KR102018789B1 - evaluation method of topographic normalization models, Method AND Apparatus for topographic correction of normalized vegetation index map BY USING the SAME - Google Patents
evaluation method of topographic normalization models, Method AND Apparatus for topographic correction of normalized vegetation index map BY USING the SAME Download PDFInfo
- Publication number
- KR102018789B1 KR102018789B1 KR1020170181480A KR20170181480A KR102018789B1 KR 102018789 B1 KR102018789 B1 KR 102018789B1 KR 1020170181480 A KR1020170181480 A KR 1020170181480A KR 20170181480 A KR20170181480 A KR 20170181480A KR 102018789 B1 KR102018789 B1 KR 102018789B1
- Authority
- KR
- South Korea
- Prior art keywords
- terrain
- slope
- histogram
- model
- normalization
- Prior art date
Links
- 238000010606 normalization Methods 0.000 title claims abstract description 215
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012937 correction Methods 0.000 title claims description 90
- 238000011156 evaluation Methods 0.000 title claims description 47
- 238000002310 reflectometry Methods 0.000 claims abstract description 70
- 230000008859 change Effects 0.000 claims abstract description 42
- 230000000694 effects Effects 0.000 claims description 75
- 238000009826 distribution Methods 0.000 claims description 31
- 238000011158 quantitative evaluation Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 9
- 230000005855 radiation Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012876 topography Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000012952 Resampling Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
위성영상에 지형정규화 모델을 적용한 결과를 평가하는 방법은, 태양을 등지는 제1 사면에서의 반사도 데이터 및 태양을 마주보는 제2 사면에서의 반사도 데이터에 대해서 지형정규화 모델 적용 전후의 변화율을 계산하고, 상기 지형정규화 모델 적용 전의 제1 사면의 제1 반사도 데이터 및 상기 제2 사면의 제2 반사도 데이터 각각의 히스토그램의 구조와 상기 지형정규화 적용 후의 제1 사면의 제3 반사도 데이터 및 상기 제2 사면의 제4 반사도 데이터 각각의 히스토그램 구조 간의 유사율을 계산하며, 상기 변화율 및 상기 유사율에 기초하여 상기 지형정규화 모델 적용 전후의 히스토그램 구조 유사성을 평가한 지수를 계산할 수 있다. The method of evaluating the result of applying the terrain normalization model to the satellite image is to calculate the rate of change before and after the terrain normalization model is applied to the reflectance data on the first slope facing the sun and on the second slope facing the sun. A structure of a histogram of each of first reflectance data of the first slope and second reflectance data of the second slope before the terrain normalization model is applied, and third reflectivity data of the first slope after the terrain normalization and the second slope of the second slope A similarity rate between the histogram structures of each of the fourth reflectivity data may be calculated, and an index for evaluating histogram structure similarity before and after applying the terrain normalization model may be calculated based on the change rate and the similarity rate.
Description
본 개시는 지형정규화 모델들의 성능을 평가하는 방법 및 이를 이용한 식생지수 맵의 지형효과 보정 방법 및 보정 장치에 관한 것이다. The present disclosure relates to a method for evaluating the performance of topographic normalization models, and a method and apparatus for correcting topographic effects of a vegetation index map using the same.
위성영상시스템은 인간의 활동 및 자연환경과 밀접한 연관성이 있는 식생지역의 변화에 대하여 주기적으로 모니터링 할 수 있다. 특히, 정규식생지수(normalized difference vegetation index)는 위성영상시스템을 통해 촬영된 적색 파장대역 영상과 근적외선 파장대역 영상의 조합으로부터 계산될 수 있다. 정규식생지수는 식생의 특성을 반영하고 있어 위성영상 활용분야에서 널리 활용되고 있다. Satellite imaging systems can periodically monitor changes in vegetation areas that are closely related to human activity and the natural environment. In particular, the normalized difference vegetation index may be calculated from a combination of a red wavelength band image and a near infrared wavelength band image captured by the satellite imaging system. The regular vegetation index reflects the characteristics of vegetation and is widely used in the field of satellite image application.
정규식생지수 맵이란 대응하는 식생지수를 나타내는 화소값 복수개가 배열되어 형성된 지도이고, 식생지역의 유무 및 특성을 표현하기 위한 대표적인 인덱스 맵이다. 식생의 엽록소가 근적외선 파장대역에서 매우 높은 반사도(reflectance)를 가지고 있는 점을 이용하여 정규식생지수 맵이 제작될 수 있다. 정규식생지수 맵에서 화소값은 -1에서 1까지의 범위에 속하고, 식생의 밀도가 높고 활력이 높을수록 1에 가까운 값이고, 식생이 거의 없는 인공구조물이나 수체 등에서는 -1에 가까운 값을 지니게 된다. The normal vegetation index map is a map formed by arranging a plurality of pixel values representing a corresponding vegetation index, and is a representative index map for expressing the presence or absence of a vegetation region. Regular vegetation index maps can be constructed from the fact that chlorophyll in vegetation has very high reflectance in the near infrared wavelength band. In the normal vegetation index map, the pixel value is in the range of -1 to 1, and the density and vigor of vegetation is close to 1, and the value is close to -1 in artificial structures and water bodies with little vegetation. Will be carried.
그러나, 대부분의 식생지역은 산악지역에 위치하기 때문에 정규식생지수 맵의 제작을 위한 적색 파장대역 영상과 근적외선 파장대역 영상은 산악지역이 지니는 지역적 특성의 영향을 받는다. 예를 들어, 태양을 마주보는 사면에서는 각 영상이 지니는 반사도가 평지에서보다 더 크게 나타나지만, 태양을 등지는 사면에서는 더 작게 나타난다. 이를 고려하지 않고 영상분류(image classification) 기법 등을 활용하여 식생과 비식생을 분류할 경우, 태양을 등지는 사면의 식생이 비식생으로 분류되는 오분류의 가능성이 있다. However, since most vegetation areas are located in mountainous regions, the red and near-infrared wavelength images for the normal vegetation index map are affected by the regional characteristics of the mountainous regions. For example, on a slope facing the sun, the reflectivity of each image is greater than on a flat surface, but smaller on a slope facing the sun. Without considering this, when classifying vegetation and non-vegetation using image classification, etc., there is a possibility of misclassification that vegetation on the slope facing the sun is classified as non- vegetation.
위성영상시스템분야에서 사면의 차이에 따른 영향을 지형효과(topographic effect)라 하고, 지형정규화(topographic normalization) 방법이란 산악지역에 나타나는 지형효과를 정규화하여 사면에 대한 영향을 보정하는 방법을 의미한다.In the field of satellite image system, the effect of the slope is called the topographic effect, and the topographic normalization method is a method of correcting the impact on the slope by normalizing the topographic effect in the mountainous region.
위성영상시스템에서 지형을 정규화하기 위한 연구들은 지속적으로 이루어져 왔다. 개발된 정규화 기술은 지표면을 완전확산면(Lambertian surface)으로 가정하는 방법, 불완전확산면(non-Lambertian surface)으로 가정하는 방법, 및 경험식에 의하여 보정하는 방법 등이 있다. Researches to normalize the terrain in satellite image systems have been continuously conducted. The developed normalization techniques include assuming that the surface is a diffused surface (Lambertian surface), a method of assuming a non-Lambertian surface, and correction method by empirical equation.
그러나, 현재까지 개발된 지형정규화 방법은 완벽하게 지형효과를 보정하지 못하는 한계점이 존재한다. 이는 지형정규화를 위한 지표면에 대한 가정이 실제 지표면의 속성과 일치하지 않기 때문이다. 위성영상 촬영영역에 대한 피복의 특성, 적용 파장 대역, 영상 촬영일의 태양고도각 등의 영향에 따라 지형정규화 방법들의 성능이 달라지기 때문이다. However, the terrain normalization method developed to date has a limitation that does not completely correct the terrain effect. This is because the assumptions about surface normalization for terrain normalization do not match the properties of the actual surface. This is because the performance of topographical normalization methods depends on the characteristics of the cover of the satellite image capture area, applied wavelength band, and solar elevation angle at the day of image capture.
이에 따라, 위성영상 촬영영역에 적합한 지형정규화 방법을 제시하기 위한 연구들이 수행되어 왔다. 해당 연구에서는 각각의 지형정규화 모델을 적용한 후, 정규화의 척도를 정량화하여 표현하고, 정량화된 수치로부터 위성영상 촬영영역에 제일 적합한 지형정규화 모델을 선별할 수 있다. 한국출원특허 2016-0051923호 "정량적 평가방법을 이용한 지형효과 보정 영상 제작 장치 및 그 방법"은 위성영상 활용분야에서 지형정규화 성능 평가 방법(performance evaluation method)에 관한 것으로, 위성영상 촬영영역에 적합한 지형정규화 방법을 제시하기 위한 연구 성과 중 하나이다.Accordingly, studies have been conducted to suggest a terrain normalization method suitable for the satellite image capture area. In this study, after applying each terrain normalization model, it is possible to quantify and express the normalization scale, and select the topographic normalization model that is most suitable for the satellite image area from the quantified values. Korean Patent Application No. 2016-0051923 "The device for producing terrain effect correction image using quantitative evaluation method and method thereof" relates to the performance evaluation method of terrain normalization in satellite image application field One of the research results to suggest the normalization method.
그러나, 상기 선행기술은 지형정규화 결과를 정량화하여 평가하는데 한계점이 존재하였다. 상기 선행기술은 지형정규화 모델의 성능을 평가하기 위하여 Correlation 분석, Chi-square 분석, Intersection 분석, Bhattacharyya 분석 등을 수행하나, 해당 분석 방법들은 통계학적으로 의미가 있으나, 지형효과가 보정된 위성영상의 성능을 평가하는 데 한계점이 존재한다. However, the prior art has a limitation in quantifying and evaluating the results of terrain normalization. The prior art performs a correlation analysis, Chi-square analysis, Intersection analysis, Bhattacharyya analysis, etc. in order to evaluate the performance of the terrain normalization model, but the analysis methods are statistically significant, but the terrain image is corrected There are limitations in assessing performance.
또한, 상기 선행기술에서 지형정규화 모델의 평가 방법은 제시되었으나, 식생지수 맵과 같은 인덱스 맵에서의 지형효과 보정방법에 대해서는 한계점이 존재한다. 따라서 위성영상 활용분야에서 지형정규화 기술을 고려한 지형정규화 모델의 평가 방법이 요구되며, 최적의 모델들을 활용하여 지형효과과 보정된 식생지수 맵을 제작할 수 있는 기술이 필요한 실정이다.In addition, although the method of evaluating the terrain normalization model has been proposed in the prior art, there are limitations on the terrain effect correction method in the index map such as the vegetation index map. Therefore, in the field of satellite image application, there is a need for a method of evaluating a terrain normalization model in consideration of terrain normalization technology, and a technique for producing topographic effects and corrected vegetation index maps using optimal models is required.
본 발명은 지형정규화 모델의 평가방법을 이용한 식생지수 맵의 지형효과 보정 방법 및 그 장치에 관한 것으로, 보다 상세하게는 최상의 지형정규화 결과로부터 지형정규화 모델을 평가하고, 최적의 지형정규화 모델을 활용하여 식생지수 맵을 제작함으로써 식생지수 맵에 나타나는 지형효과를 보정하는 것을 목적으로 한다. The present invention relates to a method and apparatus for correcting a terrain effect of a vegetation index map using an evaluation method of a terrain normalization model. More particularly, the terrain normalization model is evaluated from the best terrain normalization result, and the optimal terrain normalization model is used. The purpose of this study is to correct the topographical effects of the vegetation index map by making the vegetation index map.
발명의 한 특징에 따른 식생지수 맵의 지형효과 보정방법은, 동일한 좌표체계와 해상도를 가진 위성영상과 수치표고모델을 획득하는 단계, 상기 위성영상의 대기효과를 보정하는 단계, 상기 수치표고모델로부터 경사각도, 방위각도, 및 입사각도를 제작하는 단계, 상기 경사각도, 상기 방위각도, 및 상기 입사각도를 입력받고, 상기 위성영상에 적어도 두 개의 지형정규화 모델을 적용하여 적어도 두 개의 지형정규화 영상을 획득하는 지형정규화 단계, 상기 적어도 두 개의 지형정규화 영상 각각에 대한 각 채널 별 정량 평가를 수행하는 단계, 및 상기 정량적 평과 결과를 기초로, 각 채널 별 최상의 지형정규화 영상을 조합하여 지형효과가 정규화된 위성영상을 획득하고, 획득한 정규화된 위성영상에 기초하여 식생지수 맵을 제작하는 단계를 포함한다.According to one aspect of the present invention, there is provided a method of correcting a terrain effect of a vegetation index map, including: obtaining a satellite image and a digital elevation model having the same coordinate system and resolution, correcting the atmospheric effect of the satellite image, from the digital elevation model Preparing an inclination angle, an azimuth angle, and an incidence angle, receiving the inclination angle, the azimuth angle, and the incidence angle, and applying at least two topographic normalization models to the satellite image to obtain at least two topographically normalized images; The terrain effect is normalized by combining the acquired terrain normalization step, performing quantitative evaluation for each channel for each of the at least two terrain normalized images, and the best terrain normalized image for each channel based on the quantitative evaluation results. Acquiring a satellite image and producing a vegetation index map based on the obtained normalized satellite image; .
상기 정량 평가를 수행하는 단계는, 태양을 등지는 제1 사면에서의 반사도 데이터 및 태양을 마주보는 제2 사면에서의 반사도 데이터에 대해서 상기 지형정규화 단계 전후의 변화율을 계산하는 단계, 상기 지형정규화 전의 제1 사면의 제1 반사도 데이터 및 상기 제2 사면의 제2 반사도 데이터 각각의 히스토그램의 구조와 상기 지형정규화 후의 제1 사면의 제3 반사도 데이터 및 상기 제2 사면의 제4 반사도 데이터 각각의 히스토그램 구조 간의 유사율을 계산하는 단계, 및 상기 변화율 및 상기 유사율에 기초하여 정규화 전후의 히스토그램 구조 유사성을 평가한 지수를 계산하는 단계를 포함할 수 있다.The performing of the quantitative evaluation may include calculating a rate of change before and after the terrain normalization step for reflectance data on a first slope facing the sun and reflectance data on a second slope facing the sun, before the terrain normalization. Histogram structure of the first reflectance data of the first slope and the second reflectance data of the second slope, and histogram structure of each of the third reflectivity data of the first slope and the fourth reflectance data of the second slope Calculating a similarity rate of the liver; and calculating an index for evaluating histogram structure similarity before and after normalization based on the change rate and the similarity rate.
상기 변화율을 계산하는 단계는, 상기 지형정규화 단계 전 상기 제1 사면 및 상기 제2 사면 각각에서의 반사도 분포와 상기 지형정규화 단계 후 상기 제1 사면 및 상기 제2 사면 각각에서의 반사도 분포 간의 비율에 기초하여 상기 변화율을 계산할 수 있다.The calculating of the rate of change includes: a ratio between reflectance distributions at each of the first slope and the second slope before the terrain normalization step and reflectance distributions at each of the first slope and the second slope after the terrain normalization step. The rate of change can be calculated based on this.
발명의 다른 특징에 따른 식생지수 맵의 지형효과 보정장치는, 지형정규화 모델 적용 전후의 영상에 대해서, 태양을 마주보는 제1 사면과 태양을 등지는 제2 사면의 반사도가 유사해지는 정도를 수치로 나타내어 정량적으로 평가를 수행하는 지형정규화 결과 평가부, 상기 지형정규화 결과 평가부의 평가 결과에 기초하여 설정된 각 채널 별 최상의 지형정규화 모델을 적용한 각 채널 별 영상을 조합하여 최상의 지형효과가 정규화된 위성영상을 획득하는 정규화 영상 조합부, 및 상기 최상의 지형효과가 정규화된 위성영상으로 식생지수 맵을 제작하는 식생지수 맵 제작부를 포함할 수 있다.The terrain effect correction apparatus of the vegetation index map according to another aspect of the present invention is a numerical value that reflects the degree of similarity between the first slope facing the sun and the second slope facing the sun with respect to the image before and after applying the terrain normalization model. The topographic normalization result evaluator performing quantitative evaluation and combining the images of each channel applying the best topographic normalization model for each channel based on the result of the topographic normalization result evaluator. It may include a normalized image combination unit to obtain, and a vegetation index map production unit for producing a vegetation index map from the satellite image normalized to the best terrain effect.
상기 식생지수 맵의 지형효과 보정장치는, 동일한 좌표체계와 해상도를 가진 위성영상과 수치표고모델을 획득하고, 상기 위성영상의 대기효과를 보정하며, 상기 수치표고모델로부터 경사각도, 방위각도, 및 입사각도를 제작하고, 상기 경사각도, 상기 방위각도, 및 상기 입사각도를 입력받고, 상기 위성영상에 적어도 두 개의 지형정규화 모델을 적용하여 적어도 두 개의 지형정규화 영상을 획득할 수 있다.The terrain effect correction apparatus of the vegetation index map obtains a satellite image and a digital elevation model having the same coordinate system and resolution, corrects the atmospheric effect of the satellite image, and includes an inclination angle, an azimuth angle, and The inclination angle may be manufactured, the inclination angle, the azimuth angle, and the inclination angle may be input, and at least two terrain normalization images may be obtained by applying at least two terrain normalization models to the satellite image.
상기 지형정규화 결과 평가부는, 상기 제1 사면에서의 반사도 데이터 및 상기 제2 사면에서의 반사도 데이터에 대해서 상기 지형정규화 모델 적용 전후의 변화율을 계산하고, 상기 지형정규화 모델 적용 전의 제1 사면의 제1 반사도 데이터 및 상기 제2 사면의 제2 반사도 데이터 각각의 히스토그램의 구조와 상기 지형정규화 모델 적용 후의 제1 사면의 제3 반사도 데이터 및 상기 제2 사면의 제4 반사도 데이터 각각의 히스토그램 구조 간의 유사율을 계산하며, 상기 변화율 및 상기 유사율에 기초하여 상기 지형정규화 모델 적용 전후의 히스토그램 구조 유사성을 평가한 지수를 계산할 수 있다.The terrain normalization result evaluation unit calculates a rate of change before and after applying the terrain normalization model with respect to the reflectance data on the first slope and the reflectance data on the second slope, and includes a first slope of the first slope before applying the terrain normalization model. The similarity ratio between the histogram structure of each of the reflectance data and the second reflectance data of the second slope, and the histogram structure of each of the third reflectivity data of the first slope and the fourth reflectance data of the second slope after applying the terrain normalization model The index may be calculated based on the change rate and the similarity rate to evaluate the histogram structure similarity before and after applying the terrain normalization model.
상기 지형정규화 결과 평가부는, 상기 지형정규화 모델 적용 전 상기 제1 사면 및 상기 제2 사면 각각에서의 반사도 분포와 상기 지형정규화 모델 적용 후 상기 제1 사면 및 상기 제2 사면 각각에서의 반사도 분포 간의 비율에 기초하여 상기 변화율을 계산할 수 있다. The terrain normalization result evaluator may include a ratio between a reflectance distribution at each of the first slope and the second slope before applying the terrain normalization model and a reflectance distribution at each of the first slope and the second slope after applying the terrain normalization model. The rate of change can be calculated based on.
발명의 다른 특징에 따른 위성영상에 지형정규화 모델을 적용한 결과를 평가하는 방법은, 태양을 등지는 제1 사면에서의 반사도 데이터 및 태양을 마주보는 제2 사면에서의 반사도 데이터에 대해서 지형정규화 모델 적용 전후의 변화율을 계산하는 단계, 상기 지형정규화 모델 적용 전의 제1 사면의 제1 반사도 데이터 및 상기 제2 사면의 제2 반사도 데이터 각각의 히스토그램의 구조와 상기 지형정규화 적용 후의 제1 사면의 제3 반사도 데이터 및 상기 제2 사면의 제4 반사도 데이터 각각의 히스토그램 구조 간의 유사율을 계산하는 단계, 및 상기 변화율 및 상기 유사율에 기초하여 상기 지형정규화 모델 적용 전후의 히스토그램 구조 유사성을 평가한 지수를 계산하는 단계를 포함한다.According to another aspect of the present invention, a method of evaluating a result of applying a terrain normalization model to a satellite image includes applying the terrain normalization model to reflectance data at a first slope facing the sun and reflectance data at a second slope facing the sun. Calculating a rate of change before and after, a structure of a histogram of each of first reflectance data of the first slope and second reflectance data of the second slope before applying the terrain normalization model, and a third reflectivity of the first slope after applying the terrain normalization Calculating a similarity rate between the data and the histogram structure of each of the fourth reflectance data of the second slope, and calculating an index for evaluating the histogram structure similarity before and after applying the terrain normalization model based on the change rate and the similarity rate. Steps.
상기 변화율을 계산하는 단계는, 상기 지형정규화 모델 적용 전 상기 제1 사면 및 상기 제2 사면 각각에서의 반사도 분포와 상기 지형정규화 모델 적용 후 상기 제1 사면 및 상기 제2 사면 각각에서의 반사도 분포 간의 비율에 기초하여 상기 변화율을 계산할 수 있다.The calculating of the rate of change may include: reflectance distribution between the first slope and the second slope before applying the terrain normalization model and reflectance distribution on each of the first slope and the second slope after applying the terrain normalization model. The rate of change can be calculated based on the ratio.
상기 변화율을 계산하는 단계는,Calculating the rate of change,
수학식 을 이용하여 상기 변화율을 계산할 수 있다. (와 는 지형정규화 모델 적용 후 상기 제1 및 제2 사면에서의 반사도 분포에 대한 표준편차, 와 는 지형정규화 모델 적용 전 상기 제1 및 제2 사면에서의 반사도 분포에 대한 표준편차, 는 변화율)Equation The change rate can be calculated using. ( Wow Is the standard deviation of the reflectivity distribution on the first and second slopes after the terrain normalization model is applied. Wow Is the standard deviation of the reflectivity distribution on the first and second slopes before the terrain normalization model is applied, Is the rate of change)
상기 유사율을 계산하는 단계는, 상기 제1 반사도 데이터의 히스토그램 및 상기 제2 반사도 데이터의 히스토그램 간의 제1 상관계수(Correlation coefficient)를 산출하는 단계, 상기 제3 반사도 데이터의 히스토그램 및 상기 제4 반사도 데이터의 히스토그램 간의 제2 상관계수(Correlation coefficient)를 산출하는 단계, 및 상기 제1 상관계수와 상기 제2 상관계수에 기초하여 상기 유사율을 산출하는 단계를 포함할 수 있다.The calculating of the similarity rate may include calculating a first correlation coefficient between the histogram of the first reflectance data and the histogram of the second reflectance data, and the histogram and the fourth reflectance of the third reflectivity data. The method may include calculating a second correlation coefficient between histograms of the data, and calculating the similarity rate based on the first correlation coefficient and the second correlation coefficient.
상기 유사율을 계산하는 단계는, Computing the similarity rate,
수학식 을 이용하여 상기 유사율을 계산할 수 있다. ( 및 는 상기 제1 및 제2 반사도 데이터 각각의 히스토그램, 및 는 상기 제3 및 제4 반사도 데이터 각각의 히스토그램, 는 제1 상관계수, 는 제2 상관계수, 은 유사율)Equation Using the similarity rate can be calculated. ( And Is a histogram of each of the first and second reflectivity data, And Histogram of each of the third and fourth reflectivity data, Is the first correlation coefficient, Is the second correlation coefficient, Is similarity rate)
상기 제1 및 제2 상관계수를 산출하는 단계는, Computing the first and second correlation coefficients,
수학식 을 이용하여 상기 제1 및 제2 상관계수 중 대응하는 상관계수를 계산할 수 있다. (는 상기 제1 사면에 대한 반사도 데이터의 히스토그램에서 i 번째 칸(i-th bin)의 반사도 값, 및 는 상기 제2 사면에 대한 반사도 데이터의 히스토그램에서 i 번째 칸(i-th bin)의 반사도 값, 는 상기 제1 사면에 대한 반사도 데이터의 평균, 는 상기 제2 사면에 대한 반사도 데이터의 평균)Equation A corresponding correlation coefficient among the first and second correlation coefficients may be calculated using. ( Is the reflectivity value of the i-th bin in the histogram of the reflectivity data for the first slope, and Is the reflectivity value of the i-th bin in the histogram of the reflectivity data for the second slope, Is an average of the reflectivity data for the first slope, Is the average of the reflectivity data for the second slope)
상기 히스토그램 구조 유사성을 평가한 지수를 계산하는 단계는, 상기 변화율이 제1 가중치로 지수승되는 단계, 및 상기 유사율이 제2 가중치로 지수승되는 단계를 포함하고, 상기 제1 가중치 및 상기 제2 가중치는 상기 변화율 및 상기 유사율 간의 중요도에 따라 설정될 수 있다.Computing an index for evaluating the histogram structure similarity includes the step of increasing the rate of change by a first weight, and the step of similarity is exponentially increased by a second weight, wherein the first weight and the
실시 예에 따르면, 위성영상에 나타나는 산악지역에서의 지형에 의한 영향을 보정할 수 있고, 지형정규화 모델의 적용 결과를 정량적으로 평가할 수 있는 효과를 제공할 수 있다.According to the embodiment, it is possible to correct the influence of the terrain in the mountainous region shown in the satellite image, and provide an effect of quantitatively evaluating the application result of the terrain normalization model.
또한, 최상의 지형정규화 결과를 가정하여 지형정규화 모델의 적용 결과를 정량적으로 평가함으로써 위성영상 활용분야에 활용할 수 있고, 각각의 지형정규화 모델을 정량적으로 평가함으로써 최상의 지형정규화 모델을 선택하여, 최상의 지형정규화 영상을 조합하여 영상분류의 정확도를 향상시킬 수 있는 효과를 제공할 수 있다.In addition, the best terrain normalization results can be used for satellite image applications by quantitatively evaluating the results of topographic normalization models. Combining the images can provide an effect that can improve the accuracy of image classification.
또한, 실시 예에 따르면, 식생지수 맵에 나타나는 지형효과를 보정함으로써 산악지역에서 영상분류를 수행할 때 태양을 등지는 사면에서의 식생지역이 오분류 될 가능성을 감소시킬 수 있다.In addition, according to an embodiment, when the image classification is performed in a mountainous region by correcting the terrain effect appearing on the vegetation index map, it is possible to reduce the possibility of misclassification of the vegetation region on the slope facing the sun.
아울러, 실시 예는 원천기술로서 국내에서 개발되는 위성영상처리 소프트웨어에 탑재되거나, 영상분류를 위한 핵심기술로서 활용 가능할 수 있다. 원천기술의 상용화를 통해 위성영상의 활용 증대 및 국가 위성산업 확대에 이바지할 수 있다. 예를 들어, 실시 예는 대표적 국내 광학위성인 다목적실용위성 2호, 다목적실용위성 3호 및 다목적실용위성 3A호에 적용 가능한 기술로 국내위성의 활용도를 극대화시킬 수 있다.In addition, the embodiment may be mounted on satellite image processing software developed in Korea as a source technology, or may be utilized as a core technology for image classification. The commercialization of original technology can contribute to the utilization of satellite imagery and the national satellite industry. For example, the embodiment can maximize the utilization of domestic satellites with a technology applicable to representative
도 1은 실시예에 따른 식생지수 맵의 지형효과 보정장치의 구성을 나타낸 블록도이다.
도 2는 실시예에 따른 지형정규화 모델 평가 방법 및 이를 이용한 식생지수 맵의 지형효과 보정 방법을 나타낸 순서도이다.
도 3은 위성영상 및 수치표고모델을 나타낸 도면이다.
도 4는 다양한 지형정규화 모델을 적용한 결과를 나타낸 도면이다.
도 5는 지형정규화 모델들 각각에 대해서, 태양을 등지는 사면과 태양을 마주보는 사면 각각에서의 반사도를 각 파장대역에 따라 히스토그램 형태로 도시한 도면이다.
도 6은 실시 예에 의한 지형정규화 모델의 평가에 기초한 지형정규화 된 모델로부터 제작된 식생지수 맵을 나타낸다.
도 7은 시각적으로 실시 예에 따른 효과를 보다 상세하게 확인하기 위해서, 도 6의 일부 영역을 확대한 도면이다.
도 8A 및 8B를 통해서 실시 예에 따른 지형정규화 모델 평가에 기초한 최상의 지형정규화 모델의 식생지수 맵에서의 지형보정 결과를 확인할 수 있다.
도 9A-9C는 서로 다른 촬영각도로 촬영된 두 위성영상의 식생지수 맵에 대한 유사성을 평가한 그래프를 나타낸다.1 is a block diagram illustrating a configuration of a terrain effect correction apparatus of a vegetation index map according to an embodiment.
2 is a flowchart illustrating a terrain normalization model evaluation method and a terrain effect correction method of a vegetation index map using the same according to an embodiment.
3 is a view showing a satellite image and a digital elevation model.
4 is a diagram showing the results of applying various terrain normalization models.
FIG. 5 is a diagram showing the reflectivity of each of the topographic normalization models in a histogram according to each wavelength band.
6 illustrates a vegetation index map manufactured from a topographically normalized model based on the evaluation of the topographically normalized model according to the embodiment.
FIG. 7 is an enlarged view of a portion of FIG. 6 in order to visually confirm an effect according to an embodiment in detail.
8A and 8B, the topographic correction results in the vegetation index map of the topographical normalization model based on the terrain normalization model evaluation according to the embodiment can be confirmed.
9A-9C show graphs evaluating the similarity of vegetation index maps of two satellite images photographed at different photographing angles.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.The terms or words used in this specification and claims are not to be construed as limiting in their usual or dictionary meanings, and the inventors may appropriately define the concept of terms in order to best explain their invention in the best way possible. It should be interpreted as meaning and concept corresponding to the technical idea of the present invention based on the principle that the present invention.
따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.Therefore, the embodiments described in the specification and the drawings shown in the drawings are only the most preferred embodiment of the present invention and do not represent all of the technical idea of the present invention, various modifications that can be replaced at the time of the present application It should be understood that there may be equivalents and variations.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들의 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 한다.The terminology used herein is for the purpose of describing particular example embodiments only and is not intended to be limiting of the present invention. A singular expression includes a plural expression unless the context clearly indicates otherwise. In this application, the terms "comprise" or "having" are intended to indicate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, and one or more other It is to be understood that the present invention does not exclude the possibility of the presence or the addition of features, numbers, steps, operations, components, parts, or a combination thereof.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략하기로 한다. 또한 본 발명의 실시예들을 설명함에 있어 구체적인 수치는 실시예에 불과하다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following description of the present invention, if it is determined that the detailed description of the related well-known configuration or function may obscure the gist of the present invention, the detailed description thereof will be omitted. In addition, in describing the embodiments of the present invention, specific numerical values are merely examples.
이하, 실시 예에 대한 설명은 지형정규화 모델들의 성능을 평가하는 방법 및 이를 이용하여 식생지수 맵을 제작하여 식생지수 맵에 나타나는 지형효과를 보정하는 방법 및 그 장치에 관한 것이다.Hereinafter, the description of the embodiment relates to a method for evaluating the performance of the topographic normalization model, and to a method and apparatus for correcting the topographical effect appearing on the vegetation index map by making a vegetation index map using the same.
본 발명의 일 실시예에 따른 지형정규화 모델의 평가를 통한 식생지수 맵의 지형효과 보정 장치는 위성영상 획득부, 수치표고모델 획득부, 위성영상 전처리부, 수치표고모델 처리부, 지형정규화 모델 적용부, 지형정규화 결과 평가부, 정규화 영상 조합부 및 식생지수 맵 제작부를 포함한다.The terrain effect correction apparatus of the vegetation index map through the evaluation of the terrain normalization model according to an embodiment of the present invention is a satellite image acquisition unit, digital elevation model acquisition unit, satellite image preprocessing unit, digital elevation model processing unit, terrain normalization model application unit , Terrain normalization result evaluator, normalized image combination unit, and vegetation index map generator.
상기 위성영상 획득부는 위성영상을 획득하고, 상기 수치표고모델 획득부는 상기 위성영상 획득부에서 획득한 위성영상과 동일한 기하조건과 해상도를 지니는 수치표고모델을 획득하며, 상기 위성영상 전처리부는 상기 위성영상 획득부에서 획득한 위성영상에 존재하는 대기효과를 보정하고, 상기 수치표고모델 처리부는 상기 수치표고모델 획득부에서 획득한 수치표고모델로부터 경사각도, 방위각도 및 입사각도를 제작하며, 상기 지형정규화 모델 적용부는 상기 위성영상 전처리부에서 대기효과가 보정된 위성영상과 상기 수치표고모델 처리부에서 제작된 경사각도 및 입사각도를 이용하여 지형정규화를 수행한다. 지형정규화 모델의 평가를 통한 식생지수 맵의 지형효과 보정 방법으로, 상기 지형정규화 결과 평가부는 상기 지형정규화 모델 적용부에서 제작된 각각의 지형정규화된 위성영상의 결과를 정량적으로 평가하고, 상기 정규화 영상 조합부는 상기 지형정규화 결과 평가부에서 최상의 결과로 평가된 위성영상 채널을 조합하여 최상의 정규화 영상을 획득하며, 상기 식생지수 맵 제작부는 상기 정규화 영상 조합부에서 획득한 최상의 정규화 영상으로부터 식생지수 맵을 제작한다. The satellite image acquisition unit acquires a satellite image, the digital elevation model acquisition unit obtains a digital elevation model having the same geometrical conditions and resolution as the satellite image obtained by the satellite image acquisition unit, and the satellite image preprocessing unit obtains the satellite image. The atmospheric effect of the satellite image acquired by the acquisition unit is corrected, and the digital elevation model processing unit produces the inclination angle, the azimuth angle and the incident angle from the digital elevation model obtained by the digital elevation model acquisition unit, and normalizes the terrain. The model application unit performs terrain normalization using the satellite image whose atmospheric effect is corrected in the satellite image preprocessor and the inclination angle and the incident angle produced by the digital elevation model processor. In the terrain effect correction method of the vegetation index map through the evaluation of the terrain normalization model, the terrain normalization result evaluation unit quantitatively evaluates the results of each terrain normalized satellite image produced by the terrain normalization model application unit, and the normalized image The combining unit obtains the best normalized image by combining the satellite image channel evaluated as the best result by the terrain normalization result evaluator, and the vegetation index map producer produces the vegetation index map from the best normalized image obtained by the normalized image combining unit. do.
이하, 실시 예에 따른 지형정규화 모델의 평가를 통한 식생지수 맵의 지형효과 보정방법을 "식생지수 맵의 지형효과 보정방법"이라 하고, 지형정규화 모델의 평가를 통한 식생지수 맵의 지형효과 보정장치를 "식생지수 맵의 지형효과 보정장치"라 한다.Hereinafter, the method of correcting the topographic effect of the vegetation index map through the evaluation of the topographic normalization model according to the embodiment is called a "topography effect correcting method of the vegetation index map", and the topographic effect correcting apparatus of the vegetation index map through the evaluation of the topographic normalization model Is referred to as a "topography effect correction device of vegetation index map".
도 1은 실시예에 따른 식생지수 맵의 지형효과 보정장치의 구성을 나타낸 블록도이다.1 is a block diagram illustrating a configuration of a terrain effect correction apparatus of a vegetation index map according to an embodiment.
도 2는 실시예에 따른 지형정규화 모델 평가 방법 및 이를 이용한 식생지수 맵의 지형효과 보정 방법을 나타낸 순서도이다.2 is a flowchart illustrating a terrain normalization model evaluation method and a terrain effect correction method of a vegetation index map using the same according to an embodiment.
도 1에 도시된 바와 같이, 식생지수 맵의 지형효과 보정장치(100)는 위성영상 획득부(110), 수치표고모델 획득부(120), 위성영상 전처리부(130), 수치표고모델 처리부(140), 지형정규화 모델 적용부(150), 지형정규화 결과 평가부(160), 정규화 영상 조합부(170) 및 식생지수 맵 제작부(180)를 포함한다.As shown in FIG. 1, the terrain
실시 예에 따르면, 동일한 좌표 체계와 해상도를 지닌 위성영상과 수치표고모델을 획득한다(S210). 구체적인 방법 및 해당 구성은 아래와 같다.According to an embodiment, a satellite image and a digital elevation model having the same coordinate system and resolution are obtained (S210). Specific methods and corresponding configurations are as follows.
위성영상 획득부(110)는 산악지역을 촬영한 위성영상을 획득한다. 예를 들어, 위성영상 획득부(110)는 산악지역을 촬영한 다중분광 위성영상을 획득한다. 일반적으로, 위성영상 시스템이 제공하는 다중분광 위성영상에는, 청색(blue) 파장대역, 녹색(green) 파장대역, 적색(red) 파장대역, 근적외선(near infrared, NIR) 파장대역 및 단파적외선(short-wave infrared, SWIR) 파장대역 각각에서 획득한 태양복사에너지가 수치화된 값이 대응하는 위치의 화소 값으로 설정된다. 위성영상 시스템으로부터 제공되는 다중분광 위성영상은 위성의 종류에 따라 다를 수 있다. 각 파장대역을 채널이라고 할 수 있다. The satellite image acquisition unit 110 acquires a satellite image of a mountainous region. For example, the satellite image acquisition unit 110 acquires a multispectral satellite image of a mountainous region. In general, the multi-spectral satellite image provided by the satellite imaging system includes a blue wavelength band, a green wavelength band, a red wavelength band, a near infrared (NIR) wavelength band, and a short infrared ray (short). In this case, the numerical value of the solar radiation energy obtained in each wavelength band is set to the pixel value of the corresponding position. The multispectral satellite image provided from the satellite image system may vary depending on the type of satellite. Each wavelength band may be referred to as a channel.
위성영상 획득부(110)가 산악지역을 촬영한 다중분광 위성영상을 획득한 경우, 획득된 위성영상에서의 복수의 화소 각각의 밝기 값은 산악지역의 특성에 따라 결정될 수 있다. 예를 들어, 태양을 등지는 사면에 위치한 화소들의 밝기 값들은 상대적으로 낮고, 태양을 마주보는 사면에 위치한 화소들의 밝기 값들은 상대적으로 높다. 밝기 값에 미치는 사면의 영향의 정도는 피복의 특성 및 파장대역에 따라 달라질 수 있다. When the satellite image acquisition unit 110 acquires a multispectral satellite image of a mountain region, brightness values of each of the plurality of pixels in the acquired satellite image may be determined according to characteristics of the mountain region. For example, the brightness values of pixels located on a slope facing the sun are relatively low, and the brightness values of pixels located on a slope facing the sun are relatively high. The extent of the slope's effect on the brightness value may depend on the nature of the coating and the wavelength band.
수치표고모델 획득부(120)는 위성영상 획득부(110)가 획득한 위성영상에 대응하는 지역에 대한 수치표고모델을 획득한다. 예를 들어, 위성영상 획득부(110)가 획득한 위성영상이 산악지역인 경우, 수치표고모델 획득부(120)는 해당 산악지역에 대한 수치표고모델을 획득한다. The digital
이때, 위성영상 획득부(110)가 획득한 위성영상과 수치표고모델 획득부(120)가 획득한 수치표고모델이 다른 좌표계를 지닐 경우, 동일한 좌표계로 변환을 수행해야 한다. 또한, 획득된 위성영상과 획득된 수치표고모델이 다른 공간해상도를 가질 경우, 두 공간해상도를 일치시키는 리샘플링(resampling)이 수행될 수 있다. 수치표고모델 획득부(120)가 위성영상의 좌표계 및 공간해상도를 기준으로 획득한 수치표고모델에 대해서 좌표계 변환 및 리샘플링을 수행할 수 있다. 반대로 위성영상 획득부(110)가 수치표고모델의 좌표계 및 공간해상도를 기준으로 획득한 위성영상에 대해서 좌표계 변환 및 리샘플링을 수행할 수 있다. In this case, when the satellite image acquired by the satellite image acquisition unit 110 and the digital elevation model acquired by the digital elevation
도 3은 위성영상 및 수치표고모델을 나타낸 도면이다.3 is a view showing a satellite image and a digital elevation model.
도 3에서 (a)는 Landsat-8 이 촬영한 산악지역의 위성영상이고, (b)는 위성영상(a)에 대응하는 수치표고모델로, 위성영상(a)와 동일한 크기, 좌표계, 및 공간해상도를 가진다. (c) 및 (d)는 위성영상 (a)에서 우하단 영역(흰선 박스로 표시된 영역)을 확대한 영상으로, (c) 및 (d) 각각을 촬영한 날짜가 다르다. In FIG. 3, (a) is a satellite image of a mountainous region taken by Landsat-8, (b) is a numerical elevation model corresponding to satellite image (a), and has the same size, coordinate system, and space as satellite image (a). Has resolution. (c) and (d) are enlarged images of the lower right area (the area indicated by the white line box) in the satellite image (a), and the dates of photographing (c) and (d) are different.
위성영상 (a, c, d)는 식생지역을 효과적으로 도시하기 위한 false-color 조합법에 의해 생성된 것이다. false-color 조합법에 의해 식생에 민감한 근적외선 파장대역 영상이 적색 컬러로 표현되어, 식생지역이 효과적으로 도시될 수 있다. Satellite images (a, c, d) are generated by a false-color combination to effectively map vegetation. By the false-color combination method, the near-infrared wavelength band image sensitive to vegetation is represented in red color, so that the vegetation region can be effectively shown.
위성영상 (a, c, d)에서, 촬영된 산악지역의 사면에 따라 화소들의 밝기 값이 달라지는 것을 확인할 수 있다. 태양을 등지는 사면에서의 밝기 값은 낮은 값을 가지게 되어 해당 화소들이 어둡게 도시되고, 태양을 마주보는 사면에서의 밝기 값은 높은 값을 가지게 되어 해당 화소들이 밝은 붉은색으로 도시되어 있다.In the satellite images (a, c, d), it can be seen that the brightness value of the pixels varies according to the slope of the photographed mountain area. Brightness on the slope facing the sun has a low value so that the corresponding pixels are dark, and brightness on the slope facing the sun has a high value and the pixels are shown in bright red.
위성영상 (c)와 (d)는 2014년 12월 12일 및 2015년 3월 18일에 촬영된 영상이다. 2014년 12월 12일의 태양천정각과 태양방위각은 37.4도와 141.3도이고, 2015년 3월 18일의 태양천정각과 태양방위각은 29.0도와 102.9도이다. 이에 따라 위성영상 (c)와 (d)에서, 산악지역의 사면이 다르게 형성되어있고, 위성영상에서 화소들의 밝기 값의 분포도 사면에 따라 달라지는 것을 알 수 있다. Satellite images (c) and (d) were taken on December 12, 2014 and March 18, 2015. The solar zenith angle and solar azimuth angle on December 12, 2014 are 37.4 degrees and 141.3 degrees, and the solar zenith angle and solar azimuth angle on March 18, 2015 are 29.0 degrees and 102.9 degrees. Accordingly, it can be seen that in the satellite images (c) and (d), the slopes of the mountainous regions are formed differently, and the distribution of the brightness values of the pixels in the satellite images also varies according to the slopes.
위성영상 전처리부(130)는 위성영상 획득부(110)가 획득한 위성영상에 존재하는 대기효과를 보정한다(S220). 예를 들면, 위성영상 전처리부(130)는 획득된 위성영상에 존재하는 대기효과를 보정하여, 위성영상에 표시된 밝기 값을 반사도로 변환한다.The satellite image preprocessor 130 corrects the atmospheric effect present in the satellite image acquired by the satellite image acquirer 110 (S220). For example, the satellite image preprocessor 130 corrects the atmospheric effect existing in the acquired satellite image, and converts the brightness value displayed in the satellite image into reflectivity.
일반적으로, 위성영상은 지표에서 반사된 태양복사에너지를 수치화 하여 생성된다. 이때, 태양복사에너지가 대기를 통과할 때, 대기의 산란, 흡수 및 굴절의 영향을 받게 되어, 대기효과가 반영된 복사에너지가 위성의 센서에 감지된다. 대기효과 보정이란 감지된 복사에너지에서 대기의 영향을 제거하는 보정을 의미한다. In general, satellite images are generated by quantifying the solar radiation energy reflected from the earth's surface. At this time, when the solar radiation energy passes through the atmosphere, it is affected by the scattering, absorption and refraction of the atmosphere, the radiant energy reflecting the atmospheric effect is detected by the sensor of the satellite. Atmospheric effect correction means a correction that removes the influence of the atmosphere from the detected radiant energy.
대기보정은 대기모델에 의한 대기보정기법과 영상기반보정기법으로 구분될 수 있다. 대기모델에 의한 대기보정기법은 MODTRAN, 6S 등과 같은 물리적 대기모델을 통하여 투과율, 대기상향복사량, 및 대기하향복사량을 구하여 대기효과를 보정하는 방법이다. 영상기반 보정기법은 위성영상에 나타나는 대기의 영향을 수집하고, 수집 결과에 기초하여 대기에 의한 영향을 보정하는 방법이다. Atmospheric correction can be divided into atmospheric correction technique and image-based correction technique. The atmospheric correction method using the atmospheric model is a method of correcting the atmospheric effect by obtaining the transmittance, the upward radiation amount, and the downward radiation amount through physical atmospheric models such as MODTRAN and 6S. The image-based correction technique collects the influence of the atmosphere on the satellite image and corrects the influence of the atmosphere based on the collection result.
수치표고모델 처리부(140)는 획득한 수치표고모델로부터 경사각도, 방위각도, 및 입사각도를 제작한다(S230). 경사도는 지형의 경사를 도 단위로 표현한 지도이고, 방위각도는 지형의 경사가 발생되는 방향을 도 단위로 표현한 지도이며, 입사각도는 태양복사에너지가 지표면에 입사하는 각도를 도 단위로 표현한 지도이다. The digital elevation model processor 140 prepares an inclination angle, an azimuth angle, and an incident angle from the obtained digital elevation model (S230). Slope is a map of the slope of the terrain in degrees, azimuth is a map of the direction in which the slope of the terrain occurs in degrees, the angle of incidence is a map of the angle of the solar radiation energy incident on the earth surface in degrees. .
수치표고모델 처리부(140)는 획득된 수치표고모델에서 대상 화소와 그 대상 화소를 둘러싸고 있는 주변 화소의 고도 차이를 이용하여 경사각과 방위각을 계산할 수 있다. 예를 들어, 수치표고모델 처리부(140)는 대상 화소를 중심으로 3×3 크기의 윈도우를 적용하여 경사각과 방위각을 계산할 수 있다. 수치표고모델 처리부(140)는 경사각과 방위각을 이용하여 태양복사에너지가 지표면에 입사하는 각도(입사각)를 계산한다. 입사각도는 지형정규화 모델 적용에 있어 필수적인 입력자료로 활용될 수 있다.The digital elevation model processing unit 140 may calculate the inclination angle and the azimuth angle by using the altitude difference between the target pixel and the surrounding pixel surrounding the target pixel in the obtained digital elevation model. For example, the digital elevation model processing unit 140 may calculate the inclination angle and the azimuth angle by applying a 3 × 3 window centered on the target pixel. The digital elevation model processor 140 calculates an angle (incidence angle) at which the solar radiation energy is incident on the ground surface using the inclination angle and the azimuth angle. Angle of incidence can be used as an input data for the terrain normalization model.
지형정규화 모델 적용부(150)는 산악지역을 촬영한 위성영상에 나타나는 사면에 의한 영향을 보정한다. 지형정규화 모델 적용부(140)는 산악지역을 촬영한 위성영상, 경사각도, 입사각도 등을 입력자료로 지형정규화 모델을 적용하고, 사면에 의한 영향을 보정하여 지형정규화 영상을 획득한다(S240). 지형정규화 모델을 적용하는 것과 지형보정을 하는 것은 동일한 의미로 이해될 수 있다.The terrain normalization
지형정규화 모델은 지표면을 가정하는 방법에 따라 1) 완전확산면으로 가정하여 보정하는 모델, 2) 불완전확산면 가정 하에 지역별, 피복별로 적합한 보정상수를 구하여 보정하는 모델, 및3) 반경험적 보정상수를 구하여 보정하는 모델 등이 존재한다. Terrain normalization model is based on the assumption of the ground surface, 1) model corrected assuming a fully diffused surface, 2) model corrected by obtaining appropriate correction factors for each region and cover under the assumption of incomplete diffused surface, and 3) semi-empirical correction constant. There is a model for obtaining and calibrating.
여기서, 지표면을 완전확산면으로 가정하여 지형에 의한 영향을 보정하는 기법 중 일반적으로 활용되는 알고리즘으로 Sun-canopy-sensor(SCS) 모델이 있다. SCS모델에서 지형정규화된 영상은 수학식 1을 통하여 얻을 수 있다.Here, the Sun-canopy-sensor (SCS) model is a commonly used algorithm to correct the influence of the terrain by assuming the surface as a fully-diffused surface. The terrain normalized image in the SCS model can be obtained through
이때, 는SCS모델을 통해 지형정규화된 영상에서의 i 번째 행 및 j번째 열 화소에서의 반사도 값을 나타내고, 는 획득한 위성영상의 i 번째 행 및 j번째 열 화소에서의 반사도 값을 나타내며, 는 태양의 천정각을 나타내며, 는 경사각을 나타내며, 는 지형의 입사각을 나타낸다. At this time, Represents reflectivity values in the i th row and j th column pixels of the terrain normalized image through the SCS model, Represents reflectivity values in the i th row and j th column pixels of the acquired satellite image, Represents the zenith angle of the sun, Represents the angle of inclination, Represents the angle of incidence of the terrain.
수학식 1을 참조하면, 위성영상에 입사각에 의한 영향을 곱하는 것으로 지형에 의한 영향을 보정할 수 있다. 즉, 태양을 마주보는 산 사면의 경우 입사각이 크게 나타나며, 입사각이 클수록 분모가 1에 가까운 값을 지니기 때문에 지형효과가 보정된 영상과 원래의 위성영상의 차이는 거의 없어지게 된다. 반면, 태양을 등지는 산 사면의 경우 입사각이 작게 나타나며, 입사각이 작을수록 위성영상에 곱해지는 값은 커지기 때문에 시각적으로 어둡게 표현된 지역이 밝게 나타나게 된다.Referring to
또한, 지표면을 불완전확산면으로 가정하여 지형에 의한 영향을 보정하는 기법 중 일반적으로 활용되는 모델로 C-correction, Minnaert correction, Minnaert+SCS correction 모델 등이 있다. C-correction 모델에서의 지형효과가 보정된 영상은 수학식 2를 통하여 얻을 수 있다. In addition, the C-correction, Minnaert correction, and Minnaert + SCS correction models are commonly used models to correct the influence of the terrain by assuming the surface as an incomplete diffusion surface. The terrain-corrected image in the C-correction model can be obtained through
상기 수학식 2에서, 는 C-correction 모델을 통해 지형효과가 정규화된 영상에서의 i 번째 행 및 j번째 열 화소에서의 반사도 값을 나타내며, 는 획득한 위성영상의 i 번째 행 및 j번째 열 화소에서의 반사도 값을 나타내며, 는 태양의 천정각을 나타내며, 는 입사각을 나타내며, C는 입사각과 위성영상의 선형관계식으로부터 획득한 보정 상수를 나타낸다. In
수학식 2를 참조하면, 보정상수 C를 통하여 지형정규화를 수행할 때, 과보정 되는 것을 방지할 수 있다. Referring to
또한, Minnaert correction 모델에서의 지형정규화된 영상은 수학식 3을 통해서 얻을 수 있다. In addition, the terrain normalized image in the Minnaert correction model can be obtained through the equation (3).
상기 수학식 3에서, 는 Minnaert correction 모델을 통해 지형효과가 정규화된 영상에서의 i 번째 행 및 j번째 열 화소에서의 반사도 값을 나타내고, 는 획득한 위성영상의 i 번째 행 및 j번째 열 화소에서의 반사도 값을 나타내며, 는 지형의 경사각을 나타내며, 는 입사각을 나타내고, k는 Minnaert correction 모델에서의 보정 상수를 나타낸다. In
상기 수학식 3을 참조하면, 보정상수 k를 통하여 지형에 의한 영향을 더욱 효과적으로 보정할 수 있다. Referring to
또한, Minnaert+SCS correction 모델에서의 지형효과가 보정된 영상은 수학식 4를 통하여 얻을 수 있다.In addition, the image of which the terrain effect is corrected in the Minnaert + SCS correction model may be obtained through Equation 4.
상기 수학식 4에서, 는 Minnaert+SCS correction 모델을 통해 지형효과가 정규화된 영상에서의 i 번째 행 및 j번째 열 화소에서의 반사도 값을 나타내고, 는 획득한 위성영상의 i 번째 행 및 j번째 열 화소에서의 반사도 값을 나타내며, 는 지형의 경사각을 나타내며, 는 태양의 천정각을 나타내고, 는 입사각을 나타내며, k'는 Minnaert+SCS correction 모델에서의 보정 상수를 나타낸다. In Equation 4, Represents the reflectance values in the i th row and j th column pixels in the terrain normalized image using the Minnaert + SCS correction model. Represents reflectivity values in the i th row and j th column pixels of the acquired satellite image, Represents the angle of inclination of the terrain, Represents the zenith angle of the sun, Denotes the angle of incidence and k 'denotes the correction constant in the Minnaert + SCS correction model.
상기 수학식 4를 참조하면, 보정상수 k'를 통하여 지형에 의한 영향을 C-correction 모델, Minnaert 모델보다 더욱 효과적으로 보정할 수 있으며, 특히 식생지역에서의 지형에 의한 영향을 보정하는데 큰 장점이 있다. Referring to Equation 4, the effect of the terrain can be more effectively corrected by the correction constant k 'than the C-correction model or the Minnaert model, and it is particularly advantageous to correct the effect of the terrain on the vegetation area. .
또한, 반경험적 보정상수를 구하여 지형에 의한 영향을 보정하는 모델 중 일반적으로 활용되는 모델로 Statistical-empirical correction 모델이 있다. Statistical-empirical correction 모델에서의 지형효과가 보정된 영상은 수학식 5를 통하여 얻을 수 있다.In addition, statistical-empirical correction model is a commonly used model to obtain the semi-empirical correction constant to correct the influence of the terrain. The terrain-corrected image in the statistical-empirical correction model can be obtained from Equation 5.
상기 수학식 5에서, 는 Statistical-empirical correction 모델을 통해 지형효과가 정규화된 영상에서의 i 번째 행 및 j번째 열 화소에서의 반사도 값을 나타내고, 는 획득한 위성영상의 i 번째 행 및 j번째 열 화소에서의 반사도 값을 나타내며, 는 입사각을 나타내고, a와 b는 각각 Statistical-empirical correction 모델에서의 보정 상수를 나타낸 것이다. a는 입사각과 위성영상의 선형회귀분석에서의 기울기 값을 나타내고, b는 입사각과 위성영상의 선형회귀분석에서의 y절편 값을 나타내며, 는 위성영상의 평균 반사도값을 나타낸다. In Equation 5, Denotes the reflectance values in the i th row and j th column pixels of the terrain-normalized image through the statistical-empirical correction model. Represents reflectivity values in the i th row and j th column pixels of the acquired satellite image, Are the angles of incidence and a and b represent the correction constants in the statistical-empirical correction model, respectively. a represents the slope value in the linear regression analysis of the incident angle and satellite image, b represents the y-intercept value in the linear regression analysis of the incident angle and satellite image, Represents the average reflectance value of the satellite image.
상기 수학식 5를 참조하면, 보정상수 a와 b를 통하여 입사각의 변화가 위성영상에 끼치는 영향을 선형회귀분석을 통하여 보정할 수 있는 장점이 존재한다.Referring to Equation 5, there is an advantage that can be corrected through the linear regression analysis the effect of the change in the incident angle on the satellite image through the correction constants a and b.
실시 예는 지형정규화 모델들 중 적절한 모델을 선택하여 지형정규화 작업을 수행하여, 산악지역의 사면에 의한 영향을 보정할 수 있다. According to the embodiment, the terrain normalization may be performed by selecting an appropriate model among the terrain normalization models, thereby correcting the influence of the slope of the mountain area.
도 4는 다양한 지형정규화 모델을 적용한 결과를 나타낸 도면이다.4 is a diagram showing the results of applying various terrain normalization models.
도 4에서, (a)는 획득된 위성영상으로, 도 3에서 위성영상(d)와 동일한 영상이다.In FIG. 4, (a) is an acquired satellite image, which is the same image as the satellite image (d) in FIG.
도 4에서, (b)는 SCS 모델을 통하여 지형정규화를 수행한 위성영상이며, (c)는Statistical-empirical correction 모델을 통하여 지형정규화를 수행한 위성영상이고, (d)는C-correction 모델을 통하여 지형정규화를 수행한 위성영상이며, (e)는Minnaert correction 모델을 통하여 지형정규화를 수행한 위성영상이고, (f)는Minnaert+SCS correction 모델을 통하여 지형정규화를 수행한 위성영상이다.In FIG. 4, (b) is a satellite image of the terrain normalization through the SCS model, (c) is a satellite image of the terrain normalization through the statistical-empirical correction model, (d) is a C-correction model Terrain normalization is performed through the terrain normalization. (E) Satellite image is performed with the terrain normalization through the Minnaert correction model. (F) Satellite image is performed with the terrain normalization through the Minnaert + SCS correction model.
도 4에 도시된 바와 같이, SCS모델을 통하여 지형효과를 보정한 위성영상(a)은 입사각이 작은 태양을 등지는 산 사면이 과보정되어, 시각적으로 색상이 부자연스럽게 표현되는 것을 확인할 수 있다. 반면, Statistical-empirical 모델, C-correction 모델, Minnaert correction 모델, 및Minnaert+SCS correction 모델을 통해 지형효과를 보정한 위성영상 (c), (d), 및(e)은 태양을 등지는 산 사면과 태양을 마주보는 산 사면의 시각적 정보가 유사해 진 것을 확인할 수 있다. As shown in FIG. 4, the satellite image (a) correcting the terrain effect through the SCS model can be confirmed that the mountain slope over the sun having a small angle of incidence is overcorrected, thereby visually unnaturally expressing the color. On the other hand, satellite images (c), (d), and (e) whose terrain effects are corrected by Statistical-empirical, C-correction, Minnaert correction, and Minnaert + SCS correction models are The visual information on the mountain slope facing the sun and the sun is similar.
도 5는 지형정규화 모델들 각각에 대해서, 태양을 등지는 사면과 태양을 마주보는 사면 각각에서의 반사도를 각 파장대역에 따라 히스토그램 형태로 도시한 도면이다. FIG. 5 is a diagram showing the reflectivity of each of the topographic normalization models in a histogram according to each wavelength band.
도 5에서, (a)는 보정 전 위성영상(이하, 원본영상이라 함. 도 4의 (a))에 대해서 복수의 파장대역 각각에 대한 태양을 등지는 사면의 반사도(이하, 회색 반사도) 및 태양을 마주보는 사면의 반사도(이하, 흰색 반사도)의 히스토그램 분포가 도시되어 있다. 도 5에서, 회색 반사도의 히스토그램은 회색으로 표시되고, 흰색 반사도의 히스토그랩은 흰색으로 표시되어 있다. In FIG. 5, (a) is a reflection of a slope (hereinafter referred to as gray reflectance) for backing the sun for each of a plurality of wavelength bands with respect to a satellite image (hereinafter, referred to as an original image) before correction. The histogram distribution of the reflectivity of the slope facing the sun (hereafter white reflectivity) is shown. In FIG. 5, the histogram of gray reflectivity is shown in gray and the histogram of white reflectivity is shown in white.
복수의 파장대역은 청색(Blue) 파장대역, 녹색(Green) 파장대역, 적색 (Red) 파장대역, 근적외선(near infrared, NIR) 파장대역, 단파적외선(short-wave infrared, SWIR) 파장대역 1(SWIR-1), 및 단파적외선 파장대역 2(SWIR-2)을 포함한다. The plurality of wavelength bands include a blue wavelength band, a green wavelength band, a red wavelength band, a near infrared (NIR) wavelength band, and a short-wave infrared (SWIR) wavelength band 1 ( SWIR-1), and short-wave infrared wavelength band 2 (SWIR-2).
도 5에서, (b), (c), (d), (e), 및(f)에서도 청색(Blue) 파장대역, 녹색(Green) 파장대역, 적색 (Red) 파장대역, 근적외선(near infrared, NIR) 파장대역, 단파적외선(short-wave infrared, SWIR) 파장대역 1(SWIR-1), 및 단파적외선 파장대역 2(SWIR-2) 각각에 대한 회색 반사도 및 흰색 반사도의 히스토그램 분포가 도시되어 있다.In FIG. 5, the blue wavelength band, the green wavelength band, the red wavelength band, and the near infrared ray are also shown in (b), (c), (d), (e), and (f). Histogram distributions of gray and white reflectivity for the NIR wavelength band, short-wave infrared (SWIR) wavelength band 1 (SWIR-1), and short-wave infrared wavelength band 2 (SWIR-2), respectively, are shown. have.
(b)는 SCS 모델을 통하여 지형정규화를 수행한 위성영상(도 4의(b))에 대해서 복수의 파장대역 각각에 대한 회색 반사도 및 흰색 반사도 각각의 히스토그램 분포가 도시되어 있다.(b) shows a histogram distribution of gray reflectance and white reflectivity for each of a plurality of wavelength bands for the satellite image (FIG. 4B) that has been topographically normalized through the SCS model.
(c)는 Statistical-empirical correction 모델을 통하여 지형정규화를 수행한 위성영상(도 4의(c))에 대해서 복수의 파장대역 각각에 대한 회색 반사도 및 흰색 반사도 각각의 히스토그램 분포가 도시되어 있다.(c) shows a histogram distribution of gray reflectance and white reflectance for each of a plurality of wavelength bands for a satellite image (FIG. 4C) that has performed topographical normalization through a statistical-empirical correction model.
(d)는 C-correction 모델을 통하여 지형정규화를 수행한 위성영상(도 4의(d))에 대해서 복수의 파장대역 각각에 대한 회색 반사도 및 흰색 반사도 각각의 히스토그램 분포가 도시되어 있다.(d) shows a histogram distribution of gray reflectance and white reflectance for each of a plurality of wavelength bands for the satellite image (FIG. 4 (d)) where the terrain normalization is performed through the C-correction model.
(e)는 Minnaert correction 모델을 통하여 지형정규화를 수행한 위성영상(도 4의(e))에 대해서 복수의 파장대역 각각에 대한 회색 반사도 및 흰색 반사도 각각의 히스토그램 분포가 도시되어 있다.(e) shows a histogram distribution of gray reflectance and white reflectivity for each of a plurality of wavelength bands for a satellite image (FIG. 4 (e)), which has been topographically normalized using a Minnaert correction model.
(f)는 Minnaert+SCS correction 모델을 통하여 지형정규화를 수행한 위성영상(도 4의 (f))에 대해서 복수의 파장대역 각각에 대한 회색 반사도 및 흰색 반사도 각각의 히스토그램 분포가 도시되어 있다.(f) shows the histogram distribution of gray reflectance and white reflectance for each of a plurality of wavelength bands for the satellite image (FIG. 4 (f)) in which the terrain normalization is performed through the Minnaert + SCS correction model.
도 5의 (a)에 도시된 바와 같이, 사면의 영향을 보정하기 전의 두 히스토그램 분포를 비교하면, 태양을 등지는 사면의 반사도가 전반적으로 낮게 나타나는 것을 확인할 수 있다. As shown in (a) of FIG. 5, comparing the two histogram distributions before correcting the influence of the slope, it can be seen that the overall reflectivity of the slope facing the sun appears low.
SCS 모델을 이용하여 지형정규화를 수행하게 되면, 태양을 등지는 사면에서의 회색 반사도가 태양을 마주보는 사면의 회색 반사도의 우측에 분포하는 것을 확인할 수 있다. 이에 따라, 도 4에서 위성영상(b)에 나타난 것과 같은 시각적 왜곡이 유발될 수 있다. When terrain normalization is performed using the SCS model, it can be seen that the gray reflectivity on the slope facing the sun is distributed on the right side of the gray reflectivity of the slope facing the sun. Accordingly, visual distortion as shown in the satellite image (b) in FIG. 4 may be induced.
SCS 모델을 제외한 다른 모델들 (c), (d), (e), 및 (f)에서는 회색 반사도의 히스토그램 분포와 흰색 반사도의 히스토그램 분포가 유사해지는 것을 확인할 수 있다. In other models (c), (d), (e), and (f) except the SCS model, it can be seen that the histogram distribution of gray reflectance and histogram distribution of white reflectivity are similar.
지형정규화 결과 평가부(160)는 지형정규화 모델의 적용 결과를 정량적으로 평가한다. 예를 들어, 지형정규화 결과 평가부(160)는 태양을 마주보는 사면과 태양을 등지는 사면의 반사도가 유사해지는 정도를 수치로 나타내어 정량적으로 평가를 수행한다(S250). 이 때, 지형정규화 결과 평가부(160)는 지형정규화 모델의 적용 결과를 최상의 지형정규화 결과로 가정한다. 즉, 지형정규화 결과 평가부(160)는 평가 대상인 지형정규화 모델이 완벽하게 적용되어 최상의 지형정규화가 수행되었다고 가정한다.The terrain normalization
만약 지형정규화 모델이 완벽하게 적용 되었다면, 1) 두 사면에서의 표준편차는 정규화 전에 비교하여 감소하게 되고, 2) 두 사면에서의 반사도 분포에 대한 유사성은 정규화 전과 비교하여 커지게 된다. 이러한 가정에 따라 지형정규화 결과 평가부(160)는 지형정규화 모델의 적용 결과를 평가하고, 지형정규화 결과를 정량적인 수치로서 제공할 수 있다. If the terrain normalization model is applied perfectly, 1) the standard deviation on the two slopes will be reduced compared to normalization, and 2) the similarity of the reflectivity distribution on the two slopes will be larger than before normalization. Based on these assumptions, the terrain
지형정규화 결과 평가부(160)는 위와 같은 가정하에 태양을 마주보는 사면과 태양을 등지는 사면의 반사율의 분포가 유사해지는 정도를 판단하여 정량적인 수치로 제공하고, 이로부터 지형정규화 모델의 적합성을 정량적으로 평가할 수 있다. Under the above assumption, the terrain
지형정규화 결과 평가부(160)는 기존에 개발된 유사성 판단 지수와 비교해 개선된 지형정규화 모델 평가 방법을 제공할 수 있다. 기존에 개발된 유사성 판단 지수로서, Correlation, Chi-square, Intersection, Bhattacharyya 지수 등이 존재하였으나, 이는 단순한 유사성 판단 지수일 뿐, 지형정규화 모델을 평가하는 데 한계점이 존재하였다. 또한 기존에 개발된 지수들은 SCS 모델과 같은 과보정을 유발하는 모델에 대하여 과보정으로 평가할 수 없는 한계점이 존재하였다. The terrain
지형정규화 결과 평가부(160)는 지형정규화 결과 평가에서 제시된 가정(최상의 지형정규화 결과)에 따라 지형정규화 전후의 차이를 비율로써 계산하여 평가 지수를 생성한다. 최상의 지형정규화 결과에 가까울수록 평가 지수는 0으로 수렴하고, 과보정이 되는 경우 1이상이 된다. The terrain normalization
정규화 결과 평가부(160)는 지형정규화 전후의 히스토그램 구조 유사성을 평가한 지수(Histogram Structural Similarity index, HSSIM)를 수학식 6을 통해 계산할 수 있다. The
상기 수학식 6에서, 은 지형정규화 결과를 정량적인 수치로 제공하기 위한 히스토그램 구조 유사성 평가 지수를 나타내며, x은 태양을 등지는 사면에서의 반사도 값이고, y는 태양을 마주보는 사면에서의 반사도 값이며, 는 x 및 y 데이터에 대해서 지형보정 전후의 변화율(variation ratio)을 나타내며, 는 지형보정 전후의 히스토그램 구조의 유사율(similarity ratio)을 나타내고, α 는 의 가중치이고, β는 의 가중치이다. 두 인자 및 간의 상대적 중요성을 조절하기 위해서 가중치 α 및 β가 적절히 설정될 수 있다. 실시 예에서는 가중치 α 및 β가 1인 것으로 설명할 수 있다. 이하, 는 변화율이라 하고, 를 유사율이라 한다.In Equation 6, Represents the histogram structural similarity index to provide quantitative results of topography normalization, x is the reflectance value on the slope facing the sun, y is the reflectance value on the slope facing the sun, Represents the variation ratio before and after the terrain correction for x and y data, Represents the similarity ratio of the histogram structure before and after topography correction, and α represents Is the weight of, and β is Is the weight of. Two arguments And Weights α and β may be appropriately set to adjust the relative importance of the liver. In an embodiment, the weights α and β may be described as 1. Below, Is the rate of change, Is called the similarity rate.
수학식 6을 참조하면, 히스토그램 구조 유사성 판단 지수는 변화율 과 유사율 의 곱으로 표현된다. 변화율 은 수학식 7로부터 얻을 수 있다.Referring to Equation 6, the histogram structure similarity judgment index is the rate of change And similarity rate It is expressed as the product of. Rate of change Can be obtained from equation (7).
상기 수학식 7에서, 와 는 지형정규화 모델 적용 후 각 사면에서의 반사도 분포에 대한 표준편차를 나타내고, 와 는 지형정규화 모델 적용 전 각 사면에서의 반사도 분포에 대한 표준편차를 나타낸다. 수학식 7에서, 변화율 은 x 및 y 데이터에 있어서 지형정규화 전후의 반사도 분포에 대한 표준편차 간의 비율에 기초하여 결정된다. In Equation 7, Wow Represents the standard deviation of the reflectivity distribution on each slope after the terrain normalization model is applied. Wow Denotes the standard deviation of the reflectivity distribution on each slope before the terrain normalization model is applied. In Equation 7, the rate of change Is determined based on the ratio between the standard deviations of the reflectivity distribution before and after topography normalization in the x and y data.
지형정규화 모델이 최상의 결과에 가까울수록, 각 사면에서의 반사도 분포의 변화는 감소하게 된다. 따라서 와 의 곱은 감소하게 된다. 이상적으로 지형정규화가 완벽히 수행될 경우, 는 0의 값으로 수렴하게 된다. 만약 SCS 모델에서와 같이 과보정이 발생하게 되면, 지형정규화 수행 후의 반사도에 대한 표준편차는 지형정규화 수행 전에 비하여 커지게 됨으로써 결과적으로 는 1보다 커지게 된다. As the terrain normalization model approaches the best results, the change in reflectivity distribution on each slope decreases. therefore Wow The product of decreases. Ideally, if terrain normalization is done perfectly, Converges to a value of zero. If overcorrection occurs, as in the SCS model, the standard deviation of the reflectivity after the terrain normalization is greater than before the terrain normalization. Is greater than one.
유사율 은 수학식 8로부터 얻을 수 있다.Similarity rate Can be obtained from equation (8).
상기 수학식 8에서, 및 는 원본영상에서의 x 및 y 데이터의 히스토그램 데이터이고, 및 는 지형보정 후의 영상에서 x 및 y 데이터의 히스토그램 데이터이며, 는 원본 영상에서 및 간의 상관계수(Correlation coefficient)이고, 는 지형보정 후의 영상에서 및 간의 상관계수(Correlation coefficient)이다. 상관계수는 아래 수학식 9를 통해 계산할 수 있다.In Equation 8, And Is histogram data of x and y data in original image, And Is histogram data of x and y data in the image after terrain correction. In the original video And Correlation coefficient between In the image after terrain correction And Correlation coefficient between. The correlation coefficient may be calculated by Equation 9 below.
수학식 9에서, 및 는 및 에서의 히스토그램들 중 i 번째 칸(i-th bin)의 반사도 값이고, 및 는 x 및 y 데이터의 평균을 의미한다. In Equation 9, And Is And Reflectance value of the i-th bin of the histograms in And Means the average of x and y data.
지형정규화 모델이 최상의 결과에 가까울수록, 각 사면에서의 반사도 값의 유사성이 증가하여 이 1에 가까워지고, 가 감소한다. As the terrain normalization model approaches the best results, the similarity of the reflectance values at each slope increases. Closer to this one, Decreases.
이상적으로 지형정규화가 완벽히 수행될 경우 는 0으로 수렴하게 된다. 만약 SCS 모델에서와 같이 과보정이 발생하게 되면, 각 사면에서의 유사성은 오히려 감소하게 되며, 결과적으로 는 1보다 커지게 된다. Ideally when terrain normalization is done perfectly Will converge to zero. If overcompensation occurs, as in the SCS model, the similarity in each slope is rather reduced and consequently Is greater than one.
상기 수학식 6 내지 9를 종합하여 고려하면, 지형정규화 모델이 최상의 성능을 발휘할 경우 변화율 과 유사율 이 0으로 수렴하여, 히스토그램 구조 유사성 평가 지수 도 0으로 수렴한다.Considering the above Equations 6 to 9, the rate of change when the terrain normalization model exhibits the best performance And similarity rate Converges to 0, and the histogram structure similarity evaluation index Converge to FIG.
만약, 변화율 과 유사율 이 과보정에 의해 1이상의 값이 되면, 히스토그램 구조 유사성 평가 지수 도 1 이상의 값이 되어, 지형정규화 결과가 과보정 되었음을 확인할 수 있다.If the rate of change And similarity rate When overvalued by this overcorrection, the histogram structure
이와 같이, 실시 예에 따르면 지형정규화 모델의 성능을 정량적으로 표현 및 평가할 수 있으며, 이는 기존의 평가방법에 비하여 보다 더욱 지형정규화 모델의 적용 결과를 정확하게 평가할 수 있는 효과를 제공할 수 있다.As such, according to the embodiment, it is possible to quantitatively express and evaluate the performance of the terrain normalization model, which can provide an effect of accurately evaluating the application result of the terrain normalization model more accurately than the existing evaluation method.
한편, 하기 표 1은 본 발명의 일 실시예에 따른 지형정규화 모델의 평가를 통해 도 3의 위성 영상 (c) 및(d)을 정량적으로 평가한 결과의 예를 나타낸 표이다. On the other hand, Table 1 is a table showing an example of the results of the quantitative evaluation of the satellite image (c) and (d) of Figure 3 by evaluating the terrain normalization model according to an embodiment of the present invention.
표 1에서 "Test Image 1"은 도 3의 위성 영상 (c)를 의미하고, Test Image 2"는 도 3의 위성 영상 (d)를 의미한다. Test Image 1 및 Test Image 2 각각에 대해서, 지형정규화 평가 결과가 지형정규화 모델 및 채널 별로 나타나있다. In Table 1, "
실시 예는 지형정규화 모델 평가에 따라 지형정규화 모델 각각에 대한 채널 별 지형정규화 성능을 평가한다. 각 채널 별로 각 지형정규화 모델의 적용 결과를 정량적으로 평가한 히스토그램 구조 유사성 평가 지수 값들이 표 1에 기재되어 있다. 여기서, 각 채널 별로 히스토그램 구조 유사성 평가 지수 값이 가장 낮은 모델을 각 채널에 적합한 최적의 지형정규화 모델로 선정할 수 있다. The embodiment evaluates the terrain normalization performance for each channel for each terrain normalization model according to the terrain normalization model evaluation. Table 1 shows the histogram structure similarity evaluation index values quantitatively evaluating the results of applying the terrain normalization model for each channel. Here, a model having the lowest histogram structure similarity evaluation index value for each channel may be selected as an optimal terrain normalization model suitable for each channel.
구체적으로, Test Image 1 및Test Image 2 에 대해서, Blue 채널에서 히스토그램 구조 유사성 평가 지수 값이 가장 낮은 모델은 C-correction 모델이다. 즉, Blue 채널에서 C-correction 모델이 지형효과를 가장 잘 보정한다.Specifically, for
Test Image 1 및Test Image 2 에 대해서, Green 채널에서 히스토그램 구조 유사성 평가 지수 값이 가장 낮은 모델은 Minnaert+SCS correction 모델이다. 즉, Green 채널에서 Minnaert+SCS correction 모델이 지형효과를 가장 잘 보정한다. For
Test Image 1 및Test Image 2 에 대해서, Red 채널에서 히스토그램 구조 유사성 평가 지수 값이 가장 낮은 모델은 C-correction 모델이다. 즉, Red 채널에서 C-correction 모델이 지형효과를 가장 잘 보정한다.For
Test Image 1 및Test Image 2 에 대해서, NIR 채널에서 히스토그램 구조 유사성 평가 지수 값이 가장 낮은 모델은 Statistical-empirical correction 모델이다. 즉, NIR 채널에서 Statistical-empirical correction 모델이 지형효과를 가장 잘 보정한다.For
Test Image 1 및Test Image 2 에 대해서, SWIR-1 채널에서 히스토그램 구조 유사성 평가 지수 값이 가장 낮은 모델은 C-correction 모델이다. 즉, SWIR-1 채널에서 C-correction 모델이 지형효과를 가장 잘 보정한다.For
Test Image 1 및Test Image 2 에 대해서, SWIR-2 채널에서 히스토그램 구조 유사성 평가 지수 값이 가장 낮은 모델은 Minnaert+SCS correction 모델이다. 즉, SWIR-2 채널에서 Minnaert+SCS correction 모델이 지형효과를 가장 잘 보정한다.For
표 1에서 알 수 있듯이, 촬영된 영상의 특성 및 채널에 따라 히스토그램 구조 유사성 평가 지수 값이 달라질 수 있다. 다만, 표 1은 Test Image 1 및Test Image 2 에 대한 히스토그램 구조 유사성 평가 지수 값들을 보여줄 뿐, 위성영상이 다른 지역에 대한 것이라면, 히스토그램 구조 유사성 평가 지수 값들도 달라질 수 있다. As shown in Table 1, the histogram structure similarity evaluation index value may vary according to characteristics and channels of the captured image. However, Table 1 only shows histogram structure similarity evaluation index values for
즉, 표 1에 기재된 히스토그램 구조 유사성 평가 지수 값들을 기초로, 각 채널 별로 최상의 지형정규화 모델들이 선정되었으나, 이는 Test Image 1 및Test Image 2 에 대한 결과일 뿐, 위성영상이 바뀌면 그 결과 역시 바뀔 수 있다.That is, based on the histogram structure similarity evaluation index values shown in Table 1, the best terrain normalization models were selected for each channel, but this is only a result of
따라서, 최상의 성능을 제공하는 모델은 위성영상에 따라 달라질 수 있고, 다른 지역을 촬영한 영상에 대하여 최상의 지형정규화 과정을 수행해야 할 경우, 지형정규화 모델 평가를 통해서, 각 채널 별로 최상의 지형정규화 모델들을 설정해야 한다. Therefore, the model that provides the best performance may vary depending on the satellite image, and when the best terrain normalization process is to be performed on the image photographed in another region, the topographical normalization model for each channel is evaluated by evaluating the terrain normalization model. Must be set
정규화 영상 조합부(170)는 각 채널별 최상의 지형정규화 모델을 적용한 각 채널별 영상을 조합하여 최상의 지형효과가 정규화된 위성영상을 획득한다(S260). 각 채널 별 최상의 지형정규화 모델은 지형정규화 결과 평가부(160)에서의 평가 결과에 기초하여 설정될 수 있다. The normalized
촬영지역 및 채널에 따라 적합한 지형정규화 모델이 달라질 수 있으므로, 여러 지형정규화 모델을 적용하고 평가를 수행하여 정량적인 수치를 분석한 후, 최상의 지형정규화 모델을 선택 및 이들이 적용된 영상을 조합하여 최상의 지형효과가 정규화된 위성영상을 획득할 수 있다.Since the appropriate terrain normalization model may vary according to the shooting area and channel, after applying various terrain normalization models and performing evaluation, quantitative analysis is performed, then the best terrain normalization model is selected and the image applied to them is the best terrain effect. Can obtain a normalized satellite image.
표1의 결과에서, 실시 예에서 활용된 위성영상 도 3의 (c) 및(d)의 경우, 최상의 지형정규화 모델은 Blue 채널에서 C-correction 모델, Green 채널에서 Minnaert+SCS correction 모델, Red 채널에서 C-correction 모델, NIR 채널에서 Statistical-empirical correction 모델, SWIR-1 채널에서 C-correction 모델, SWIR-2 채널에서 Minnaert+SCS correction 모델로 평가되다. 따라서, 각 채널 별로 대응하는 지형정규화 모델을 적용한 결과를 조합하여 최상의 지형정규화된 위성영상을 획득한다.In the results of Table 1, the satellite image used in the embodiment In the case of Figure 3 (c) and (d), the best terrain normalization model is C-correction model in the blue channel, Minnaert + SCS correction model in the green channel, Red channel The C-correction model, the statistical-empirical correction model in the NIR channel, the C-correction model in the SWIR-1 channel, and the Minnaert + SCS correction model in the SWIR-2 channel are evaluated. Therefore, the best terrain normalized satellite image is obtained by combining the results of applying the terrain normalization model for each channel.
식생지수 맵 제작부(180)에서는 최상의 지형정규화된 영상으로 식생지수 맵을 제작한다(S260). 최상의 지형정규화된 영상을 활용하여 식생지수 맵을 제작함으로써, 지형효과가 보정된 식생지수 맵을 제작한다. 그러면, 최상의 지형정규화된 영상을 기반으로 제작한 식생지수 맵에서는 지형효과가 보정될 수 있다. The vegetation index
도 6은 실시 예에 의한 지형정규화 모델의 평가에 기초한 지형정규화 된 모델로부터 제작된 식생지수 맵을 나타낸다. 6 illustrates a vegetation index map manufactured from a topographically normalized model based on the evaluation of the topographically normalized model according to the embodiment.
도 6에서, (a), (b), (c)는 2014년 12월 12일에 촬영된 위성영상이고, (a)는 지형효과 보정 전 영상으로부터 제작한 식생지수 맵을 나타내며, (b)는 모든 채널을 Statistical-empirical 모델만 활용하여 지형정규화를 수행한 후, 이로부터 제작한 식생지수 맵을 나타내고, (c)는 최상의 정규화된 영상으로부터 제작한 식생지수 맵을 나타낸다. In Figure 6, (a), (b), (c) is a satellite image taken on December 12, 2014, (a) represents a vegetation index map produced from the image before the terrain effect correction, (b) Shows the vegetation index map produced from the terrain normalization using statistical-empirical model only, and (c) shows the vegetation index map produced from the best normalized image.
도 6에서, (d), (e), (f)는 2015년 3월 18일에 촬영된 위성영상이고, (d)는 지형효과 보정 전 영상으로부터 제작한 식생지수 맵을 나타내며, (e)는 모든 채널을 Statistical-empirical 모델만 활용하여 지형정규화를 수행한 후, 이로부터 제작한 식생지수 맵을 나타내고, (f)는 최상의 정규화된 영상으로부터 제작한 식생지수 맵을 나타낸다. In Figure 6, (d), (e), (f) is a satellite image taken on March 18, 2015, (d) represents a vegetation index map produced from the image before the terrain effect correction, (e) Shows the vegetation index map produced from the terrain normalization using statistical-empirical model only, and (f) shows the vegetation index map produced from the best normalized image.
도 6에서, (a)와 (d)를 참조하면, 지형정규화 수행 전의 영상으로부터 제작된 식생지수 맵에서 사면의 영향을 확인할 수 있다. 일반적으로 태양을 마주보는 사면에서의 식생지수는 높게 나타나는 한면, 태양을 등지는 사면에서의 식생지수는 낮게 나타나는 결과를 보인다. In FIG. 6, referring to (a) and (d), it is possible to check the influence of the slope on the vegetation index map produced from the image before performing the terrain normalization. In general, the vegetation index on the slope facing the sun is high, while the vegetation index on the slope facing the sun is low.
한편, (b)와 (d)에서는 이러한 사면의 영향이 감소한 것을 확인할 수가 있다. 사면의 영향이 감소한 이유는 Statistical-empirical 모델이 비교적 지형정규화를 잘 수행하였기 때문이다. 그러나 일부 영역에서 여전히 사면의 영향이 존재함을 확인할 수 있다. 이는 Statistical-empirical 모델이 NIR 채널에서는 최상의 성능을 발휘하였으나, Red 채널에서는 완벽하게 지형정규화를 수행하지 못하였기 때문이다.On the other hand, in (b) and (d), it can be seen that the influence of these slopes is reduced. The effect of the slope was reduced because the statistical-empirical model performed relatively well terrain normalization. However, it can be seen that there is still a slope effect in some areas. This is because the statistical-empirical model performed best on the NIR channel, but did not perform topographical normalization on the red channel.
실시 예에 따른 지형정규화 모델 평가를 기초로 최상의 정규화된 영상으로부터 제작한 식생지수 맵인 (c)와 (f)에서는 사면의 영향이 보다 감소하여 시각적으로 거의 찾기 어려움을 확인할 수 있다.In the vegetation index maps (c) and (f) produced from the best normalized image based on the evaluation of the topographic normalization model according to the embodiment, the influence of the slope is further reduced, so that it is hard to find visually.
도 7은 시각적으로 실시 예에 따른 효과를 보다 상세하게 확인하기 위해서, 도 6의 일부 영역을 확대한 도면이다.FIG. 7 is an enlarged view of a portion of FIG. 6 in order to visually confirm an effect according to an embodiment in detail.
도 3에서 박스로 표시된 영역과 동일한 도 6의 일부 영역이 확대되어 도 7에 도시되어 있다.Some areas of FIG. 6 that are identical to the areas indicated by boxes in FIG. 3 are enlarged and shown in FIG. 7.
도 7에 도시된 바와 같이, (a)와(d)에 비해 (b) 및(d)의 식생지수 맵에서 사면의 영향이 더 적고, (b) 및 (d)에 비해 (c) 및 (f)의 식생지수 맵에서 사면의 영향이 더 적다. 실질적으로 (c) 및(f)의 식생지수 맵에서는 사면의 영향을 시각적으로 확인하기 어려우며, 이는 마치 평지에서 제작한 식생지수 맵과 같이 표현되어 있음을 확인할 수 있다.As shown in FIG. 7, the vegetation index maps of (b) and (d) are less affected by (a) and (d), and (c) and (d) compared to (b) and (d). The slope is less affected by the vegetation index map in f). Substantially, the vegetation index maps of (c) and (f) are difficult to visually check the effect of the slope, and it can be seen that it is expressed like a vegetation index map produced on the plain.
도 8A 및 8B는 도 7의 위성영상의 프로파일로부터 위성영상의 A-A'의 단면을 따라 반사도 값의 변화를 나타낸 도면이다.8A and 8B are diagrams showing changes in reflectance values along the cross-section of A-A 'of the satellite image from the profile of the satellite image of FIG.
도 8A 및 8B를 통해서 실시 예에 따른 지형정규화 모델 평가에 기초한 최상의 지형정규화 모델의 식생지수 맵에서의 지형보정 결과를 확인할 수 있다. 8A and 8B, the topographic correction results in the vegetation index map of the topographical normalization model based on the terrain normalization model evaluation according to the embodiment can be confirmed.
도 8A는 도 7의 (a), (b), 및(c) 각각의 위성영상 프로파일의 표준편차를 보여준다. 도 8B는 도 7의 (d), (e), 및 (f) 각각의 위성영상 프로파일의 표준편차를 보여준다. FIG. 8A shows the standard deviation of the satellite image profiles of (a), (b), and (c) of FIG. FIG. 8B shows the standard deviation of the satellite image profiles of (d), (e), and (f) of FIG.
도 8A에 도시된 바와 같이, 위성영상 (c, NVDI from Hybrid image)의 프로파일의 표준편차 σ hybrid 가 가장 낮은 0.016이다. 그 밖에 원본 위성영상(a, NVDI from Original image)의 프로파일의 표준편차 σ original 가 가장 높은 0.032이고, Statistical-empirical 모델로 정규화된 위성영상(b, NVDI from Statistical-empirical image)의 프로파일의 표준편차 σ statistical 가 0.021이다.As shown in Figure 8A, the standard deviation σ hybrid of the profile of the satellite image (c, NVDI from Hybrid image) Is the lowest 0.016. In addition, the standard deviation of the profile of the original satellite image (a, NVDI from Original image) σ original is 0.032, which is the highest, and the standard deviation of the profile of the satellite image (b, NVDI from Statistical-empirical image) normalized by the statistical-empirical model. σ statistical is 0.021.
또한, 도 8B에서도, 위성영상 (f, NVDI from Hybrid image)의 프로파일의 표준편차 σ hybrid 가 가장 낮은 0.015이다. 그 밖에 원본 위성영상(d, NVDI from Original image)의 프로파일의 표준편차 σ original 가 가장 높은 0.021이고, Statistical-empirical 모델로 정규화된 위성영상(e, NVDI from Statistical-empirical image)의 프로파일의 표준편차 σ statistical 가 0.019이다.Also in FIG. 8B, the standard deviation σ hybrid of the profile of the satellite image (f, NVDI from Hybrid image) Is the lowest 0.015. In addition, the standard deviation of the profile of the original satellite image (d, NVDI from Original image) σ original is 0.021, which is the highest, and the standard deviation of the profile of the satellite image (e, NVDI from Statistical-empirical image) normalized by the statistical-empirical model. σ statistical is 0.019.
실시 예에 따른 지형정규화 모델 평가 결과에서 각 채널 별 최상의 모델로 정규화된 영상을 조합한 영상에서 표준편차가 가장 낮게 나타났으며, 해당 그래프 또한 변화 폭이 크지 않고 일관성 있게 나타남을 확인할 수 있다.In the terrain normalization model evaluation result according to the embodiment, the standard deviation was lowest in the image combining the normalized image with the best model for each channel, and the graph also showed that the variation was not large and consistent.
도 9A-9C는 서로 다른 촬영각도로 촬영된 두 위성영상의 식생지수 맵에 대한 유사성을 평가한 그래프를 나타낸다.9A-9C show graphs evaluating the similarity of vegetation index maps of two satellite images photographed at different photographing angles.
도 9A는 지형정규화를 수행하기 전의 서로 다른 촬영각도로 촬영된 두 위성영상에 대한 산포도를 나타낸다. 이를 참조하면, 지형정규화를 수행하기 전의 결정계수()는 0.626으로 나타나고 있으나, 산포도를 시각적으로 분석하였을 때 유사함의 정도가 높지 않은 것을 확인할 수 있다. 9A shows a scatter diagram of two satellite images taken at different photographing angles before performing terrain normalization. Referring to this, the coefficient of determination before performing terrain normalization ( ) Is 0.626, but the degree of similarity is not high when the scatter plot is visually analyzed.
도 9B는 Statistical-empirical 모델만을 활용하여 지형정규화를 수행한 두 위성영상에 대한 산포도로서, 이를 참조하면, 결정계수()는 0.711로 지형정규화 전에 비하여 상승한 것을 확인할 수 있다. FIG. 9B is a scatter diagram of two satellite images in which terrain normalization is performed using only a statistical-empirical model. Referring to FIG. ) Is 0.711, which is higher than before terrain normalization.
도 9C는 최상의 지형정규화 모델을 활용하여 제작된 두 위성영상에 대한 산포도로서, 결정계수()가 0.759로 가장 높게 나타남을 확인할 수 있다.FIG. 9C is a scatter plot of two satellite images produced using the best terrain normalization model. ) Is the highest as 0.759.
더 자세히 설명하자면, 도 9A-9C에 도시된 바와 같이, 최상의 지형정규화 모델을 활용하여 제작된 식생지수 맵은 평지에서 제작한 것과 같이 지형의 영향이 거의 나타나지 않는 효과가 있다. 특히, 서로 다른 촬영각과 방위각을 지님에도 불구하고 결정계수는 높게 나타나며, 이를 통해 실시 예에 따른 지형정규화 모델 평가를 기초로 식생지수 맵을 제작했을 때, 지형효과를 가장 효과적으로 보정할 수 있음을 보여준다. In more detail, as shown in FIGS. 9A-9C, the vegetation index map produced by using the best terrain normalization model has an effect that the influence of the terrain does not appear as shown in the plain. In particular, despite having different shooting angles and azimuth angles, the coefficient of determination is high, indicating that the topographic effects can be most effectively corrected when the vegetation index map is produced based on the evaluation of the terrain normalization model according to the embodiment. .
따라서, 본 발명의 실시예에 따른 지형정규화 모델의 평가를 통한 식생지수 맵의 지형효과 보정방법 및 그 장치는 식생지수 맵에 나타나는 지형효과를 가장 효과적으로 보정할 수 있음을 나타낸다.Therefore, the method and apparatus for correcting the terrain effect of the vegetation index map through the evaluation of the terrain normalization model according to the embodiment of the present invention indicate that the terrain effect appearing on the vegetation index map can be most effectively corrected.
본 발명의 실시예에 따른 지형규화 모델의 평가를 통한 식생지수 맵의 지형효과 보정방법 및 그 장치는 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 audfudd을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The terrain effect correction method and apparatus of the vegetation index map through the evaluation of the topography model according to an embodiment of the present invention can be implemented in the form of program instructions that can be executed by various computer means can be recorded on a computer readable medium. . The computer readable medium may include program instructions, data files, data structures, etc. alone or in combination. Program instructions recorded on the media may be those specially designed and constructed for the purposes of the present invention, or they may be of the kind well-known and available to those having skill in the computer software arts. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tape, optical media such as CD-ROMs, DVDs, and ROMs, RAMs. Hardware devices specifically configured to store and execute programs audfudd, such as flash memory, and the like. Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like. The hardware device described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.In the present invention as described above has been described by the specific embodiments, such as specific components and limited embodiments and drawings, but this is provided to help a more general understanding of the present invention, the present invention is not limited to the above embodiments. For those skilled in the art, various modifications and variations are possible from these descriptions.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.Therefore, the spirit of the present invention should not be limited to the described embodiments, and all of the equivalents or equivalents of the claims as well as the claims to be described later belong to the scope of the present invention. .
100: 식생지수 맵의 지형효과 보정 장치
110: 위성영상 획득부
120: 수치표고모델 획득부
130: 위성영상 전처리부
140: 수치표고모델 처리부
150: 지형정규화 모델 적용부
160: 지형정규화 결과 평가부
170: 정규화 영상 조합부
180: 식생지수 맵 제작부100: terrain effect correction device of vegetation index map
110: satellite image acquisition unit
120: digital elevation model acquisition unit
130: satellite image preprocessing unit
140: numerical elevation model processing unit
150: terrain normalization model application unit
160: terrain normalization result evaluation unit
170: normalized image combination unit
180: vegetation index map production unit
Claims (14)
태양을 등지는 제1 사면에서의 반사도 데이터 및 태양을 마주보는 제2 사면에서의 반사도 데이터에 대해서 지형정규화 모델 적용 전후의 변화율을 계산하는 단계;
상기 지형정규화 모델 적용 전의 제1 사면의 제1 반사도 데이터 및 상기 제2 사면의 제2 반사도 데이터 각각의 히스토그램의 구조와 상기 지형정규화 모델 적용 후의 제1 사면의 제3 반사도 데이터 및 상기 제2 사면의 제4 반사도 데이터 각각의 히스토그램 구조 간의 유사율을 계산하는 단계; 및
상기 변화율 및 상기 유사율에 기초하여 상기 지형정규화 모델 적용 전후의 히스토그램 구조 유사성을 평가한 지수를 계산하는 단계를 포함하는 지형정규화 모델 평가 방법.In the method for evaluating the result of applying the terrain normalization model to the satellite image,
Calculating a rate of change before and after applying the terrain normalization model to reflectance data at a first slope facing the sun and reflectance data at a second slope facing the sun;
The structure of the histogram of each of the first reflectance data of the first slope and the second reflectance data of the second slope before the terrain normalization model is applied, and the third reflectivity data of the first slope and the second slope after the terrain normalization model is applied. Calculating a similarity rate between the histogram structures of each of the fourth reflectivity data; And
And calculating an index for evaluating histogram structure similarity before and after applying the terrain normalization model based on the rate of change and the similarity rate.
상기 변화율을 계산하는 단계는,
상기 지형정규화 모델 적용 전 상기 제1 사면 및 상기 제2 사면 각각에서의 반사도 분포와 상기 지형정규화 모델 적용 후 상기 제1 사면 및 상기 제2 사면 각각에서의 반사도 분포 간의 비율에 기초하여 상기 변화율을 계산하는 지형정규화 모델 평가 방법.The method of claim 1,
Calculating the rate of change,
The rate of change is calculated based on a ratio between reflectance distribution on each of the first slope and the second slope before applying the terrain normalization model and reflectance distribution on each of the first slope and the second slope after applying the terrain normalization model. Terrain normalization model evaluation method.
상기 변화율을 계산하는 단계는,
수학식 을 이용하여 상기 변화율을 계산하는,
(와 는 지형정규화 모델 적용 후 상기 제1 및 제2 사면에서의 반사도 분포에 대한 표준편차, 와 는 지형정규화 모델 적용 전 상기 제1 및 제2 사면에서의 반사도 분포에 대한 표준편차, 는 변화율)
지형정규화 모델 평가 방법.The method of claim 2,
Calculating the rate of change,
Equation To calculate the rate of change using
( Wow Is the standard deviation of the reflectivity distribution on the first and second slopes after the terrain normalization model is applied. Wow Is the standard deviation of the reflectivity distribution on the first and second slopes before the terrain normalization model is applied, Is the rate of change)
Topographic normalization model evaluation method.
상기 유사율을 계산하는 단계는,
상기 제1 반사도 데이터의 히스토그램 및 상기 제2 반사도 데이터의 히스토그램 간의 제1 상관계수(Correlation coefficient)를 산출하는 단계;
상기 제3 반사도 데이터의 히스토그램 및 상기 제4 반사도 데이터의 히스토그램 간의 제2 상관계수(Correlation coefficient)를 산출하는 단계; 및
상기 제1 상관계수와 상기 제2 상관계수에 기초하여 상기 유사율을 산출하는 단계를 포함하는 지형정규화 모델 평가 방법.The method of claim 1,
Computing the similarity rate,
Calculating a first correlation coefficient between the histogram of the first reflectance data and the histogram of the second reflectance data;
Calculating a second correlation coefficient between the histogram of the third reflectivity data and the histogram of the fourth reflectivity data; And
And calculating the similarity rate based on the first correlation coefficient and the second correlation coefficient.
상기 유사율을 계산하는 단계는,
수학식 을 이용하여 상기 유사율을 계산하는,
( 및 는 상기 제1 및 제2 반사도 데이터 각각의 히스토그램, 및 는 상기 제3 및 제4 반사도 데이터 각각의 히스토그램, 는 제1 상관계수, 는 제2 상관계수, 은 유사율)
지형정규화 모델 평가 방법.The method of claim 4, wherein
Computing the similarity rate,
Equation To calculate the similarity rate using
( And Is a histogram of each of the first and second reflectivity data, And Histogram of each of the third and fourth reflectivity data, Is the first correlation coefficient, Is the second correlation coefficient, Is similarity rate)
Topographic normalization model evaluation method.
상기 제1 및 제2 상관계수를 산출하는 단계는,
수학식 을 이용하여 상기 제1 및 제2 상관계수 중 대응하는 상관계수를 계산하는,
(는 상기 제1 사면에 대한 반사도 데이터의 히스토그램에서 i 번째 칸(i-th bin)의 반사도 값, 및 는 상기 제2 사면에 대한 반사도 데이터의 히스토그램에서 i 번째 칸(i-th bin)의 반사도 값, 는 상기 제1 사면에 대한 반사도 데이터의 평균, 는 상기 제2 사면에 대한 반사도 데이터의 평균)
지형정규화 모델 평가 방법.The method of claim 4, wherein
Computing the first and second correlation coefficients,
Equation To calculate a corresponding correlation coefficient of the first and second correlation coefficients,
( Is the reflectivity value of the i-th bin in the histogram of the reflectivity data for the first slope, and Is the reflectivity value of the i-th bin in the histogram of the reflectivity data for the second slope, Is an average of the reflectivity data for the first slope, Is the average of the reflectivity data for the second slope)
Topographic normalization model evaluation method.
상기 히스토그램 구조 유사성을 평가한 지수를 계산하는 단계는,
상기 변화율이 제1 가중치로 지수승되는 단계; 및
상기 유사율이 제2 가중치로 지수승되는 단계를 포함하고,
상기 제1 가중치 및 상기 제2 가중치는 상기 변화율 및 상기 유사율 간의 중요도에 따라 설정되는 지형정규화 모델 평가 방법.The method of claim 1,
Computing the index for evaluating the histogram structure similarity,
Increasing the rate of change by a first weight; And
The similarity rate is exponentially multiplied by a second weight,
And the first weight and the second weight are set according to the importance between the rate of change and the similarity rate.
상기 위성영상의 대기효과를 보정하는 단계;
상기 수치표고모델로부터 경사각도, 방위각도, 및 입사각도를 제작하는 단계
상기 경사각도, 상기 방위각도, 및 상기 입사각도를 입력받고, 상기 위성영상에 적어도 두 개의 지형정규화 모델을 적용하여 적어도 두 개의 지형정규화 영상을 획득하는 지형정규화 단계;
상기 적어도 두 개의 지형정규화 영상 각각에 대한 각 채널 별 정량 평가를 수행하는 단계; 및
상기 정량 평과 결과를 기초로, 각 채널 별 최상의 지형정규화 영상을 조합하여 지형효과가 정규화된 위성영상을 획득하고, 획득한 정규화된 위성영상에 기초하여 식생지수 맵을 제작하는 단계를 포함하고,
상기 정량 평가를 수행하는 단계는,
태양을 등지는 제1 사면에서의 반사도 데이터 및 태양을 마주보는 제2 사면에서의 반사도 데이터에 대해서 상기 지형정규화 단계 전후의 변화율을 계산하는 단계;
상기 지형정규화 전의 제1 사면의 제1 반사도 데이터 및 상기 제2 사면의 제2 반사도 데이터 각각의 히스토그램의 구조와 상기 지형정규화 후의 제1 사면의 제3 반사도 데이터 및 상기 제2 사면의 제4 반사도 데이터 각각의 히스토그램 구조 간의 유사율을 계산하는 단계; 및
상기 변화율 및 상기 유사율에 기초하여 정규화 전후의 히스토그램 구조 유사성을 평가한 지수를 계산하는 단계를 포함하는 식생지수 맵의 지형효과 보정방법.Obtaining a satellite image and a digital elevation model having the same coordinate system and resolution;
Correcting the atmospheric effect of the satellite image;
Preparing an inclination angle, an azimuth angle, and an incident angle from the numerical elevation model
A terrain normalization step of receiving the tilt angle, the azimuth angle, and the incident angle, and obtaining at least two terrain normalization images by applying at least two terrain normalization models to the satellite image;
Performing quantitative evaluation for each channel of each of the at least two topographically normalized images; And
Based on the quantitative evaluation results, combining the best terrain normalization images for each channel to obtain a satellite image with terrain effects normalized, and producing a vegetation index map based on the obtained normalized satellite image;
Performing the quantitative evaluation,
Calculating a rate of change before and after the terrain normalization step for reflectance data on a first slope facing the sun and reflectance data on a second slope facing the sun;
The structure of the histogram of each of the first reflectance data of the first slope and the second reflectance data of the second slope before the terrain normalization, the third reflectivity data of the first slope after the terrain normalization, and the fourth reflectance data of the second slope Calculating a similarity rate between each histogram structure; And
And calculating an index evaluating histogram structure similarity before and after normalization based on the change rate and the similarity rate.
상기 변화율을 계산하는 단계는,
상기 지형정규화 단계 전 상기 제1 사면 및 상기 제2 사면 각각에서의 반사도 분포와 상기 지형정규화 단계 후 상기 제1 사면 및 상기 제2 사면 각각에서의 반사도 분포 간의 비율에 기초하여 상기 변화율을 계산하는 식생지수 맵의 지형효과 보정방법.The method of claim 8,
Calculating the rate of change,
Vegetation for calculating the rate of change based on the ratio between the reflectance distribution on each of the first slope and the second slope before the terrain normalization step and the reflectivity distribution on each of the first slope and the second slope after the terrain normalization step Terrain effect correction method of exponential map.
상기 유사율을 계산하는 단계는,
상기 제1 반사도 데이터의 히스토그램 및 상기 제2 반사도 데이터의 히스토그램 간의 제1 상관계수(Correlation coefficient)를 산출하는 단계;
상기 제3 반사도 데이터의 히스토그램 및 상기 제4 반사도 데이터의 히스토그램 간의 제2 상관계수(Correlation coefficient)를 산출하는 단계; 및
상기 제1 상관계수와 상기 제2 상관계수에 기초하여 상기 유사율을 산출하는 단계를 포함하는 식생지수 맵의 지형효과 보정방법.The method of claim 8,
Computing the similarity rate,
Calculating a first correlation coefficient between the histogram of the first reflectance data and the histogram of the second reflectance data;
Calculating a second correlation coefficient between the histogram of the third reflectivity data and the histogram of the fourth reflectivity data; And
And calculating the similarity rate based on the first correlation coefficient and the second correlation coefficient.
상기 지형정규화 결과 평가부의 평가 결과에 기초하여 설정된 각 채널 별 최상의 지형정규화 모델을 적용한 각 채널 별 영상을 조합하여 최상의 지형효과가 정규화된 위성영상을 획득하는 정규화 영상 조합부; 및
상기 최상의 지형효과가 정규화된 위성영상으로 식생지수 맵을 제작하는 식생지수 맵 제작부를 포함하고,
상기 지형정규화 결과 평가부는,
상기 제1 사면에서의 반사도 데이터 및 상기 제2 사면에서의 반사도 데이터에 대해서 상기 지형정규화 모델 적용 전후의 변화율을 계산하고,
상기 지형정규화 모델 적용 전의 제1 사면의 제1 반사도 데이터 및 상기 제2 사면의 제2 반사도 데이터 각각의 히스토그램의 구조와 상기 지형정규화 모델 적용 후의 제1 사면의 제3 반사도 데이터 및 상기 제2 사면의 제4 반사도 데이터 각각의 히스토그램 구조 간의 유사율을 계산하며,
상기 변화율 및 상기 유사율에 기초하여 상기 지형정규화 모델 적용 전후의 히스토그램 구조 유사성을 평가한 지수를 계산하는 식생지수 맵의 지형효과 보정장치.A terrain normalization result evaluator which quantitatively evaluates the degree of reflectivity of the first slope facing the sun and the second slope facing the sun with respect to the images before and after the terrain normalization model is applied;
A normalized image combination unit which obtains a satellite image of which the best terrain effect is normalized by combining images of each channel to which the best terrain normalization model for each channel is set based on the evaluation result of the terrain normalization result evaluator; And
The best terrain effect includes a vegetation index map production unit for producing a vegetation index map with a normalized satellite image,
The terrain normalization result evaluation unit,
Calculating the rate of change before and after applying the terrain normalization model to the reflectance data on the first slope and the reflectance data on the second slope,
The structure of the histogram of each of the first reflectance data of the first slope and the second reflectance data of the second slope before the terrain normalization model is applied, and the third reflectivity data of the first slope and the second slope after the terrain normalization model is applied. Calculating a similarity rate between the histogram structures of each of the fourth reflectivity data,
And a vegetation index map device for calculating an index for evaluating histogram structure similarity before and after applying the terrain normalization model based on the rate of change and the similarity rate.
상기 지형정규화 결과 평가부는,
상기 제1 반사도 데이터의 히스토그램 및 상기 제2 반사도 데이터의 히스토그램 간의 제1 상관계수(Correlation coefficient)를 산출하고,
상기 제3 반사도 데이터의 히스토그램 및 상기 제4 반사도 데이터의 히스토그램 간의 제2 상관계수(Correlation coefficient)를 산출하며,
상기 제1 상관계수와 상기 제2 상관계수에 기초하여 상기 유사율을 산출하는 식생지수 맵의 지형효과 보정장치.The method of claim 12,
The terrain normalization result evaluation unit,
Calculating a first correlation coefficient between the histogram of the first reflectance data and the histogram of the second reflectivity data,
Calculating a second correlation coefficient between the histogram of the third reflectivity data and the histogram of the fourth reflectivity data,
And a vegetation index map for calculating the similarity rate based on the first correlation coefficient and the second correlation coefficient.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170181480A KR102018789B1 (en) | 2017-12-27 | 2017-12-27 | evaluation method of topographic normalization models, Method AND Apparatus for topographic correction of normalized vegetation index map BY USING the SAME |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170181480A KR102018789B1 (en) | 2017-12-27 | 2017-12-27 | evaluation method of topographic normalization models, Method AND Apparatus for topographic correction of normalized vegetation index map BY USING the SAME |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190079350A KR20190079350A (en) | 2019-07-05 |
KR102018789B1 true KR102018789B1 (en) | 2019-11-04 |
Family
ID=67225600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170181480A KR102018789B1 (en) | 2017-12-27 | 2017-12-27 | evaluation method of topographic normalization models, Method AND Apparatus for topographic correction of normalized vegetation index map BY USING the SAME |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102018789B1 (en) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111025366B (en) * | 2019-12-31 | 2022-04-01 | 芜湖哈特机器人产业技术研究院有限公司 | Grid SLAM navigation system and method based on INS and GNSS |
CN111402162B (en) * | 2020-03-13 | 2023-11-07 | 北京华云星地通科技有限公司 | Method for processing clear sky data set of satellite remote sensing image |
CN112860824B (en) * | 2021-01-15 | 2021-12-10 | 中国科学院沈阳应用生态研究所 | Scale adaptability evaluation method for high-resolution DEM terrain feature extraction |
CN112926418B (en) * | 2021-02-08 | 2022-07-01 | 河海大学 | Water body optimization extraction method for eliminating cloud layer interference by using high-precision topographic information |
CN112986241B (en) * | 2021-02-22 | 2022-05-20 | 西南交通大学 | Novel vegetation index correction method for resisting terrain effect and background influence |
CN113723319A (en) * | 2021-09-02 | 2021-11-30 | 中国气象科学研究院 | Rice planting distribution extraction method based on Fengyun satellite data |
CN115760613B (en) * | 2022-11-15 | 2024-01-05 | 江苏省气候中心 | Blue algae bloom short-time prediction method combining satellite image and optical flow method |
CN115690773B (en) * | 2022-12-26 | 2023-04-07 | 武汉天际航信息科技股份有限公司 | DEM partitioning and rebuilding method, computing device and storage medium |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100586034B1 (en) | 2006-04-11 | 2006-06-02 | 새한항업(주) | Method for updating natural features and unnatural infrastructures data to digital map |
US20100098342A1 (en) | 2008-10-16 | 2010-04-22 | Curators Of The University Of Missouri | Detecting geographic-area change using high-resolution, remotely sensed imagery |
KR101288016B1 (en) | 2011-08-04 | 2013-07-22 | 대한민국 | Method and apparatus for providing solar radiation model including topographical effect |
KR101404430B1 (en) | 2013-06-11 | 2014-06-10 | 서울시립대학교 산학협력단 | Method for estimation of surface temperature lapse rate Using thermal infrared images |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101473415B1 (en) * | 2012-12-28 | 2014-12-18 | 한국항공우주연구원 | Method for compensating degradation of detector performance using histogram specification |
KR20160051923A (en) | 2014-10-29 | 2016-05-12 | 사단법인 금융결제원 | Taxi fare payment relay method and payment relay server |
KR101842154B1 (en) * | 2016-04-28 | 2018-03-26 | 서울시립대학교 산학협력단 | Equipment and Method for topographically corrected image generation using quantitative analysis and Apparatus Thereof |
-
2017
- 2017-12-27 KR KR1020170181480A patent/KR102018789B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100586034B1 (en) | 2006-04-11 | 2006-06-02 | 새한항업(주) | Method for updating natural features and unnatural infrastructures data to digital map |
US20100098342A1 (en) | 2008-10-16 | 2010-04-22 | Curators Of The University Of Missouri | Detecting geographic-area change using high-resolution, remotely sensed imagery |
KR101288016B1 (en) | 2011-08-04 | 2013-07-22 | 대한민국 | Method and apparatus for providing solar radiation model including topographical effect |
KR101404430B1 (en) | 2013-06-11 | 2014-06-10 | 서울시립대학교 산학협력단 | Method for estimation of surface temperature lapse rate Using thermal infrared images |
Non-Patent Citations (1)
Title |
---|
Riano, David, et al. "Assessment of different topographic corrections in Landsat-TM data for mapping vegetation types", IEEE Transactions on geoscience and remote sensing vol.41.5(2003)* |
Also Published As
Publication number | Publication date |
---|---|
KR20190079350A (en) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102018789B1 (en) | evaluation method of topographic normalization models, Method AND Apparatus for topographic correction of normalized vegetation index map BY USING the SAME | |
Jonckheere et al. | Assessment of automatic gap fraction estimation of forests from digital hemispherical photography | |
Tokola et al. | Use of topographic correction in Landsat TM-based forest interpretation in Nepal | |
US12039452B2 (en) | System for producing satellite imagery with high-frequency revisits using deep learning to monitor vegetation | |
Fahsi et al. | Incorporation of digital elevation models with Landsat-TM data to improve land cover classification accuracy | |
JP6497579B2 (en) | Image composition system, image composition method, image composition program | |
US7184890B2 (en) | Cloud shadow detection: VNIR-SWIR | |
KR102170260B1 (en) | Apparatus and method for fusing synthetic aperture radar image and multispectral image, method for detecting change using it | |
CN109376600A (en) | Multi-spectrum remote sensing image comprehensive characteristics cloud detection method of optic and device | |
CN112183209A (en) | Regional crop classification method and system based on multi-dimensional feature fusion | |
Zhang et al. | Extraction of tree crowns damaged by Dendrolimus tabulaeformis Tsai et Liu via spectral-spatial classification using UAV-based hyperspectral images | |
US20240193938A1 (en) | System and method for vegetation detection from aerial photogrammetric multispectral data | |
JP2019537151A (en) | Image processing apparatus, image processing method, and image processing program | |
Deidda et al. | Pre-processing of high resolution satellite images for sea bottom classification. | |
Zhang et al. | Quantitative assessment of a haze suppression methodology for satellite imagery: Effect on land cover classification performance | |
Pascu et al. | Estimating forest stand structure attributes from terrestrial laser scans | |
CN113326807A (en) | Black and odorous water body identification method and device and electronic equipment | |
Fang et al. | Image quality assessment on image haze removal | |
CN115205703A (en) | Multi-feature blue-green algae extraction method and device, electronic equipment and storage medium | |
Santosa | Evaluation of satellite image correction methods caused by differential terrain illumination | |
CN117575953B (en) | Detail enhancement method for high-resolution forestry remote sensing image | |
CN117115669B (en) | Object-level ground object sample self-adaptive generation method and system with double-condition quality constraint | |
KR101842154B1 (en) | Equipment and Method for topographically corrected image generation using quantitative analysis and Apparatus Thereof | |
Jonckheere et al. | Image analysis of hemispherical photographs, algorithms and calculations | |
JP5672029B2 (en) | Reflectance calculating device, reflectance calculating method and program |
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 |