SI-Analytics는 인류가 지구 관측을 통해 미래의 현명한 결정을 하기 위한 가치 제공이라는 미션과,
인공지능 기반 위성/항공 영상 분석 전문 기업이 되기 위한 비전을 가지고 있습니다.
그렇다면 위성 영상이란 어떤 것 일까요?
카카오맵? 구글어스? 인공위성에서 찍은 영상? 지구를 넓은 범위에서 관측할 수 있는 영상? 그렇다면 구름이 낀 날은 어떻게 하지? 밤에는? 이런 다양한 생각들이 떠오를 것으로 예상됩니다. 이 포스팅에서는 저희가 연구 대상으로 삼고 있는 위성 영상에 대해 간단히 설명하며 여기서 어떻게 딥러닝이 적용될 수 있는지 알아보고자 합니다.
먼저, 위성 영상은 크게 Passive 영상과 Active 영상으로 구분할 수 있습니다.
Passive 센서는 물체가 자체적으로 발산하는 에너지를 관측하는 시스템입니다. 지구는 태양 에너지를 반사하거나 흡수한 뒤 재방출하는데, 위성에서는 이렇게 반사되거나 재방출된 지구 복사 에너지를 수신하여 처리하게 됩니다. Passive 센서에서는 이 지구 복사 에너지의 전자기파 범위를 활용하여 가시광선, 근적외선, 열적외선 등의 영상을 제공합니다.
Active 센서는 위성에서 직접 신호를 송신하고 물체에 반사되어 돌아오는 신호를 측정합니다. 직접 신호를 송수신하기 때문에 태양의 여부와 관계없이 밤낮으로, 전천후 관측이 가능하며, 마이크로파 파장대와 같이 지구 복사 에너지가 약한 영역에서 활용될 수 있습니다. Active 센서 영상의 대표적인 예시로는 Radar나 LiDAR 영상이 있습니다.
Passive한 위성 영상의 경우 관측 파장대에 따라 Electro-Optical system, Infrared system, Microwave system 등으로 분류할 수 있습니다.
Electro-Optical system(EO)은 사람의 눈으로 관측 가능한 파장대역에 대한 영상으로 0.3 ~2.5 µm 범위의 가시광선에서 반사적외선 영역을 포함합니다. 위성의 센서에 따라 관측 파장대역이 달라지며 multispectral, hyperspectral 등의 영상이 생성됩니다. 우리에게 가장 익숙한, 일반적인 RGB 영상 등이 여기에 해당합니다.
Infrared system(IR)은 가시광선보다 긴 파장의 영역대로 3 ~ 15 µm 범위의 열적외선(Thermal IR) 파장대에서는 물체에서 방출되는 열을 측정합니다. 위성 영상은 아니지만 해당 파장대를 사용하는 익숙한 예시로는 사람의 체온을 측정하는 적외선 영상 등이 있습니다.
Microwave system은 적외선보다 긴, cm 이상의 파장대로 태양이나 구름에 대한 영향이 감소합니다. 하지만 대기 중 물방울이나 얼음 입자와 같은 수상체 등의 요소에는 민감하게 작용하기 때문에 강수량 등을 측정하는 radiometer에 활용됩니다.
Active 영상에도 여러 종류가 있지만 그 중 저희가 주로 연구에 활용하고 있는 영상은 레이더 영상 중 하나인 Synthetic Aperture Radar(SAR) 영상입니다.
SAR 영상이란, 물리적으로 한정된 길이의 안테나(real aperture)만 사용한다면 해상도나 커버 영역 등에 한계가 크기 때문에 연속적으로 송수신된 신호를 합성하여 생성되는 레이더 영상입니다. 마이크로파를 이용해 신호를 송수신하여 관측 물체의 특성이나 신호의 반사에 의한 특성을 보여주는 진폭(amplitude)과 거리 정보를 나타내는 위상(phase) 정보로 기록됩니다.
신호를 직접 송수신하기 때문에 태양 유무나 기상 상태에 관계없이 전천후 관측이 가능하다는 장점을 가지고 있습니다. 하지만 육안으로 관측 가능한 파장대(가시광선 등)를 활용하는 것이 아니기 때문에 RGB 영상과는 그 특징과 구성이 달라 일반적인 영상 분석을 수행하기에는 어려움이 따릅니다. 또한 지표의 수직 방향이 아닌 옆쪽에서 side looking을 통해 영상을 생성하기 때문에 그 과정에서 지형에 따른 왜곡이 발생하기도 합니다.
이번 포스팅에서는 위성 영상의 종류에 대해 간단하게 알아보았습니다. 위성 영상을 활용한 연구에서는 연구 목적 및 필요 조건에 따라 적절한 영상과 파장대 등을 결정하는 과정이 꼭 필요합니다.
SI-Analytics에서는 현재까지는 RGB 영상을 주로 활용하여
영상 속 관심 객체를 탐지(Object Detection)하거나 변화된 지역을 탐지(Change Detection)하거나
지표를 분류(Land use / Land cover Classification)하는 등의 연구들이 수행되고 있습니다.
또한 RGB 영상 뿐 아니라 SAR 영상 등도 함께 활용(Sensor Fusion)하여
다양한 조건에 대한 위성 영상의 활용성을 높이기 위한 연구도 수행 중입니다.
다음 포스팅에서는 위성 영상의 구성 요소와 그것들을 활용하여 수행될 수 있는 딥러닝 연구는 또 어떤 것들이 있는지 알아보도록 하겠습니다.
[##백민영##]
'Research' 카테고리의 다른 글
| 위성 영상 이해하기 그리고 딥러닝 part 3. (1) | 2021.03.17 |
|---|---|
| 위성 영상 이해하기 그리고 딥러닝 part 2. (0) | 2021.03.17 |
| 딥러닝을 위한 기상 예측 데이터셋으로 과기부장관상 수상기 (0) | 2020.12.17 |
