센티넬-2 영상에서 심층 잔차 신경망과 SAR-광학 데이터 융합을 이용한 클라우드 제거

광학 원격 감지 영상은 많은 지구 관측 활동의 핵심을 차지하고 있다. 위성 데이터의 정기적이고 일관되며 전 지구적 규모의 특성은 농지 모니터링, 기후 변화 평가, 지표면 피복 및 이용 분류, 재해 평가 등 다양한 응용 분야에서 활용되고 있다. 그러나 표면 관측의 시공간적 가용성을 심각하게 저해하는 주요 문제는 구름 덮개이다. 광학 영상에서 구름을 제거하는 작업은 수십 년 전부터 연구의 대상이 되어 왔다. 최근 위성 원격 감지 분야의 빅데이터 시대 도래는 강력한 데이터 기반의 딥러닝 기법을 활용하여 이 문제를 해결할 수 있는 새로운 가능성을 열었다.본 논문에서는 다중 스펙트럼 센티넬-2 영상에서 구름을 제거하기 위해 심층 잔차 신경망(Deep Residual Neural Network) 아키텍처를 설계하였다. SAR-광학 데이터 융합 기법을 활용하여 두 영상 시스템 간의 상보적 특성을 살려 이미지 복원을 안내한다. 더불어 기존 정보의 최대한 보존을 위해 새로운 클라우드 적응형 손실 함수를 제안하였다. 제안된 네트워크는 실제 구름이 있는 영상과 구름이 없는 영상을 전 세계적으로 샘플링하여 구성된 데이터셋을 기반으로 학습 및 테스트되었다. 제안된 방법은 지표면 구조의 광학적 표현을 재구성함으로써, 광학적으로 두꺼운 구름까지도 효과적으로 제거할 수 있는 가능성을 제공한다.