지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박노욱
- 발행연도
- 2021
- 저작권
- 인하대학교 논문은 저작권에 의해 보호받습니다.
이용수13
이 논문의 연구 히스토리 (3)
2021
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
다량의 정보를 제공할 수 있는 위성영상은 주기적인 농경지 모니터링에 효과적으로 사용될 수 있다. 그러나 공간해상도와 시간해상도의 상충관계로 인해 단일센서 위성영상만으로는 일관된 해상도를 갖는 시계열 영상을 구성하기 어렵다. 따라서 높은 공간 및 시간해상도를 갖는 이미지를 생성하려면 두 개 이상의 위성영상을 결합하는 다중센서 영상 융합이 필요하다. 또한 국내 소규모 경작지의 규모를 고려할 때 고해상도 위성영상을 사용하는 것이 적합하다. 그러나 고해상도 위성영상의 경우 사용가능한 영상 수가 적고 구름으로 인해 영상 확보가 어려운 상황이다. 따라서 예측 시기의 고해상도 영상을 생성하기 위해서는 동일 혹은 유사한 시기에 획득된 다중센서 위성영상 페어를 융합하는 방법이 필요하다.
이 연구에서는 소규모 농경지 모니터링을 위해 단일 영상 페어를 사용하는 다중센서 고해상도 영상 융합 모델을 개발하였다. 제안 모델은 영상 페어의 획득 시기와 예측 시기 사이의 분광 값의 변동성을 고려하여 분광반사율을 정확하게 예측하고 고해상도 영상에서 나타나는 세부적인 공간특징을 반영하는 것을 목적으로 한다. 이를 위해 제안 모델은 (1) 회귀 모델링, (2) 영상 분할, (3) 가중치 계산, (4) 잔차 보정의 4단계로 이루어져 있다. 특히, 기존 다중센서 영상 융합 모델과 다르게 다중시기 영상 분할로 인한 객체 기반의 변동성을 기반으로 가중치를 계산하여 구조적인 변화를 탐지한다. 제안 모델의 적용성을 평가하기 위해 국내 논벼 주산지인 해남지역에 대하여 Sentinel-2와 RapidEye 영상을 이용한 다중센서 영상 융합 실험을 수행하였다.
제안 모델의 각 단계에서 생성된 결과물들을 비교하면, 4단계를 모두 적용한 결과가 가장 높은 예측 성능을 보였다. 객체 기반의 가중치 계산은 분광반사율 값 예측 정확도를 향상시켰으며 잔차 보정을 통해 고해상도 위성영상의 구조적 특징을 반영하였다. 그 결과, 제안 모델은 기존 가중치 함수 기반의 융합 모델보다 전체 정확도와 상관계수를 각각 약 20%와 0.2만큼 개선하여 우수한 예측 성능을 보였다. 이러한 실험결과는 제안 모델의 객체 기반 가중치 계산이 기존 화소 기반 가중치 계산보다 분광반사율 값의 구조적인 변화와 시간적 변동성을 더 잘 반영할 수 있음을 지시한다.
따라서 제안 모델을 이용해 작물의 지속적인 생육 모니터링을 위한 시계열 고해상도 영상 구축이 가능할 것으로 기대된다. 또한 제안 모델을 적용하여 홍수, 산불 등의 자연 재해로 인한 농경지의 토지피복 및 필지 형태의 변화를 효과적으로 탐지할 수 있다.
이 연구에서는 소규모 농경지 모니터링을 위해 단일 영상 페어를 사용하는 다중센서 고해상도 영상 융합 모델을 개발하였다. 제안 모델은 영상 페어의 획득 시기와 예측 시기 사이의 분광 값의 변동성을 고려하여 분광반사율을 정확하게 예측하고 고해상도 영상에서 나타나는 세부적인 공간특징을 반영하는 것을 목적으로 한다. 이를 위해 제안 모델은 (1) 회귀 모델링, (2) 영상 분할, (3) 가중치 계산, (4) 잔차 보정의 4단계로 이루어져 있다. 특히, 기존 다중센서 영상 융합 모델과 다르게 다중시기 영상 분할로 인한 객체 기반의 변동성을 기반으로 가중치를 계산하여 구조적인 변화를 탐지한다. 제안 모델의 적용성을 평가하기 위해 국내 논벼 주산지인 해남지역에 대하여 Sentinel-2와 RapidEye 영상을 이용한 다중센서 영상 융합 실험을 수행하였다.
제안 모델의 각 단계에서 생성된 결과물들을 비교하면, 4단계를 모두 적용한 결과가 가장 높은 예측 성능을 보였다. 객체 기반의 가중치 계산은 분광반사율 값 예측 정확도를 향상시켰으며 잔차 보정을 통해 고해상도 위성영상의 구조적 특징을 반영하였다. 그 결과, 제안 모델은 기존 가중치 함수 기반의 융합 모델보다 전체 정확도와 상관계수를 각각 약 20%와 0.2만큼 개선하여 우수한 예측 성능을 보였다. 이러한 실험결과는 제안 모델의 객체 기반 가중치 계산이 기존 화소 기반 가중치 계산보다 분광반사율 값의 구조적인 변화와 시간적 변동성을 더 잘 반영할 수 있음을 지시한다.
따라서 제안 모델을 이용해 작물의 지속적인 생육 모니터링을 위한 시계열 고해상도 영상 구축이 가능할 것으로 기대된다. 또한 제안 모델을 적용하여 홍수, 산불 등의 자연 재해로 인한 농경지의 토지피복 및 필지 형태의 변화를 효과적으로 탐지할 수 있다.
목차
제 1 장 서론 11.1 연구 배경 11.2 연구 목적 21.3 논문 구성 3제 2 장 이론적 배경 42.1 다중센서 영상 융합의 개념 42.2 다중센서 영상 융합의 유형 52.3 기존 모델의 적용 현황 및 한계점 8제 3 장 다중센서 영상 융합 모델 개발 103.1 모델 개요 103.2 모델 적용 방법 123.2.1. 회귀 모델링 123.2.2. 영상 분할 143.2.3. 가중 결합 163.2.4. 잔차 보정 19제 4 장 다중센서 영상 융합 실험 설계 204.1 대상 지역 204.2 사용 자료 214.2.1 위성 영상 및 자료 구성 214.2.2 영상 전처리 과정 244.3 실험 방법 264.3.1 실험 절차 264.3.2 검증 및 비교 분석 29제 5 장 연구 결과 및 토의 315.1 영상 페어의 상관성 분석 315.2 제안 모델의 절차별 영향 분석 335.2.1 회귀 모델링 결과 335.2.2 영상 분할 결과 365.2.3 가중 결합 결과 405.2.4 잔차 보정에 따른 영향 435.3 기존 모델과의 비교 분석 47제 6 장 결론 546.1 연구 요약 546.2 기대 효과 및 향후 연구 55참고문헌 57부록 63
최근 본 자료
댓글(0)
0