• 제목/요약/키워드: 그림자기법

검색결과 169건 처리시간 0.027초

Landsat-8 위성영상 기반 수분지수 및 기계학습을 활용한 대구광역시의 지표수 탐지 (Detection of Surface Water Bodies in Daegu Using Various Water Indices and Machine Learning Technique Based on the Landsat-8 Satellite Image)

  • 정윤재;김경섭;박인선;정연인
    • 한국지리정보학회지
    • /
    • 제24권1호
    • /
    • pp.1-11
    • /
    • 2021
  • 위성영상을 활용한 하천, 습지, 호수 등 지표수 객체의 탐지는 해당 지역의 수자원 관리 및 조사 업무에 효율적으로 활용될 수 있다. 본 연구에서는 원격탐사 분야에서 물을 탐지하기 위해 제공하는 수분지수(Water Index)와 영상으로부터 객체를 인식하는 데 폭넓게 활용되는 기계학습(Machine learning) 기법을 대구광역시를 촬영한 Landsat-8 위성영상에 개별적으로 적용하여 하천, 호수 등 다양한 지표수 객체를 탐지하고 그 결과를 비교하였다. 우선 Landsat-8 위성영상의 다중분광 밴드로부터 NDWI(Normalized Difference Water Index), MNDWI(Modified Normalized Difference Water Index) 영상을 생성하였고, 임계치를 적용하여 개별 영상으로부터 물과 그 외 지역을 구분할 수 있는 이진 영상(Binary image)을 제작하였다. 그리고 기계학습 기법인 SVM(Support Vector Machine)을 동일 위성영상에 적용하여 토지 피복 영상을 제작하고 이로부터 이진 영상을 제작하였다. 최종적으로 100개의 검사점(Checkpoints)을 사용하여 세 이진 영상으로부터 지표수 탐지를 위한 정확도를 오차 행렬을 활용하여 계산하였다. 그 결과, MNDWI 영상으로부터 제작된 이진 영상의 정확도(84%)가 NDWI 영상으로부터 제작된 이진 영상의 정확도(94%)와 SVM에 의해 제작된 이진 영상의 정확도(96%)에 비해 낮았으며, 모든 이진 영상에서 그림자 등의 원인으로 인해 일부 육지 분류 결과가 지표수 객체로 오분류되었다.

피부 영역 분할과 신경 회로망에 기반한 칼라 영상에서 얼굴 검출 (Face Detection in Color Images Based on Skin Region Segmentation and Neural Network)

  • 이영숙;김영봉
    • 한국콘텐츠학회논문지
    • /
    • 제6권12호
    • /
    • pp.1-11
    • /
    • 2006
  • 많은 연구 데모용 프로그램들과 상업적 응용물들이 얼굴 검출과 얼굴 인식 시스템들을 개발하기 위해 시도되고 있다. 인간의 얼굴 검출은 접근 제어 및 비디오 감시 시스템, 휴먼 컴퓨터 인터페이스, 신원 인증 등과 같은 많은 응용 프로그램들에 중요한 역할을 한다. 일반적으로 스킨 영역 분할 후 배경과 연결된 얼굴, 스킨 칼라로 인한 연결된 얼굴들, 여러 개의 작은 부분들로 분할된 하나의 얼굴과 같은 몇 가지 특별한 문제점들이 있다. 많은 얼굴 검출 기법들이 첫 번째 와 두 번째 문제를 해결하도록 허락되어진다. 그러나 세 번째 문제에서 다른 조명 효과들로 인해서 여러 영역들로 분할된 하나의 얼굴이 검출되어지는 것은 쉽지가 않다. 그러므로 우리는 기존 영역 분할 알고리즘은 이용될 수 없기 때문에 이 문제를 해결하기 위해 효율적인 수정된 스킨 분할 알고리즘을 제안한다. 본 알고리즘은 전체 영상에 대해 피부 영역을 검출한 후 피부 분할 알고리즘을 사용하여 얼굴 후보 영역들을 생성한다. 각 얼굴 피부 후보 영역에 대해 그림자 등의 조명 효과로 인해 한 명의 얼굴이 여러 영역으로 분할되는 경우를 처리하기 위해 동차적 영역간의 인접성을 활용하여 하나의 큰 영역으로 만드는 병합 작업을 시도하였다. 다른 크기의 얼굴 검출을 위해 다양한 가변 크기의 탐색 윈도우와 선택된 각 얼굴 후보 영역에 얼굴이 존재하는지를 판단하기 위해 역전파 알고리즘에 기반한 얼굴 검출 분류기를 사용하였다.

  • PDF

2010년 BDI의 예측 -ARIMA모형과 HP기법을 이용하여 (Forecasts of the BDI in 2010 -Using the ARIMA-Type Models and HP Filtering)

  • 모수원
    • 한국항만경제학회지
    • /
    • 제26권1호
    • /
    • pp.222-233
    • /
    • 2010
  • 해상운임의 변동은 해운업계에만 영향을 미치는데 그치지 않고 전후방 연쇄효과를 통해 조선업계를 비롯하여 경제 전반에 영향을 미친다. 따라서 해상운임의 움직임을 정확히 예측하는 것은 해운업계 뿐만 아니라 우리나라 경제에도 중요한 의미를 갖게 된다. 그러나 해상운임은 주가나 환율과 같이 다양한 요인에 의해 결정될 뿐만 아니라 최근 들어 운임의 변동성이 크게 커지는 추세이어서 예측에 상당한 어려움이 있다. 본고는 2010년의 BDI를 예측하기 위하여 가장 단순한 모형인 단변량모형인 ARIMA 모형, 개입ARIMA모형, HP 모형을 이용한다. 개입ARIMA 모형은 글로벌 금융위기와 중국효과가 미친 효과를 분석하기 위한 것이다. ARIMA모형은 2010년 말에 4,230-4.690에 도달할 것으로, 개입ARIMA모형은 낙관적인 경우 4,460-4,900선에, 비관적일 경우 2,820-2,940선이 될 것으로 예상하여 모형별로 상당한 차이를 드러내고 있다. 그런데 HP 모형에 의한 예측치는 기준 역할을 하므로 HP모형에 의한 2010년 말 예측치 3,500 포인트를 감안하면 2010년 12월에 2,820-4,230의 범주에 도달할 것으로 예측된다. 2010년 12월 2,800 포인트는 해운업계에 어두운 그림자를 드리우는 예측치이다. 그러나 낙관적인 2010년 12월 4,000포인트는 2008년 BDI가 10,000 포인트를 넘어선 때를 기억하면 그리 높게 생각되지 않을 수 있으나 4,000 포인트 이상의 BDI는 해운관련업계에게 어느 정도의 안도감을 주고 재도약을 할 수 있는 기반을 제공할 수 있는 수준으로 판단된다.

불법 주정차 무인 자동 단속을 위한 환경 변화에 강건한 적응적 배경영상 모델링 알고리즘 (Algorithm of Generating Adaptive Background Modeling for crackdown on Illegal Parking)

  • 주성일;전영민;최형일
    • 한국컴퓨터정보학회논문지
    • /
    • 제13권6호
    • /
    • pp.117-125
    • /
    • 2008
  • 실시간 입력영상 분석에 의한 객체 추적은 사람의 시각이 요구되는 여러 응용분야에서 관심 있는 주제 중 하나이다. 객체를 추적하기 위해서는 객체 검지가 선행 된다. 실외 환경에서 안정적인 객체 검지 성능의 달성은 태양의 남중고도 변화에 따른 빛과 그림자의 변화, 자연현상 등의 다양한 환경변화를 수용하는 효과적인 적응적 배경영상 생성 방법이 필요하다. 본 논문에서는 불법 주정차 무인 자동 단속 응용에 효과적으로 활용 가능한 환경 변화에 강건한 적응적 배경영상 생성과 이동 객체의 정지 여부를 판단하는 방법을 제안한다. 본 논문에서 제안하는 적응적 배경영상 생성 방법은 먼저, 초기 배경영상을 생성 후, 생성된 초기 배경영상과 입력영상 프레임 간의 차연산 기법으로 객체를 검지하고, 객체 검지 결과로 이동객체를 추적한다. 또한 객체 검지의 결과로부터 얻어진 객체영역을 제외한 입력영상의 영역을 활용하여 배경영상을 갱신한다. 이후 갱신된 배경영상과 입력영상 간의 차연산 방법으로 객체 검지를 수행하고 이후, 추적, 객체영역을 제외한 영역으로 배경영상 갱신의 과정을 반복한다. 실험에서는 제안방법을 가변하는 실제 도로환경에 적용하여 효과적으로 객체 검지가 가능함과 서행하는 객체 또한 효과적으로 검지됨을 보이고 이동 객체의 정지 여부를 판단할 수 있음을 보인다.

  • PDF

CNN을 이용한 딥러닝 기반 하수관 손상 탐지 분류 시스템 (Damage Detection and Classification System for Sewer Inspection using Convolutional Neural Networks based on Deep Learning)

  • ;;임수현;민경복;남준영;문현준
    • 한국정보통신학회논문지
    • /
    • 제22권3호
    • /
    • pp.451-457
    • /
    • 2018
  • 본 연구는 인공지능 분야의 딥러닝 기술을 기반으로 한 하수관 손상의 자동 탐지 분류 시스템을 제안한다. 성능의 최적화를 위하여 DB 획득 시 발생된 조도 및 그림자 변화와 같은 다양한 환경변화에 강인한 시스템을 구현하였다. 제안된 시스템에서는 Convolutional Neural Network(CNN) 기반의 균열 탐지 및 손상 분류 기법을 구현하였다. 최적의 결과를 위하여 $256{\times}256$ 픽셀 해상도의 CCTV 영상 9,941개를 이용하여 CNN모델을 적용하여 손상부위에 대한 딥러닝을 수행하였고 그 결과 98.76 %의 인식률을 획득하였다. 기계학습을 통한 딥러닝 모델을 기반으로 다양한 환경의 하수도 DB에서 $720{\times}480$ 픽셀 해상도의 646개의 이미지를 추출하여 성능 평가를 수행 하였다. 본 시스템은 다양한 환경에서 구축된 하수관 데이터베이스 에서 손상 유형의 자동 탐지 및 분류에 최적화된 인식률을 제시한다.

디지털 홀로그래피를 이용한 포토리소그래피 공정 제품 패터닝의 폭과 단차 측정 (Measurement of Width and Step-Height of Photolithographic Product Patterns by Using Digital Holography)

  • 신주엽;강성훈;마혜준;권익환;양승필;정현철;홍정기;김경석
    • 비파괴검사학회지
    • /
    • 제36권1호
    • /
    • pp.18-26
    • /
    • 2016
  • 반도체 산업은 우리나라 주력산업중 하나로 매년 꾸준한 성장세를 보이며 지속적인 성장을 하고 있다. 이러한 반도체 산업에서의 중요한 기술은 소자의 고 집적화이다. 이는 면적당 메모리 용량을 증가시키는 것으로 핵심역할을 하는 것이 바로 포토리소그래피 기술이다. 포토리소그래피란 마스크의 표면에 빛을 쬐어 생기는 그림자를 웨이퍼 상에 인쇄하는 기술이며 반도체 제조공정에서의 가장 중요한 공정이다. 이러한 공정을 통해 나온 패터닝을 분석 시에 폭과 단차의 균일성을 측정한다. 이에 따라 본 논문은 포토리소그래피 공정이 적용된 시험편 패터닝에 폭과 판 사이와의 단차를 투과형 디지털 홀로그래피를 구성하여 측정하고자 한다. 투과형 디지털 홀로그래피 간섭계를 구성하고 시험편에 임의의 9포인트를 설정하여 각 포인트를 측정하고 상용장비인 SEM (scanning electron microscopy)과 alpha step으로 측정한 결과와 비교하고자 한다. 투과형 디지털 홀로그래피는 측정시간이 타 기법에 비에 짧다는 장점과 배율렌즈를 사용하기 때문에 저 배율에서 고 배율로 변경하여 측정할 수 있는 장점을 가지고 있다. 실험 결과로부터 투과형 디지털 홀로그래피가 포토 리소그래피가 적용된 패터닝 측정에 유용한 기술임을 확인할 수 있었다.

전통조경에서 분(盆)을 이용한 식물의 활용과 애호 행태 (Plant Species Utilization and Care Patterns Using Potted Plants in the Traditional Gardening)

  • 김명희
    • 한국전통조경학회지
    • /
    • 제31권3호
    • /
    • pp.61-74
    • /
    • 2013
  • 본 연구는 선조들이 궁궐이나 사가(私家)의 정원에 분을 이용하여 식물을 완상한 실증적인 사례들에 대하여 고문헌과 고전시문을 고찰하고 해석하여, 분에 식재된 식물소재와 분식물의 수형 및 식재기법 그리고 분식물의 배치와 애호행태 등을 고찰하였다. 연구의 방법은 분식물을 주제로 한 시문과 회화를 고찰하고 해석하는 기술(description)적 연구방법을 사용하였다. 본 연구의 결과를 요약하면 다음과 같다. 첫째, 분에 식재되어 애용된 식물로 목본류는 매화나무와 소나무를 비롯하여 만년송, 대나무, 동백나무, 석류나무, 치자나무 등 19종이고, 초본류는 국화와 연(蓮)을 비롯하여 12종이다. 둘째, 수형을 인위적으로 각별하게 가꾼 수종은 매화나무와 소나무로 두 식물은 왕피나 규반, 반간 등 줄기의 굴곡이 심한 생김새의 수형을 만들었으며, 기이한 등걸에 접붙인 매화나무와 괴석 위에 뿌리를 뻗게 석부하여 수형을 가꾼 소나무 분재도 있다. 분재의 수형미를 위해 노송에 솔방울을 달거나 줄기에 담쟁이덩굴을 식재하기도하고, '종분취경'이라 하여 분토에 이끼가 생기게 하는 부가적인 방법도 활용하였다. 식재기법으로 수경재배, 석부작, 숯부작, 모아심기 등도 시문에 표현되어 있다. 셋째, 분식물이 배치된 외부공간으로는 궁궐의 연조공간이나 연침공간, 사가의 건물 주변과 마당, 섬돌 위 등에 놓여 점경물 역할을 하였다. 분식물은 서재나 사랑방의 탁자나 책상, 문갑 위, 베갯머리 등에 놓여 실내공간의 소품 역할을 하며, 선비들은 이들 분식물의 고유의 특성과 상징성에서 의미를 취하여 즐겼다. 넷째, 분매(盆梅)의 개화시기에는 시회를 열어 매화를 감상하고 술을 마시며 시작활동을 하였으며, 국화 개화시는 술잔에 띄우거나 그림자놀이 등 풍류를 즐겼다. 다섯째, 분식물은 궁궐이나 사대부들의 아취 있는 모임이나 결혼식과 제사 등의 행사에서 점경물의 역할을 하였다. 여섯째, 분식물은 국가 간의 공물로 사용되기도 하고, 왕에게 드리는 진상품이나 왕의 하사품으로 이용되기도 하였다. 또한 선비들 사이에도 분식물을 주고받은 사례가 많으며, 목은 이색의 목은시고 에 분매를 선물한 최초의 기록이 있다. 일곱째, 분매와 분국, 분치, 분연 및 분에 심은 수선화 등의 개화시에 이들 식물의 고유의 향기를 즐기며, 시문으로 표현하였다. 여덟째, 동백나무, 서향화, 치자나무, 귤나무, 대나무, 석류나무, 해당화, 파초 등 남부수종이나 외래수종 및 내한성이 약한 종은 엄동설한에 중부이북지방의 실내에서 푸르름을 즐기기 위하여 분에 심어 활용되었다.

전이학습과 딥러닝 네트워크를 활용한 고해상도 위성영상의 변화탐지 (Change Detection for High-resolution Satellite Images Using Transfer Learning and Deep Learning Network)

  • 송아람;최재완;김용일
    • 한국측량학회지
    • /
    • 제37권3호
    • /
    • pp.199-208
    • /
    • 2019
  • 운용 가능한 위성의 수가 증가하고 기술이 진보함에 따라 영상정보의 성과물이 다양해지고 많은 양의 자료가 축적되고 있다. 본 연구에서는 기구축된 영상정보를 활용하여 부족한 훈련자료의 문제를 극복하고 딥러닝(deep learning) 기법의 장점을 활용하고자 전이학습과 변화탐지 네트워크를 활용한 고해상도 위성영상의 변화탐지를 수행하였다. 본 연구에서 활용한 딥러닝 네트워크는 공간 및 분광 정보를 추출하는 합성곱 레이어(convolutional layer)와 시계열 정보를 분석하는 합성곱 장단기 메모리 레이어(convolutional long short term memory layer)로 구성되었으며, 고해상도 다중분광 영상에 최적화된 정보를 추출하기 위하여 커널(kernel)의 차원에 따른 정확도를 비교하였다. 또한, 학습된 커널 정보를 활용하기 위하여 변화탐지 네트워크의 초기 합성곱 레이어를 고해상도 항공영상인 ISPRS (International Society for Photogrammetry and Remote Sensing) 데이터셋에서 추출된 40,000개의 패치로 학습된 값으로 초기화하였다. 다시기 KOMPSAT-3A (KOrean Multi-Purpose SATllite-3A) 영상에 대한 실험 결과, 전이학습과 딥러닝 네트워크를 활용할 경우 기복 변위 및 그림자 등으로 인한 변화에 덜 민감하게 반응하며 분류 항목이 달라진 지역의 변화를 보다 효과적으로 추출할 수 있었으며, 2차원 커널보다 3차원 커널을 사용할 때 변화탐지의 정확도가 높았다. 3차원 커널은 공간 및 분광정보를 모두 고려하여 특징 맵(feature map)을 추출하기 때문에 고해상도 영상의 분류뿐만 아니라 변화탐지에도 효과적인 것을 확인하였다. 본 연구에서는 고해상도 위성영상의 변화탐지를 위한 전이학습과 딥러닝 기법의 활용 가능성을 제시하였으며, 추후 훈련된 변화탐지 네트워크를 새롭게 취득된 영상에 적용하는 연구를 수행하여 제안기법의 활용범위를 확장할 예정이다.

하늘상태와 음영기복도에 근거한 복잡지형의 일조시간 분포 상세화 (Downscaling of Sunshine Duration for a Complex Terrain Based on the Shaded Relief Image and the Sky Condition)

  • 김승호;윤진일
    • 한국농림기상학회지
    • /
    • 제18권4호
    • /
    • pp.233-241
    • /
    • 2016
  • 기상청에서 제공하는 넓은 지역의 수평면 일조시간 정보를 복잡한 산간집수역의 지형특성을 반영한 실제 일조시간 분포도로 변환하기 위해 지형효과를 정량화하기 위한 실험을 수행하였다. 경남 하동군 악양면 단일 집수역을 대상으로 정밀 DEM을 이용하여 그림자모형화 및 공제선분석 기법을 적용하여 일중 시간대별 음영기복도 1년 자료를 제작하였다. 2015년 5월 15일부터 2016년 5월 14일까지 1년 간 지형조건이 서로 다른 3지점에서 바이메탈식 일조계로 측정한 일조시간자료에 음영기복도 상 해당 지점의 휘도값을 추출하여 회귀시킴으로써 맑은 날의 휘도-일조시간 반응곡선을 얻었다. 이 곡선식을 하늘상태(운량)에 따라 보정할 수 있는 방법을 고안함으로써 일조시간 상세화 모형을 도출하였다. 이 모형의 신뢰도를 기존 수평면 일조시간 추정기법과 비교한 결과 추정값의 편의가 크게 개선된 것은 물론, 일적산일조시간 기준 RMSE가 1.7시간으로 지형효과를 반영하기 전보다 37% 이상 개선되었다. 어떤 지역을 대상으로 일조시간을 상세화 하기 위해서는 먼저 대상 지역의 매 시간 음영기복도의 격자점 휘도를 모형에 입력시켜 해당 시간대의 청천 일조시간을 추정한다. 다음에 같은 시간대의 기상청 동네예보(하늘상태)에 의해 구름 효과를 보정한다. 이렇게 추정된 매 시간 일조시간을 하루 단위로 적산하여 그 날의 누적 일조시간을 얻는다. 이 과정을 연구대상 집수역에 적용하여 수평 해상도 3m의 정밀한 일조시간 분포도를 얻을 수 있었다.