1 |
1
기준 영상과 대상 영상의 근적외선 밴드 영상들로부터 스캐터그램(scattergram)을 생성하고, 생성된 스캐터그램으로부터 불변선 및 불변선에 근거한 HVW(Half Vertical Width)를 산출하며, 산출된 HVW에 근거하여 상기 기준 영상의 각 픽셀들 중 기준점들의 위치를 검출하는 기준점 획득부;상기 대상 영상으로부터 기 설정된 적어도 하나의 특성변수값을 추출하는 특성변수값 추출부;상기 추출된 특성변수값들 중 지정되는 회귀모델 변수에 따른 적어도 하나와, 상기 기준점에 근거하여, 비선형 관계를 모델링할 수 있는 랜덤 포레스트(Random Forest) 회귀모델에 대한 학습을 수행하는 회귀모델 학습부; 및 적어도 하나의 상기 회귀모델 변수를 지정하여 지정된 변수에 따라 상기 랜덤 포레스트 회귀모델의 학습이 이루어지도록 상기 회귀모델 학습부를 제어하며, 상기 학습된 회귀모델에 상기 대상 영상의 전체 픽셀들 각각의 위치에 대응하는 적어도 하나의 특성변수를 입력 정보로 입력하고, 상기 입력 정보에 따라 학습된 회귀모델이 출력하는 영상을 모의 영상으로 저장하는 제어부를 포함하며,상기 적어도 하나의 특성 변수는,텍스처 특성으로서의 픽셀들의 공간적 특성을 나타내며, 이미지 분포의 규칙성 및 균일성을 나타내는 ASM(Angular Second Moment), 이미지 텍스처 구조의 깊이와 부드러움을 반영하는 Contrast, 수평 또는 수직 방향으로 이미지 텍스처의 유사성을 반영하는 상관관계(correlation), 및 텍스처 분포의 복잡성을 반영하는 엔트로피(entropy)로부터 획득되는 그레이 레벨 공존 행렬(Grey Level Co-occurance Matrix) 값을 포함하는 것을 특징으로 하는 모의 위성 영상 생성 장치
|
2 |
2
삭제
|
3 |
3
제1항에 있어서, 상기 적어도 하나의 특성변수는, 상기 대상 영상의 스펙트럼 특성의 서로 다른 밴드 각각의 픽셀값과, 서로 다른 복수의 밴드에 대해 각각 산출되며 대상 영상의 픽셀값과 인접한 픽셀들의 픽셀값들 사이에서 산출되는 적어도 하나의 통계값 및, 상기 대상 영상에 대응하는 지역의 디지털 지형 정보로부터 추출되는 상기 대상 영상 각 픽셀에 대응하는 적어도 하나의 지형 정보를 더 포함하며,상기 적어도 하나의 지형 정보는, 각 픽셀의 고도 정보(elevation), 경사 정보(slope), 그리고 면 정보(aspect) 중 어느 하나임을 특징으로 하는 모의 위성 영상 생성 장치
|
4 |
4
제1항에 있어서, 상기 모의 영상이 유효한지 여부를 검증할 수 있는 검증부를 더 포함하며, 상기 검증부는, 상기 모의 영상과 상기 기준 영상의 복수의 밴드별 픽셀 값과, 하기 수학식 3에 의해 산출되는 RMSE(Root Mean Squared Error)값 또는 하기 수학식 4에 의해 산출되는 R2값에 근거하여 산출되는 값에 따라 상기 모의 영상이 유효한지 여부를 검증하는 것을 특징으로 하는 모의 위성 영상 생성 장치
|
5 |
5
제4항에 있어서, 상기 복수의 밴드별 픽셀값은,적색(Red) 대역, 녹색(Green) 대역, 및 청색(Blue) 대역의 상기 모의 영상 각 픽셀들의 픽셀값 및 상기 기준 영상 각 픽셀들의 픽셀값 임을 특징으로 하는 모의 위성 영상 생성 장치
|
6 |
6
기준 영상과 대상 영상의 근적외선 밴드 영상들로부터 스캐터그램(scattergram)을 생성하는 단계;생성된 스캐터그램으로부터 불변선 및 불변선에 근거한 HVW(Half Vertical Width)를 산출하며, 산출된 HVW에 근거하여 상기 기준 영상의 각 픽셀들 중 기준점들의 위치를 검출하는 단계;상기 대상 영상으로부터 기 설정된 적어도 하나의 특성변수값을 추출하는 단계;상기 추출된 특성변수값들 중 지정되는 회귀모델 변수에 따른 적어도 하나와, 상기 기준점에 근거하여, 비선형 관계를 모델링할 수 있는 랜덤 포레스트(Random Forest) 회귀모델에 대한 학습을 수행하는 단계; 및,상기 학습된 회귀모델에 상기 대상 영상의 전체 픽셀들 각각의 위치에 대응하는 적어도 하나의 특성변수를 입력 정보로 입력하여 모의 영상을 생성하는 단계를 포함하며,상기 적어도 하나의 특성변수는,텍스처 특성으로서의 픽셀들의 공간적 특성을 나타내며, 이미지 분포의 규칙성 및 균일성을 나타내는 ASM(Angular Second Moment), 이미지 텍스처 구조의 깊이와 부드러움을 반영하는 Contrast, 수평 또는 수직 방향으로 이미지 텍스처의 유사성을 반영하는 상관관계(correlation), 및 텍스처 분포의 복잡성을 반영하는 엔트로피(entropy)로부터 획득되는 그레이 레벨 공존 행렬(Grey Level Co-occurance Matrix) 값을 포함하는 것을 특징으로 하는 모의 위성 영상 생성 방법
|
7 |
7
삭제
|
8 |
8
제6항에 있어서, 상기 적어도 하나의 특성변수는, 상기 대상 영상의 스펙트럼 특성의 서로 다른 밴드 각각의 픽셀값과, 서로 다른 복수의 밴드에 대해 각각 산출되며 대상 영상의 픽셀값과 인접한 픽셀들의 픽셀값들 사이에서 산출되는 적어도 하나의 통계값 및, 상기 대상 영상에 대응하는 지역의 디지털 지형 정보로부터 추출되는 상기 대상 영상 각 픽셀에 대응하는 적어도 하나의 지형 정보를 더 포함하며,상기 적어도 하나의 지형 정보는, 각 픽셀의 고도 정보(elevation), 경사 정보(slope), 그리고 면 정보(aspect) 중 어느 하나임을 특징으로 하는 모의 위성 영상 생성 방법
|
9 |
9
제6항에 있어서, 상기 모의 영상이 유효한지 여부를 검증하는 단계를 더 포함하고, 상기 모의 영상이 유효한지 여부를 검증하는 단계는, 상기 모의 영상과 상기 기준 영상의 복수의 밴드별 픽셀 값과, 하기 수학식 3에 의해 산출되는 RMSE(Root Mean Squared Error)값 또는 하기 수학식 4에 의해 산출되는 R2값에 근거하여 산출되는 값에 따라 상기 모의 영상이 유효한지 여부를 검증하는 것을 특징으로 하는 모의 위성 영상 생성 방법
|
10 |
10
제9항에 있어서, 상기 복수의 밴드별 픽셀 값은, 적색(Red) 대역, 녹색(Green) 대역, 및 청색(Blue) 대역의 상기 모의 영상 각 픽셀들의 픽셀값 및 상기 기준 영상 각 픽셀들의 픽셀값 임을 특징으로 하는 모의 위성 영상 생성 방법
|