드론 초분광 영상의 대기효과 보정 필요성 분석

송영선

doi:10.7319/kogsis.2020.28.3.051

주제분류

...

저널정보

대한공간정보학회
대한공간정보학회지 학술저널
대한공간정보학회지 제28권 제3호
2020.9 51 - 58 (8page)
DOI : 10.7319/kogsis.2020.28.3.051

저자정보

송영선 (인하공업전문대학)

이용수
내서재: 0

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

대기보정은 항공기나 위성으로부터 취득한 초분광 영상의 영상분류 정확도를 높이기 위한 필수적이고 중요한 과정이다. 그러나 드론 초분광 영상은 항공기나 위성에 비해 비교적 저고도에서 데이터가 취득되므로 대기에 의한 왜곡이 많지 않으며, 이에 대기보정의 과정이 불필요할 수도 있다. 이에 본 연구에서는 드론 초분광 영상의 대기보정 필요성을 분석하기 위해 각각 30m, 80m, 150m, 200m, 300m로 고도를 달리하여 영상을 취득하고 고도별, 타깃별 스펙트럼의 변화를 비교하였다. 또한, 복잡한 매개변수를 요구하지 않는 quick atmospheric correction(QUAC)과 경험적 선형보정(empirical line correction)기법을 이용하여 대기보정을 수행하고, 두 방법의 성과를 분석하였다. 그 결과, 드론 초분광 영상의 경우 고도에 따라 스펙트럼의 변화가 크지 않았으며, QUAC 기법보다 경험적 선형보정 기법이 대기보정의 결과가 더 좋은 것으로 나타났다.

Atmospheric correction is an essential and important process to improve the accuracy of image classification of hyperspectral images acquired from aircraft or satellites. However, since the drone hyperspectral image is acquired at a relatively low altitude compared to an aircraft or a satellite, there is not much distortion due to the atmosphere, and thus the process of atmospheric correction may be unnecessary. Therefore, in this study, in order to analyze the necessity of atmospheric correction of drone hyperspectral images, images were acquired at different altitudes of 30m, 80m, 150m, 200m, and 300m, respectively, and the changes in spectrum for each altitude and target were compared. In addition, atmospheric correction was performed using quick atmospheric correction(QUAC) and Empirical Line Correction Method, which do not require complex parameters, and the results of both methods were analyzed. As a result, in the case of the drone hyperspectral image, the change in spectrum was not large according to the altitude, and the empirical line correction method showed better results of atmospheric correction than the QUAC method.

#드론 초분광 영상 #대기보정 #촬영고도 #QUAC #경험적 선형보정 #Drone Hyperspectral Image #Atmospheric Correction #Flight Altitude #Empirical Line Correction

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

송영선

소속기관 인하공업전문대학

주요연구분야 사회과학 > 관광학 공학 > 토목/환경공학

논문수 40 이용수 5,244

이 논문과 함께 이용한 논문

디지털 융합 미술치료에서의 스마트폰 앱 개발

김성운 한국과학예술융합학회 2020.09

건설분야 드론 활용 동향

지상훈 , 유수정 , 한재성 대한기계학회 춘추학술대회 2018.05

4차 산업혁명과 자기학 (2) : 4차 산업혁명과 미래고용 전망

김희중 한국자기학회지 2017.08

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드