의 풍속 및 풍향에 대한 특성값을 포함할 수 있다. The
이와 같이, 본 실시예의 탐지시스템(100)은 인공위성(300)으로부터 제공된 다수의 위성신호들에 따라 생성된 극지역에 대한 다수의 이미지에 대하여 위성신호의 특성값에 따른 신호정보 및 극지역에 대한 기상정보를 이용하여 해빙 및 해수의 영역 분류를 학습시키고, 학습 결과에 따라 다수의 이미지에서 해빙영역 및 해수영역을 정확하게 탐지하여 극지해역 영상을 생성할 수 있다. As described above, the
따라서, 본 실시예의 탐지시스템(100)은 종래의 특수 선박을 이용한 극지역의 해빙 탐지와 대비하여 탐지 정확성을 높일 수 있으며, 실시간으로 해빙영역을 탐지할 수 있다.Accordingly, the
도 3a 내지 도 3c는 본 발명의 해빙탐지방법에 대한 예시도들이다.Figs. 3A to 3C are exemplary views of the sea ice detection method of the present invention.
도 3a에 도시된 바와 같이, 관제센터(200)는 극지역의 서로 다른 영역에 대한 다수의 이미지정보를 생성할 수 있다. 이때, 서로 일 부분이 겹쳐지는 이미지정보들은 후 시간대에 생성된 이미지정보에 의해 갱신될 수 있다. As shown in FIG. 3A, the
예컨대, 관제센터(200)는 시간 t0에서 제공된 위성신호로부터 a1영역에 대한 이미지정보를 생성하고, 시간 t1에서 제공된 위성신호로부터 a2영역에 대한 이미지정보를 생성할 수 있다. 이때, a1영역의 이미지정보와 a2영역의 이미지정보는 소정 부분이 중첩될 수 있다. 이때, 관제센터(200)는 두 이미지의 중첩영역에 대해 a2영역의 이미지정보를 적용하여 생성할 수 있다. For example, the
도 3b에 도시된 바와 같이, 탐지시스템(100)은 관제센터(200)에서 제공된 다수의 이미지정보에 대해 신호 및 영상 노이즈를 제거하여 다수의 제1이미지를 생성하고, 이들 중에서 하나 이상의 이미지를 선택하여 분석정보를 학습시킬 수 있다. 이때, 탐지시스템(100)은 학습의 정확도를 높이기 위해 다수의 제1이미지 중에서 해빙영역 및 해수영역의 구분이 명확한 하나 이상의 이미지를 선택할 수 있다. As shown in FIG. 3B, the
한편, 다수의 제1이미지는 탐지시스템(100)에 의해 극지역에서의 육지영역이 기 탐지되어 제거된 이미지일 수 있다. 이때, 탐지시스템(100)은 육지영역에 대한 이미지를 소정의 저장공간에 저장하고 있을 수 있다. On the other hand, a plurality of first images may be images in which the land area in the polar region is detected and removed by the
도 3c에 도시된 바와 같이, 탐지시스템(100)은 학습 결과에 기초하여 다수의 이미지로부터 해수영역(A3) 및 해빙영역(A2)을 분석 및 탐지하여 구분할 수 있다. 그리고, 탐지시스템(100)은 탐지되어 구분된 해수영역(A3) 및 해빙영역(A2)과 기 탐지된 육지영역(A1)에 기초하여 극지해역에서 육지, 해수 및 해빙영역이 구분된 영상을 생성할 수 있다. 또한, 탐지시스템(100)은 각 영역에 대한 분석 및 탐지를 통해 각 영역 간의 경계선이 명확해지도록 보정할 수도 있다.As shown in FIG. 3C, the
전술한 설명에 많은 사항이 구체적으로 기재되어 있으나 이것은 발명의 범위를 한정하는 것이라기보다 바람직한 실시예의 예시로서 해석되어야 한다. 따라서 발명은 설명된 실시예에 의하여 정할 것이 아니고 특허청구범위와 특허청구범위에 균등한 것에 의하여 정하여져야 한다.While a number of embodiments have been described in detail above, it should be construed as being illustrative of preferred embodiments rather than limiting the scope of the invention. Therefore, the invention should not be construed as limited to the embodiments described, but should be determined by equivalents to the appended claims and the claims.
100: 탐지시스템
110: 전처리모듈
120: 학습모듈
130: 분석모듈
140: 데이터베이스
200: 관제센터
300: 인공위성100: detection system 110: preprocessing module
120: learning module 130: analysis module
140: Database 200: Control Center
300: Satellite
Claims (14)
상기 다수의 이미지정보에서 노이즈를 제거하여 다수의 제1이미지를 생성하는 단계;
상기 다수의 제1이미지 중에서 하나 이상을 선택하고, 선택된 이미지의 각 픽셀에 분석정보를 학습시키는 단계;
상기 분석정보의 학습 결과 및 기 저장된 극지역의 기상정보에 기초하여 상기 다수의 제1이미지 각각의 픽셀이 해빙영역 및 해수영역 중 속하는 영역을 분석하여 탐지하는 단계; 및
탐지 결과에 기초하여 상기 다수의 제1이미지로부터 상기 해빙영역 및 상기 해수영역이 구분된 극지해역 영상을 생성하는 단계를 포함하는 극지해역의 해빙영역 탐지방법.The method comprising: receiving signal information obtained from a satellite and a plurality of image information including the signal information;
Removing noise from the plurality of image information to generate a plurality of first images;
Selecting one or more of the plurality of first images and learning analysis information for each pixel of the selected image;
Analyzing and detecting a region belonging to a sea-ice region and a sea-water region of pixels of each of the plurality of first images based on the learning result of the analysis information and the pre-stored weather information of the polar region; And
And generating an polar region image in which the sea region and the sea region are separated from the plurality of first images based on the detection result.
상기 다수의 제1이미지를 생성하는 단계는,
상기 신호정보에 기초하여 상기 다수의 이미지정보에서 신호 노이즈를 제거하는 단계; 및
신호 노이즈가 제거된 다수의 이미지정보를 다운 스케일링하여 영상 노이즈를 제거하는 단계를 포함하는 극지해역의 해빙영역 탐지방법.The method according to claim 1,
Wherein generating the plurality of first images comprises:
Removing signal noise from the plurality of image information based on the signal information; And
Downscaling a plurality of image information from which signal noise is removed to remove image noise.
상기 영상 노이즈를 제거하는 단계는,
상기 신호 노이즈가 제거된 다수의 이미지정보 각각에서 10*10 픽셀의 평균값을 산출하는 단계; 및
상기 평균값에 따라 상기 다수의 이미지정보 각각의 전체 픽셀에 대한 다운 스케일링을 수행하는 단계를 포함하는 극지해역의 해빙영역 탐지방법.3. The method of claim 2,
Wherein the removing the image noise comprises:
Calculating an average value of 10 * 10 pixels in each of the plurality of pieces of image information from which the signal noise has been removed; And
And performing downscaling for all pixels of each of the plurality of image information according to the average value.
상기 다수의 제1이미지를 생성하는 단계는,
상기 다수의 이미지정보로부터 상기 극지역의 육지영역을 제거하는 단계를 더 포함하는 극지해역의 해빙영역 탐지방법.The method according to claim 1,
Wherein generating the plurality of first images comprises:
Further comprising removing the land area of the polar region from the plurality of image information.
상기 분석정보를 학습시키는 단계는,
상기 선택된 제1이미지의 각 픽셀마다 상기 신호정보와 상기 기상정보 중 적어도 하나를 포함하는 상기 분석정보를 학습시키는 단계인 극지해역의 해빙영역 탐지방법.The method according to claim 1,
Wherein the step of learning the analysis information comprises:
And learning the analysis information including at least one of the signal information and the weather information for each pixel of the selected first image.
상기 기상정보는 극지역의 해빙, 해수 및 육지에 대한 기온 특성값, 풍속 특성값 및 풍향 특성값을 포함하는 극지해역의 해빙영역 탐지방법.The method according to claim 1,
Wherein the weather information includes a temperature characteristic value, a wind speed characteristic value, and a wind direction characteristic value for sea ice, seawater, and land in a polar region.
상기 다수의 이미지정보는 시간대별로 극지역의 서로 다른 영역에 대해 생성되어 제공되는 극지해역의 해빙영역 탐지방법.The method according to claim 1,
Wherein the plurality of image information is generated for different regions of a polar region by time zone and is provided.
상기 다수의 이미지정보 중에서 서로 인접되어 일부가 중첩되는 이미지들의 중첩영역에 대하여 후 시간대에 생성된 이미지정보에 의해 상기 중첩영역의 이미지정보가 갱신되는 극지해역의 해빙영역 탐지방법.8. The method of claim 7,
Wherein the image information of the overlapping region is updated by the image information generated in the later time zone with respect to the overlapping region of the images which are adjacent to each other and partially overlapped among the plurality of image information.
상기 관제센터로부터 상기 다수의 이미지정보 및 상기 신호정보를 제공받아 상기 극지역에 대해 해빙영역, 해수영역 및 육지영역을 분류하여 극지해역 영상을 생성하는 탐지시스템을 포함하고,
상기 탐지시스템은,
상기 다수의 이미지정보에서 신호 노이즈 및 영상 노이즈를 제거하여 다수의 제1이미지를 생성하는 전처리모듈;
극지역에 대한 기상정보가 저장된 데이터베이스;
상기 다수의 제1이미지 중에서 하나 이상의 제1이미지를 선택하고, 선택된 제1이미지의 각 픽셀에 상기 신호정보 및 상기 기상정보 중 적어도 하나를 포함하는 분석정보를 학습시키는 학습모듈; 및
상기 분석정보의 학습 결과 및 상기 기상정보에 기초하여 상기 다수의 제1이미지로부터 해빙영역 및 해수영역을 분석하여 탐지하고, 탐지 결과에 기초하여 상기 다수의 제1이미지로부터 상기 극지해역 영상을 생성하는 분석모듈을 포함하는 극지해역의 해빙영역 탐지시스템.A control center for generating signal information based on a plurality of satellite signals obtained from a satellite and a plurality of image information for a polar region including the signal information; And
And a detection system for receiving the plurality of image information and the signal information from the control center and classifying the sea area, the seawater area, and the land area with respect to the polar area to generate the polar sea area image,
The detection system comprises:
A preprocessing module for generating a plurality of first images by removing signal noise and image noise from the plurality of image information;
A database storing weather information for the polar regions;
A learning module for selecting at least one first image from among the plurality of first images and learning analysis information including at least one of the signal information and the weather information to each pixel of the selected first image; And
Analyzing and detecting the sea ice region and the sea water region from the plurality of first images based on the learning result of the analysis information and the weather information and generating the polar sea region image from the plurality of first images based on the detection result Detection system of sea ice area in polar waters including analysis module.
상기 전처리모듈은,
상기 신호정보에 기초하여 상기 다수의 이미지정보에서 신호 노이즈를 제거하고,
신호 노이즈가 제거된 다수의 이미지정보에서 산출된 10*10 픽셀의 평균값에 따라 다운 스케일링을 수행하여 영상 노이즈를 제거하는 극지해역의 해빙영역 탐지시스템.10. The method of claim 9,
The pre-
Removing signal noises from the plurality of image information based on the signal information,
A system for detecting a sea ice area in the polar regions of a sea area by performing downscaling according to an average value of 10 * 10 pixels calculated from a plurality of image information from which signal noise is removed to remove image noise.
상기 전처리모듈은,
상기 신호 노이즈 및 상기 영상 노이즈가 제거된 다수의 이미지정보에서 상기 극지해역의 상기 육지영역을 분석하여 탐지하는 극지해역의 해빙영역 탐지시스템.11. The method of claim 10,
The pre-
And detects and detects the land area of the polar region from a plurality of image information from which the signal noise and the image noise are removed.
상기 기상정보는 극지역의 해빙, 해수 및 육지에 대한 기온 특성값, 풍속 특성값 및 풍향 특성값을 포함하는 극지해역의 해빙영역 탐지시스템.10. The method of claim 9,
Wherein the weather information includes a temperature characteristic value, a wind speed characteristic value, and a wind direction characteristic value for sea ice, seawater, and land in a polar region.
상기 관제센터는,
시간대별로 극지역의 서로 다른 영역에 대해 상기 다수의 이미지정보를 생성하되,
상기 다수의 이미지정보 중에서 서로 인접되어 일부가 중첩되는 이미지들의 중첩영역은 후 시간대에 생성된 이미지정보에 의해 상기 중첩영역의 이미지정보를 갱신하여 생성하는 극지해역의 해빙영역 탐지시스템.10. The method of claim 9,
The control center,
Generating a plurality of image information for different regions of a polar region according to time zones,
Wherein the overlapping region of the overlapping images, which are adjacent to each other, is generated by updating the image information of the overlapping region by using image information generated in the later time zone among the plurality of image information.
상기 신호정보는 상기 인공위성에서 송출되는 신호의 편파정보, 입사각정보 및 극지역의 해빙, 해수 및 육지로부터 반사되는 반사파정보를 포함하는 극지해역의 해빙영역 탐지시스템.
10. The method of claim 9,
Wherein the signal information includes polarization information, incident angle information of a signal transmitted from the satellite, and reflected wave information reflected from sea ice, seawater, and land in a polar region.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170144615A KR101980354B1 (en) | 2017-11-01 | 2017-11-01 | Detection method and system for discrimination of sea ice in the polar region |
JP2018206475A JP6676728B2 (en) | 2017-11-01 | 2018-11-01 | Detection method of sea ice area in polar waters and detection system therefor |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170144615A KR101980354B1 (en) | 2017-11-01 | 2017-11-01 | Detection method and system for discrimination of sea ice in the polar region |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190049114A true KR20190049114A (en) | 2019-05-09 |
KR101980354B1 KR101980354B1 (en) | 2019-05-21 |
Family
ID=66546802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170144615A KR101980354B1 (en) | 2017-11-01 | 2017-11-01 | Detection method and system for discrimination of sea ice in the polar region |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6676728B2 (en) |
KR (1) | KR101980354B1 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458089A (en) * | 2019-08-08 | 2019-11-15 | 中国人民解放军军事科学院国防科技创新研究院 | A kind of naval target interconnected system and method based on the observation of height rail optical satellite |
CN112989258A (en) * | 2021-01-19 | 2021-06-18 | 中国极地研究中心 | Polar sea ice thickness measuring method and device, electronic equipment and storage medium |
CN113269026A (en) * | 2021-04-02 | 2021-08-17 | 首都师范大学 | Yellow river delta turbid sea area sea ice classification method based on surface features |
CN116597319A (en) * | 2023-04-19 | 2023-08-15 | 北京师范大学 | Sea ice daily data comprehensive processing method and device and computing equipment |
KR102701105B1 (en) * | 2024-03-20 | 2024-08-30 | (주)유에스티21 | System for monitoring sea ice using satellite images and method thereof |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110442665B (en) * | 2019-08-02 | 2022-09-30 | 上海海事大学 | Polar region sea area ice condition fusion display method |
CN110956101B (en) * | 2019-11-19 | 2020-08-07 | 广东省城乡规划设计研究院 | Remote sensing image yellow river ice detection method based on random forest algorithm |
CN112633171B (en) * | 2020-12-23 | 2024-08-02 | 北京恒达时讯科技股份有限公司 | Sea ice identification method and system based on multisource optical remote sensing image |
CN113315563B (en) * | 2021-03-22 | 2022-05-17 | 中国科学院微小卫星创新研究院 | Global networking cooperative constellation emergency scheduling method |
CN115326208B (en) * | 2022-07-29 | 2024-07-02 | 武汉大学 | Method and system for inverting sea ice thickness based on passive microwave multi-system points |
CN118037818A (en) * | 2023-04-24 | 2024-05-14 | 北京师范大学 | Sea ice condition data reconstruction method and device based on multi-source remote sensing image |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012068965A (en) * | 2010-09-24 | 2012-04-05 | Denso Corp | Image recognition device |
KR20130100851A (en) * | 2012-02-08 | 2013-09-12 | 가이아쓰리디 주식회사 | Method for processing satellite image and system for processing the same |
KR20160143087A (en) * | 2015-06-04 | 2016-12-14 | 한국해양과학기술원 | Analysis apparatus for oceanographic information, and control method thereof |
-
2017
- 2017-11-01 KR KR1020170144615A patent/KR101980354B1/en active IP Right Grant
-
2018
- 2018-11-01 JP JP2018206475A patent/JP6676728B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012068965A (en) * | 2010-09-24 | 2012-04-05 | Denso Corp | Image recognition device |
KR20130100851A (en) * | 2012-02-08 | 2013-09-12 | 가이아쓰리디 주식회사 | Method for processing satellite image and system for processing the same |
KR20160143087A (en) * | 2015-06-04 | 2016-12-14 | 한국해양과학기술원 | Analysis apparatus for oceanographic information, and control method thereof |
Non-Patent Citations (1)
Title |
---|
김진우, 외 4, "고해상도 다중편파 RADARSAT-2 SAR자료를 이용한 서남극해의 빙산 탐지", Vol.28, No.1, 2012, pp.21~28.* * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458089A (en) * | 2019-08-08 | 2019-11-15 | 中国人民解放军军事科学院国防科技创新研究院 | A kind of naval target interconnected system and method based on the observation of height rail optical satellite |
CN110458089B (en) * | 2019-08-08 | 2020-11-06 | 中国人民解放军军事科学院国防科技创新研究院 | Marine target association system and method based on high-low orbit optical satellite observation |
CN112989258A (en) * | 2021-01-19 | 2021-06-18 | 中国极地研究中心 | Polar sea ice thickness measuring method and device, electronic equipment and storage medium |
CN112989258B (en) * | 2021-01-19 | 2024-03-15 | 中国极地研究中心 | Polar sea ice thickness measuring method and device, electronic equipment and storage medium |
CN113269026A (en) * | 2021-04-02 | 2021-08-17 | 首都师范大学 | Yellow river delta turbid sea area sea ice classification method based on surface features |
CN116597319A (en) * | 2023-04-19 | 2023-08-15 | 北京师范大学 | Sea ice daily data comprehensive processing method and device and computing equipment |
CN116597319B (en) * | 2023-04-19 | 2024-02-02 | 北京师范大学 | Sea ice daily data comprehensive processing method and device and computing equipment |
KR102701105B1 (en) * | 2024-03-20 | 2024-08-30 | (주)유에스티21 | System for monitoring sea ice using satellite images and method thereof |
Also Published As
Publication number | Publication date |
---|---|
KR101980354B1 (en) | 2019-05-21 |
JP6676728B2 (en) | 2020-04-08 |
JP2019087244A (en) | 2019-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101980354B1 (en) | Detection method and system for discrimination of sea ice in the polar region | |
Wright | Intelligent autonomous ship navigation using multi-sensor modalities | |
EP3505951A1 (en) | A target object detecting device, a method of detecting a target object and a computer readable medium | |
Graziano et al. | Ship heading and velocity analysis by wake detection in SAR images | |
JP5570786B2 (en) | Signal processing apparatus, radar apparatus, and signal processing program | |
US8422738B1 (en) | Adaptive automated synthetic aperture radar vessel detection method with false alarm mitigation | |
US20200379104A1 (en) | Three-dimensional forward-looking sonar target recognition with machine learning | |
US20120143803A1 (en) | Bottom sediment determination device, ultrasonic finder, and method and program for setting parameters | |
JP2008268183A (en) | Underwater detection device | |
EP3226025A1 (en) | Tracking processing device and tracking processing method | |
Liang et al. | An entropy-weighted network for polar sea ice open lead detection from sentinel-1 SAR images | |
JP6154219B2 (en) | Echo signal processing device, wave radar device, echo signal processing method, and echo signal processing program | |
US9772403B2 (en) | Vehicle position validation | |
Kjerstad et al. | An ice-drift estimation algorithm using radar and ship motion measurements | |
WO2022014220A1 (en) | Training data collection system, training data collection method, data collection device, program, trained model generation method, training device, and inference device | |
Wright | Virtual aids to navigation | |
Hannevik | Literature review on ship and ice discrimination | |
Pandey et al. | Deep Learning for Iceberg Detection in Satellite Images | |
CN113039552B (en) | Automatic generation of training images | |
Kazimierski et al. | Analysis of beam sharpening effectiveness in broadband radar on inland waters | |
Ramkumar et al. | Iceberg Detection in Aerial Images Using Deep Learning Models | |
JP6006750B2 (en) | Signal processing apparatus, radar apparatus, and signal processing method | |
WO2024195139A1 (en) | Image analysis system, image analysis method, and recording medium | |
Kotovirta et al. | Ships as a sensor network to observe ice field properties | |
Cooper | Effectively Mapping and Charting of Remote Locations with Satellites, Lasers and Acoustics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |