위성 원격 탐사에서는 센서 운영 환경으로 인하여 영상을 수집하는 동안 영상의 질 저하가 일어나며 이러한 영상의 질 저하는 관측된 자료로부터 유용한 정보를 확인하거나 추출하는 데 악 영향을 미치는 번짐 현상(blurring)과 잡음 (noise)을 야기시킨다. 본 연구는 원격 탐사 영상 자료의 질 저하 현상을 모형화하기 위해 Gaussian 가산 잡음과 Markov random field로 정의되는 공간적 연결성을 가정하였다. 그리고 질 저하된 관측 자료로부터 원래 강도의 영상을 복원하기 위한 Point-Jacobian 반복 maximum a posteriori (MAP) 추정 법을 제안한다. 제안 연구는 이웃 창의 형태로 8 개 방향의 창으로 구성된 방사형을 사용하며 각 방향에서의 중심 화소와의 이웃 화소들 간의 Mahalanobis 제곱 거리를 경계 근접성 측정치로 사용한다. 제안 방법의 성능을 평가하기 위해서 고해상도 영상 자료에 나타날 수 있는 다양한 형태의 패턴을 사용하는 simulation 자료를 생성하여 화소 단위 분류 법을 사용하여 정량적 평가를 수행하였고 한반도 안양 북부 지역에서 관측된 1 m 급 IKONOS 자료의 무감독 분할을 통해 정성적 평가를 수행하였다. 실험 결과는 고해상도 원격 탐사 자료 분석에서 제안 영상 복원 법을 적용하면 현저히 분석의 정확성을 높이는 것을 보여 준다.
In the satellite remote sensing, the operational environment of the satellite sensor causes image degradation during the image acquisition. The degradation results in noise and blurring which badly affect identification and extraction of useful information in image data. This study proposes a maximum a posteriori (MAP) estimation using Point-Jacobian iteration to restore a degraded image. The proposed method assumes a Gaussian additive noise and Markov random field of spatial continuity. The proposed method employs a neighbor window of spoke type which is composed of 8 line windows at the 8 directions, and a boundary adjacency measure of Mahalanobis square distance between center and neighbor pixels. For the evaluation of the proposed method, a pixel-wise classification was used for simulation data using various patterns similar to the structure exhibited in high resolution imagery and an unsupervised segmentation for the remotely-sensed image data of 1 mspatial resolution observed over the north area of Anyang in Korean peninsula. The experimental results imply that it can improve analytical accuracy in the application of remote sensing high resolution imagery.
