• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.208-211
• /
• 2003

이 논문은 Matched Filter 기술을 사용해 다양한 영상 중 얼굴 영상을 분류하는 연구에 대해서 기술한다. 기본 목표는 얼굴 영상과 그 외의 영상을 분류할 수 있는 효과적인 필터를 개발하는 것이다. 이런 Matched Filter는 Fourier 역변환을 사용해 훈련영상(Training Image)으로부터 얻을 수 있다. 실험평가는 Yale대학의 얼굴 데이터베이스의 얼굴영상과 다양한 형태를 보이는 임의의 영상으로 평가한다. 우리는 여기서 얼굴 영상을 분류하기 위한 방법 중 한가지로서 Matched Filter를 이용할 수 있음을 확인할 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.744-744
• /
• 2012

불투수층은 자연적인 침투를 허용하지 않는 인위적인 토지피복상태로 도시화율 추정 및 유역의 환경변화 정도를 분석하기 위한 척도로 사용되어 왔다. 특히, 수문학적 관점에서 불투수층은 단기 유출현상에 큰 영향을 끼치는 요소로 불투수율이 증가할수록 침투량이 감소하여 첨두유출량은 증가하고 도달시간은 짧아진다. 최근에는 급속한 도시화로 인해 불투수층의 영향이 더욱 커짐에 따라 불투수율의 추정에 대한 필요성이 증가하고 있다. 현재까지 위성영상을 이용한 불투수층의 추정은 고해상도 영상을 이용하여 피복분류를 수행하였다. 즉, 분류된 토지피복에 근거하여 불투수율을 산술적으로 계산하거나 분광혼합기법 및 회귀 트리기법 등 다양한 방법에 적용되어 왔다. 본 연구에서는 Sub-pixel 분류기법을 위성영상에 적용하여 섬강유역의 불투수율을 추정하고자 한다. Sub-pixel 분류는 기존 분류기법들이 다양한 토지피복이 혼합된 화소에 대해서도 가장 비중이 높은 토지피복 하나로 분류하던 것을 개선한 방법으로 fuzzy 이론을 적용하여 최소 20% 이상의 비율을 점유하는 항목 모두를 구분하여 분류하는 기법이다. 이를 위해 섬강유역의 Landsat TM 영상을 수집하고 환경부의 토지피복도와 지질도를 참조하여 트레이닝 자료를 수집하였다. 또한 결과에 영향을 미칠 수 있는 구름은 전처리를 통하여 제거하고 수집된 트레이닝 자료에 Sub-pixel 분류기법을 적용하여 섬강유역의 불투수율을 공간분포도로 작성하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10b
• /
• pp.923-926
• /
• 2000

부품영상이 가지고 있는 특징을 잘 반영하기 위해서는 많은 양의 정보가 필요하며, 대부분 기존의 부품영상 분류 시스템들은 가지고 있는 영상들에 대하여 각각의 특징정보를 직접 비교해야 했다. 따라서 부품영상의 종류가 많을 수록 많은 계산량이 요구된다. 이러한 단점을 개선하기 위하여 본 논문에서는 주파수 영역 기반의 계층적 부품영상 분류 시스템을 제안한다. 본 논문에서 제안한 시스템은 부품영상의 주파수 성분을 분해하여 계층적으로 구성되어 있는 분류기에 입력한다. 본 시스템은 주파수 영역을 바탕으로 계층구조를 유연하게 조정할 수 있으며 분류에 필요한 전체적인 계산량을 줄일 수 있다. 190 종의 부품영상 1,900 개를 본 시스템에 적용하여 실험한 결과, 높은 검색율을 유지하면서 비계층적인 구조를 가진 시스템에 비하여 약 4배 정도의 속도향상을 얻을 수 있었다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2005.11a
• /
• pp.17-22
• /
• 2005

Generally, pixel-based classification, utilize the similarity of distances between the pixel values in feature space, is applied to land use mapping using satellite remote sensing data. But this method is Improper to be applied to the very high resolution satellite data (VHRS) due to complexity of the spatial structure and the variety of pixel values. In this paper, we performed the hierarchical classification of VHRS imagery by data fusion, which integrated LiDAR height and intensity information. MLC and ISODATA methods were applied to IKONOS-2 imagery with and without LiDAR data prior to the hierarchical classification, and then results was evaluated. In conclusion, the hierarchical method with LiDAR data was the superior than others in VHRS imagery and both MLC and ISODATA classification with LiDAR data were better than without.

• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.10a
• /
• pp.278-281
• /
• 1998

본 논문에서는 다양한 모양의 부품 영상을 CCD카메라로 입력 받아 부품 영상에 포함된 부품의 내용 정보를 이용하여 부품을 분류하는 계층적 부품 분류 시스템을 구현하였다. 제안된 시스템은 부품 영상에 대해서 통계적 방법과 템플리트를 계층적으로 적용하여 부품을 분류하는 시스템이다. 2,000개의 부품 영상을 이용하여 실험한 결과, 84%의 분류율을 보였다.

• Proceedings of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography Conference
• /
• 2004.11a
• /
• pp.167-171
• /
• 2004

최근 들어 위성영상은 자료 처리 방식에 따라 지구표면이나 또는 지하면에 대한 다양한 정보(물리적인 정보, 화학적인 정보)를 얻을 수 있고 실제 지구를 가상으로 구현하는 데 활용될 수 있기 때문에 여러 산업에서 활용하고 있다. 또한 분류는 영상에 포함된 여러 가지 대상물을 구별하기 위해서 화소와 비교적 성질이 같은 화소 그룹별 특징에 대응되는 레벨을 지정하는 기술이 요구되며, 최소거리 분류법, 평행사변형법, 마하나로비스거리법(Mahanalobis Distance Method), 최대우도법(Maximum Likelihood Method)등 비교하여 분류를 수행

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2004.03a
• /
• pp.289-294
• /
• 2004

본 연구의 목적은 고해상도 위성 영상을 이용하여 식생도 제작 기법을 연구하는 것이며, 식생도에는 활엽수, 혼효림, 침엽수의 군집 경계를 표현하고자 하였다. 본 연구는 고해상도 위성영상을 활용하여 객체지향분류 기법을 적용하였다. 객체지향 분류기법은 크게 세그멘테이션의 과정과 세그멘트를 분류하는 과정으로 나눌 수 있다. 세그멘테이션 과정을 통해서 식생군집의 경계를 추출하고, 영상을 이용하여 상록침엽수를 분류하여 식생조사시 침엽수군락의 위치를 파악함으로써 조사의 효율성을 증대하였다.

• Proceedings of the KSRS Conference
• /
• 2009.03a
• /
• pp.3-6
• /
• 2009

본 연구에서는 경주시 내남면 일대를 대상으로 KOMPSAT MSC(Multi Spectral Camera) 영상(2007.06.12)을 이용하여 TCT(Tasseled-Cap Transformation), NDVI(Normalized Difference Vegetation Index) 알고리즘을 적용하여 분포도를 작성 하였으며 TCT DN 값을 기초로 영상 강조 및 변환을 통한 임상분류에 적합한 밴드 추출과 NDVI 분포도에서의 DN값을 기초로 산림현장 조사 결과에서 취득된 결과와의 비교 분석을 통하여 알고리즘에 대한 임상분류에 있어서의 변별력 분석을 수행하였다. 본 연구를 통하여 KOMPSAT MSC 영상에서의 임상분류를 위한 식생 알고리즘 적용 가능성을 검토하고자 한다.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.38 no.1
• /
• pp.23-33
• /
• 2020

Recently, high-resolution images can be easily acquired using UAV (Unmanned Aerial Vehicle), so that it is possible to produce small area observation and spatial information at low cost. In particular, research on the generation of cover maps in crop production areas is being actively conducted for monitoring the agricultural environment. As a result of comparing classification performance by applying RF(Random Forest), SVM(Support Vector Machine) and CNN(Convolutional Neural Network), deep learning classification method has many advantages in image classification. In particular, land cover classification using satellite images has the advantage of accuracy and time of classification using satellite image data set and pre-trained parameters. However, UAV images have different characteristics such as satellite images and spatial resolution, which makes it difficult to apply them. In order to solve this problem, we conducted a study on the application of deep learning algorithms that can be used for analyzing agricultural lands where UAV data sets and small-scale composite cover exist in Korea. In this study, we applied DeepLab V3 +, FC-DenseNet (Fully Convolutional DenseNets) and FRRN-B (Full-Resolution Residual Networks), the semantic image classification of the state-of-art algorithm, to UAV data set. As a result, DeepLab V3 + and FC-DenseNet have an overall accuracy of 97% and a Kappa coefficient of 0.92, which is higher than the conventional classification. The applicability of the cover classification using UAV images of small areas is shown.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05d
• /
• pp.1087-1092
• /
• 2002

본 논문에서는 결정 트리 학습을 이용하여 뇌 MRI 시리즈를 분류하는 시스템을 제안한다. 영상으로부터 얻을 수 있는 정보에는 두 종류가 있다. 하나는 크기, 색상, 질감, 윤곽선 등 원 영상으로부터 직접 얻을 수 있는 하위레벨(low-level) 특징들이고, 다른 하나는 특정 개체의 존재유무, 여러 부위 사이의 공간적 관계 등 분할된 영상들에 대한 해석을 통하여만 얻을 수 있는 상위레벨(high-level) 특징들이다. 영상을 의미에 따라 분류하기 위해서는 학습 및 분류가 상위레벨 특징들을 기반으로 수행되어야 한다. 제안된 시스템에서는 결정 트리 학습을 이용하여 영상을 구성하는 요소를 학습하고 분류하며 그에 따라 영상 시리즈를 대표할 수 있는 상위레벨 특징을 추출하였다. 정상, 뇌경색, 뇌종양이 있는 뇌 MRI 시리즈에 대하여 분류 실험을 수행하였으며, 그 결과를 설명 하였다.