KR101870084B1 - 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법 - Google Patents
그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법 Download PDFInfo
- Publication number
- KR101870084B1 KR101870084B1 KR1020170087276A KR20170087276A KR101870084B1 KR 101870084 B1 KR101870084 B1 KR 101870084B1 KR 1020170087276 A KR1020170087276 A KR 1020170087276A KR 20170087276 A KR20170087276 A KR 20170087276A KR 101870084 B1 KR101870084 B1 KR 101870084B1
- Authority
- KR
- South Korea
- Prior art keywords
- shadow
- region
- brightness value
- boundary
- pixel
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012937 correction Methods 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 5
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G06T5/008—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
본 발명은 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법 즉, 고해상도로 촬영된 원격탐사영상에서 건물그림자를 제거하는 방법에 관한 것으로서, 지표면에 투영된 그림자에서 건물측면의 수직성분에 대한 그림자 경계선을 이용하여 그림자를 제거하는 방법에 관한 것이다.
이를 위하여 본 발명은 고해상도 원격탐사영상에 있는 건물그림자 중 건물측면의 수직성분이 지면에 투영되어 생성된 수직경계선에 포함되는 화소를 검출하는 수직경계선 검출단계; 상기 수직경계선을 중심으로 상기 그림자에 대한 경계선영역을 설정하고 상기 경계선영역 양쪽에 있는 그림자영역 및 비그림자영역 각각에 대한 화소의 밝기값 관계를 이용하여 상기 그림자영역에 대한 화소의 밝기값을 보정하는 그림자 제거단계; 및 상기 그림자영역과 상기 비그림자영역의 밝기값에 대한 최소자승법을 이용하여 밝기값 평면계수를 구한 후에 상기 밝기값 평면계수를 적용하여 상기 경계선영역에 대한 화소의 밝기값을 추정하여 보정하는 경계선영역 밝기값 보정단계; 로 이루어지는 것을 특징으로 한다. 본 발명을 통하여, 그림자를 포함한 고해상도 원격 탐사 영상에서 그림자 제거를 통해서 그림자 영역의 영상 대비(contrast) 향상 정도와 세부적인 변화량 향상 측면에서 영상의 품질을 높일 수 있다.
이를 위하여 본 발명은 고해상도 원격탐사영상에 있는 건물그림자 중 건물측면의 수직성분이 지면에 투영되어 생성된 수직경계선에 포함되는 화소를 검출하는 수직경계선 검출단계; 상기 수직경계선을 중심으로 상기 그림자에 대한 경계선영역을 설정하고 상기 경계선영역 양쪽에 있는 그림자영역 및 비그림자영역 각각에 대한 화소의 밝기값 관계를 이용하여 상기 그림자영역에 대한 화소의 밝기값을 보정하는 그림자 제거단계; 및 상기 그림자영역과 상기 비그림자영역의 밝기값에 대한 최소자승법을 이용하여 밝기값 평면계수를 구한 후에 상기 밝기값 평면계수를 적용하여 상기 경계선영역에 대한 화소의 밝기값을 추정하여 보정하는 경계선영역 밝기값 보정단계; 로 이루어지는 것을 특징으로 한다. 본 발명을 통하여, 그림자를 포함한 고해상도 원격 탐사 영상에서 그림자 제거를 통해서 그림자 영역의 영상 대비(contrast) 향상 정도와 세부적인 변화량 향상 측면에서 영상의 품질을 높일 수 있다.
Description
본 발명은 고해상도로 촬영된 원격탐사영상에서 건물그림자를 제거하는 방법에 관한 것이다. 더욱 자세하게는 주간에 촬영한 원격탐사영상 중에 존재하는, 지표면에 투영된 그림자에서 건물측면의 수직성분에 대한 그림자 경계선을 이용하여 그림자를 제거하는 방법에 관한 것이다.
주간에 위성영상을 촬영하는 경우 광학위성의 특성으로 인해서 도심지역에서는 태양의 고도에 따라 다양한 길이의 건물그림자가 생성된다. 특히 건물의 고도가 높은 경우에는 건물 주변으로 넓은 영역에 걸쳐서 지상 구조물들을 가리는 그림자가 생성되기 때문에 실제 촬영된 위성영상에서는 낮은 반사도의 어두운 그림자영역이 넓게 생성되는 문제점이 발생한다.
이러한 문제점을 개선하기 위한 종래기술 즉, 영상에서 검출되는 그림자를 제거하기 위한 방법으로는 감마보정방법(비특허문헌 0001), 히스토그램정합방법(비특허문헌 0002), 선형상관보정방법(linear correlation correction)(비특허문헌 0001,비특허문헌 0003, 비특허문헌 0004) 등이 있으며, 상기 세 가지 방식 가운데 선형상관보정방법이 다른 두 방법에 비해 우수한 그림자 제거 성능을 보인다는 연구결과가 발표된 바 있다(비특허문헌 0001). 최근의 연구에서는 그림자영역과 비그림자영역의 밝기값 사이에 선형모델(비특허문헌 0005) 또는 다항식 모델(비특허문헌 0006)을 이용하여 보정하는 방법이 제안되기도 하였다.
그러나 선형상관보정방법은 그림자영역과 비그림자영역을 구분하는 경계선을 중심으로 경계선 내부(그림자 영역)과 경계선 외부(비그림자 영역)에 속하는 화소들을 이용하여 모델 파라미터를 구한다. 이때 그림자영역의 경계선이, 동일한 높이의 지표면 객체 위에 형성된 경우라면 상기 선형상관보정방법에 의한 관계식을 적용할 수 있으나, 경계선이 동일하지 않은 높이의 지표면 객체위에 형성된 경우, 예를 들면 촬영영상에서 경계선의 일부가 건물지붕과 접하는 경우라면 건물지붕이 있는 부분에서는 경계선 내부(그림자 영역)과 경계선 외부(건물 지붕)는 서로 다른 속성을 가지기 때문에 선형상관보정방법에 사용되는 관계식을 적용할 수 없다는 문제가 발생한다.
한편, 이런 문제를 보완하기 위해서 그림자영역의 경계선 주변에 대한 내부와 외부 밝기값 프로파일의 유사도가 낮은 화소들은 관계식 계산에서 제외하는 방법이 제안되었다(비특허문헌 0006). 그러나 이 방법은 그림자가 강하게 나타나서 그림자 영역의 내부와 외부 밝기값 프로파일의 유사도가 전반적으로 낮은 경우에는 적용하기 어려운 단점이 존재하여 왔다.
P. Sarabandi, F. Yamazaki, M. Matsuoka, and A. Kiremidjian, "Shadow detection and radiometric restoration in satellite high resolution images," Proc. IEEE IGARSS 2004, Anchorage, USA, Vol. 6, pp. 37443747, Sep. 2004.
P. M. Dare, "Shadow analysis in high-resolution satellite imagery of urban areas," Photogrammetric Engineering & Remote Sensing, Vol. 71, no. 2, pp.169-177, 2005.
J. Wu and M. E. Bauer, "Evaluating the effects of shadow detection on QuickBird image classification and spectroradiometric restoration," Remote Sensing, Vol. 5, pp. 4450-4469, 2013.
Y. Chen, W. Dou, J. Li, and P. Shi, "Shadow information recovery in urban areas from very high resolution satellite imagery," International Journal of Remote Sensing, Vol. 28, no. 15, pp.3249-3254, 2007.
L. Lorenzi, F. Melgani, and G. Mercier, "A complete processing chain for shadow detection and reconstruction in VHR images," IEEE Trans. Geosci. Remote Sens., vol. 50, no. 9, pp. 34403452, 2012
H. Zhang, K. Sun, and W. Li, "Object-oriented shadow detection and removal from urban high-resolution remote sensing images,"IEEE Transactions on Geoscience and Remote Sensing, Vol. 52, no. 11, pp. 6972-6982, 2014.
상술한 바와 같은, 종래기술에 의한 그림자 제거기술의 문제점을 해결하기 위해 창안된 본 발명에 의한 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법은 고해상도의 원격탐사영상에서 지표면에 투영된 건물측면의 수직성분에 대한 그림자 경계선을 이용하여 그림자를 제거하는 방법을 제공하는데 그 목적이 있다.
상술한 목적을 해결하기 위하여 본 발명에 의한 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법은, 고해상도 원격탐사영상에 있는 건물그림자 중 건물측면의 수직성분이 지면에 투영되어 생성된 수직경계선에 포함되는 화소를 검출하는 수직경계선 검출단계; 상기 수직경계선을 중심으로 상기 그림자에 대한 경계선영역을 설정하고 상기 경계선영역의 바깥 양쪽에 있는 그림자영역 및 비그림자영역 각각에 대한 화소의 밝기값 관계를 이용하여 상기 그림자영역에 대한 화소의 밝기값을 보정하는 그림자 제거단계; 및 상기 그림자영역과 상기 비그림자영역의 밝기값에 대한 최소자승법을 이용하여 밝기값 평면계수를 구한 후에 상기 밝기값 평면계수를 적용하여 상기 경계선영역에 대한 화소의 밝기값을 추정하여 보정하는 경계선영역 밝기값 보정단계; 로 이루어지는 것을 특징으로 하는 것이 바람직하다.
상술한 특징에 더하여 본 발명에 의한 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법은, 상기 수직경계선 검출단계는, 상기 건물그림자 및 배경으로 이루어진 이진영상에 대하여 상기 건물그림자의 경계선을 8방향 체인코드(8-directional chain code)로 구성하고 상기 체인코드로 구성된 상기 경계선의 시작화소 p s 와 상기 p s 로부터 거리 l 만큼 떨어진 화소 p e 로 구성되는 선분 의 각도 θ 와 상기 원격탐사영상의 촬영 당시 태양의 고도 및 방위에 의해 결정되는 기준각도θ r 의 차이가 수학식 같이 임계각 θ T 보다 작으면 방향조건을 만족한다고 판정하고, 상기 p s 와 상기 p e 사이에 존재하는 화소들과 상기 선분 와의 수직거리 중 최대거리 d 가 임계값 d T 보다 작으면 직진성 조건을 만족한다고 판정하며, 상기 방향조건과 상기 직진성조건을 모두 만족하는 경우 상기 p s 와 상기 p e 사이에 존재하는 화소들 모두를 상기 수직경계선에 포함되는 화소로 판단하는 것을 특징을 더 포함하는 것이 바람직하다.
또한, 상기 그림자 제거단계는, 상기 수직경계선에 포함되는 M개의 화소 각각을 중심화소로 선택한 후에 상기 중심화소를 중심으로 일정크기의 제1윈도우를 설정하고 상기 제1윈도우 내에서 상기 경계선영역에는 포함되지 않고 상기 그림자영역 및 상기 비그림자영역에 각각 포함되는 화소들의 평균 밝기값 쌍(S i ,N i ) 을 구하고 수학식 N i =m·S i +n(i=1,2,3,...,M)의 선형변환을 만족하는 계수 m 과 n 을 RANSAC (RANdom Sample Consensus)방법으로 구한 후 상기 계수 m 과 n 을 적용하여 상기 그림자영역에 대한 화소의 밝기값을 보정하는 것을 특징으로 하는, 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거 방법으로 하는 것도 가능하다.
이와 더불어 상기 경계선영역 밝기값 보정단계는, 상기 수직경계선에 포함되는 화소를 중심으로 일정크기의 제2윈도우를 설정하고, 상기 제2윈도우 내에서 수학식I(x i ,y i )=k 1 ·x i +k 2 ·y i +k 3 과 같이 주어지는 상기 그림자영역 및 상기 비그림자영역의 밝기값 I(x i ,y i )에 대하여 최소자승법을 이용하여 상기 밝기값 평면계수인 k 1 , k 2 , k 3 를 구한 후에 상기 밝기값 평면계수를 적용하여 상기 경계선영역에 포함되는 각 화소의 보정된 밝기값 를 추정하는 것을 특징으로 하는 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거 방법으로 하는 것 또한 가능하다.
이상에서 살펴본 바와 같이 본 발명에 의한 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법은 고해상도 원격탐사영상에 존재하는 그림자영역을 효과적으로 제거하여 원격탐사영상의 품질을 높일 수 있는 효과가 있다. 특히 영상 대비 향상 정도와 세부적인 변화량 향상 측면에서 기존의 선형상관보정방법에 비해 그림자 제거성능을 획기적으로 높임으로써 영상의 품질을 높일 수 있는 효과가 있다.
도 1a 및 도 1b는 건물그림자가 지면에 생성되는 경우 그림자의 경계선 유형을 도시한 도면이다.
도 2는 본 발명에 의한 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법의 수행과정을 나타낸 흐름도이다.
도 3은 그림자 경계선의 방향과 직진성을 나타낸 도면이다.
도 4는 그림자의 경계선영역을 나타낸 도면이다.
도 5는 경계선영역의 그림자 제거 전후의 변화를 나타낸 도면이다.
도 6은 경계선영역의 밝기값 추정을 나타낸 도면이다.
도 7a는 본 발명 실시예에 사용된 Worldview-3 위성영상이다.
도 7b는 본 발명 실시예 위성영상 중 그림자 후보영역이다.
도 7c는 본 발명의 실시예 위성영상 중 건물 그림자영역의 경계선이다.
도 7d는 본 발명의 실시예 위성영상 중 건물그림자 제거에 사용된 경계선이다.
도 8a는 그림자가 제거되어 경계선영역이 보정되기 이전을 나타낸 사진이다.
도 8b는 그림자가 제거되어 경계선영역이 보정된 이후를 나타낸 사진이다.
도 8c는 선형상관보정방법에 의하여 수직경계선을 사용한 사진이다.
도 8d는 선형상관보정방법에 의하여 모든 경계선을 사용한 사진이다.
도 9a는 경계선영역의 밝기값 보정 전을 나타낸 사진이다.
도 9b는 경계선 영역의 밝기값 보정 후를 나타낸 사진이다.
도 2는 본 발명에 의한 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법의 수행과정을 나타낸 흐름도이다.
도 3은 그림자 경계선의 방향과 직진성을 나타낸 도면이다.
도 4는 그림자의 경계선영역을 나타낸 도면이다.
도 5는 경계선영역의 그림자 제거 전후의 변화를 나타낸 도면이다.
도 6은 경계선영역의 밝기값 추정을 나타낸 도면이다.
도 7a는 본 발명 실시예에 사용된 Worldview-3 위성영상이다.
도 7b는 본 발명 실시예 위성영상 중 그림자 후보영역이다.
도 7c는 본 발명의 실시예 위성영상 중 건물 그림자영역의 경계선이다.
도 7d는 본 발명의 실시예 위성영상 중 건물그림자 제거에 사용된 경계선이다.
도 8a는 그림자가 제거되어 경계선영역이 보정되기 이전을 나타낸 사진이다.
도 8b는 그림자가 제거되어 경계선영역이 보정된 이후를 나타낸 사진이다.
도 8c는 선형상관보정방법에 의하여 수직경계선을 사용한 사진이다.
도 8d는 선형상관보정방법에 의하여 모든 경계선을 사용한 사진이다.
도 9a는 경계선영역의 밝기값 보정 전을 나타낸 사진이다.
도 9b는 경계선 영역의 밝기값 보정 후를 나타낸 사진이다.
이하에서는 상술한 목적과 특징이 분명해지도록 첨부된 도면을 참조하여 여러 가지 실시 예들에 대하여 보다 상세하게 설명한다. 이에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련한 공지기술로서 이미 그 기술 분야에 익히 알려져 있는 것으로서, 그 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 다양한 실시 예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 본 발명에서 사용되는 용어는 가능한 한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며 이 경우는 해당되는 발명의 설명부분에서 상세히 그 의미를 기재하였으므로, 단순한 용어의 명칭이 아닌 용어가 가지는 의미로서 본 발명을 파악하여야 함을 밝혀두고자 한다.
다양한 실시 예들에 대한 설명 가운데 “제1”, “제2”, “첫째” 또는“둘째”등의 표현들이 실시 예들의 다양한 구성요소들을 구분하여 수식할 수 있지만, 해당 구성요소들을 한정하지 않는다. 예를 들어, 상기 표현들은 해당 구성요소들의 순서 및/또는 중요도 등을 한정하지 않는다. 즉 상기 표현들은 한 구성요소를 다른 구성요소와 구분 짓기 위해 사용될 수 있다.
실시 예들에 대한 설명 가운데 사용될 수 있는 “포함 한다” 또는 “포함할 수 있다” 등의 표현은 발명된 해당 기능, 동작 또는 구성요소 등의 존재를 가리키며, 추가적인 하나 이상의 기능, 동작 또는 구성요소 등을 제한하지 않는다. 또한, 다양한 실시 예들에 대한 설명에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 할 것이다.
다양한 실시 예들에 대한 설명에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 실시 예들을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하에서는 첨부된 도면을 참조하여 본 발명에 의한 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법에 관하여 상세하게 설명한다. 먼저 도 1a 및 도 1b는 건물그림자가 지면에 생성되는 경우 그림자의 경계선 유형을 나타낸 도면이다. 도 1b에서 보는 바와 같이 원격탐사영상에서 검출되는 건물그림자의 경계선(border)은 건물지붕이나 건물측면이 건물그림자와 직접 접하면서 생성되는 지붕경계선(roof border)와 측면경계선(side border) 그리고 건물그림자 중 건물지붕의 수평성분이나 건물측면의 수직성분이 지면 위에 투영되어 생성되는 평행경계선(parallel border)과 수직경계선(vertical border)으로 구분할 수 있다.
종래의 기존연구로는 건물그림자의 내부경계선(inner border)과 외부경계선(outer border)에 속하는 화소의 밝기값 I 의 평균 μ i 및 μ o 와 표준편차 σ i 및 σ o 를 구한 후에 아래의 수학식 1의 선형상관보정(linear correlation correction) 방법을 이용하여 그림자 화소의 보정된 밝기값 을 추정하는 방법이 있다.
(수학식 1)
그러나 건물지붕 또는 측면과 접하는 지붕경계선(roof border)과 측면경계선(side border)의 경우에는 내부경계선과 외부경계선에 위치한 화소 간에 상호 관계가 없기 때문에 이 화소들을 포함하여 내부경계선과 외부경계선의 평균 및 표준편차를 계산하면 그림자 화소의 보정 정확도가 저하되는 문제가 발생된다.
한편, 건물지붕이 지면 위에 투영되는 평행경계선(parallel border)은 건물의 자세에 따라 방향이 결정된다. 도 1a에서 건물이 일정한 각도로 회전하면 평행 경계선의 방향도 회전각도에 따라 달라지게 된다. 다양한 건물이 존재하는 도심지역 영상에서 건물의 자세정보를 사전에 알 수 없는 일반적인 경우에는 지면에 생성된 그림자 경계선 유형에서 평행경계선(parallel border)을 지붕경계선(roof border) 또는 측면경계선(side border)과 구분하는 것은 쉽지 않다. 반면에, 수직경계선(vertical border)은 건물 측면(side)의 수직성분이 지면에 투영되어 생성되기 때문에 건물의 자세 변화에도 불구하고 영상 내에 존재하는 건물들의 수직경계선(vertical border)의 방향은 일정하다. 따라서 본 발명에서는 그림자 경계선 유형 중에서 수직경계선(vertical border) 만을 이용하여 선형관계식을 구하여 건물그림자의 경계선 내부와 외부가 다른 속성을 가지는 경우를 제한하는 방법을 제시한다.
도 2에서 보는 바와 같이 본 발명에 의한 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법은 고해상도 원격탐사영상에 있는 건물그림자 중 건물측면의 수직성분이 지면에 투영되어 생성되는 수직경계선(vertical border)에 포함되는 화소를 검출하는 그림자영역의 수직경계선 검출단계(S10단계)를 수행하고, 상기 수직경계선(vertical border)을 중심으로 상기 그림자에 대한 경계선영역을 설정하고 상기 경계선영역의 바깥 양쪽에 있는 그림자영역 및 비그림자영역 각각에 대한 화소의 밝기값 관계를 이용하여 상기 그림자영역에 대한 화소의 밝기값을 보정하는 그림자 제거단계(S20단계)를 수행한 후 상기 그림자영역과 상기 비그림자영역의 밝기값에 대한 최소자승법을 이용하여 밝기값 평면계수를 구한 후에 상기 밝기값 평면계수를 적용하여 상기 경계선영역에 대한 화소의 밝기값을 추정하여 보정하는 경계선영역 밝기값 보정단계(S30단계); 로 이루어지도록 하는 것이 바람직하다.
위성 영상에서 그림자에 속하는 화소는 낮은 반사도를 보이기 때문에 영상의 밝기값 히스토그램을 이용하여 임계값 보다 작은 화소를 그림자 화소로 분류하여 그림자 영역을 쉽게 분류 할 수 있다. 그러나 도심지역의 경우 건물그림자 이외에 다양한 밝기값의 인공지형물이 존재하고 특히, 고해상도의 위성영상에서는 건물 주변의 도로나 주차장에는 낮은 반사도의 차량이나 수목 등이 다수 존재하기 때문에 검출된 그림자영역 가운데 건물 그림자에 비해 상대적으로 크기가 작은 그림자영역은 제거한 후에 건물 그림자 영역을 검출하는 것이 바람직하다.
따라서 상기 수직경계선 검출단계(S10단계)에서는, 상기 건물그림자 및 배경으로만 이루어진 이진영상에 대하여 상기 건물그림자의 경계선을 8방향 체인코드(8-directional chain code)로 구성하고 도 3에 도시한 바와 같이 체인코드로 표현된 상기 경계선의 시작화소 p s 와 상기 p s 로부터 거리 l 만큼 떨어진 화소 p e 로 구성되는 선분 의 각도 θ 와 상기 원격탐사영상의 촬영 당시의 태양의 고도 및 방위에 의해 결정되는 기준 각도 θ r 의 차이가 수학식 2와 같이 특정의 임계각 θ T 보다 작으면 방향 조건을 만족한다고 판정하고, 상기 p s 와 상기 p e 사이에 존재하는 화소들 p k 와 선분 와의 수직거리 중 최대거리인 d 가 특정의 임계값 d T 보다 작으면 직진성조건을 만족한다고 판정한다. 그리고 상기 체인코드로 표현된 경계선 가운데 방향조건과 직진성조건을 만족하는 경계선 화소를 수직경계선 화소로 판정한다.
(수학식 2)
그리고 상기 방향조건과 상기 직진성조건을 모두 만족하는 경우 상기 p s 와 상기 p e 사이에 존재하는 화소들 모두를 상기 수직경계선에 포함되는 화소로 판단하며, 그 다음에 화소 p e 를 시작화소로 선정한 후에 상술한 바와 같은 방향조건과 직진성조건 판정 과정을 다음 화소들에 대해 연속적으로 적용한다. 그림자 경계선의 방향조건과 직진성조건 판정과정을 통해 수직경계선(vertical border) 위치에 다른 건물이나 수목 등의 존재로 인해 부분적으로 기준각도 θ r 과 일정크기 이상의 차이가 발생하는 화소들은 제거가 될 수 있다.
한편, 일정한 밝기값을 가지는 지표영역이 그림자에 가려져서 그림자영역과 비그림자영역으로 구분될 때, 두 영역의 밝기값 차이는 그림자에 의해 발생한 것으로 가정한다. 그림자를 제거하는 과정은 그림자영역의 경계선을 중심으로 그림자영역과 비그림자영역 간의 밝기값 관계식을 구한 후에 이 관계식을 이용하여 그림자영역에 속하는 각 화소의 밝기값을 보정한다. 그림자영역의 경계선은 이전 단계에서 추출한 수직경계선(vertical border)으로 한정하여 수직경계선(vertical border)을 중심으로 동일한 지표 속성을 가지는 그림자영역과 비그림자영역이 선택되도록 한다.
상기 그림자영역과 상기 비그림자영역이 접하는 경계선 근처에서는 도 4의 왼쪽에 도시된 경계선 영상(boarder image)에서 볼 수 있듯이 경계선을 중심으로 밝기값의 변화가 나타난다. 상기 그림자영역(shadow region)과 상기 비그림자영역(non-shadow region)의 밝기값 계산 결과의 신뢰도를 높이 위해서 밝기값 변화가 발생하는 경계선 근처의 화소는 제외하는 것이 바람직하다. 이를 위해서 도 4와 같이 경계선을 중심으로 경계선영역(border region)을 설정하여 이를 제외한 후 상기 그림자영역(shadow region)과 상기 비그림자영역(non-shadow region)의 화소만을 밝기값 계산에 이용하는 것이 바람직하다.
따라서 상기 그림자영역(shadow region)에 대한 그림자 제거단계(S20단계)는 총 M 개의 화소로 구성된 상기 수직경계선(vertical border)의 각 화소를 중심화소 P로 선택한 후에 도 4에서 보는 바와 같이 일정크기의 제1윈도우를 설정하고 상기 제1윈도우 내에서 상기 경계선영역(border region)에는 포함되지 않는 상기 그림자영역(shadow region) R s 와 비그림자영역(non-shadow region) R n 에 각각 포함되는 화소들의 평균 밝기값 쌍(S i ,N i )을 구한 후에 수학식 3의 선형변환을 만족하는 계수 m 과 n 을 RANSAC (RANdom Sample Consensus)방법으로 구한다.
(수학식 3)
수학식 3의 계수 m 과 n 은 일반적으로 최소자승법(least square method)으로 구할 수 있으나, 본 발명에서는 이상치(outlier)가 존재하는 경우에도 우수한 성능을 보이는 RANSAC(RANdom Sample Consensus)방법을 적용하여 계수 m 과 n 을 결정하는 것이 더 바람직하다.
먼저 M 개의 (S i ,N i )쌍 가운데 직선을 정의할 수 있는 두 개의 쌍을 무작위로 선정 한 후에 수학식 3을 만족하는 계수 m 0 와 n 0 를 구한다. 계수 m 0 와 n 0 로 정의되는 직선과 나머지 M-2 개의 (S i ,N i ) 쌍과의 오차가 임계값 보다 작은 쌍의 개수를 k 라 할 때, 앞의 과정을 일정한 횟수 만큼 반복 수행한 후에 임계값 보다 작은 쌍의 개수 가운데 가장 큰 개수 k max 일 때의 계수 m max 와 n max 를 수학식 3의 최종 변환계수로 결정한다. 따라서 상기 그림자영역(shadow region)의 화소 밝기값 는 수학식 4에 의해 보정된 화소 밝기값 로 변환된다.
(수학식 4)
그리고 상기 경계선영역(border region)은 상기 그림자영역(shadow region)과 달리 상기 그림자영역(shadow region)의 밝기값이 점차 상기 비그림자영역(non-shadow region)으로 변화되는 영역이기 때문에 수학식 4에 의한 밝기값 보정식을 그대로 적용하면 도 5에 도시된 A 부분과 같이 내부경계선 a와 그림자경계선 b 구간에서는 상기 비그림자영역(non-shadow region)의 밝기값 I 2 보다 크게 된다. 반면 그림자경계선 b와 외부경계선 c 구간에서는 보정이 되지 않기 때문에 도 5에 도시된 B 부분과 같이 상기 비그림자영역(non-shadow region)의 밝기값 I 2 보다 작은 값으로 그대로 남아있게 된다. 따라서 상기 경계선영역(border region)의 밝기값은 상기 그림자영역(shadow region)의 보정 후의 밝기값 와 상기 비그림자영역(non-shadow region)의 밝기값을 함께 고려하여 보정하는 과정이 필요하다.
상기 경계선영역(border region)의 밝기값을 보정하기 위하여 도 6과 같이 수직경계선에 포함되는 화소를 중심으로 WW 크기의 제2윈도우를 설정하고 상기 도 6에서 어두운 색으로 표시된 상기 그림자영역(shadow region)과 상기 비그림자영역(non-shadow region)의 밝기값 I(x i ,y i )에 대해 최소자승법을 적용하여 경계선영역(border region) 내부의 보간영역(interpolation region)의 각 화소의 보정된 밝기값 을 다음과 같이 추정할 수 있다.
먼저 밝기값 I(x i ,y i ) 에 대한 근사평면을 수학식 5와 같이 정의하면 총 자승오차 E는 수학식 6과 같이 주어진다. 총 자승오차 E 를 각 평면 계수 k 1 , k 2 , k 3 로 각각 미분한 후에 최종적으로 수학식 7과 같이 밝기값 평면계수를 구한다. 수학식 7에서 구한 밝기값 평면계수를 이용하여 상기 보간영역(interpolation region) 내부의 화소 밝기값 를 추정하는 것이 가능하다
(수학식 5)
I(x
i
,y
i
)=k
1
·x
i
+k
2
·y
i
+k
3
(수학식 6)
(수학식 7)
실시예
이하에서는 본 발명에 의한 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법을 일 실시예를 통해 자세하게 설명한다. 본 발명의 실시예를 위해서 현재 상용위성 가운데 가장 높은 공간해상도인 30cm의 Worldview-3 위성 영상을 사용하였다.
도 7a는 리비아의 도심지역의 일부를 2016년 3월 8일에 촬영한 Worldview-3 위성영상으로 건물 주변에 그림자영역이 넓게 분포되어 있다. 그림자 후보영역을 검출하기 위하여 영상의 밝기값 히스토그램을 이용하여 임계값 95 이하인 화소를 그림자 후보 화소로 선택하여 이진영상을 생성하였다(도 7b에 흰색으로 표시된 화소).
검출된 그림자 후보 이진 영상에는 건물 그림자를 포함하여 주차장의 일부 차량 등 밝기값이 어두운 화소들도 그림자 후보 영역으로 검출되었다. 건물그림자 후보영역에서 건물그림자 영역을 추출하기 위해서 건물그림자 영역의 크기를 고려하여 영역의 크기가 400화소 이상인 영역을 선택한 후에 그림자영역의 경계선 길이가 17 화소 이상인 영역의 경계선을 추출하였다(도 7c).
추출된 경계선에 대해 선분 거리 l=7, 그림자 방향의 기준각도 θ r =115˚ 기준각도와의 차이 임계값 θ T =2˚ 선분으로부터의 수직거리 임계값 d T =2 조건을 만족하는 수직경계선을 추출하였다(도 7d에 흰색으로 표시된 화소).
도 8a 와 도 8b는 경계선영역 보정 전후의 그림자 제거결과를 보여준다. 도 8c는 수직경계선을 이용하여 선형상관보정을 수행한 후에 경계선영역을 보정한 그림자 제거결과를, 도 8d는 모든 경계선을 이용하여 선형상관보정을 수행한 후에 경계선영역을 보정한 그림자 제거결과를 보여준다. 선형상관보정방법에 비해서 제안한 방법이 그림자 제거 후의 그림자영역의 선명도가 상대적으로 높음을 알 수 있다.
도 9는 경계선영역 밝기값 보정 전후의 결과를 보여준다. 도 9a의 가운데 밝은색 화소들은 그림자 경계선과 내부 경계선 사이의 화소 밝기값이 과도하게 추정된 결과를 보여준다. 도 9b는 경계선영역의 폭을 3화소로 지정하고 최소자승법으로 경계선 영역을 보정한 결과를 보여준다
표 1은 그림자영역에 속하는 내부경계선과 비그림자영역에 속하는 외부경계선의 밝기값 평균, 표준편차, 그레디언트 차이를 보여준다. 내부 경계선의 경우 평균, 표준 편차, 그레디언트(gradient)가 외부 경계선 대비 각각 26.8%, 22.5%, 32.7% 수준에 머무르는 것을 볼 수 있다. 표 2는 본 발명 기법과 선형상관보정방법의 그림자 제거 후의 그림자영역의 밝기값 평균과 표준편차 그리고 그레디언트를 보여준다. 여기서 밝기값 평균은 그림자 제거를 통해 그림자영역의 밝기값이 향상된 정도를 나타내며 표준편차는 평균값을 기준으로 대비(contrast)되는 정도를 나타낸다. 그레디언트는 이웃 화소의 밝기값 차이를 계산하여 밝기값의 세부적인 변화를 측정하는 지표이다.
본 발명 기법은 그림자영역의 밝기값 평균이 156.08, 선형상관보정방법은 본 발명 기법과 같이 수직경계선만을 이용한 경우에는 157.60, 그림자 경계선을 모두 이용한 경우는 161.50이 얻어졌다. 표준편차의 경우, 본 발명 기법은 외부경계선 47.37과 비슷한 수준인 46.53 (외부경계선 대비 98.2%)가 얻어졌고 선형상관보정방법은 수직경계선만을 이용한 경우에는 32.17 (외부경계선 대비 67.9%), 그림자 경계선을 모두 이용한 경우는 26.76 (외부경계선 대비 56.5%)가 얻어졌다. 그레디언트의 경우도 본 발명 기법은 외부경계선 122.35와 비슷한 수준인 121.82 (외부경계선 대비 99.6%)가 얻어졌고 선형상관보정 방법은 수직경계선만을 이용한 경우에는 80.26 (외부경계선 대비 65.6%), 그림자 경계선을 모두 사용한 경우 67.95 (외부경계선 대비 55.5%)가 얻어졌다. 이를 통해서 본 발명 기법은 영상의 대비 정도와 세부적인 변화량 향상 측면에서 선형상관보정 방법에 비해 그림자 제거 성능이 우수함을 알 수 있다.
|
평균 |
표준편차 |
그레디언트 |
외부 경계선 (OB) |
174.28 |
47.37 |
122.35 |
내부 경계선 (IB) |
47.67 |
10.68 |
40.06 |
IB/OB |
26.8% |
22.5% |
32.7% |
|
평균 |
표준편차 |
그레디언트 |
본 발명에 의한 방법 |
156.08 |
46.53 |
121.82 |
선형상관보정(수직경계선) |
157.60 |
32.17 |
80.26 |
선형상관보정(모든 경계선) |
161.50 |
26.76 |
67.95 |
상기와 같은 여러 가지 예로 본 발명을 설명하였으나, 본 발명은 반드시 이러한 예들에 국한되는 것이 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서 본 발명에 개시된 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 예들에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다.
Claims (4)
- 삭제
- 고해상도 원격탐사영상에 있는 건물그림자 중 건물측면의 수직성분이 지면에 투영되어 생성된 수직경계선에 포함되는 화소를 검출하는 수직경계선 검출단계;
상기 수직경계선을 중심으로 상기 그림자에 대한 경계선영역을 설정하고 상기 경계선영역의 바깥 양쪽에 있는 그림자영역 및 비그림자영역 각각에 대한 화소의 밝기값 관계를 이용하여 상기 그림자영역에 대한 화소의 밝기값을 보정하는 그림자 제거단계; 및
상기 그림자영역과 상기 비그림자영역의 밝기값에 대한 최소자승법을 이용하여 밝기값 평면계수를 구한 후에 상기 밝기값 평면계수를 적용하여 상기 경계선영역에 대한 화소의 밝기값을 추정하여 보정하는 경계선영역 밝기값 보정단계; 로 이루어지며,
상기 수직경계선 검출단계는, 상기 건물그림자 및 배경으로 이루어진 이진영상에 대하여 상기 건물그림자의 경계선을 8방향 체인코드(8-directional chain code)로 구성하고 상기 체인코드로 구성된 상기 경계선의 시작화소 ps 와 상기 ps 로부터 거리 l 만큼 떨어진 화소 pe 로 구성되는 선분 의 각도 θ 와 상기 원격탐사영상의 촬영 당시 태양의 고도 및 방위에 의해 결정되는 기준각도 θr 의 차이가 아래 수학식 같이 임계각 θT 보다 작으면 방향조건을 만족한다고 판정하고, 상기 ps 와 상기 pe 사이에 존재하는 화소들과 상기 선분 와의 수직거리 중 최대거리 d 가 임계값 dT 보다 작으면 직진성 조건을 만족한다고 판정하며, 상기 방향조건과 상기 직진성조건을 모두 만족하는 경우 상기 ps 와 상기 pe 사이에 존재하는 화소들 모두를 상기 수직경계선에 포함되는 화소로 판단하는 것을 특징으로 하는 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거 방법.
- 고해상도 원격탐사영상에 있는 건물그림자 중 건물측면의 수직성분이 지면에 투영되어 생성된 수직경계선에 포함되는 화소를 검출하는 수직경계선 검출단계;
상기 수직경계선을 중심으로 상기 그림자에 대한 경계선영역을 설정하고 상기 경계선영역의 바깥 양쪽에 있는 그림자영역 및 비그림자영역 각각에 대한 화소의 밝기값 관계를 이용하여 상기 그림자영역에 대한 화소의 밝기값을 보정하는 그림자 제거단계; 및
상기 그림자영역과 상기 비그림자영역의 밝기값에 대한 최소자승법을 이용하여 밝기값 평면계수를 구한 후에 상기 밝기값 평면계수를 적용하여 상기 경계선영역에 대한 화소의 밝기값을 추정하여 보정하는 경계선영역 밝기값 보정단계; 로 이루어지며,
상기 그림자 제거단계는, 상기 수직경계선에 포함되는 M 개의 화소 각각을 중심화소로 선택한 후에 상기 중심화소를 중심으로 일정크기의 제1윈도우를 설정하고 상기 제1윈도우 내에서 상기 경계선영역에는 포함되지 않고 상기 그림자영역 및 상기 비그림자영역에 각각 포함되는 화소들의 평균 밝기값 쌍(Si,Ni)을 구하고 아래 수학식의 선형변환을 만족하는 계수 m과 n 을 RANSAC (RANdom Sample Consensus)방법으로 구한 후 상기 계수 m 과 n 을 적용하여 상기 그림자영역에 대한 화소의 밝기값을 보정하는 것을 특징으로 하는 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거 방법.
- 고해상도 원격탐사영상에 있는 건물그림자 중 건물측면의 수직성분이 지면에 투영되어 생성된 수직경계선에 포함되는 화소를 검출하는 수직경계선 검출단계;
상기 수직경계선을 중심으로 상기 그림자에 대한 경계선영역을 설정하고 상기 경계선영역의 바깥 양쪽에 있는 그림자영역 및 비그림자영역 각각에 대한 화소의 밝기값 관계를 이용하여 상기 그림자영역에 대한 화소의 밝기값을 보정하는 그림자 제거단계; 및
상기 그림자영역과 상기 비그림자영역의 밝기값에 대한 최소자승법을 이용하여 밝기값 평면계수를 구한 후에 상기 밝기값 평면계수를 적용하여 상기 경계선영역에 대한 화소의 밝기값을 추정하여 보정하는 경계선영역 밝기값 보정단계; 로 이루어지며,
상기 경계선영역 밝기값 보정단계는, 상기 수직경계선에 포함되는 화소를 중심으로 일정크기의 제2윈도우를 설정하고, 상기 제2윈도우 내에서 아래 수학식과 같이 주어지는 상기 그림자영역 및 상기 비그림자영역의 밝기값 I(xi,yi) 에 대하여 최소자승법을 이용하여 상기 밝기값 평면계수인 k1, k2, k3 를 구한 후에 상기 밝기값 평면계수를 적용하여 상기 경계선영역에 포함되는 각 화소의 보정된 밝기값 를 추정하는 것을 특징으로 하는 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170087276A KR101870084B1 (ko) | 2017-07-10 | 2017-07-10 | 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170087276A KR101870084B1 (ko) | 2017-07-10 | 2017-07-10 | 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101870084B1 true KR101870084B1 (ko) | 2018-06-22 |
Family
ID=62768339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170087276A KR101870084B1 (ko) | 2017-07-10 | 2017-07-10 | 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101870084B1 (ko) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020204277A1 (en) * | 2019-04-05 | 2020-10-08 | Samsung Electronics Co., Ltd. | Image processing apparatus and image processing method thereof |
KR102474733B1 (ko) | 2022-06-02 | 2022-12-07 | 주식회사 우리강산시스템 | 불분명 이미지의 자동 복원 기능을 갖춘 영상이미지 처리시스템 |
KR102474730B1 (ko) | 2022-06-02 | 2022-12-07 | 주식회사 우리강산시스템 | Mms 수집정보를 이용한 수치지도 갱신시스템 |
KR102474731B1 (ko) | 2022-06-02 | 2022-12-07 | 주식회사 우리강산시스템 | 공간영상도화 이미지의 매핑을 위한 경계라인의 수정시스템 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10269347A (ja) * | 1997-01-27 | 1998-10-09 | N T T Data Tsushin Kk | 地理画像上の影成分の除去方法及び地理画像処理装置、記録媒体 |
JP2005043324A (ja) * | 2003-07-25 | 2005-02-17 | Matsushita Electric Ind Co Ltd | 路面損傷状態点検方法及び路面損傷位置の特定方法 |
JP2006072829A (ja) * | 2004-09-03 | 2006-03-16 | Fujifilm Software Co Ltd | 画像認識システム及び画像認識方法 |
KR101493418B1 (ko) * | 2013-03-29 | 2015-02-13 | 현대엠엔소프트 주식회사 | 공중사진의 그림자 제거 방법 및 그 장치 |
-
2017
- 2017-07-10 KR KR1020170087276A patent/KR101870084B1/ko active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10269347A (ja) * | 1997-01-27 | 1998-10-09 | N T T Data Tsushin Kk | 地理画像上の影成分の除去方法及び地理画像処理装置、記録媒体 |
JP2005043324A (ja) * | 2003-07-25 | 2005-02-17 | Matsushita Electric Ind Co Ltd | 路面損傷状態点検方法及び路面損傷位置の特定方法 |
JP2006072829A (ja) * | 2004-09-03 | 2006-03-16 | Fujifilm Software Co Ltd | 画像認識システム及び画像認識方法 |
KR101493418B1 (ko) * | 2013-03-29 | 2015-02-13 | 현대엠엔소프트 주식회사 | 공중사진의 그림자 제거 방법 및 그 장치 |
Non-Patent Citations (6)
Title |
---|
H. Zhang, K. Sun, and W. Li, "Object-oriented shadow detection and removal from urban high-resolution remote sensing images,"IEEE Transactions on Geoscience and Remote Sensing, Vol. 52, no. 11, pp. 6972-6982, 2014. |
J. Wu and M. E. Bauer, "Evaluating the effects of shadow detection on QuickBird image classification and spectroradiometric restoration," Remote Sensing, Vol. 5, pp. 4450-4469, 2013. |
L. Lorenzi, F. Melgani, and G. Mercier, "A complete processing chain for shadow detection and reconstruction in VHR images," IEEE Trans. Geosci. Remote Sens., vol. 50, no. 9, pp. 34403452, 2012 |
P. M. Dare, "Shadow analysis in high-resolution satellite imagery of urban areas," Photogrammetric Engineering & Remote Sensing, Vol. 71, no. 2, pp.169-177, 2005. |
P. Sarabandi, F. Yamazaki, M. Matsuoka, and A. Kiremidjian, "Shadow detection and radiometric restoration in satellite high resolution images," Proc. IEEE IGARSS 2004, Anchorage, USA, Vol. 6, pp. 37443747, Sep. 2004. |
Y. Chen, W. Dou, J. Li, and P. Shi, "Shadow information recovery in urban areas from very high resolution satellite imagery," International Journal of Remote Sensing, Vol. 28, no. 15, pp.3249-3254, 2007. |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020204277A1 (en) * | 2019-04-05 | 2020-10-08 | Samsung Electronics Co., Ltd. | Image processing apparatus and image processing method thereof |
US11024016B2 (en) | 2019-04-05 | 2021-06-01 | Samsung Electronics Co., Ltd. | Image processing apparatus and image processing method thereof |
KR102474733B1 (ko) | 2022-06-02 | 2022-12-07 | 주식회사 우리강산시스템 | 불분명 이미지의 자동 복원 기능을 갖춘 영상이미지 처리시스템 |
KR102474730B1 (ko) | 2022-06-02 | 2022-12-07 | 주식회사 우리강산시스템 | Mms 수집정보를 이용한 수치지도 갱신시스템 |
KR102474731B1 (ko) | 2022-06-02 | 2022-12-07 | 주식회사 우리강산시스템 | 공간영상도화 이미지의 매핑을 위한 경계라인의 수정시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101870084B1 (ko) | 그림자의 수직경계선을 이용한 원격탐사영상의 그림자 제거방법 | |
Shen et al. | A MAP-based algorithm for destriping and inpainting of remotely sensed images | |
CN108280450B (zh) | 一种基于车道线的高速公路路面检测方法 | |
Gonçalves et al. | HAIRIS: A method for automatic image registration through histogram-based image segmentation | |
CN103426182B (zh) | 基于视觉注意机制的电子稳像方法 | |
CN109559324B (zh) | 一种线阵图像中的目标轮廓检测方法 | |
CN110866924A (zh) | 一种线结构光中心线提取方法及存储介质 | |
US11227367B2 (en) | Image processing device, image processing method and storage medium | |
KR101582478B1 (ko) | 정지영상에 포함된 헤이즈 제거를 위한 영상 처리 장치 및 그 방법 | |
CN106097256B (zh) | 一种基于图像盲去模糊的视频图像模糊度检测方法 | |
CN108830808B (zh) | 基于相似线窗口均值补偿的星上红外图像条纹噪声去除方法 | |
CN113191979B (zh) | 一种分区域sar图像非局部均值去噪方法 | |
CN116664572B (zh) | 基于图像数据的公路路面裂缝快速检测方法 | |
CN114005042A (zh) | 基于阴影补偿和U-net的遥感影像城市建筑提取方法 | |
Flesia et al. | Sub-pixel straight lines detection for measuring through machine vision | |
JP5705711B2 (ja) | ひび割れ検出方法 | |
JP5812705B2 (ja) | ひび割れ検出方法 | |
JP2018128309A (ja) | ひび割れ検出方法 | |
CN106940782B (zh) | 基于变差函数的高分sar新增建设用地提取软件 | |
CN111652790A (zh) | 一种亚像素图像配准方法 | |
CN110738693B (zh) | 一种地基成像雷达多角度图像配准方法 | |
WO2014172875A1 (en) | Moving object detection | |
CN104700427B (zh) | 一种基于sar图像的道路损毁信息提取方法 | |
CN112288726B (zh) | 一种井下带式输送机带面异物检测方法 | |
CN107993193B (zh) | 基于光照均衡化和改进surf算法的隧道衬砌图像拼接方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |