고부가 활용을 위한 이종영상 융합 소프트웨어(InFusion) 개발
최명진* 정회원, 정인협*, 고형균*, 장수민*
Development of Multi-sensor Image Fusion software(InFusion) for Value-added applications
Myung-jin Choi* Regular Members, Chung Inhyup*, Ko Hyeong Ghun*, Jang Sumin*
요 약
2012년 5월 다목적실용위성 KOMPSAT-3 발사 성공 이후, 2013년 8월 KOMPSAT-5, 2015년 3월 KOMPSAT-3A의 발사 성공으로 국내는 광학, 레이더, 열적외선 센서를 통합 운영할 수 있게 되었으며, 각 센서들의 특성을 융합 활용할 수 있는 기반을 마련하였다.
단일 센서가 가지고 있는 활용의 적용 범위나 산출물 정확도에 한계점을 극복하고자 다중 센서들의 장점을 취하고 단점은 상호 보완 하는 다종센서간 영상융합기술이 대두하게 되었다. 본 논문에서는 다목적실용위성 군을 활용한 영상 융합 및 고부가 산출물 생성을 위한 소프트웨어(InFusion) 개발에 대하여 소개하고자 한다. 먼저 각 센서들의 특징 설명과 융합 소프트웨어 개발의 필요성에 대하 여 기술하고, 개발 전과정에 대하여 상세히 설명하고자 한다. 국내외 다목적실용위성 군의 자료 활용성을 증대시키고 고부가 제품생 성을 통한 국내 소프트웨어의 우수성을 알리는 계기가 되고자 한다.
Key Words : Image Fusion, KOMPSAT Series, InFusion
ABSTRACT
Following the successful launch of KOMPSAT-3 in May 2012, KOMPSAT-5 in August 2013, and KOMPSAT-3A in March 2015 have succeeded in launching the integrated operation of optical, radar and thermal infrared sensors in Korea. We have established a foundation to utilize the characteristics of each sensors. In order to overcome limitations in the range of application and accuracy of the application of a single sensor, multi-sensor image fusion techniques have been developed which take advantage of multiple sensors and complement each other. In this paper, we introduce the development of software (InFusion) for multi-sensor image fusion and valued-added product generation using KOMPSAT series. First, we describe the characteristics of each sensor and the necessity of fusion software development, and describe the entire development process. It aims to increase the data utilization of KOMPSAT series and to inform the superiority of domestic software through creation of high value-added products.
※ 이 논문은 2016년도 정부(미래창조과학부)의 재원으로 한국연구재단 - 이종센서 융합 소프트웨어 개발 및 품질관리사업의 지원을 받아 수행된 연구임(No. 2014M1A3A3A03034800).
*㈜인스페이스 ([email protected])
접수일자 : 2017년 8월 10일, 최종게재확정일자 : 2017년 9월 5일
I. 서 론
2012년 5월 KOMPSAT-3(광학) 발사 성공 이후, 2013년 8월 KOMPSAT-5(SAR) 및 2015년 3월 KOMPSAT-3A (TIR)의 연이은 발사 성공으로 우리나라는 다양한 센서 특 성을 지닌 지구 관측위성을 확보하였다. 그러나 광학, SAR 및 Thermal Infrared(TIR) 센서를 단일 센서 그 자체로만 활 용할 경우 각 센서 특성으로 인하여 정보 수집에 한계점이 존재할 수밖에 없다. 각 센서들의 장·단점으로 인해 인공위 성으로부터 촬영된 원격탐측 자료의 응용 적용에 있어, 가장
핵심이 되는 차세대 기술은 단일 센서로부터 획득된 정보가 지닌 한계점을 극복하는 이종 센서 간 영상융합 기술이다.
또한 융합된 영상을 활용하기 위해 고부가 산출물 알고리 즘을 개발하는 것이 필요하다. 본 논문에서 소개하고자 하는 소프트웨어는 고부가 산출물 알고리즘 개발 시 선정된 총 5 개의 산출물로서 다음과 같은 이유로 선정되었다.
- 토지피복 분류 : 국토의 효과적인 모니터링, 국토 개발 계획, 도시 계획, GIS 자료 제작, 환경 관리 등의 기본 자료로서 활용 가능하다.
- 도심지 객체 탐지(도로탐지) : 도시 계획, 도시화 모니터 링, 디지털 매핑 그리고 재난 관리 등 여러 분야에서 사 용 가능하다.
- 변화탐지 : 위성으로부터 취득되는 자료는 넓은 지역을 주기적으로 촬영할 수 있기 때문에 변화탐지는 원격탐 사 자료가 활용되는 대표적인 기법이다.
- 홍수 모니터링 : 기후변화에 따른 이상고온, 폭설, 집중 호우, 가뭄 등의 재난/재해의 빈도가 높아지고 있으며, 이에 대한 신속한 조기 대응, 피해 규모 산출, 사후 처리 등이 매우 중요하다. 또한 이러한 재난/재해는 넓은 지 역에 걸쳐 발생하기 때문에 위성영상을 활용하면 효율 적인 모니터링 가능하다.
- 벼 재배면적 추출 : 원격탐사를 활용한 벼 재배면적 추 출 기술은 인류의 식량문제와 밀접한 관련이 있어 매우 중요하게 여겨진다. 또한 전 지구적으로 기후변화가 점 차 빠르게 진행됨에 따라 식량자원의 재배지역이 이동 하고 지역적으로 재배가 가능한 작물이 변화하여 기후 변화에 적응하기 위한 대책마련을 위해서도 주 식량자 원인 벼의 재배지역 추출 및 면적 산정은 필요하다.
본 논문에서는 각 센서들의 특징을 설명하고 다중 센서 영상의 전처리, 정합 및 융합, 융합된 산출물의 고부가 활용 의 필요성과 이를 개발한 소프트웨어(InFusion)에 대해 소개 하고자 한다.
Ⅱ. 센서별 특징
KOMPSAT Series에 탑재된 광학, SAR 및 TIR 센서의 특징 및 장·단점을 [표 1]과 같이 정리하였다.
센서 촬영
원리
기상상태 제약
촬영시간 제약
가시성
&가독 성
주 활용분야
광학 태양 복사
촬영
불가능 주간 매우
뛰어남
지도제작, 변 화탐지 등 SAR
전자 기적 펄스
촬영
가능 주야간 매우
떨어짐
재난재해, 군 사분야 등
TIR 지구 복사
촬영
불가능 주야간 비교적 떨어짐
환경분야, 군 사분야 등 표 1. 센서별 특징
1. 광학(Optic) 센서
광학 센서의 경우 실세계의 지형지물을 사람이 바라보는 것과 유사하게 촬영함으로써 가시성·가독성에 뛰어난 장점 을 지니지만, 지표의 온도, 거칠기 및 수분율 등과 같은 지표 특성을 알 수 있는 정보에 한계를 지닌다. 이에 따라 광학영
상은 촬영된 영상을 통하여 쉽고 빠르게 지표에 존재하는 물 체를 판단하여 구분할 수 있으나, 색상 이외의 물체가 지니 고 있는 고유의 특성(온도, 거칠기, 수분율 등)을 판단할 수 없는 특징이 있다[1].
2. SAR(Synthetic Aperture Radar) 센서
레이더 센서의 경우, 기상상태와 주야에 영향을 받지 않는 장점과 지표의 거칠기와 수분율을 알 수 있기 때문에 일본, 미국, 유럽 등 대표적 방재선진국에서 이미 관련 기술을 확 보하고 이를 적극적으로 활용하고 있다. 그러나 레이더 센서 는 태양복사에너지를 활용하는 것이 아닌 전자기적 펄스를 활용하여 지형지물을 영상화함으로써 가시성·가독성에 큰 한계점을 지니고 있다. 또한 영상 처리과정이 복잡하여 비전 문가가 활용하기 어려우며, 전문가라 할지라도 주관적인 경 험 및 판단에 따라 상이한 결과를 도출할 수 있다는 한계점 을 지닌다.
3. TIR(Thermal Infrared) 센서
TIR 센서는 태양복사에너지가 아닌 지구복사에너지를 수 집하여 영상화하며, 이에 따라 야간에도 촬영이 가능하다는 장점이 존재한다. 또한 지구복사에너지를 온도로 변환할 수 있기에 금속/비금속 탐지에 뛰어나 군사 분야에 많이 활용되 고 있다. 그러나 광학영상과 마찬가지로 기상상태에 영향을 받으며, 지구복사에너지를 기록하는 것이기에 가시성·가독 성에 한계가 존재한다. 또한 광학 센서 및 레이더 센서에 비 해 활용분야가 넓지 못하다는 한계가 있다[1].
Ⅲ. 알고리즘 전처리 및 융합의 필요성
1. 정사보정
정사영상은 지상을 촬영할 당시 높이의 차이나 기울어짐 등으로 인하여 생기는 지형의 기하학적 왜곡을 제거한 영상 이다. 즉, 영상 내의 모든 점이 수직방향에서 본 것과 같은 형태를 갖도록 보정하여 지형지물의 실제 거리나 면적 등을 측정할 수 있는 지도와 같다고 볼 수 있다. 이와 같은 정사영 상은 군사, 환경, 건설, 도시계획 등에 활용되고 있으며, 기 구축된 지리정보 자료와 연계하여 GIS 분야에서도 활용하고 있다[2].
2. 방사보정
광학과 TIR영상에 해당되는 방사보정은 인공위성에서 영 상자료 획득을 위해 태양으로부터 입사한 빛이 지표면의 물 체에 반사된 후 인공위성 관측 센서에 감지될 때, 태양광이 대기를 통과하는 과정에서 산란, 흡수, 반사되는데, 이를 보
정하기 위한 전처리를 말한다. 이와 같은 대기의 영향은 센 서에 입사하는 태양광선의 세기를 약화시킴으로써 결과적으 로 영상자료의 밝기에 영향을 주게 된다. 이를 보정해주기 위해서는 대기모델을 이용하여 보정을 하게 되는데, 실제 관 측된 값 또는 계산에 의해 만들어진 대기모델에 의해서 이루 어진다. 대기모형은 관측 당시의 태양, 고도각, 기상요소 등 의 인자를 넣어 각각의 파장에 해당하는 산란, 흡수, 반사의 양과 태양 입사광의 세기를 추정할 수 있는데, 이러한 알고 리즘에 따라서 원래 영상자료에 대한 밝기 값을 보정할 수 있다.
SAR 영상은 산란체에서 레이더의 안테나로 산란되어 되 돌아오는 마이크로파를 측정하는 것으로, 지표면에서 산란 되어 수신 안테나로 도달하는 에너지를 산란체의 단위 면적 으로 나눈 값을 후방 산란이라고 한다. 이 후방산란계수를 이미지로 표현한 것이 SAR 위성영상이다. 후방산란은 지표 면의 특성에 따라 달라지게 되는데, 때로는 산란체의 산란특 성이 같음에도 불구하고 기하적인 차이에 의해 발생한 면적 차이로 인하여 후방산란계수에 차이가 생기게 된다. 이를 보 정하기 위하여 후방산란계수 추정법을 사용하며, 위성체마 다 다른 검·보정 계수를 적용하여 후방산란계수를 계산하게 된다.
3. 영상정합
영상정합기술은 크게, 특징요소 추출(feature extraction), 특징요소 간 정합(feature matching), 변환모델 구성 (transformation model estimation), 그리고 기하보정(image registration)의 네 단계로 구성할 수 있다. 자동 기하보정은 앞서 언급한 기하보정의 네 단계 중, 특징요소 추출과 특징 요소 간 정합 단계를 자동화함으로써 이루어진다. 자동 기하 보정을 위한 특징요소 정합 방법으로는 강도기반 정합기법 (intensity-based matching method)과 특징기반 정합기법 (feature-based matching method)으로 나눌 수 있다.
광학영상 간의 정합 기법의 경우에는 특징점 추출을 기반 으로 하는 방법을 가장 많이 사용하고 있으며, 고해상도 위 성영상에 최적화된 기술을 개발하기 위한 연구들이 진행되 고 있다.
SAR영상과 광학영상과 같은 이종센서 간 영상융합을 위 한 자동 접합기법의 경우 특징점 기준의 접근 방법이 가장 많이 사용되고 있으며, 이는 이종센서 간에 존재하는 edge나 line을 추출하여 정합을 수행하는 방법이다. 또 다른 방법은 신호 기반의 접근 방법으로 지역 윈도우로부터 방사적인 유 사성을 계산하여 정합하는 방법이 있다.
4. 영상융합
영상융합은 서로 다른 특징을 가지는 2개 이상의 영상을 이용하여 영상의 품질을 높이는데 목적이 있으며, 화소기반
의 융합기법을 활용한다. 이종영상 간의 융합은 광학/TIR 영 상 융합, 광학/SAR 영상 융합, TIR/SAR 영상융합 3가지 방 식으로 구성되어 있다.
광학/TIR 영상 융합은 고해상도 흑백영상과 TIR 영상 간 의 1차 융합을 통하여 생성된 영상과 광학 멀티스펙트럴 영 상을 2차 융합하여 최종 융합영상을 생성한다. 해당 융합 기 술로 생성된 영상은 광학영상의 특성을 가지고 있을 뿐만 아 니라, 주변 개체와 다른 온도 특성을 가지는 개체들의 시각 적 구분이 용이하기 때문에, 판독 및 다양한 원격탐사 활용 분야에 사용할 수 있을 것으로 판단된다.
광학/SAR 영상의 융합 기법을 통해 생성된 융합영상은 광학의 분광왜곡이 최소화된 반면에, 상대적으로 SAR의 후 방산란계수 및 텍스쳐 정보가 적게 주입되는 문제점을 가지 고 있다. 이를 해결하기 위해 지역적으로 SAR 영상의 정보 를 광학영상의 특성에 맞게 재조정이 필요하다. 고해상도 흑 백영상과 SAR 영상을 1차적으로 융합하여 이종 센서의 특 성이 모두 통합된 단일 영상을 1차적으로 생성한 후에, 이를 멀티스펙트럴 영상과 융합하여 SAR 영상의 특징을 포함하 고 있는 고해상도의 멀티스펙트럴 영상 생성이 가능하다.
TIR영상과 SAR영상은 센서 자체의 이질성을 지니고 있 고, 동일한 사물이라도 표현되는 공간 특성이 다르게 나타나 기 때문에 TIR/SAR 영상의 융합에 기존의 Pan-sharpening 기법을 그대로 적용하기에는 무리가 있다. 이를 해결하기 위 해 두 센서의 장점을 통합하는 wavelet 변환 기반의 선택적 융합기법이 필요하다. Wavelet 변환을 이용한 융합기법의 기본 원리는 TIR/SAR 영상을 Time-scale 기반의 wavelet 도메인으로 변환 후, Transform된 도메인 내에서 정의된 규 칙에 따라 융합을 수행하고, 마지막으로 융합된 결과 영상을 Inverse transform을 통해 최종적으로 생성하는 단계로 이루 어진다.
Ⅳ. 고부가 산출물 알고리즘 개발의 필요성
1. 토지피복 분류 알고리즘
원격탐사 자료를 통해 제공할 수 있는 가장 기본적이고 널리 쓰이는 분야는 토지피복 분류 기술 분야이다. 토지피복 분류 기술은 대부분 단일영상을 활용해 왔으며, 이종센서 자 료를 이용하는 연구는 더디게 발전하고 있는 추세이다. 기존 의 단일영상을 활용한 토지피복 분류의 연구 결과는 자료의 한계로 인하여 일정 수준 이상의 분류의 결과 정확도를 기대 하기 어려운 실정이므로 이종영상의 융합을 통해 보다 정확 하고 정밀한 토지피복 분류를 수행할 수 있는 알고리즘의 개 발이 필수적이다. 토지피복 분류 기술은 국토의 효과적인 모 니터링, 국토 개발 계획, 도시 계획, GIS 자료 제작, 환경 관 리 등의 기본 자료로서 활용할 수 있다.
2. 도심지 객체 탐지(도로탐지) 알고리즘
고해상도 영상에서 객체를 탐지하는 기술은 도시 계획, 도 시화 모니터링, 디지털 매핑 그리고 재난 관리 등의 여러 분 야에 사용될 수 있다. 그러나 이미지들은 해상도, 센서의 종 류, 기상 요건 등에 따라 매우 다르고 복잡한 구조물이나 반 사 성질이 비슷한 객체들을 분리해내는 어려움 등의 다양한 이유로 원격탐사로부터의 객체 탐지는 매우 어려운 일이다.
단일 센서가 가지는 단점을 보완하여 이종센서를 통해 보다 정확한 객체를 탐지하는 기술은 도심지역에 대한 다양한 연 구에 유용하게 쓰일 수 있을 것이다.
기존의 국내외 연구들의 경우, 도심지를 대상으로 하는 연 구들은 주로 도심지의 토지피복 분류 또는 건물 등의 특정 객체를 추출하는 기술 개발을 중심으로 진행되었다. 그러나 단순한 토지피복에 대한 정보 또는 건물 등의 특정 객체에 대한 정보를 추출하는데 있어 단일 영상의 활용은 한계가 존 재하며, 오분류를 포함한다. 이러한 문제들을 해결하기 위해 이종영상을 활용한 보다 정확하고 정밀한 도심지 객체 탐지 기술이 필요하다.
3. 변화탐지 알고리즘
위성영상으로부터 취득되는 자료는 넓은 지역을 주기적 으로 촬영할 수 있기 때문에, 변화탐지는 원격탐사 자료가 활용되는 가장 대표적인 기법이다. 과거에는 지상의 영상을 취득하는 센서의 부족, 취득 성능, 보안상의 이유로 변화탐지 에 활용 가능한 자료가 부족하였고, 대부분 단일 센서 영상 을 활용한 연구가 진행되었다. 최근에는 다양한 특성을 가진 센서(광학, SAR, TIR 등)가 다수 발사되어 지구에 대한 방 대한 양의 자료를 취득하고 있다. 이러한 자료들이 축적되면 서 이종센서에서 취득된 자료를 종합적으로 활용하여 보다 향상된 변화탐지 기법이 필요하게 되었다. 이종영상을 이용 하여 단일 영상을 사용한 기존의 연구들에 비하여 보다 활용 성 높은 변화탐지 기법 개발이 가능할 것으로 기대된다.
4. 홍수 모니터링 알고리즘
기후변화 현상에 의하여 이상고온, 폭설, 집중호우, 가뭄 등의 재난/재해의 빈도가 높아지고 있으며, 이에 대한 신속 한 조기 대응, 피해 규모 산출, 사후 처리 등이 중요한 요소 로 주목받고 있다. 재난/재해는 넓은 지역에 걸쳐 발생하기 때문에 원격탐사 자료를 활용하여 좀 더 정확하게 예측하고 모니터링 및 평가하는 것이 중요하다. 그러나 단일 센서로는 판독에 의한 모니터링에 그칠 뿐이었다. 따라서 서로 다른 공간 해상도와 시간 해상도를 가지고 다양한 센서를 융합하 여 서로 단점을 보완하는 방법이 필요하다.
5. 벼 재배면적 추출 알고리즘
원격탐사를 활용하여 벼 재배면적을 추출하는 기술은 인 류의 식량문제와 밀접한 관련이 있어 매우 중요하게 여겨진 다. 전 지구적으로 기후변화가 점차 빠르게 진행됨에 따라 식량자원의 재배지역이 이동하고 지역적으로 재배가 가능한 작물이 변화하여 기후변화에 적응하기 위한 대책마련을 위 해서도 주 식량자원인 벼의 재배지역 추출 및 면적 산정을 위한 기술개발은 끊임없이 시도되어야 한다. 미국, EU, 일본 등 선진국을 중심으로 인공위성 영상을 판독해 농업통계를 생산하는 원격탐사기술이 이미 실용화되었으며 경지면적조 사, 재배면적조사, 작황예측분석 등에 활용되고 있다[3]. 이 에 따라 최근 국내에서도 원격탐사를 활용한 경지면적조사 를 2012년부터 실용화였으며, 2013년 통계청에서 실시한 ‘원 격탐사 활용 북한 벼 재배면적 1개도 시험조사’ 사업을 통해 접근불능지역인 북한의 벼 재배면적 산정 가능성을 확인하 였다. 그러나 기존의 연구들의 경우, 주로 단일 광학영상을 사용하여 벼 재배면적을 산정하였기 때문에 벼의 생육특성 상 가장 생장이 활발한 시기가 강수량이 많은 장마철과 겹쳐 구름의 영향으로 인해 영상 획득이 어려운 문제가 발생한다.
이러한 단일 광학영상의 한계를 극복하고 벼 재배면적 추출 기법에 대한 판독정확도 및 분류정확도 향상시키기 위해서 는 이종영상을 활용한 광학영상과의 융합기술이 필수적이며 이를 통해 기존의 연구들에 비해 보다 다양한 재배지 추출 기법을 개발하고 정확도 높은 재배면적 산출이 가능할 것으 로 기대된다.
Ⅴ. 고부가 활용을 위한 이종영상 융합 소프트웨어(InFusion) 구성
고부가 활용을 위한 이종영상 융합 소프트웨어(이하, InFusion)는 KOMPSAT Series의 활용을 극대화하기 위한 소프트웨어로서, ㈜인스페이스를 총괄주관기관으로 국내 5 개의 대학교와 2개의 기업체가 컨소시움으로 참여하여 개발 하였다. InFusion은 위성영상 전처리, 화소기반 융합 및 융합 품질평가지수 알고리즘과 고부가 산출물 생성을 위한 알고 리즘이 탑재되어 있다.
본 소프트웨어에 탑재된 위성영상 전처리, 화소기반 융합 및 융합 품질평가지수 알고리즘은 다음과 같다.
- 광학/SAR/TIR의 정사보정[4]
- 광학/SAR/TIR의 방사보정
- 광학&TIR 정합, 광학&SAR 정합, SAR&TIR 정합[5]
- 광학&광학 융합, 광학&TIR 융합, 광학&SAR 융합, TIR&SAR 융합[6-9]
- 광학&TIR 융합 품질평가지수, 광학&SAR 융합 품질평 가지수, TIR&SAR 융합 품질평가지수
융합된 영상의 활용을 극대화하기 위해 개발된 고부가 산 출물 생성 알고리즘은 다음과 같다.
- 토지피복 분류
- 도심지 객체 탐지(도로탐지) - 변화탐지
- 홍수 모니터링 - 벼 재배면적 추출
또한 아래와 같이 사용자가 위성영상을 용이하게 분석할 수 있는 부가 기능이 탑재되어 있다.
- Basic Tools(Resize Image, Subset, Rotate Image, Measurement 등)
- Image Control(Image Histogram, Convert Map Projection, 영상밝기조절, Opacity 등)
- Filter(Canny Edge, Lee, Forward FFT, Gamma)
Ⅵ. InFusion 개발 환경 및 결과
본 소프트웨어에서 위성영상 전처리, 화소기반 융합 및 융 합 품질평가지수 알고리즘은 서울시립대학교 주관 하에 3개 의 산·학 기관에서 참여하여 개발하였으며, 고부가 산출물 생성을 위한 알고리즘은 서울대학교 주관 하에 2개의 대학 교에서 개발하였다. ㈜인스페이스는 개발된 알고리즘들을 연동하기 위해 알고리즘을 모듈화하였으며 부가 기능을 개 발하여 사용자의 편의성을 높였다.
InFusion의 기본 언어는 JAVA를 이용하였으며, 전체적 인 소프트웨어 플랫폼 개발은 Eclipse RCP(Rich Client Platform)을 기반으로 개발하였다. 각 알고리즘을 모듈화하 기 위해 MATLAB으로 짠 알고리즘을 C#이나 C++로 포팅 한 후, 실행파일(EXE)로 제작하여 소프트웨어에 연동하였 다. 또한 GDAL 라이브러리를 활용하여 기본영상처리 및 표 출을 가능하게 하였다.
그림 1. InFusion의 화면 구성
[그림 1]과 같이 InFusion은 기본 menu bar와 레이어 뷰,
영상정보 뷰, 메인 뷰로 구성되어 있다. 레이어 뷰에는 입력 영상, 분석 결과 등 사용자가 표출하고자 하는 레이어들이 표출되어 있으며, 영상정보 뷰는 메인 뷰에 표출된 영상의 정보가 표출되고 알고리즘 구동 시 로그가 표출된다. 마지막 으로 메인 뷰는 위성영상 및 결과영상이 표출된다.
본 소프트웨어에 탑재된 각 알고리즘을 통해 얻은 산출물 들은 다음과 같다.
이종영상의 융합을 통해 보다 정확하고 정밀한 토지피복 분류가 가능하게 되었으며, [그림 2]는 이종영상 융합을 활용 한 토지피복 분류 결과를 보여주고 있다[10-11].
그림 2 토지피복 분류 산출물
단일 센서의 단점을 보완한 이종 센서를 통해 보다 정확 한 객체 탐지 기술은 도심지역에 대한 다양한 연구에 유용하 게 활용된다. 도심지를 대상으로 이종영상을 활용하여 건물 특정 객체를 추출하였다([그림 3]).
그림 3. 도심지 객체 탐지(도로탐지) 산출물
다양한 특성을 가진 센서(광학, SAR, TIR)를 종합적으로 활용하여 보다 향상된 변화탐지 산출물 획득이 가능하게 되 었다. [그림 4]는 이종센서에서 취득된 자료를 종합적으로 활 용하여 변화탐지 기법에 활용한 결과를 보여주고 있다 [12-13].
그림 4. 변화탐지 산출물
홍수 모니터링은 서로 다른 공간 해상도 및 시간 해상도 기반의 다양한 센서를 융합하여 활용함으로써 보다 정확한 예측 및 평가가 가능하게 되었다. [그림 5]는 고해상도 위성 영상을 이용한 홍수 모니터링 결과를 보여주고 있다[14-16].
그림 5. 홍수 모니터링 산출물
이종영상을 활용한 광학영상 융합기술은 벼 재배면적 추 출 기법에 대한 판독정확도 및 분류정확도를 향상시켰다. 이 종 영상을 융합하여 논 구역 정보를 추출하여 벼 재배면적을 추출하였다([그림 6])[17-20].
그림 6. 벼 재배면적 추출 산출물
Ⅶ. 결론
본 연구를 통해 구축되는 영상 전처리 기술은 위성영상 활용을 위해 반드시 필요한 전처리 소프트웨어를 개발하여 사용함으로써 최종 사용자의 위성영상 접근을 용이하게 하 여 위성영상을 기반으로 한 다른 기술의 적용을 발전시킬 수 있을 것이다. 또한 세계적으로도 기초단계에 있는 융합 기술 을 KOMPSAT Series를 활용하여 개발함으로써 세계시장에 견줄 수 있는 성과로 충분하다.
고부가 산출물 생성 기술은 KOMPSAT Series에 최적화 된 기술이므로, 국외를 기준으로 삼았을 때 성능이 우수한 독립적인 고부가 활용 기술을 개발했다는 측면에서 기술적 인 중요성을 지닌다.
즉, 본 연구를 통해 도출될 결과물은 국내에서 개발되는 독자적 원천기술이라는 점, 국제 선도수준의 최신 기술이라 는 점에서 큰 의미 부여가 가능할 것으로 기대된다.
참 고 문 헌
[1] 서울시립대학교 산학협력단. (2015). 특허등록 10-1580585. 서 울: 특허청.
[2] 양지연, 서두천, 최혜선, 임효숙. (2009). DEM 및 GCP 특성에 따른 KOMPSAT-2 영상의 정사보정 정확도 비교 분석. 한국 지형공간정보학회 학술대회, p.424-430.
[3] 충북대학교. (2010). 농작물 생산통계의 원격탐사기술 활용방 안 연구. 통계청 연구용역 요약보고서, p.3.
[4] Oh, K., and H. Jung, (2016). Automated Bias-Compensation Approach for Pushbroom Sensor Modeling Using Digital Elevation Model (DEM), IEEE Transactions on Geoscience and Remote Sensing, 54(6): 3400-3409.
[5] 한유경, 최재완. (2015). SURF와 지역적 위상 상관도를 활용한 광학 및 열적외선 영상 간 정합쌍 추출, 한국지형공간정보학회 지, 23(1): 81-88.
[6] Jung, H. and S. Park, (2014). Multi-Sensor Fusion of Landsat 8 Thermal Infrared (TIR) and Panchromatic (PAN) Images, Sensors, 14(12): 24425-24440.
[7] Wang, B., S. Choi, Y. Han, S. Lee, and J. Choi. (2015).
Applications of IR-MAD using synthetically fused images for change detection in hyperspectral data, Remote Sensing Letters, 6(8): 578-586.
[8] Han, Y., A. Chang, S. Choi, H. Park, and J. Choi. (2017). An unsupervised algorithm for change detection in hyperspectral remote sensing data using synthetically fused images and derivative spectral profiles, Journal of Sensors, in press.
[9] G. Kim, N. Park, S. Choi, and J. Choi. (2016). Performance evaluation of pansharpening algorithms for WorldView-3 satellite imagery, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 34(4): 413-423.
[10] Kim, D. J., Jung, J., Kang, K. M., Kim, S. H., Xu, Z., Hensley, S., ... & Duersch, M. (2015). Development of a cost-effective airborne remote sensing system for coastal monitoring. Sensors, 15(10), 25366-25384.
[11] Xu, Z., Kim, D. J., Kim, S. H., Cho, Y. K., & Lee, S. G.
(2016). Estimation of seasonal topographic variation in tidal flats using waterline method: A case study in Gomso and Hampyeong Bay, South Korea. Estuarine, Coastal and Shelf Science, 183, 213-220.
[12] Kim, D. J., Hensley, S., Yun, S. H., & Neumann, M. (2016).
Detection of durable and permanent changes in urban areas using multitemporal polarimetric UAVSAR data. IEEE Geoscience and Remote Sensing Letters, 13(2), 267-271.
[13] Jung, J., Kim, D. J., Lavalle, M., & Yun, S. H. (2016).
Coherent change detection using InSAR temporal decorrelation model: A case study for volcanic ash detection.
IEEE Transactions on Geoscience and Remote Sensing, 54(10), 5765-5775.
[14] Park, S. E. (2015). Variations of Microwave Scattering Properties by Seasonal Freeze/Thaw Transition in the Permafrost Active Layer Observed by ALOS PALSAR Polarimetric Data. Remote Sensing, 7(12), 17135-17148.
[15] Park, S. E. (2015). The effect of topography on target decomposition of polarimetric SAR data. Remote Sensing, 7(5), 4997-5011.
[16] 박상은. (2016). Kompsat-5 SAR 자료를 이용한 수체 탐지.
대한원격탐사학회지, 32(5), 539-550.
[17] Park, S., Park, S., Im, J., Rhee, J., Shin, J., & Park, J. D.
(2017). Downscaling GLDAS Soil Moisture Data in East Asia through Fusion of Multi-Sensors by Optimizing Modified Regression Trees. Water, 9(5), 332.
[18] Park, S., Im, J., Park, S., & Rhee, J. (2017). Drought monitoring using high resolution soil moisture through multi-sensor satellite data fusion over the Korean peninsula.
Agricultural and Forest Meteorology, 237, 257-269.
[19] Ke, Y., Im, J., Park, S., & Gong, H. (2017). Spatiotemporal downscaling approaches for monitoring 8-day 30m actual evapotranspiration. ISPRS Journal of Photogrammetry and Remote Sensing, 126, 79-93.
[20] Ke, Y., Im, J., Park, S., & Gong, H. (2016). Downscaling of MODIS One kilometer evapotranspiration using Landsat-8 data and machine learning approaches. Remote Sensing, 8(3), 215.
저자
최 명 진(Myungjin Choi) 정회원
․2000년 2월：숭실대학교 수학 학사졸업
․2002년 2월：카이스트 응용수학 석사졸업
․2007년 2월：카이스트 응용수학 박사졸업
․2007년~2017년:한국항공우주연구원 선임연구원
․2009년~2013년:과학기술연합대학원대 학교 겸임조교수
․2012년~현재:㈜인스페이스 대표이사
정 인 협(Chung Inhyup)
․2008년 2월 : 연세대학교 학사졸업
․2007년~2009년 : 젠워스파이낸셜 사원
․2010년~2013년 : 어니언텍 과장
․2013년~2016년 : 에이아이지 대리
․2016년~현재 : (주)인스페이스 책임연 구원
고 형 균(Ko Hyeong Ghun)
․2012년 2월 : 공주대학교 컴퓨터공학과 학사졸업
․2012년~2015년 : (주)옥타컴 대리
․2015년~현재 : (주)인스페이스 주임
․2017년~현재 : 남서울대학교 정보통신 공학과 석사과정
장 수 민(Jang Sumin)
․2015년 2월 : 부경대학교 공간정보시스 템공학과 학사 졸업
․2015년 2월~현재 : ㈜인스페이스
![[그림 1]과 같이 InFusion은 기본 menu bar와 레이어 뷰,](https://thumb-ap.123doks.com/thumbv2/123dokinfo/5034373.553193/5.892.463.806.363.603/그림-과-같이-infusion은-기본-menu-bar와-레이어.webp)
