SAR에서 마이크로파의 진행방향으로의 속도성분을 가지고 움직이는 물체는 영상에서 azimuth 방향으로 이동된 위치에 상이 맺힌다는 현상은 이미 잘 알려져 있다. 대부분의 속도측정 알고리즘들은 실제물체의 위치와 상이 맺힌 위치 사이의 거리를 측정함으로써 속도를 유추하였다. 그러나 움직이는 물체의 실제의 위치를 나타내는 지시자인 도로나 배의 물결모양은 일반적으로 SAR 영상에서의 식별도가 높지 않기 때문에 이러한 방법은 영상취득시의 조건이나 물체의 움직임 정도에 따라 적용이 제한적이다. 이에 본 연구에서는 SAR 원시자료 처리단계의 중간 산물인 range-compressed 영상의 azimuth 차분신호로부터 물체의 속도를 측정하는 새로운 방법을 제안한다. 이 방법은 움직이는 물체에 의한 도플러 중심주파수의 변이가 azimuth 차분신호에서의 위상변화를 일으킨다는 점에 기초한다. 일반적으로 SAR에서 감지하는 지표물의 위상은 SAR의 기하에 의하여 발생하는 도플러 변화율에 따라서 선형적으로 변한다. 이 선형변화위상과 몇 가지 상수 값을 갖는 위상들을 제거하고 남은 신호는 물체의 움직임과 직접적인 관련이 있으므로, 이로부터 속도를 구해낼 수 있다. 이 방법을 실제 ENVISAT ASAR영상을 이용하여 배의 속도를 구하는 데에 적용해 보았으며, 그 결과는 목표물의 위치에 따라 다른 양상을 보였다. 해상에 단독적으로 존재하는 배에 적용하였을 때는 0.1m/s 정도의 차이로 기존의 속도측정 알고리즘의 결과와 잘 일치하였으나, 육지에 인접한 연안의 배는 선호의 교란에 의해서 1m/s 이상의 오차를 보였다.

영상 레이다(SAR)는 주야간, 일조량에 관계없이 전천후로 영상획득이 가능하여 군사용으로는 물론 과학 민수용으로 광범위하게 활용된다. SAR 시스템에서는 고도, 운용 주파수, PRF 등의 다양한 시스템 설계 파라미터로부터 생성된 임펄스 응답 함수(impulse response function)를 분석하여 공간해상도, PSLR, ISLR 등 영상품질 성능 파라미터의 추정이 가능하다. 그러나 모델링된 임펄스 응답 특성은 주변 클러터 환경이 고려되지 않은 이상적인 경우이므로 실제 주변 클러터 환경을 고려한 SAR 영상품질 분석 기법이 필요하다. 본 논문에서는 먼저 주요 SAR 시스템 파라미터를 기반으로 SAR 점표적 원시 데이터를 생성하고, 거리-도플러 알고리듬(range-Doppler algorithm)을 이용하여 임펄스 응답 데이터를 형성한다. 그리고 실제 SAR 영상의 일부분을 추출하여 주변 배경 클러터 환경 데이터를 형성한 후, 임펄스 응답 데이터를 삽입한다. 형성된 응답 데이터는 영상품질의 정확도를 향상시키고자 확장보간법을 도입하여 분석하고, 이에 대한 효과를 주요 도플러 파라미터인 방위 FM율 오차에 따른 성능분석을 수행함으로써 확인한다.

최근에 개체의 경계가 분명하게 나타나는 고해상도 위성영상을 분석하는 연구가 활발히 이루어지고 있다. 고해상도 영상을 이용해 도시지역을 세분화하여 연구하려고 할 때 분석의 범위는 임의로 결정되는 경우가 많다. 연구지역에 대한 사전정보가 충분하다면 임의로 결정하는 것이 가능하지만 그렇지 않을 경우 영상만을 이용해 연구 지역의 최적 분석범위를 결정하는 것은 쉽지 않다. 이 연구에서는 실제 위성영상에 적용하기에 앞서 간단한 가상 모델의 베리오그램을 분석하였다. 모델 테스트 결과, 문턱값은 개체들의 밀도에 영향을 주고 개체의 크기와 간격은 상관거리에 영향을 준다. 이 모델 테스트의 결과를 도시지역을 촬영한 실제 위성영상의 베리오그램에 반영하여 분석하고 이론적 베리오그램의 상관거리를 이용해 최적의 분석 단위를 결정하였다. 이 연구는 베리오그램이 연구지역에 대한 사전자료가 없는 경우 효과적으로 기본 분석단위를 결정하는데 도움을 줄 수 있을 것이라는 것을 보여주었다. 또한 베리오그램은 기존의 전통적인 크리깅이나 시뮬레이션뿐만 아니라 도시 영상의 특성을 정의하는 정보로 활용 가능할 것으로 기대된다.

지형지물은 각각의 특징적 요인을 내포하고 있다. 이 특징적 요인들은, 공간해상도에 따라 정도의 차이가 있겠지만, 수집된 위성영상에도 반영된다. 이러한 요인들 중에서는 영상분류에 활용될 경우 영상 분류의 정확도를 높혀 주고, 때로는 이것이 거의 물체인식의 수준까지 기여할 수 있는 것들이 있다. 이 연구에서는 텍스춰 및 지형지물의 배열에 있어서 특징적 현상을 보이는 비닐하우스를 대상으로 spatial auto-corelation 개념을 기반으로 자동적으로 이를 인지하는 방법을 개발하였다. 사용된 알고리즘은 디지타이징과 같은 사람의 직접적인 개입이 없이 자동화된 방법으로 비닐하우스의 특정한 패턴이 반복적으로 나타나는 것을 감지할 수 있도록 개발되었다. 패턴의 인식에 더하여 비닐하우스의 기하학적 모양을 고려하는 방법도 도입하였다. 그럼으로써 비닐하우스의 추출에 단순히 화소 단위의 분석이 아닌 보다 객체지향적인 방법으로 비닐하우스를 추출하도록 하였다. 개발된 방법을 제주지역의 IKONOS에 적용시켜 본 결과, 연구대상지역 내의 비닐하우스가 매우 정확하게 적출되었다.

Hyperion, AVIRIS 등의 초분광 영상은 기존의 다중분광 영상보다 넓은 파장대의 영상을 좁은 폭의 많은 밴드로 취득하기 때문에 다양한 분야의 연구에 이용되고 있다. 하지만 밴드별로 취득하는 파장대가 짧고 밴드수가 많아 계산량이 증가하며, 밴드간의 높은 상관관계 및 노이즈 밴드가 발생하는 한계가 존재한다. 이런 한계로 인해 기존에 알려진 분석기법의 적용결과가 제대로 도출되지 않는 경우도 발생한다. 따라서 초분광 영상을 사용할 경우, 노이즈가 포함된 밴드를 제거한 후 영상분석을 하는 것이 보다 정확하고 효율적이다. 본 연구에서는 초분광 영상(Hyperspectral Image)의 전처리 과정 중 노이즈 밴드 제거에 초점을 맞추었으며, 이를 위해 프랙탈 차원을 이용하였다. 프랙탈 차원 측정방법 중 대표적인 곡면차원 측정 방법인 삼각기둥 표면적 기법을 이용하였다. 각 밴드별 프랙탈 차원을 측정하고, 이를 정규화 하기 위해 Continuum Removal 기법을 적용한 뒤 경향을 살펴보았다. 경험적으로 구한 임계값을 통해 상대적으로 정보량이 적은 35개 밴드를 노이즈 밴드로 판단하여 제거하였다. 실험 영상으로는 EO-1 위성에서 취득되는 Hyperion 초분광 영상을 사용하였다. 실험 결과 프랙탈 차원 및 Continuum Removal 기법을 통해 Hyperion 초분광 영상의 노이즈 밴드를 추출하여 제거할 수 있음을 확인하였다.

본 논문에서는 다양한 기준점 배치와 미지수 조합 모델을 이용하여 궤도모델링의 정확도를 검증하고자 하였다. 실험에 사용된 기준점의 개수는 총 152개로 전체 영상 스트립에 포함되는 지역에 대해 GPS 측량을 통해 획득하였다. 전체 스트립 영상의 길이는 춘천지역에서부터 나주지역까지 약 420km 길이에 해당한다. 궤도모델을 위해 적용된 미지수 조합은 위성의 위치와 속도, 자세를 표현하는 방정식의 계수를 미지수로 선택하여 일곱 가지 방식으로 조합하였다. 실험은 우선 모델점의 배치를 일곱 가지 경우로 결정한 후에 각 경우의 배치에 대해 일정한 개수의 모델점을 선택하였다. 그리고 각 모델점의 배치에 따라 미지수 조합모델을 각각 다르게 적용해 본 후 그 결과를 분석해 보았다. 실험 결과 모델점의 위치에 관계없이 지리적, 시간적, 경제적 효율성을 갖는 최적의 미지수 조합을 찾을 수가 있었다.

건물의 3차원 모델링은 3차원 공간정보를 구축하는데 있어서 매우 중요한 요소이다. 기존의 3차원 건물 모델링은 대부분 항공사진측량기술을 이용하여 수동으로 진행되어 많은 시간과 비용이 소요된다. 이러한 한계를 극복하기 위한 방안으로 최근에는 항공라이다(LiDAR) 데이터를 이용한 건물모델링 방법에 대한 많은 연구가 활발히 진행되고 있다. 항공라이다 데이터를 이용한 대부분의 3차원 건물모델링 연구는 보간과정을 통하여 격자구조로 변환하거나 수치지도 또는 항공영상 등의 이종 데이터간의 융합을 통하여 건물을 모델링하는 방안 등을 제시하였다. 본 논문에서는 점 데이터의 격자구조로의 변환 및 이종 데이터간의 융합 등의 방법을 배제하고 항공라이다 데이터만을 이용한 건물의 자동 모델링 방법을 제안하였다. 건물로 분류된 항공라이다 데이터를 옥트리 분할을 기반으로 3차원 공간상에서 재귀적으로 분할하여 패치(patch)를 구성하고, 동일한 속성을 갖는 패치들을 병합하여 건물의 구성요소를 추출한다. 추출되어진 건물의 구성요소를 대표하는 모델을 생성하여 전체적인 건물의 3차원 모델을 구성한다. 항공라이다 데이터를 이용하여 제안된 방법으로 실험한 결과, 다양한 형태의 건물 모델을 자동으로 구성할 수 있었다.

사회가 발전함에 따라서 보다 높은 수준의 삶을 추구하고자 하는 욕구가 증대되고 있으며 이에 따라 많은 주요한 시설물이 구축되고 있다. 그 중 도로 및 노변에 존재하는 시설물은 사고예방, 재해방지, 운전자의 편의성 제공 등 다양한 목적으로 사용되므로 적절한 유지관리가 요구된다. 현재 이 시간에도 많은 지역에서 도로 및 노변에 존재하는 시설물 공사가 진행중이거나 유지보수중인 상태에 있다. 도로 시설물 유지관리를 위해서 인력을 이용한 현장조사도면과 관리대장작성의 업무가 수작업에 의존하고 있어 자료의 구축에 많은 시간이 걸리는 실정이다. 본 연구에서는 인력을 이용하여 현장을 조사하는 기존 방법과는 달리 멀티 센서(multi sensor)를 장착한 모바일 매핑 차량 시스템을 한국건설기술연구원에서 개발하였다. 본 연구에서는 연구목적에 적합한 센서의 선정 및 차량 시스템을 설계하였으며, 그에 따른 전체적인 데이터의 처리절차를 설명하였다. 처리된 데이터를 DB화하여 사용자가 쉽게 접근이 용이하게 할 수 있도록 하여 공무원 및 유관기관 담당자가 현장에 갈 필요 없이 찾고자 하는 도로구간의 위치에 해당하는 도로 및 노변 영상과 그에 따른 속성 정보를 확인하여 해당 시설물에 대한 정보를 확인 할 수 있도록 하였다. 본 연구에서 구축된 시스템의 데이터를 사용하여 도로 시설물관리 업무의 효율성이 향상될 수 있을 것으로 판단된다.

최근 spatial decorrelation을 극복하기 위하여 비교적 짧은 기선(baseline)을 지니는 여러 시기의 차분간섭도(differential interferogram)로부터 시계열 지표변위(time-series surface deformation)를 관측할 수 있는 small baseline subset(SBAS) 알고리즘이 개발되었다. 이 SBAS 알고리즘은 singluar value decomposition(SVD)을 이용하여 시간별로 완벽하게 연결되지 않는 차분간섭도로부터 시계열 지표변위를 관측하였을 뿐 아니라 공간적으로 저주파 필터와 시간적으로 고주파 필터를 이용하여 대기효과를 보정하였다. 그러나 이 알고리즘은 초기 관측시 시계열 지표변위를 선형으로 가정하였기 때문에 각 차분간섭도의 phase unwrapping 오차를 정확하게 보정하기 어려웠을 뿐 아니라 시계열의 지표변위에 존재하는 노이즈 성분을 완화시키지 못했다. 이와 같은 단점을 보완하기 위하여 이 연구에서는 기존의 SBAS 알고리즘을 개선하였다. 이 개선된 SBAS 알고리즘은 각 차분간섭도의 phase unwrapping 오차를 최소화하기 위하여 반복적으로 시계열 지표면 변위를 개선하였고, 시계열 지표변위의 노이즈를 제거하기 위하여 유한차분 근사법(finite difference approximation)을 이용하였다. 서로 다른 지역의 26개의 ERS-1/2자료와 21개의 RADARSAT-1 fine beam (F5) 자료를 이용하여 개선된 SBAS 알고리즘을 실험하고 분석하였다. ERS-1/2자료에서는 LOS(line-of-sight) 지표변위가 약 13년 동안 최대 -40cm가 관측되었고, RADARSAT-1 fine beam 자료에서는 약 2년 동안 최대 -3cm의 LOS 지표변위가 관측되었다.

본 연구는 3차원 소음지도 제작에 요구되는 도시공간모델을 생성하고자 한다. 이를 위해 센서데이터를 사용하지 않고 기 구축된 수치지도와 도화원도만을 이용하여 지면 및 건물의 3차원 모델을 생성하는 효율적인 방법을 제시하였다. 지면모델은 수치지도의 표고점과 등고선의 고도값을 격자로 내삽하여 생성한다. 건물모델은 수치지도에서 추출한 건물의 2차원 경계와 도화원도에 취득한 건물의 고도를 융합하여 생성한다. 제안된 방법은 영등포구 전역을 포함하는 수치지도와 서로 다른 시기에 생성된 3 set의 도화원도에 적용하였다. 생성된 도시공간모델은 소음분석 및 분석결과의 3차원 가시화에 성공적으로 활용되었다.