| 1 |
1
합성 개구 레이더 영상 및 다중분광영상의 융합 방법에 있어서,다중분광영상을 처리하는 단계;합성 개구 레이더 영상을 처리하는 단계;상기 다중분광영상 및 상기 합성 개구 레이더 영상으로부터 트레이닝 픽셀을 결정하는 단계;상기 트레이닝 픽셀에 대응하는 다중분광영상의 색상 정보 및 합성 개구 레이더 영상의 특성 정보에 기초하여 다중분광영상과 합성 개구 레이더 영상의 상관 관계를 학습하는 단계; 및학습된 상관 관계에 기초하여, 상기 다중분광영상 및 상기 합성 개구 레이더 영상을 융합하여 상기 합성 개구 레이더 영상을 컬러화하는 단계,를 포함하고,상기 트레이닝 픽셀을 결정하는 단계는,합성 개구 레이더 영상 및 다중분광영상의 픽셀값을 차분하는 단계; 및픽셀값의 차분 결과에 기초하여 미변화 픽셀을 상기 트레이닝 픽셀로 결정하는 단계,를 포함하고,상기 합성 개구 레이더 영상을 컬러화하는 단계는,상기 학습된 상관 관계에 기초하여, 상기 합성 개구 레이더 영상의 상기 트레이닝 픽셀 이외의 픽셀에서의 색상 정보를 예측하고, 상기 예측된 색상 정보에 기초하여 상기 합성 개구 레이더 영상을 컬러화하는 것인, 합성 개구 레이더 영상 및 다중분광영상의 융합 방법
|
| 2 |
2
제 1항에 있어서,상기 상관 관계를 학습하는 단계는,상기 합성 개구 레이더 영상 중 상기 트레이닝 픽셀의 위치에 대응하는 픽셀의 특성 정보 및 상기 다중분광영상 중 상기 트레이닝 픽셀의 위치에 대응하는 픽셀의 색상 정보를 입력으로 하는 랜덤 포레스트 모델을 이용하여, 다중분광영상과 합성 개구 레이더 영상의 상관 관계를 학습하는 것인, 합성 개구 레이더 영상 및 다중분광영상의 융합 방법
|
| 3 |
3
제 2항에 있어서,상기 다중분광영상을 처리하는 단계는,상기 다중분광영상으로부터 RGB 대역의 픽셀값을 추출하는 단계; 및상기 다중분광영상을 복수의 클래스로 분류하는 단계,를 포함하는 것인, 합성 개구 레이더 영상 및 다중분광영상의 융합 방법
|
| 4 |
4
제 3항에 있어서,상기 랜덤 포레스트 모델은 상기 복수의 클래스마다 생성되고,상기 상관 관계를 학습하는 단계는,복수의 클래스마다 생성된 랜덤 포레스트 모델 각각을 이용하여 수행되는 것인, 합성 개구 레이더 영상 및 다중분광영상의 융합 방법
|
| 5 |
5
제 3항에 있어서,상기 다중분광영상을 복수의 클래스로 분류하는 단계는,K 평균 클러스터링 알고리즘을 기 설정된 반복 횟수만큼 수행하여 상기 다중분광영상을 복수의 클래스로 분류하는 것인, 합성 개구 레이더 영상 및 다중분광영상의 융합 방법
|
| 6 |
6
제 2항에 있어서,상기 합성 개구 레이더 영상을 처리하는 단계는,상기 합성 개구 레이더 영상으로부터 픽셀 정보를 추출하는 단계;상기 합성 개구 레이더 영상의 각 픽셀에서의 GLCM(gray level co-occurrence matrix)를 생성하는 단계; 및상기 GLCM으로부터 상기 합성 개구 레이더 영상의 상기 특성 정보를 추출하는 단계,를 포함하는 것인, 합성 개구 레이더 영상 및 다중분광영상의 융합 방법
|
| 7 |
7
삭제
|
| 8 |
8
삭제
|
| 9 |
9
제 1항에 있어서,상기 다중분광영상과 상기 합성 개구 레이더 영상은 서로 다른 시점(time)에 획득된 것인, 합성 개구 레이더 영상 및 다중분광영상의 융합 방법
|
| 10 |
10
합성 개구 레이더 영상 및 다중분광영상의 융합 영상에 기초한 변화 검출 방법에 있어서,제1항의 합성 개구 레이더 영상 및 다중분광영상의 융합 방법을 이용하여 상기 합성 개구 레이더 영상을 컬러화하는 단계; 및상기 컬러화된 합성 개구 레이더 영상 및 상기 다중분광영상을 기초로 촬영 대상 영역의 변화 검출을 수행하는 단계,를 포함하는, 합성 개구 레이더 영상 및 다중분광영상의 융합 영상에 기초한 변화 검출 방법
|
| 11 |
11
제10항에 있어서,상기 다중분광영상과 상기 합성 개구 레이더 영상은 서로 다른 시점(time)에 획득된 것인, 합성 개구 레이더 영상 및 다중분광영상의 융합 영상에 기초한 변화 검출 방법
|
| 12 |
12
합성 개구 레이더 영상 및 다중분광영상의 융합 장치에 있어서,다중분광영상으로부터 색상 정보를 추출하고, 상기 다중분광영상을 복수의 클래스로 분류하는 다중분광영상 처리부;합성 개구 레이더 영상으로부터 픽셀 정보 및 특성 정보를 추출하는 합성 개구 레이더 영상 처리부;상기 다중분광영상 및 상기 합성 개구 레이더 영상으로부터 트레이닝 픽셀을 결정하는 트레이닝 픽셀 설정부;상기 트레이닝 픽셀에 대응하는 다중분광영상의 상기 색상 정보 및 합성 개구 레이더 영상의 상기 특성 정보에 기초하여 다중분광영상과 합성 개구 레이더 영상의 상관 관계를 학습하는 학습부; 및학습된 상관 관계에 기초하여, 상기 다중분광영상 및 상기 합성 개구 레이더 영상을 융합하여 상기 합성 개구 레이더 영상을 컬러화하는 컬러화부,를 포함하고,상기 트레이닝 픽셀 설정부는,합성 개구 레이더 영상 및 다중분광영상의 픽셀값을 차분하고, 픽셀값의 차분 결과에 기초하여 미변화 픽셀을 상기 트레이닝 픽셀로 결정하고,상기 컬러화부는,상기 학습된 상관 관계에 기초하여, 상기 합성 개구 레이더 영상의 상기 트레이닝 픽셀 이외의 픽셀에서의 색상 정보를 예측하고, 상기 예측된 색상 정보에 기초하여 상기 합성 개구 레이더 영상을 컬러화하는 것인, 합성 개구 레이더 영상 및 다중분광영상의 융합 장치
|
| 13 |
13
제 12항에 있어서,컬러화된 합성 개구 레이더 영상 및 상기 다중분광영상을 기초로 촬영 대상 영역의 변화 검출을 수행하는 변화 검출부,를 더 포함하는 것인, 합성 개구 레이더 영상 및 다중분광영상의 융합 장치
|
| 14 |
14
제 12항에 있어서,상기 학습부는,상기 합성 개구 레이더 영상 중 상기 트레이닝 픽셀의 위치에 대응하는 픽셀의 특성 정보 및 상기 다중분광영상 중 상기 트레이닝 픽셀의 위치에 대응하는 픽셀의 색상 정보를 입력으로 하는 랜덤 포레스트 모델을 이용하여, 다중분광영상과 합성 개구 레이더 영상의 상관 관계를 학습하는 것인, 합성 개구 레이더 영상 및 다중분광영상의 융합 장치
|
| 15 |
15
삭제
|
