논문 상세보기

대한원격탐사학회> 대한원격탐사학회지> 시계열 토지피복도 제작을 위한 준감독학습 기반의 훈련자료 자동 추출

KCI등재

시계열 토지피복도 제작을 위한 준감독학습 기반의 훈련자료 자동 추출

Automatic Extraction of Training Data Based on Semi-supervised Learning for Time-series Land-cover Mapping

곽근호 ( Geun-ho Kwak ) , 박노욱 ( No-wook Park )
  • : 대한원격탐사학회
  • : 대한원격탐사학회지 38권5호
  • : 연속간행물
  • : 2022년 10월
  • : 461-469(9pages)
대한원격탐사학회지

DOI


목차

1. 서론
2. 자료 및 연구 방법
3. 연구 결과 및 토의
4. 결론
사사
References

키워드 보기


초록 보기

이 연구에서는 시계열 토지피복도를 제작하기 위해 분석자 개입 없이 준감독학습 기반 분류를 이용하는 새로운 훈련자료 추출 기법을 제안하였다. 준감독학습 기반 훈련자료 추출 기법은 먼저 분류 대상 영상과 유사한 토지피복 특성을 포함하는 과거 영상으로부터 획득한 초기 훈련자료를 이용하여 초기 분류를 수행한다. 이후, 분류의 불확실성 정보와 인접 화소의 분류 항목을 제약 조건으로 이용하는 준감독학습 기반 반복 분류를 이용하여 초기 분류 결과로부터 신뢰할 수 있는 훈련자료를 추출한다. 준감독학습 기반 훈련자료 추출 기법의 적용 가능성은 농경지에서 unmanned aerial vehicle 영상을 이용하는 분류 실험을 통해 평가되었다. 제안한 준감독학습 기반 훈련자료 추출 기법에 의해 자동으로 추출된 새로운 훈련자료를 이용하는 것은 초기 분류 결과에서 나타난 오분류를 두드러지게 완화할 수 있었다. 특히, 인접 화소의 공간 문맥 정보를 고려함으로써 고립된 화소가 크게 감소하였다. 결과적으로, 제안 기법의 분류 정확도는 수동으로 추출한 훈련자료를 이용하는 분류 정확도와 유사하였다. 이러한 결과는 이 연구에서 제시한 준감독학습 기반 반복 분류가 시계열 토지피복도를 제작하기 위해 신뢰할 수 있는 훈련자료를 자동으로 추출하는데 효과적으로 적용될 수 있음을 나타낸다.
This paper presents a novel training data extraction approach using semi-supervised learning (SSL)-based classification without the analyst intervention for time-series land-cover mapping. The SSL-based approach first performs initial classification using initial training data obtained from past images including land-cover characteristics similar to the image to be classified. Reliable training data from the initial classification result are then extracted from SSL-based iterative classification using classification uncertainty information and class labels of neighboring pixels as constraints. The potential of the SSL-based training data extraction approach was evaluated from a classification experiment using unmanned aerial vehicle images in croplands. The use of new training data automatically extracted by the proposed SSL approach could significantly alleviate the misclassification in the initial classification result. In particular, isolated pixels were substantially reduced by considering spatial contextual information from adjacent pixels. Consequently, the classification accuracy of the proposed approach was similar to that of classification using manually extracted training data. These results indicate that the SSL-based iterative classification presented in this study could be effectively applied to automatically extract reliable training data for time-series land-cover mapping.

UCI(KEPA)

간행물정보

  • : 자연과학분야  > 기타(자연과학)
  • : KCI등재
  • :
  • : 격월
  • : 1225-6161
  • : 2287-9307
  • : 학술지
  • : 연속간행물
  • : 1985-2022
  • : 1891


저작권 안내

한국학술정보㈜의 모든 학술 자료는 각 학회 및 기관과 저작권 계약을 통해 제공하고 있습니다.

이에 본 자료를 상업적 이용, 무단 배포 등 불법적으로 이용할 시에는 저작권법 및 관계법령에 따른 책임을 질 수 있습니다.

38권6호(2022년 12월) 수록논문
최근 권호 논문
| | | |

KCI등재

1핵 활동 탐지 및 감시를 위한 딥러닝 기반 의미론적 분할을 활용한 변화 탐지

저자 : 송아람 ( Ahram Song ) , 이창희 ( Changhui Lee ) , 이진민 ( Jinmin Lee ) , 한유경 ( Youkyung Han )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 6호 발행 연도 : 2022 페이지 : pp. 991-1005 (15 pages)

다운로드

(기관인증 필요)

초록보기

위성 영상은 핵 활동 탐지와 검증을 위한 효율적인 보조자료로 핵시설과 같이 접근이 어렵고 정보가 제한된 지역에 매우 유용하다. 특히 장비의 이동 또는 시설물의 변화와 같이 핵실험을 준비하는 과정은 시계열 분석을 통해 충분히 식별 가능하다. 본 연구에서는 핵 활동과 관련된 주요 객체의 변화를 탐지하기 위하여, 다시기 영상의 의미론적 분할 결과의 차이를 이용하였다. AIHub에서 제공하는 KOMPSAT 3/3A 영상으로 구성된 객체 판독 데이터셋에서 건물, 도로, 소형 객체의 정보를 추출하여 학습하였으며, U-Net, PSPNet, Attention U-Net에 대하여 주요 파라미터를 변경하며 대상 객체 추출에 적합한 의미론적 분할 모델을 분석하였다. 의미론적 분할 결과의 차영상으로 생성된 결과에 객체 정보를 포함하여 최종 변화 탐지를 수행하였으며, 제안 기법을 임의의 변화를 포함한 시뮬레이션 영상에 적용한 결과, 변화 객체를 효과적으로 추출할 수 있었다. 본 연구에서 제시된 변화 탐지 기법을 적용하기 위해서는, 의미론적 분할의 정확도가 우선적으로 확보되어야 하는 제약이 있으나, 추후 실험 대상 지역에 대한 학습데이터셋이 증가할 수록 적용 가능한 분석 범위가 증가할 것으로 기대된다.


Satellite imaging is an effective supplementary data source for detecting and verifying nuclear activity. It is also highly beneficial in regions with limited access and information, such as nuclear installations. Time series analysis, in particular, can identify the process of preparing for the conduction of a nuclear experiment, such as relocating equipment or changing facilities. Differences in the semantic segmentation findings of time series photos were employed in this work to detect changes in meaningful items connected to nuclear activity. Building, road, and small object datasets made of KOMPSAT 3/3A photos given by AIHub were used to train deep learning models such as U-Net, PSPNet, and Attention U-Net. To pick relevant models for targets, many model parameters were adjusted. The final change detection was carried out by including object information into the first change detection, which was obtained as the difference in semantic segmentation findings. The experiment findings demonstrated that the suggested approach could effectively identify altered pixels. Although the suggested approach is dependent on the accuracy of semantic segmentation findings, it is envisaged that as the dataset for the region of interest grows in the future, so will the relevant scope of the proposed method.

KCI등재

2훈련자료 내 재배지역의 비율에 따른 딥러닝 모델의 성능 평가

저자 : 성선경 ( Seonkyeong Seong ) , 최재완 ( Jaewan Choi )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 6호 발행 연도 : 2022 페이지 : pp. 1007-1014 (8 pages)

다운로드

(기관인증 필요)

초록보기

차세대중형위성(Compact Advanced Satellite 500, CAS500)은 식생, 산림, 농업 등의 분야를 포함한 다양한 목적을 위하여 사용될 수 있으며, 다양한 영역에 대한 빠른 위성영상의 취득이 가능할 것으로 기대되고 있다. 차세대중형위성을 통하여 취득된 위성영상을 농업분야에서 활용하기 위해서는 위성영상 기반 작물재배지역추출 기법에 대한 개발이 필요하다. 특히, 최근 들어 딥러닝 분야에 대한 연구가 활발해짐에 따라서, 작물재배지역 추출을 위한 딥러닝 모델의 개발 및 훈련자료 생성에 관한 연구가 필요한 실정이다. 본 연구에서는 PlanetScope 위성영상과 팜맵을 이용하여 합천군 지역의 양파 및 마늘 재배지역을 분류하고자 하였다. 특히, 효과적인 모델의 학습을 위하여 작물재배지역의 비율에 따른 모델 성능을 분석하고자 하였다. 실험에 사용한 딥러닝 모델은 Fully Convolutional Densely Connected Convolutional Network (FC-DenseNet)을 작물재배지역 분류의 목적에 맞도록 재구성하여 활용하였다. 실험결과, 훈련자료 내 작물재배지역의 비율이 딥러닝 모델의 성능에 영향을 미치는 것을 확인하였다.


Compact Advanced Satellite 500 (CAS500) can be used for various purposes, including vegetation, forestry, and agriculture fields. It is expected that it will be possible to acquire satellite images of various areas quickly. In order to use satellite images acquired through CAS500 in the agricultural field, it is necessary to develop a satellite image-based extraction technique for crop-cultivated areas. In particular, as research in the field of deep learning has become active in recent years, research on developing a deep learning model for extracting crop cultivation areas and generating training data is necessary. This manuscript classified the onion and garlic cultivation areas in Hapcheon-gun using PlanetScope satellite images and farm maps. In particular, for effective model learning, the model performance was analyzed according to the proportion of crop-cultivated areas. For the deep learning model used in the experiment, Fully Convolutional Densely Connected Convolutional Network (FC-DenseNet) was reconstructed to fit the purpose of crop cultivation area classification and utilized. As a result of the experiment, the ratio of crop cultivation areas in the training data affected the performance of the deep learning model.

KCI등재

3화성 지형상대항법을 위한 하강 데이터셋 생성과 랜드마크 추출 방법

저자 : 김재인 ( Jae-in Kim )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 6호 발행 연도 : 2022 페이지 : pp. 1015-1023 (9 pages)

다운로드

(기관인증 필요)

초록보기

착륙선의 진입-하강-착륙 과정에는 많은 환경적 및 기술적 어려움이 수반된다. 이러한 문제들을 해결하기 위한 방안으로, 최근 착륙선에는 지형상대항법 기술이 필수적으로 고려되고 있다. 지형상대항법은 하강하는 착륙선에서 수집되는 Inertial Measurement Unit (IMU) 데이터 및 영상 데이터를 기 구축된 참조 데이터와 비교하여 착륙선의 위치 및 자세를 추정하는 기술이다. 본 논문에서는 화성에서 활용할 지형상대항법 기술을 개발하기 위해 그 핵심 기술 요소로서 하강 데이터셋 생성 및 랜드마크 추출 방법을 제시한다. 제안방법은 화성착륙 시뮬레이션 궤적정보를 이용하여 하강하는 착륙선의 IMU 데이터를 생성하며, 이에 맞추어 고해상도 정사영상지도 및 수치표고모델로부터 ray tracing 기법을 통해 하강영상을 생성한다. 랜드마크 추출은 텍스쳐 정보가 부족한 화성 표면의 특성을 고려하여 영역 기반 추출 방식으로 이루어지며, 정합 정확도와 속도 향상을 위해 탐색영역 축소가 수행된다. 하강영상 생성 방법의 성능분석 결과는 제안방법으로 촬영 기하학적 조건을 만족시키는 영상 생성이 가능함을 보여주었으며, 랜드마크 추출 방법의 성능분석 결과는 제안방법을 통해 수 미터 수준의 위치 추정 정확도를 담보하면서 동시에 특징점 기반 방식만큼의 처리속도 확보가 가능함을 보여주었다.


The Entry-Descent-Landing process of a lander involves many environmental and technical challenges. To solve these problems, recently, terrestrial relative navigation (TRN) technology has been essential for landers. TRN is a technology for estimating the position and attitude of a lander by comparing Inertial Measurement Unit (IMU) data and image data collected from a descending lander with pre-built reference data. In this paper, we present a method for generating descent dataset and extracting landmarks, which are key elements for developing TRN technologies to be used on Mars. The proposed method generates IMU data of a descending lander using a simulated Mars landing trajectory and generates descent images from high-resolution ortho-map and digital elevation map through a ray tracing technique. Landmark extraction is performed by an area-based extraction method due to the low-textured surfaces on Mars. In addition, search area reduction is carried out to improve matching accuracy and speed. The performance evaluation result for the descent dataset generation method showed that the proposed method can generate images that satisfy the imaging geometry. The performance evaluation result for the landmark extraction method showed that the proposed method ensures several meters of positioning accuracy while ensuring processing speed as fast as the feature-based methods.

KCI등재

4무인항공기 영상을 위한 영상 매칭 기반 생성포인트 클라우드의 후처리 방안 연구

저자 : 이수암 ( Sooahm Rhee ) , 김한결 ( Han-gyeol Kim ) , 김태정 ( Taejung Kim )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 6호 발행 연도 : 2022 페이지 : pp. 1025-1034 (10 pages)

다운로드

(기관인증 필요)

초록보기

본 논문에서는 건물의 포인트 클라우드를 추출할 때 발생하는 홀 영역의 보간을 통한 후처리 방안을 제안한다. 스테레오 영상 데이터에서 영상 매칭을 수행할 경우 차폐 및 건물 벽면 등의 영향으로 홀이 발생한다. 이런 영역은 추후 포인트 클라우드를 기반으로 하는 부가 산출물의 생성에 장애 요인이 될 수 있으므로, 이에 대한 효과적인 처리 기법의 적용이 필요하다. 먼저 영상 매칭을 적용하여 생성된 시차맵을 기반으로 초기 포인트 클라우드를 추출한다. 포인트 클라우드를 격자화 시키면 차폐영역 및 건물 벽면의 영향으로 발생하는 홀 영역을 확인할 수 있다. 홀 영역에 삼각망을 생성하고 삼각망 내부 값을 영역의 최소값으로 처리하는 과정을 반복하는 것으로 건물 주변의 지표면과 건물 간에 어색함 없는 보간의 수행이 가능하다. 격자화 된 데이터에서 보간 된 영역에 해당하는 위치정보를 포인트로 추가하여 새로운 포인트 클라우드를 생성한다. 보간과정 중 불필요한 점의 추가를 최소화하기 위해 초기 포인트 클라우드 영역에서 벗어나는 영역으로 보간 된 데이터는 처리하지 않았으며, 보간 된 포인트 클라우드에 적용되는 RGB 밝기값은 매칭에 사용된 스테레오 영상 중 촬영중심과 해당 픽셀이 가장 근접한 영상으로 설정하여 처리하였다. 실험 결과 제안 기법을 통해 대상영역의 포인트 클라우드 생성 후 발생하는 음영 영역이 효과적으로 처리되는 것을 확인할 수 있었다.


In this paper, we propose a post-processing method through interpolation of hole regions that occur when extracting point clouds. When image matching is performed on stereo image data, holes occur due to occlusion and building façade area. This area may become an obstacle to the creation of additional products based on the point cloud in the future, so an effective processing technique is required. First, an initial point cloud is extracted based on the disparity map generated by applying stereo image matching. We transform the point cloud into a grid. Then a hole area is extracted due to occlusion and building façade area. By repeating the process of creating Triangulated Irregular Network (TIN) triangle in the hall area and processing the inner value of the triangle as the minimum height value of the area, it is possible to perform interpolation without awkwardness between the building and the ground surface around the building. A new point cloud is created by adding the location information corresponding to the interpolated area from the grid data as a point. To minimize the addition of unnecessary points during the interpolation process, the interpolated data to an area outside the initial point cloud area was not processed. The RGB brightness value applied to the interpolated point cloud was processed by setting the image with the closest pixel distance to the shooting center among the stereo images used for matching. It was confirmed that the shielded area generated after generating the point cloud of the target area was effectively processed through the proposed technique.

KCI등재

5MODIS 및 Landsat 위성영상의 다중 해상도 자료 융합 기반 토지 피복 분류의 사례 연구

저자 : 김예슬 ( Yeseul Kim )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 6호 발행 연도 : 2022 페이지 : pp. 1035-1046 (12 pages)

다운로드

(기관인증 필요)

초록보기

이 연구에서는 토지 피복 분류를 위한 다중 해상도 자료 융합의 적용성을 평가하였다. 여기서 다중 해상도 자료 융합 모델로는 spatial time-series geostatistical deconvolution/fusion model (STGDFM)을 적용하였다. 연구 지역은 미국 Iowa 주의 일부 농경 지역으로 선정하였으며, 대상 지역의 규모를 고려해 다중 해상도 자료 융합의 입력 자료로 Moderate Resolution Imaging Spectroradiometer (MODIS) 및 Landsat 영상을 사용하였다. 이를 바탕으로 STGDFM 적용해 Landsat 영상이 결측된 시기에서 가상의 Landsat 영상을 생성하였다. 그리고 획득한 Landsat 영상과 함께 STGDFM의 융합 결과를 입력 자료로 사용해 토지 피복 분류를 수행하였다. 특히 다중 해상도 자료 융합의 적용성 평가를 위해 획득한 Landsat 영상만을 이용한 분류 결과와 Landsat 영상 및 융합 결과를 모두 이용한 분류 결과를 비교 평가하였다. 그 결과, Landsat 영상만을 이용한 분류 결과에서는 대상 지역의 주요 토지 피복인 옥수수와 콩 재배지에서 혼재 양상이 두드러지게 나타났다. 또한 건초 및 곡물 지역과 초지 지역 등 식생 피복 간의 혼재 양상도 큰 것으로 나타났다. 반면 Landsat 영상 및 융합 결과를 이용한 분류 결과에서는 옥수수와 콩 재배지의 혼재 양상과 식생 피복 간의 혼재 양상이 크게 완화되었다. 이러한 영향으로 Landsat 영상 및 융합 결과를 이용한 분류 결과에서 분류 정확도가 약 20%p 향상되었다. 이는 STGDFM을 통해 MODIS 영상이 갖는 시계열 분광 정보를 융합 결과에 반영하면서 Landsat 영상의 결측을 보완할 수 있었고, 이러한 시계열 분광 정보가 분류 과정에 결합되면서 오분류를 크게 줄일 수 있었던 것으로 판단된다. 본 연구 결과를 통해 토지 피복 분류에 다중 해상도 자료 융합이 효과적으로 적용될 수 있음을 확인하였다.


This study evaluated the applicability of multi-resolution data fusion for land-cover classification. In the applicability evaluation, a spatial time-series geostatistical deconvolution/fusion model (STGDFM) was applied as a multi-resolution data fusion model. The study area was selected as some agricultural lands in Iowa State, United States. As input data for multi-resolution data fusion, Moderate Resolution Imaging Spectroradiometer (MODIS) and Landsat satellite images were used considering the landscape of study area. Based on this, synthetic Landsat images were generated at the missing date of Landsat images by applying STGDFM. Then, land-cover classification was performed using both the acquired Landsat images and the STGDFM fusion results as input data. In particular, to evaluate the applicability of multi-resolution data fusion, two classification results using only Landsat images and using both Landsat images and fusion results were compared and evaluated. As a result, in the classification result using only Landsat images, the mixed patterns were prominent in the corn and soybean cultivation areas, which are the main land-cover type in study area. In addition, the mixed patterns between land-cover types of vegetation such as hay and grain areas and grass areas were presented to be large. On the other hand, in the classification result using both Landsat images and fusion results, these mixed patterns between land-cover types of vegetation as well as corn and soybean were greatly alleviated. Due to this, the classification accuracy was improved by about 20%p in the classification result using both Landsat images and fusion results. It was considered that the missing of the Landsat images could be compensated for by reflecting the time-series spectral information of the MODIS images in the fusion results through STGDFM. This study confirmed that multi-resolution data fusion can be effectively applied to land-cover classification.

KCI등재

6Two-stream Convolutional Long- and Short-term Memory 모델의 2001-2021년 9월 북극 해빙 예측 성능 평가

저자 : 지준화 ( Junhwa Chi )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 6호 발행 연도 : 2022 페이지 : pp. 1047-1056 (10 pages)

다운로드

(기관인증 필요)

초록보기

지구 온난화의 중요한 지시자인 북극의 바다 얼음인 해빙은 기후 시스템, 선박의 항로 안내, 어업 활동 등에서의 중요성으로 인해 다양한 학문 분야에서 관심을 받고 있다. 최근 자동화와 효율적인 미래 예측에 대한 요구가 커지면서 인공지능을 이용한 새로운 해빙 예측 모델들이 전통적인 수치 및 통계 예측 모델을 대체하기 위해 개발되고 있다. 본 연구에서는 북극 해빙의 전역적, 지역적 특징을 학습할 수 있는 two-stream convolutional long- and short-term memory (TS-ConvLSTM) 인공지능 모델의 북극 해빙 면적이 최저를 보이는 9월에 대해 2001년부터 2021년까지 장기적인 성능 검증을 통해 향후 운용 가능한 시스템으로써의 가능성을 살펴보고자 한다. 장기 자료를 통한 검증 결과 TS-ConvLSTM 모델이 훈련자료의 양이 증가하면서 향상된 예측 성능을 보여주고 있지만, 최근 지구 온난화로 인한 단년생 해빙의 감소로 인해 해빙 농도 5-50% 구간에서는 예측력이 저하되고 있음을 보여주었다. 반면 TS-ConvLSTM에 의해 예측된 해빙 면적과 달리 Sea Ice Prediction Network에 제출된 Sea Ice Outlook (SIO)들의 해빙 면적 중간값의 경우 훈련자료가 늘어나더라도 눈에 띄는 향상을 보이지 않았다. 본 연구를 통해 TS-ConvLSTM 모델의 향후 북극 해빙 예측 시스템의 운용 가능 잠재성을 확인하였으나, 향후 연구에서는 예측이 어려운 자연 환경에서 더욱 안정성 있는 예측 시스템 개발을 위해 더 많은 시공간 변화 패턴을 학습할 수 있는 방안을 고려해야 할 것이다.


Sea ice, frozen sea water, in the Artic is a primary indicator of global warming. Due to its importance to the climate system, shipping-route navigation, and fisheries, Arctic sea ice prediction has gained increased attention in various disciplines. Recent advances in artificial intelligence (AI), motivated by a desire to develop more autonomous and efficient future predictions, have led to the development of new sea ice prediction models as alternatives to conventional numerical and statistical prediction models. This study aims to evaluate the performance of the two-stream convolutional longand short-term memory (TS-ConvLSTM) AI model, which is designed for learning both global and local characteristics of the Arctic sea ice changes, for the minimum September Arctic sea ice from 2001 to 2021, and to show the possibility for an operational prediction system. Although the TSConvLSTM model generally increased the prediction performance as training data increased, predictability for the marginal ice zone, 5-50% concentration, showed a negative trend due to increasing first-year sea ice and warming. Additionally, a comparison of sea ice extent predicted by the TS-ConvLSTM with the median Sea Ice Outlooks (SIOs) submitted to the Sea Ice Prediction Network has been carried out. Unlike the TS-ConvLSTM, the median SIOs did not show notable improvements as time passed (i.e., the amount of training data increased). Although the TSConvLSTM model has shown the potential for the operational sea ice prediction system, learning more spatio-temporal patterns in the difficult-to-predict natural environment for the robust prediction system should be considered in future work.

KCI등재

7가상 텍스쳐 영상과 실촬영 영상간 매칭을 위한 특징점 기반 알고리즘 성능 비교 연구

저자 : 이유진 ( Yoo Jin Lee ) , 이수암 ( Sooahm Rhee )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 6호 발행 연도 : 2022 페이지 : pp. 1057-1068 (12 pages)

다운로드

(기관인증 필요)

초록보기

본 논문은 모바일 기반의 실시간 영상 측위 기술 개발을 목표로 사용자가 촬영한 사진과 가상의 텍스쳐 영상 간의 매칭 가능성 확인 연구로 특징점 기반의 매칭 알고리즘의 조합 성능을 비교했다. 특징점 기반의 매칭 알고리즘은 특징점(feature)을 추출하는 과정과 추출된 특징점을 설명하는 서술자(descriptor)를 계산하는 과정, 최종적으로 서로 다른 영상에서 추출된 서술자를 매칭하고, 잘못 매칭된 특징점을 제거하는 과정으로 이루어진다. 이때 매칭 알고리즘 조합을 위해, 특징점을 추출하는 과정과 서술자를 계산하는 과정을 각각 같거나 다르게 조합하여 매칭 성능을 비교하였다. 가상 실내 텍스쳐 영상을 위해 V-World 3D 데스크탑을 활용하였다. 현재 V-World 3D 데스크톱에서는 수직 · 수평적 돌출부 및 함몰부와 같은 디테일이 보강되었다. 또한, 실제 영상 텍스쳐가 입혀진 레벨로 구축되어 있어, 이를 활용하여 가상 실내 텍스쳐 데이터를 기준영상으로 구성하고, 동일한 위치에서 직접 촬영하여 실험 데이터셋을 구성하였다. 데이터셋 구축 후, 매칭 알고리즘들로 매칭 성공률과 처리 시간을 측정하였고, 이를 바탕으로 매칭 성능 향상을 위해 매칭 알고리즘 조합을 결정하였다. 본 연구에서는 매칭 기법마다 가진 특장점을 기반으로 매칭 알고리즘을 조합하여 구축한 데이터셋에 적용해 적용가능성을 확인하였고, 추가적으로 회전요소가 고려되었을 때의 성능 비교도 함께 수행하였다. 연구 결과, Scale Invariant Feature Transform (SIFT)의 feature와 descriptor 조합이 가장 매칭 성공률이 좋았지만 처리 소요 시간이 가장 큰 것을 확인할 수 있었고, Features from Accelerated Segment Test (FAST)의 feature와 Oriented FAST and Rotated BRIEF (ORB)의 descriptor 조합의 경우, SIFT-SIFT 조합과 유사한 매칭 성공률을 가지면서 처리 소요시간도 우수하였다. 나아가, FAST-ORB의 경우, 10°의 회전이 데이터셋에 적용되었을 때에도 매칭 성능이 우세함을 확인하였다. 따라서 종합적으로 가상 텍스쳐 영상과 실영상간 매칭을 위해서 FAST-ORB 조합의 매칭 알고리즘이 적합한 것을 확인할 수 있었다.


This paper compares the combination performance of feature point-based matching algorithms as a study to confirm the matching possibility between image taken by a user and a virtual texture image with the goal of developing mobile-based real-time image positioning technology. The feature based matching algorithm includes process of extracting features, calculating descriptors, matching features from both images, and finally eliminating mismatched features. At this time, for matching algorithm combination, we combined the process of extracting features and the process of calculating descriptors in the same or different matching algorithm respectively. V-World 3D desktop was used for the virtual indoor texture image. Currently, V-World 3D desktop is reinforced with details such as vertical and horizontal protrusions and dents. In addition, levels with real image textures. Using this, we constructed dataset with virtual indoor texture data as a reference image, and real image shooting at the same location as a target image. After constructing dataset, matching success rate and matching processing time were measured, and based on this, matching algorithm combination was determined for matching real image with virtual image. In this study, based on the characteristics of each matching technique, the matching algorithm was combined and applied to the constructed dataset to confirm the applicability, and performance comparison was also performed when the rotation was additionally considered. As a result of study, it was confirmed that the combination of Scale Invariant Feature Transform (SIFT)'s feature and descriptor detection had the highest matching success rate, but matching processing time was longest. And in the case of Features from Accelerated Segment Test (FAST)'s feature detector and Oriented FAST and Rotated BRIEF (ORB)'s descriptor calculation, the matching success rate was similar to that of SIFT-SIFT combination, while matching processing time was short. Furthermore, in case of FAST-ORB, it was confirmed that the matching performance was superior even when 10° rotation was applied to the dataset. Therefore, it was confirmed that the matching algorithm of FAST-ORB combination could be suitable for matching between virtual texture image and real image.

KCI등재

8정지궤도 위성 대류권 오존 관측 자료를 이용한 대류권 이동벡터 산출 가능성 연구

저자 : 신대근 ( Daegeun Shin ) , 김소명 ( Somyoung Kim ) , 박주선 ( Juseon Bak ) , 백강현 ( Kanghyun Baek ) , 홍성재 ( Sungjae Hong ) , 김재환 ( Jaehwan Kim )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 6호 발행 연도 : 2022 페이지 : pp. 1069-1080 (12 pages)

다운로드

(기관인증 필요)

초록보기

대류권 오존은 전 세계적으로 인간과 생태계에 막대한 피해를 입히는 오염 물질이다. 국지적인 오존 문제는 발생 지역에서 바람에 의해 풍하 측으로 이동함에 따라 지역적, 전 지구적 문제가 되고 있다. 보다 효율적인 오존 모니터링을 위해서 연속적인 일중 관측이 가능한 정지궤도 위성을 이용하려는 시도가 있어왔다. 이 연구에서는 정지궤도 위성에서 관측될 대류권 오존의 연속적인 관측을 이용하여 대류권 오존 이동벡터(Tropospheric Ozone Movement Vector, TOMV) 산출을 세계 최초로 시도했다. 현재 정지궤도 위성을 이용한 대류권오존 산출물이 존재하지 않기 때문에 대기화학모델인 GEOS-Chem에서 산출된 대류권 오존 자료를 이용하였다. 산출된 오존의 이동 속도는 화학모델에 비해 높은 값이 나왔지만 오염의 이동의 방향은 매우 높은 일치성을 보여주었다. 제시된 알고리즘을 이용하면 오존의 유입 플럭스를 오존의 움직이는 속도와 방향을 이용하여 산출할 수도 있다. 이와 같은 결과는 오염물질의 이동분석에 널리 사용되는 역방향 궤적 방법의 대안으로써 오염물질의 모니터링과 예보에 보다 유용하게 사용될 수 있다. 이와 반대로 오존분포의 경계선이 불분명하면 TOMV 산출에 오차를 발생시킬 수 있기 때문에 이동에 대한 잘못된 정보를 줄 수 있는 것이 이 방법의 한계이다. 그럼에도 불구하고 TOMV 방법은 앞으로 활동하게 될 정지궤도 위성을 이용한 오염 모니터링과 예보에 진일보한 방향을 제시해줄 수 있을 것이다.


The tropospheric ozone is a pollutant that causes a great deal of damage to humans and ecosystems worldwide. In the event that ozone moves downwind from its source, a localized problem becomes a regional and global problem. To enhance ozone monitoring efficiency, geostationary satellites with continuous diurnal observations have been developed. The objective of this study is to derive the Tropospheric Ozone Movement Vector (TOMV) by employing continuous observations of tropospheric ozone from geostationary satellites for the first time in the world. In the absence of Geostationary Environmental Monitoring Satellite (GEMS) tropospheric ozone observation data, the GEOS-Chem model calculated values were used as synthetic data. Comparing TOMV with GEOS-Chem, the TOMV algorithm overestimated wind speed, but it correctly calculated wind direction represented by pollution movement. The ozone influx can also be calculated using the calculated ozone movement speed and direction multiplied by the observed ozone concentration. As an alternative to a backward trajectory method, this approach will provide better forecasting and analysis by monitoring tropospheric ozone inflow characteristics on a continuous basis. However, if the boundary of the ozone distribution is unclear, motion detection may not be accurate. In spite of this, the TOMV method may prove useful for monitoring and forecasting pollution based on geostationary environmental satellites in the future.

KCI등재

9GACOS 모델 대기 위상 지연 보정을 활용한 SBAS-InSAR 기술 기반 울산광역시 지반 침하 탐지

저자 : 수레시크리쉬난 ( Suresh Krishnan Palanisamy Vadivel ) , 김덕진 ( Duk-jin Kim ) , 이정훈 ( Jung-hoon Lee ) , 송주영 ( Juyoung Song ) , 김준우 ( Junwoo Kim )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 6호 발행 연도 : 2022 페이지 : pp. 1081-1089 (9 pages)

다운로드

(기관인증 필요)

초록보기

본 연구는 시계열 Small Baseline Subset (SBAS)-InSAR 기법을 이용하여 울산시의 지반 침하를 조사하였으며, 79개의 Sentinel-1 SAR 영상과 385개의 간섭도 영상(interferogram)을 사용하여 2015년 5월부터 2021년 12월 울산광역시의 지상 변위(surface displacement)를 추정하였다. 지반 침하율은 북구와 남구 삼산동 2지역에서 연 3.44 cm, 1.68 cm로 계측되었다. 또한 Generic Atmospheric Correction Online Service (GACOS)로 생성한 Zenith Total Delay (ZTD) 지도를 활용하여 unwrapping된 간섭도 위상에서 대기 지연(tropospheric delay)의 영향을 제거할 수 있는 가능성을 평가하였으며, GACOS ZTD 보정 전후의 SBAS-InSAR 지상 변위 측정의 차이가 연 1 mm미만임을 발견하였다.


This study aims to investigate and monitor the ground subsidence in Ulsan city, South Korea using time-series Small Baseline Subset (SBAS)-InSAR analysis. We used 79 Sentinel-1 SAR scenes and 385 interferograms to estimate the ground displacements at Ulsan city from May 2015 and December 2021. Two subsiding regions Buk-gu and Nam-gu Samsan-dong were found with the subsidence rate of 3.44 cm/year and 1.68 cm/year. In addition, we evaluated the possibility of removing the effect of atmospheric (tropospheric delay) phase in unwrapped phase using the Zenith Total Delay (ZTD) maps from Generic Atmospheric Correction Online Service (GACOS). We found that the difference between the SBAS-InSAR ground displacements before and after GACOS ZTD correction is less than 1 mm/year in this study.

KCI등재

10개선된 DeepResUNet과 컨볼루션 블록 어텐션 모듈의 결합을 이용한 의미론적 건물 분할

저자 : 예철수 ( Chul-soo Ye ) , 안영만 ( Young-man Ahn ) , 백태웅 ( Tae-woong Baek ) , 김경태 ( Kyung-tae Kim )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 6호 발행 연도 : 2022 페이지 : pp. 1091-1100 (10 pages)

다운로드

(기관인증 필요)

초록보기

딥러닝 기술의 진보와 함께 다양한 국내외 고해상도 원격탐사 영상의 활용이 가능함에 따라 딥러닝 기술과 원격탐사 빅데이터를 활용하여 도심 지역 건물 검출과 변화탐지에 활용하고자 하는 관심이 크게 증가하고 있다. 본 논문에서는 고해상도 원격탐사 영상의 의미론적 건물 분할을 위해서 건물 분할에 우수한 성능을 보이는DeepResUNet 모델을 기본 구조로 하고 잔차 학습 단위를 개선하고 Convolutional Block Attention Module(CBAM)을 결합한 새로운 건물 분할 모델인 CBAM-DRUNet을 제안한다. 제안한 건물 분할 모델은 WHU 데이터셋과 INRIA 데이터셋을 이용한 성능 평가에서 UNet을 비롯하여 ResUNet, DeepResUNet 대비 F1 score, 정확도, 재현율 측면에서 모두 우수한 성능을 보였다.


As deep learning technology advances and various high-resolution remote sensing images are available, interest in using deep learning technology and remote sensing big data to detect buildings and change in urban areas is increasing significantly. In this paper, for semantic building segmentation of high-resolution remote sensing images, we propose a new building segmentation model, Convolutional Block Attention Module (CBAM)-DRUNet that uses the DeepResUNet model, which has excellent performance in building segmentation, as the basic structure, improves the residual learning unit and combines a CBAM with the basic structure. In the performance evaluation using WHU dataset and INRIA dataset, the proposed building segmentation model showed excellent performance in terms of F1 score, accuracy and recall compared to ResUNet and DeepResUNet including UNet.

권호별 보기
같은 권호 다른 논문
| | | | 다운로드

KCI등재

1습지대 변화 관측을 위한 ALOS-2 광대역 모드 적용 연구

저자 : 홍상훈 ( Sang-hoon Hong ) , Shimon Wdowinski

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 5호 발행 연도 : 2022 페이지 : pp. 447-460 (14 pages)

다운로드

(기관인증 필요)

초록보기

인공위성 영상레이더 위상간섭기법은 널리 활용되고 있는 원격탐사 기술로서 지진, 화산, 지반침하 등으로부터 발생한 단단한 지각 표면의 변위를 매우 정밀하게 주기적으로 관측할 수 있는 연구 활용분야의 한 종류이다. 습지대 환경처럼 수상 표면에 식생이 존재하는 경우에는 지표면과 동일한 방법을 적용하여 넓은 지역에 대한 높은 공간해상도의 수위 변화 지도 제작이 가능하다. 현재 다양한 파장 대역의 인공위성 영상레이더 시스템이 운용 중에 있으며 여기에는 넓은 지역에 대한 영상을 효과적으로 획득할 수 있는 광역 관측 ScanSAR 모드를 제공하는 위성도 다수 포함되어 있다. 본 논문의 연구 지역인 콜롬비아 북부의 Ciénaga Grande de Santa Marta (CGSM) 습지대는 카리브 해안을 따라 고지대에 위치한 광대한 습지 지역이다. CGSM 습지대는 해수면 상승과 기후 변화와 같은 자연적인 원인 뿐만 아니라 20세기 후반부터 시작된 농업개발 및 도시확장 등의 다양한 인간 활동으로 인한 심각한 환경적 위협을 받고 있다. 최근 해당 습지 지역에 대한 생태학적 중요성이 대두되면서 해당 습지를 보호하고 복원하기 위한 다양한 계획이 진행 중에 있다. 주기적인 습지대 환경 모니터링에 있어 수위 변화 관측은 매우 중요한 자료를 제공하며 일반적으로 수위계와 같은 현장관측 자료 등에 의존하는 경우가 많다. 수위계의 경우 시간적으로 연속적인 자료 관측이 가능하지만 공간적 분포를 이해하기에는 어려운 경우가 많다. 본 연구에서는 현장 관측의 공간적 해상도의 부족함을 보완하기 위한 L-밴드 ALOS-2 PALSAR-2 ScanSAR 광역 관측 모드 자료의 영상레이더 위상간섭기법 습지대 수위 변화 관측 활용 가능성에 대해 평가하고자 한다. 광역 관측 모드의 공간해상도 및 위상간섭도 품질 비교를 위해 ALOS-2 PALSAR-2 stripmap 고해상 모드와 함께 분석하였다.

KCI등재

2시계열 토지피복도 제작을 위한 준감독학습 기반의 훈련자료 자동 추출

저자 : 곽근호 ( Geun-ho Kwak ) , 박노욱 ( No-wook Park )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 5호 발행 연도 : 2022 페이지 : pp. 461-469 (9 pages)

다운로드

(기관인증 필요)

초록보기

이 연구에서는 시계열 토지피복도를 제작하기 위해 분석자 개입 없이 준감독학습 기반 분류를 이용하는 새로운 훈련자료 추출 기법을 제안하였다. 준감독학습 기반 훈련자료 추출 기법은 먼저 분류 대상 영상과 유사한 토지피복 특성을 포함하는 과거 영상으로부터 획득한 초기 훈련자료를 이용하여 초기 분류를 수행한다. 이후, 분류의 불확실성 정보와 인접 화소의 분류 항목을 제약 조건으로 이용하는 준감독학습 기반 반복 분류를 이용하여 초기 분류 결과로부터 신뢰할 수 있는 훈련자료를 추출한다. 준감독학습 기반 훈련자료 추출 기법의 적용 가능성은 농경지에서 unmanned aerial vehicle 영상을 이용하는 분류 실험을 통해 평가되었다. 제안한 준감독학습 기반 훈련자료 추출 기법에 의해 자동으로 추출된 새로운 훈련자료를 이용하는 것은 초기 분류 결과에서 나타난 오분류를 두드러지게 완화할 수 있었다. 특히, 인접 화소의 공간 문맥 정보를 고려함으로써 고립된 화소가 크게 감소하였다. 결과적으로, 제안 기법의 분류 정확도는 수동으로 추출한 훈련자료를 이용하는 분류 정확도와 유사하였다. 이러한 결과는 이 연구에서 제시한 준감독학습 기반 반복 분류가 시계열 토지피복도를 제작하기 위해 신뢰할 수 있는 훈련자료를 자동으로 추출하는데 효과적으로 적용될 수 있음을 나타낸다.

KCI등재

3전산유체역학 모델을 활용한 여름철 종관기상관측소의 기온과 바람 관측 환경 평가

저자 : 강정은 ( Jung-eun Kang ) , 노주환 ( Ju-hwan Rho ) , 김재진 ( Jae-jin Kim )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 5호 발행 연도 : 2022 페이지 : pp. 471-484 (14 pages)

다운로드

(기관인증 필요)

초록보기

본 연구는 전산유체역학 모델을 이용하여 기상청에서 운용하는 종관기상관측소(automated synoptic observing system, ASOS) 10개 지점을 대상으로 ASOS 주변 지형과 건물이 기온과 바람(풍속, 풍향) 관측 환경에 미치는 영향을 분석하였다. ASOS에서 최근 10년간 8월의 관측 자료를 기반으로 전산유체역학(computational fluid dynamics, CFD) 모델의 초기·경계 자료를 구축하였다. 실제 토지 피복을 고려한 경우와 모든 피복을 초지로 가정한 경우에 대해, 관측 고도에서 초기 기온 대비 기온 변화율을 비교함으로써 기온 관측 환경을 분석하였다. 기온 관측 환경은 관측 지점 주위의 토지 피복에 의한 영향을 많이 받았다. ASOS 주변에 지표면 온도가 높은 건물과 도로가 밀집한 경우에 기온 변화율이 크게 나타났다. 반면, 모든 토지 피복을 초지로 가정한 경우에는 초기 기온 대비 기온 변화율이 작았다. 실제 토지 피복을 고려하여 관측 고도의 유입류 대비 풍속 변화율과 풍향 변화를 비교함으로써 풍속과 풍향 관측 환경을 분석하였다. 풍속과 풍향은 ASOS 주변에 관측 고도보다 높거나 비슷한 높이의 지형과 건물 영향을 크게 받았으며, 원거리에 위치한 장애물에 의한 영향도 나타났다. 본 연구 결과는 종관기상관측소의 이전과 신설 단계에서 관측 환경 평가에 활용될 것이다.

KCI등재

4RapidEye 영상정보의 지표반사도 생성을 위한 OTB Extension 개발과 정확도 검증 실험

저자 : 김광섭 ( Kwangseob Kim ) , 이기원 ( Kiwon Lee )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 5호 발행 연도 : 2022 페이지 : pp. 485-496 (12 pages)

다운로드

(기관인증 필요)

초록보기

이 연구에서 RapidEye 위성영상 대기 및 지표반사도 산출물을 생성하는 소프트웨어를 구현하였다. 이 소프트웨어는 절대대기보정 알고리즘을 채택하고 있는 오픈소스 원격탐사 소프트웨어 Orfeo Toolbox (OTB) 기반 Extension이다. 소프트웨어 성능을 확인하기 위하여 구현 결과인 산출물 정확도는 Radiometric Calibration Network (RadCalNet) 사이트의 데이터와 해당 위치에 촬영된 RapidEye 영상을 사용하여 검증하고자 하였다. 또한 거의 같은 일자에 같은 지역을 촬영한 KOMPSAT-3A 영상으로부터 생성한 지표반사도와 Landsat Analysis Ready Data (ARD) 제품 중 하나인 지표반사도 자료도 함께 비교하였다. 이 외에도 같은 영상에 대하여 상업 도구에서 지원하는 QUick Atmospheric Correction (QUAC)와 Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH) 도구를 적용한 처리 결과와 직접 비교 연구를 수행하였다. RadCalNet 자료에 대비하여 KOMPSAT 지표반사도와 마찬가지로 이 Extension에서 얻은 결과는 5% 이내 일치 수준의 정확도를 나타내었고 QUAC와 FLAASH를 이용한 결과에 비하여 모든 밴드 영상에서 상대적으로 우수한 정확도를 보이는 것으로 나타났다. 농업, 산림이나 환경 분야에서 Red-Edge 밴드의 중요성이 강조되고 있기 때문에 이 소프트웨어를 이용하여 산출되는 RapidEye 영상의 지표반사도 활용도 증가할 것으로 기대한다.

KCI등재

5농업용 저수지 모니터링을 위한 다해상도 SAR 영상의 활용

저자 : 이슬찬 ( Seulchan Lee ) , 정재환 ( Jaehwan Jeong ) , 오승철 ( Seungcheol Oh ) , 정하규 ( Hagyu Jeong ) , 최민하 ( Minha Choi )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 5호 발행 연도 : 2022 페이지 : pp. 497-510 (14 pages)

다운로드

(기관인증 필요)

초록보기

농업용 저수지는 수자원이 계절적으로 편중된 한반도에서 갈수기 용수 공급을 위한 필수적인 구조물이다. 효율적인 물 관리를 위해서는 중소규모 저수지에 대한 체계적이고 효과적인 모니터링이 필요하며, 합성개구 레이더(Synthetic Aperture Radar, SAR) 영상은 전천후 관측이 가능하다는 특징과 함께 연속적인 저수지 모니터링을 위한 도구가 된다. 본 연구에서는 10 m급 해상도를 갖는 Sentinel-1 SAR 영상과 1 m급 해상도의 Capella XSAR 영상을 활용하여 울산광역시 차리, 갈전, 뒷골 저수지의 수체를 탐지하였으며, 이를 통해 국내 중소규모 저수지 모니터링에의 활용성을 평가하고자 하였다. Z fuzzy function 기반 임계값 산정을 통한 영상분할기법과 객체 탐지 기반 분할기법인 Chan-vese (CV) 기법을 통해 수체 영역을 산정하였으며, UAV 영상과의 비교를 통해 성능을 정량적으로 평가하였다. 임계값 기반 탐지 정확도는 Sentinel-1의 경우 약 0.87, 0.89, 0.77 (차리, 갈전, 뒷골), Capella의 경우 약 0.78, 0.72, 0.81로 나타났으며, CV 기법 적용 시 모든 저수지에서 정확도가 향상되는 것을 확인하였다(Sentinel-1: 0.94, 0.89, 0.84, Capella: 0.92, 0.89, 0.93). Capella는 모든 저수지/분할기법에 대해 수체와 비수체의 경계를 비교적 뚜렷하게 모의하였으나, 고해상도로 인한 speckle noise가 충분히 평활화되지 않아 오탐지 및 미탐지가 다소 발생하였다. 오탐지의 제거를 위해 광학 센서 기반 보조자료를 활용하여 마스킹한 결과, 정확도가 최대 13% 향상되는 것을 확인할 수 있었다. 본 연구 결과를 바탕으로 SAR 위성 기반 더욱 정확한 저수지 탐지가 이루어진다면 소규모 저수지를 포함, 종합적인 가용수량에 대한 연속적인 모니터링이 가능할 것이며, 효과적인 수자원 관리에 기여할 수 있을 것으로 기대된다.

KCI등재

6DeepLabV3+를 이용한 이종 센서의 구름탐지 기법 연구

저자 : 김미정 ( Mi-jeong Kim ) , 고윤호 ( Yun-ho Ko )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 5호 발행 연도 : 2022 페이지 : pp. 511-521 (11 pages)

다운로드

(기관인증 필요)

키워드 보기
초록보기

위성영상에서의 구름 탐지 및 제거는 지형관측과 분석을 위해 필수적인 과정이다. 임계값 기반의 구름 탐지 기법은 구름의 물리적인 특성을 이용하여 탐지하므로 안정적인 성능을 보여주지만, 긴 연산시간과 모든 채널의 영상 및 메타데이터가 필요하다는 단점을 가지고 있다. 최근 활발히 연구되고 있는 딥러닝을 활용한 구름탐지 기법은 4개 이하의 채널(RGB, NIR) 영상만을 활용하고도 짧은 연산시간과 우수한 성능을 보여주고 있다. 본 논문에서는 해상도가 다른 이종 데이터 셋을 활용하여 학습데이터 셋에 따른 딥러닝 네트워크 성능 의존도를 확인하였다. 이를 위해 DeepLabV3+ 네트워크를 구름탐지의 채널 별 특징이 추출되도록 개선하고 공개된 두 이종 데이터 셋과 혼합 데이터로 각각 학습하였다. 실험결과 테스트 영상과 다른 종류의 영상으로만 학습한 네트워크에서는 낮은 Jaccard 지표를 보여주었다. 그러나 테스트 데이터와 동종의 데이터를 일부 추가한 혼합 데이터로 학습한 네트워크는 높은 Jaccard 지표를 나타내었다. 구름은 사물과 달리 형태가 구조화 되어 있지 않아 공간적인 특성보다 채널 별 특성을 학습에 반영하는 것이 구름 탐지에 효과적이므로 위성 센서의 채널 별 특징을 학습하는 것이 필요하기 때문이다. 본 연구를 통해 해상도가 다른 이종 센서의 구름탐지는 학습 데이터 셋에 매우 의존적임을 확인하였다.

KCI등재

7영역-점 회귀 크리깅 기반 다중센서 위성영상의 공간-분광 융합: 고해상도 적색 경계 및 단파 적외선 밴드 생성 실험

저자 : 박소연 ( Soyeon Park ) , 강솔아 ( Sol A Kang ) , 박노욱 ( No-wook Park )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 5호 발행 연도 : 2022 페이지 : pp. 523-533 (11 pages)

다운로드

(기관인증 필요)

초록보기

이 논문에서는 상호보완적인 공간 및 분광해상도를 가진 다중센서 위성영상을 이용하여 공간해상도와 분광해상도를 향상시키기 위해 영역-점 회귀 크리깅(area-to-point regression kriging, ATPRK) 기반의 2단계 spatio-spectral fusion method (2SSFM)을 제안하였다. 2SSFM은 ATPRK와 random forest 회귀 모형을 결합하여 다중센서 위성영상에서 높은 공간해상도를 갖는 분광 밴드를 예측한다. 첫 번째 단계에서는 다중센서 위성영상 사이의 공간해상도 차이를 감소시키기 위해 ATPRK 기반 공간 상세화를 수행한다. 두 번째 단계에서는 다중센서 위성영상 사이의 분광 밴드의 관계성을 정량화하기 위해 random forest를 이용한 회귀 모델링을 적용하였다. 2SSFM의 예측 성능은 적색 경계와 단파 적외선 밴드를 생성하는 사례 연구를 통해 평가하였다. 사례 연구에서 2SSFM은 실제 분광 밴드와 유사한 분광패턴을 보이면서 공간해상도가 향상된 적색 경계와 단파 적외선 밴드를 생성할 수 있었으며, 2SSFM가 고해상도 위성영상에서 제공하지 않은 분광 밴드 생성에 유용함을 확인할 수 있었다. 따라서 2SSFM을 통해 실제로 획득 불가능하지만 환경 모니터링에 효과적인 분광 밴드를 예측함으로써 다양한 분광 지수를 생성할 수 있을 것으로 기대된다.

KCI등재

8드론 다중분광영상과 컴퓨터 비전 기술을 이용한 배추 객체 탐지 알고리즘 개발

저자 : 류재현 ( Jae-hyun Ryu ) , 한중곤 ( Jung-gon Han ) , 안호용 ( Ho-yong Ahn ) , 나상일 ( Sang-il Na ) , 이병모 ( Byungmo Lee ) , 이경도 ( Kyung-do Lee )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 5호 발행 연도 : 2022 페이지 : pp. 535-543 (9 pages)

다운로드

(기관인증 필요)

초록보기

농업분야에서 드론을 활용하여 작물의 생육을 진단하고 정보를 영상으로 제공하고 있다. 들녘 단위에 대한 고해상도 드론 영상을 활용하는 경우 객체별 생육정보를 생산할 수 있으나 정확하게 작물을 탐지하고 인접한 객체를 효율적으로 구분하기 위한 작업이 요구된다. 본 연구에서는 작물 객체를 탐지하고 위치 정보를 추출하는 알고리즘을 개발하는 것이 목적이다. 드론 다중분광영상과 컴퓨터 비전 기술을 활용하여 객체 탐지를 위한 알고리즘을 개발하였으며, 대상 작물은 가을배추로 선정하였다. 2018년~2020년까지 가을배추를 대상으로 정식 후 7일~15일 사이의 드론 영상을 취득하였으며, 2019년 영상 기반으로 객체 탐지 알고리즘을 개발한 뒤 2018년, 2020년 영상을 기반으로 알고리즘 평가를 수행하였다. 분광반사도 기반 지수와 식생의 분광 반사도 특성을 고려하여 식생 지역을 추출하였다. 이후 추출된 식생 지역에서 객체의 크기를 고려하여 팽창(Dilatation), 침식(Erosion), 이미지 분할 등과 같은 모폴로지(Morphology) 기법을 통해 객체 탐지 정확도를 향상시켰다. 개발된 객체 탐지 알고리즘의 정밀도는 95.19% 이상이었으며, 재현율과 정확도는 각각 95.4%, 93.68% 이상이었다. 객체 탐지 알고리즘의 F1-Score는 0.967 이상으로 나타났다. 본 연구에서 개발한 알고리즘을 이용하여 추출된 배추 객체 중심에 대한 위치 정보는 작물의 재배시기에 따라 영농단계별 의사결정 정보를 제공하기 위한 자료로써 활용될 것이다.

KCI등재

9Sentinel-2 위성영상을 이용한 DMZ 산불 피해 면적 관측 기법 연구

저자 : 이슬기 ( Seulki Lee ) , 송종성 ( Jong-sung Song ) , 이창욱 ( Chang-wook Lee ) , 고보균 ( Bokyun Ko )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 5호 발행 연도 : 2022 페이지 : pp. 545-557 (13 pages)

다운로드

(기관인증 필요)

키워드 보기
초록보기

본 연구는 직접적인 접근이 어려운 demilitarized zone (DMZ)의 산불 피해 지역을 파악하기 위하여, 고해상도 위성영상 및 머신러닝 기반의 감독 분류 기법을 이용하였다. 고해상도 위성 영상은 Sentinel-2 A/B를 이용하였으며, SVM 감독분류 기법을 기반으로 토지피복도를 산출하였다. DMZ 산불 피해 지역을 분류하기 위한 최적의 조합을 찾기 위하여 SVM 내에 다양한 커널과 밴드 조합에 따른 감독 분류를 진행하고 오차 행렬을 통해 정확도를 평가하였다. 또한, 2020년, 2021년은 위성영상 자료 기반의 산불 탐지 결과와 산불 연보의 피해 지역 면적 간의 비교를 통한 검증을 수행하였다. 이후, 현재 피해 면적 자료가 없는 2022년의 산불 피해 지역을 탐지함으로써 신뢰할 만한 수준의 결과를 신속적으로 파악하고자 하였다.

KCI등재

10광학 위성 영상 기반 선박탐지의 정확도 개선을 위한 딥러닝 초해상화 기술의 영향 분석

저자 : 박성욱 ( Seongwook Park ) , 김영호 ( Yeongho Kim ) , 김민식 ( Minsik Kim )

발행기관 : 대한원격탐사학회 간행물 : 대한원격탐사학회지 38권 5호 발행 연도 : 2022 페이지 : pp. 559-570 (12 pages)

다운로드

(기관인증 필요)

초록보기

광학 위성 영상의 공간해상도가 낮게 되면 크기가 작은 객체들의 경우 객체 탐지의 어려움이 따른다. 따라서 본 연구에서는 위성 영상의 공간해상도를 향상시키는 초해상화(Super-resolution) 기술이 객체 탐지 정확도 향상에 대한 영향이 유의미한지 알아보고자 하였다. 쌍을 이루지 않는(unpaired) 초해상화 알고리즘을 이용하여 Sentinel-2 영상의 공간해상도를 3.2 m로 향상시켰으며, 객체 탐지 모델인 Faster-RCNN, RetinaNet, FCOS, S2ANet을 활용하여 초해상화 적용 유무에 따른 선박 탐지 정확도 변화를 확인했다. 그 결과 선박 탐지 모델의 성능 평가에서 초해상화가 적용된 영상으로 학습된 선박 탐지 모델들에서 Average Precision (AP)가 최소 12.3%, 최대 33.3% 향상됨을 확인하였고, 초해상화가 적용되지 않은 모델에 비해 미탐지 및 과탐지가 줄어듦을 보였다. 이는 초해상화 기술이 객체 탐지에서 중요한 전처리 단계가 될 수 있다는 것을 의미하고, 객체 탐지와 더불어 영상 기반의 다른 딥러닝 기술의 정확도 향상에도 크게 기여할 수 있을 것으로 기대된다.

발행기관 최신논문
자료제공: 네이버학술정보
발행기관 최신논문
자료제공: 네이버학술정보

내가 찾은 최근 검색어

최근 열람 자료

맞춤 논문

보관함

내 보관함
공유한 보관함

1:1문의

닫기