Satellite Image Analysis

위성 이미지 분석은 궤도를 도는 위성이 촬영한 지구 이미지에서 정보를 추출하는 작업입니다. 토지 피복 매핑, 선박·항공기·건물 계수, 작물 생육 상태 측정, 서로 다른 날짜의 변화 탐지가 이에 해당합니다. 위성 이미지 분석은 항공기 및 드론 이미지도 다루는 원격 감지 분야의 한 영역입니다. 오늘날에는 분석가 팀이 수작업으로 검사할 수 없는 대량의 이미지 처리를 위해 컴퓨터 비전(CV)과 딥러닝(DL)을 활용합니다. Landsat 프로그램만 해도 1972년부터 지구를 지속적으로 촬영해 왔습니다.

위성으로 포착하는 정보#

위성 이미지는 네 가지 해상도 측면에서 일반 사진과 다릅니다.

• 공간 해상도: 한 픽셀이 지상에서 나타내는 거리입니다. Landsat 8과 9는 대부분의 밴드를 30 m 해상도로 기록하고 Sentinel-2는 10 m 해상도를 제공합니다. Vantor가 운영하는 WorldView-3와 같은 상업용 위성은 약 30 cm 해상도로 촬영해 개별 차량을 식별할 수 있습니다. Vantor는 2025년 10월까지 Maxar Intelligence라는 이름을 사용했습니다.
• 분광 해상도: 파장 밴드의 개수와 폭입니다. Sentinel-2는 가시광선부터 단파 적외선까지 13개 밴드를 기록합니다.
• 시간 해상도: 동일한 장소를 얼마나 자주 촬영하는지를 나타냅니다. Sentinel-2의 위성 2기로 구성된 위성군은 적도를 5일마다 다시 촬영하며, Planet의 소형 위성군은 약 3 m 해상도로 지구 육지 표면의 거의 전부를 매일 촬영합니다.
• 방사 해상도: 각 픽셀이 밝기를 얼마나 세밀하게 기록하는지를 나타냅니다. 일반 사진의 8비트와 비교해 보통 11~14비트를 사용합니다.

두 가지 다른 센서 유형은 위성이 측정할 수 있는 범위를 확장합니다. 초분광 이미징 위성은 수백 개의 좁은 밴드를 기록합니다. Sentinel-1과 같은 합성 개구 레이더(SAR) 위성은 마이크로파 펄스를 방출하고 반향을 기록하므로 구름이 낀 날과 밤에도 관측할 수 있습니다. 따라서 레이더는 폭풍우 구름 아래의 홍수를 매핑하는 주요 자료입니다. 밴드 연산은 분광 데이터를 물리적 측정값으로 변환합니다. 정규화 식생 지수인 NDVI = (NIR − Red) / (NIR + Red)는 잎이 근적외선을 강하게 반사하고 적색광을 흡수하기 때문에 밀도 높은 건강한 식생 지역에서 1에 가까워집니다.

핵심 분석 작업#

• 시맨틱 분할: 모든 픽셀에 레이블을 지정해 토지 피복, 건물 경계, 도로, 침수 범위를 매핑합니다.
• 객체 탐지: 선박, 비행기, 차량, 저장 탱크와 같은 개별 객체를 찾아 계수합니다. 위에서 내려다보면 객체가 작고 밀집되어 있으며 모든 방향을 향하므로, 탐지기는 객체마다 회전해 형태를 맞춘 방향성 경계 상자를 예측하는 경우가 많습니다.
• 변화 탐지: 서로 다른 날짜에 같은 장소를 촬영한 이미지를 비교해 삼림 파괴, 신규 건설, 재해 피해를 찾습니다.
• 장면 분류: 각 이미지 패치에 농경지, 숲, 도시 지역과 같은 레이블 하나를 지정합니다.

항공 영상용 탐지 데이터셋에는 임의 방향의 박스로 15개 카테고리를 주석 처리한 첫 번째 버전의 DOTA와, 0.3m WorldView-3 영상에서 60개 클래스의 객체 100만 개 이상에 라벨을 지정한 xView가 있습니다. Ultralytics YOLO26 회전 바운딩 박스 모델은 DOTAv1로 사전 학습되며, 각 객체에 대해 회전된 박스를 예측합니다.

from ultralytics import YOLO

# DOTAv1으로 사전 학습된 YOLO26 방향 경계 상자(OBB) 모델을 불러옵니다.
model = YOLO("yolo26n-obb.pt")

# 항공 이미지에서 객체를 탐지합니다.
results = model("https://ultralytics.com/images/boats.jpg")
result = results[0]

# 각 탐지 객체 주변에 회전 박스를 그린 이미지를 저장합니다.
result.save(filename="boats_obb.jpg")

회전 박스는 각 선박의 진행 방향을 따르므로, 촘촘히 계류된 보트들이 하나의 지나치게 큰 박스에 함께 포함되지 않습니다. NASA와 IBM의 Prithvi 모델처럼 Harmonized Landsat 및 Sentinel-2 데이터를 기반으로 구축되고 레이블 없이 대규모 아카이브에서 사전 학습된 지리 공간 파운데이션 모델은 훨씬 적은 수의 레이블 지정 예시만으로 홍수 및 산불 피해 지역 매핑과 같은 작업에 파인튜닝할 수 있습니다.

원시 장면에서 지도까지#

Sentinel-2 타일 하나는 10m 밴드에서 10,980×10,980픽셀에 달해 모델 입력보다 훨씬 크며, 픽셀이 지구상의 좌표에 대응하는 GeoTIFF와 같은 지리 참조 파일 형식으로 제공됩니다. 분석 파이프라인은 대기를 보정하고 구름을 마스킹한 뒤, 장면을 겹치는 타일로 나누고 각 타일에 모델을 실행하며, 타일이 겹치는 곳에서 중복 탐지 결과를 병합하고, 픽셀 위치를 지도 좌표로 변환해 GIS 도구에서 사용할 수 있게 합니다. Rasterio와 같은 라이브러리는 지리 참조 래스터를 읽고 쓰며, 이미지 정합은 서로 다른 날짜의 이미지를 비교하기 전에 정렬합니다.

위성 영상 분석과 항공 영상 분석 비교#

두 영상은 동일한 모델과 작업을 사용하며, 차이는 촬영 플랫폼에 있습니다. 위성은 수백 킬로미터 상공을 궤도 비행하며 정해진 일정에 따라 지구 전체를 촬영하고, 수십 년 전의 자료까지 보유한 아카이브를 제공합니다. 항공기와 드론은 요청에 따라 좁은 지역을 비행하며 센티미터 수준의 세부 정보를 촬영하므로 지붕, 작물 또는 풍력 터빈 블레이드 검사에 적합합니다. 항공·위성 영상 객체 탐지 데이터셋에는 두 출처의 데이터가 함께 포함되는 경우가 많으며, DOTA에도 위성 및 항공 영상이 포함됩니다.

응용 분야#

• 농업: 작물 유형 매핑, 수확량 추정, NDVI 기반의 지역 전체 작물 스트레스 모니터링을 수행합니다.
• 산림 및 기후: Landsat 기반으로 30m 해상도의 전 세계 수목 피복 손실 지도를 제작해 해마다 삼림 벌채를 추적합니다.
• 재난 대응: SAR 홍수 지도와 재난 전후 피해 평가로 구호 활동을 지원하며, 국제우주재난헌장은 대응 기관에 위성 데이터를 무료로 제공합니다.
• 도시 계획: 건물 윤곽 추출과 도로 매핑은 빠르게 성장하는 도시의 지도를 최신 상태로 유지합니다.
• 해양 모니터링: SAR 및 광학 탐지 결과를 선박 추적 데이터와 결합한 2024년 Nature 연구에 따르면 전 세계 산업 어선의 약 4분의 3은 공개적으로 추적되지 않습니다.