딥러닝 기반 OffsetNet 모델을 통한 KOMPSAT 광학 영상 정합 (KOMPSAT Optical Image Registration via Deep-Learning Based OffsetNet Model)

서지정보

· 발행기관 : 대한원격탐사학회
· 수록지 정보 : 대한원격탐사학회지 / 39권 / 6호 / 1707 ~ 1720페이지
· 저자명 : 유진우, 박채원, 정형섭

초록

위성 시계열 데이터가 증가함에 따라 원격탐사 자료의 활용도가 높아지고 있다. 시계열 자료를 통한 분석에 있어 영상 간의 상대적인 위치 정확도는 결과에 큰 영향을 미치기 때문에 이를 보정하기 위한 영상 정합 과정은 필수적으로 선행되어야 한다. 최근에는 기존 알고리즘의 성능을 상회하는 딥러닝 기반 영상 정합 연구의 사례가 증가하고 있다. 딥러닝 기반 정합 모델을 학습하기 위해서는 수 많은 영상 쌍이 필요하다. 또한, 기존딥러닝 모델의 데이터 간의 상관도 map을 제작하고, 이에 추가적인 연산을 적용하여 정합점을 추출는데 이는비효율적이다. 이러한 문제를 해결하기 위해 본 연구에서는 영상 정합 모델 학습을 위한 데이터 증강 기법을구축하여 데이터셋을 제작하였고, 이를 오프셋(offset) 양 자체를 예측하는 정합 모델인 OffsetNet에 적용하여KOMSAT-2, -3, -3A 영상 정합을 수행하였다. 모델 학습 결과, OffsetNet은 평가 데이터에 대해 높은 정확도로오프셋 양을 예측하였고, 이를 통해 주영상과 부영상을 효과적으로 정합하였다.

영어초록

With the increase in satellite time series data, the utility of remote sensing data is growing.
In the analysis of time series data, the relative positional accuracy between images has a significantimpact on the results, making image registration essential for correction. In recent years, research onimage registration has been increasing by applying deep learning, which outperforms existing imageregistration algorithms. To train deep learning-based registration models, a large number of image pairsare required. Additionally, creating a correlation map between the data of existing deep learning modelsand applying additional computations to extract registration points is inefficient. To overcome thesedrawbacks, this study developed a data augmentation technique for training image registration modelsand applied it to OffsetNet, a registration model that predicts the offset amount itself, to perform imageregistration for KOMSAT-2, -3, and -3A. The results of the model training showed that OffsetNetaccurately predicted the offset amount for the test data, enabling effective registration of the master andslave images.

참고자료

· 없음