다중각 위성 영상으로 구름 높이 최대우도 추정

본 논문은 NASA Terra 위성에 탑재된 Multi‑Angle Imaging SpectroRadiometer(MISR) 장비가 제공하는 9개의 서로 다른 관측 각도 영상을 이용해 구름의 높이와 풍속을 추정하는 새로운 통계적 프레임워크를 제시한다. 연구는 크게 네 부분으로 구성된다. 첫 번째 부분에서는 깊이(Depth‑of‑Field) 추정 문제를 일반적인 초해상도(super‑resolution) 이미지 구성 문제와 연결한다. 서로 다른 카메라 각도에서 촬영된 동일 구름 영역은 픽셀 격자 간에 정수 배수가 아닌 미세한 시차를 가진다. 이 시차를 δ라는 2차원 벡터로 표현하고, 각 이미지의 픽셀 좌표 x(k)를 δ만큼 이동시켜 겹쳐 놓음으로써 초해상도 이미지 x와 y를 만든다. 여기서 y는 겹쳐진 이미지들의 회색값(또는 복사량) 벡터이며, x는 이동된 좌표들의 집합이다. 두 번째 부분에서는 초해상도 이미지가 연속적인 공간 함수 Y:ℝ²→ℝ의 샘플이라는 가정을 도입한다. Y는 가우시안 랜덤 필드로 모델링되며, 매트른 공분산 K(|t‑s|) (파라미터 σ,ρ,ν) 로 정의된다. 실제 거리 파라미터 d(또는 구름 높이 h와 풍속 v)가 주어지면, 각 카메라에 대한 시차 δ_k는 d와 카메라 각도 θ_k, 풍속에 의해 결정된다. 따라서 초해상도 이미지 (x(d), y)는 d에 종속적인 확률 모델을 형성한다. 로그우도 ℓ(d)=log P(Y(x(d))=y) 를 최대화함으로써 d를 추정한다. 세 번째 부분에서는 MISR 데이터에 특화된 보정 모델을 제시한다. 서로 다른 카메라의 전반적인 밝기 차이와 감도 차이를 보정하기 위해, 각 카메라 k에 대해 y(k)=σ_k Y(x(k)+δ_k)+A_k x(k)+b_k 라는 선형 변환을 적용한다. σ_k는 곱셈형 밝기 보정, A_k는 2×1 아핀 행렬(선형 밝기 변화), b_k는 상수 보정이다. 이 보정 파라미터들은 관측 노이즈와 혼동될 수 있으므로 nuisance 파라미터로 간주하고, 프로파일라이크(likelihood profiling) 혹은 EM 알고리즘을 통해 추정한다. 네 번째 부분에서는 실제 실험 결과와 비교 분석을 제공한다. 두 층 구름 모델(밝고 텍스처가 풍부한 하부, 얇고 투명한 상부)을 가정하고, MISR의 9개 각도 영상을 사용해 구름 높이와 풍속을 추정한다. 제안된 최대우도 추정법은 기존 MISR 표준 제품에 사용되는 M2 스테레오 매처와 거의 동일한 정확도를 보이며, 특히 얇은 상부 구름의 높이 추정에서 잡음에 대한 강인성을 확인한다. 또한, 전체 파라미터 공간을 거리 d 하나 혹은 (h, v₁, v₂) 세 개로 축소함으로써 계산 비용을 크게 절감한다. 논문의 주요 기여는 다음과 같다. (1) 초해상도 이미지와 가우시안 랜덤 필드 모델을 결합해 서브픽셀 시차 정보를 통계적으로 활용하는 새로운 깊이 추정 프레임워크를 제시하였다. (2) 밝기 보정 파라미터를 명시적으로 모델링함으로써 다각도 이미지 간의 광학적 차이를 보정하고, 이를 공동 우도 함수에 포함시켰다. (3) 거리 파라미터 d를 직접 추정함으로써 풍속과 높이의 선형 관계를 통합하고, 전역적인 구름 높이 매핑에 적용 가능한 확장성을 확보하였다. (4) 실제 MISR 데이터에 적용해 기존 방법과 동등한 성능을 입증함으로써 실용성을 검증하였다. 향후 연구 방향으로는 (i) 다중층·비평면 구름 구조를 위한 보다 복잡한 랜덤 필드 모델링, (ii) 전 지구 규모의 구름 높이 추정을 위한 고속 최적화 알고리즘, (iii) 다른 위성 센서(예: MODIS, VIIRS)와의 데이터 융합을 통한 다중센서 통합 추정 방법 개발을 제시한다. 이러한 확장은 기후 모델링과 날씨 예보에 필수적인 구름 물리량의 정확한 관측을 가능하게 할 것으로 기대된다.