• 한국지리정보학회지
• /
• 제18권4호
• /
• pp.131-144
• /
• 2015

본 연구에서는 Unity 3D를 활용한 강우레이더 관측정보 시각화 시스템 프로토타입 구축에 관 해 서술하였다. 레이더 정보의 효율적 가시화를 통한 사용자 정보제공을 위해서는 지형정보와의 융합이 필수적이다. 하지만 방대한 양의 레이더 관측정보와 대용량 지형정보를 매쉬업하여 서비스 하는 것은 데이터 처리에 있어 과부하가 발생하여 서비스 수준이 낮아지는 경향이 있다. 특히 위 성영상, DEM 등을 활용한 3차원 지형정보는 그 자체만으로도 대용량 정보로 분류되고 있어서 신 속한 서비스 구현을 위해 비교적 용량이 가벼운 2차원 정보를 활용하는 것이 일반적이다. 본 연구 는 이러한 부분을 개선하고자 최근 모바일 게임분야에서 활발히 활용중인 Unity 3D 엔진을 사용 하였다. 또한, 대용량 위성이미지 분할기법, 이미지 텍스쳐 Layer 매쉬업 기법 등을 고안하여 3차 원 지형기반으로 서비스 할 수 있는 시각화 시스템 프로토타입을 구축하였다. 본 프로토타입 구축 을 통해 향후 전 국토에 분포된 기상관측 레이더 네트워크망 데이터를 입체적 지형 기반의 직관적 정보로 제공함으로써 강우와 관련된 방재업무 분야에 효율적 활용이 가능할 것으로 기대한다.

• 한국지리정보학회지
• /
• 제15권4호
• /
• pp.26-41
• /
• 2012

지구온난화와 함께 홍수와 가뭄 등 기후변화에 대비하기 위해서는 경지현황에 대한 신속하고 정확한 정보를 바탕으로 농업생산량을 효율적으로 관리, 예측, 대비하는 것이 필요하다. 본 연구는 시 도 규모 이상의 넓은 지역을 대상으로 농촌지역 토지피복도 제작을 지원할 수 있는 영상분류 알고리즘 개발을 목표로 객체기반 영상분석기법의 활용가능성과 한계를 검토해 보았다. 추가적인 공간자료의 사용이 최소화된 상태에서 다중시기 RapidEye 위성영상의 분광정보 활용가능성을 테스트해 보고자 하였으며, 사례연구지인 김제지역 일대($1,300km^2$)에 대한 토지피복 분류 정확도는 80.3%로 양호하게 나타났다. 분석에 사용된 RapidEye의 6.5m 공간해상도는 대체로 작은 규모로 경작되는 우리나라 경지의 공간적 특성 추출이 가능하다는 것을 보여주었으며, 객체기반의 영상분석 기법은 분석가의 전문지식을 분류과정에서 다양한 방법으로 구현해냄으로써 영상정보 활용의 최적화를 꾀할 수 있음을 보여주었다. 또한, 기개발된 영상분류 알고리즘을 저장하고, 분석목적에 맞게 세부 변수들을 조정하여 다른 지역 또는 다른 영상에 응용할 수 있다는 장점이 있다. 하지만, 객체기반 영상분류의 근간이 되는 영상분할 과정은 정량적으로 명확히 설명되지 않는 경우가 많아 분석자의 경험과 전문지식을 바탕으로 최선의 결과를 도출하는 것이 요구된다.

• 대한토목학회논문집
• /
• 제40권5호
• /
• pp.535-546
• /
• 2020

환경부에서는 위성영상과 항공영상을 이용하여 토지피복지도를 1998년부터 제작하여 배포하고 있으나, 권역별 제작 주기가 달라 활용성이 저하된다. 이에, 본 연구에서는 항공정사영상과 Landsat 8 위성영상을 이용하여, 토지피복지도를 자동으로 생성하기 위한 연구를 수행하였다. 토지피복지도를 자동적으로 제작하기 위하여 딥러닝 기반 세그먼테이션 방법의 하나인 Residual U-Net을 활용하였다. 토지피복지도의 제작 시기와 가장 근접한 시기의 항공 및 위성영상을 신경망을 통하여 학습하고, 학습결과를 3가지 실험군으로 나누어 토지피복지도와 비교하여 정확도 평가를 수행하였다. 첫 번째 군으로 대분류 7개 전체를 활용한 결과의 경우, 선행연구에서 대분류 4개에만 적용된 결과보다도 향상된 86.6 %의 분류 정확도를 나타내었다. 중분류를 일부 포함한 2개의 실험군의 경우에는 71 %의 정확도를 나타내었다. 본 연구 결과를 바탕으로 신경망을 활용한 대분류 항목에 대한 자동 분류 가능성을 제시하였으며, 중분류 및 세분류에 대한 기초연구로 활용이 가능할 것으로 판단된다.

• 한국산림과학회지
• /
• 제96권1호
• /
• pp.107-114
• /
• 2007

주변 인공림으로부터의 종자유입에 따른 치수발생현상은 향후 천연림의 임분동태의 향방에 매우 중요한 역할을 한다. 본 연구는 광릉 천연활엽수 성숙림내 천연갱신된 잣나무 치수의 침입과 이의 동태를 파악하기 위해 수행되었다. 조사지내에는 잣나무 성목이 분포하고 있지 않으나, 천연갱신된 잣나무 치수의 밀도는 ha당 총 345본으로 전체 치수의 56%가 2개 이상씩 모여서 분포하고 있었다. 2003년 1월 IKONOS 위성영상을 이용한 조사지와 주변 잣나무 성목 및 조림지까지의 거리를 조사한 결과, 잣나무 성목과는 최소 200m, 잣나무 조림지와는 최소 270m 이상 떨어진 것으로 나타났다. 천연갱신된 잣나무 치수의 평균 묘고와 근원경은 각각 34cm, 7mm 이었으며, 수령 5년 이하의 치수가 207본(60%)이었다. 잣나무 치수와 토양 수분 및 엽면적지수(LAI)와의 관계를 분석한 결과 토양수분은 16~20%, 엽면적지수는 3.1~3.5 구간에서 잣나무 치수의 분포가 가장 많았다. 광릉 천연활엽수림내 잣나무의 동태 및 종자 분산 경향을 파악하기 위해서는 앞으로 잣나무 치수의 생장과 고사율에 대한 장기적인 모니터링과 함께 방사성 동위원소와 분자유전학적 방법 등을 활용한 추가적인 연구도 필요할 것으로 판단된다.

• 한국측량학회지
• /
• 제40권3호
• /
• pp.177-185
• /
• 2022

본 연구에서는 딥러닝을 통해 고해상도 광학 위성영상에 동종센서로 촬영한 영상을 참조하여 폐색 영역을 복원하는 방법을 제안하였다. 패치 단위로 분할된 영상에서 원본 영상의 화소 분포를 최대한 유지하며 폐색 영역을 모의한 영상과 주변 영상의 자연스러운 연속성을 위해 ConvNeXt 블록을 적용한 CycleGAN (Cycle Generative Adversarial Network) 방법을 사용하여 실험을 진행하였고 이를 3개의 실험지역에 대해 분석하였다. 또한, 학습패치 크기를 512*512화소로 하는 경우와 2배 확장한 1024*1024화소 크기의 적용 결과도 비교하였다. 서로 특징이 다른 3개의 지역에 대하여 실험한 결과, ConvNeXt CycleGAN 방법론이 기존의 CycleGAN을 적용한 영상, Histogram matching 영상과 비교하여 개선된 R² 값을 보여줌을 확인하였다. 학습에 사용되는 패치 크기별 실험의 경우 1024*1024화소의 패치를 사용한 결과, 약 0.98의 R²값이 산출되었으며 영상밴드별 화소 분포를 비교한 결과에서도 큰 패치 크기로 학습한 모의 결과가 원본 영상과 더 유사한 히스토그램 분포를 나타내었다. 이를 통해, 기존의 CycleGAN을 적용한 영상 및 Histogram matching 영상보다 발전된 ConvNeXt CycleGAN을 사용할 때 원본영상과 유사한 모의 결과를 도출할 수 있었고, 성공적인 모의를 수행할 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.157-168
• /
• 2023

고해상도 원격탐사 영상을 이용하여 지표면을 모니터링 하기 위해서 영상 분할 및 감독 기반의 분류 기법이 널리 사용된다. 다양한 객체를 분류하기 위해서는 각 객체에 해당하는 클래스를 정의하고 각 클래스에 속하는 샘플들을 선택하는 과정이 필요하다. 클래스 샘플을 추출하는 기존의 방법은 각 클래스 별로 유사한 밝기값 특성을 가지는 충분한 개수의 샘플을 선택해야 한다. 이 과정은 사용자의 육안 식별에 의존하는 과정으로 많은 시간이 소요되며 사용자에 따라 추출되는 클래스의 대표 샘플들이 달라질 가능성이 높고 결과적으로 분류 성능이 클래스 샘플 추출 결과에 크게 영향을 받게 된다. 본 연구에서는 클래스 샘플 추출 시 히스토그램 역투영 기법을 적용하여 샘플 추출 시 사용자의 개입을 최소화하고 클래스에 속하는 샘플들의 밝기값 특성이 일관성을 가지는 영상 분류 기법을 제안한다. 제안한 히스토그램 역투영을 이용한 분류 기법은 차세대중형위성 1호(Compact Advanced Satellite 500-1) 영상의 색상 서브채널을 이용한 분류 실험과 원영상을 이용한 분류 실험에서 히스토그램 역투영을 사용하지 않은 기법에 비해 모두 향상된 분류 정확도를 보였다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1371-1388
• /
• 2023

지구온난화로 인해 촉발된 기후변화가 홍수와 같은 수재해의 빈도와 규모를 증가시키며 국내 또한 장마와 집중호우로 인한 수재해가 증가하는 추세를 보인다. 이에 광범위한 수재해에 대해 효과적인 대응 및 기후 변화에 따른 선제적 대처가 필수적이며 이는 위성레이더 영상을 통해 가능하다. 본 연구에서는 Sentinel-1 위성 레이더 영상으로부터 국내 수체의 특성을 반영하기 위해 한강권역과 낙동강 권역의 일부 수체 영역에 대해 수체 학습 데이터셋 1,423장을 구축하였다. 정밀한 데이터 어노테이션(Annotation)을 위해 다양한 상황에 따른 구축 기준 문서를 작성한 뒤 진행하였다. 구축이 완료된 데이터셋을 딥러닝 모델 중 U-Net에 적용하여 수체 탐지 결과를 분석하였다. 최종적으로 학습된 모델을 학습과에 활용되지 않은 수체 영역에 적용하여 결과를 분석함으로써 전 국토 수체 모니터링의 가능성을 확인하였다. 분석 결과 구축된 수체 영역의 대해서는 F1-Score 0.987, Intersection over Union (IoU) 0.955의 높은 정확도로 수체를 탐지할 수 있었으며, 학습 및 평가에 활용되지 않은 다른 국내 수체 영역에 대해서도 동일하게 F1-Score 0.941, IoU 0.89의 높은 수체 탐지 결과를 나타냈다. 두 결과 모두 전반적으로 일부 그림자 영역과 폭이 좁은 하천에서 오류가 관찰되었으나, 그 외에는 정밀하게 수체를 탐지하였다. 이러한 연구 결과는 수재해 피해 규모 및 수자원 변화 모니터링에 중요한 기여를 할 것으로 기대된다. 추후 연구에서는 보다 다양한 수체 특성을 가진 데이터셋을 추가 구축한다면 오분류한 영역을 개선할 수 있을 것으로 기대되며, 전 국토의 수체를 효율적으로 관리 및 모니터링하는데 활용될 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제19권4호
• /
• pp.329-339
• /
• 2003

본 연구에서는 무감독 영상분류를 위하여 특성이 다른 센서로 수집된 영상들에 대한 의사결정 수준의 영상 융합기법을 제안하였다. 제안된 기법은 공간 확장 분할에 근거한 무감독 계층군집 영상분류기법을 개개의 센서에서 수집된 영상에 독립적으로 적용한 후 그 결과로 생성되는 분할지역의 퍼지 클래스 벡터(fuzzy class vector)를 이용하여 각 센서의 분류 결과를 융합한다. 퍼지 클래스벡터는 분할지역이 각 클래스에 속할 확률을 표시하는 지시(indicator) 벡터로 간주되며 기대 최대화 (EM: Expected Maximization) 추정 법에 의해 관련 변수의 최대 우도 추정치가 반복적으로 계산되어진다. 본 연구에서는 같은 특성의 센서 혹은 밴드 별로 분할과 분류를 수행한 후 분할지역의 분류결과를 퍼지 클래스 벡터를 이용하여 합성하는 접근법을 사용하고 있으므로 일반적으로 다중센서의 영상의 분류기법에 사용하는 화소수준의 영상융합기법에서처럼 서로 다른 센서로부터 수집된 영상의 화소간의 공간적 일치에 대한 높은 정확도를 요구하지 않는다. 본 연구는 한반도 전라북도 북서지역에서 관측된 다중분광 SPOT 영상자료와 AIRSAR 영상자료에 적용한 결과 제안된 영상 융합기법에 의한 피복 분류는 확장 벡터의 접근법에 의한 영상 융합보다 서로 다른 센서로부터 얻어지는 정보를 더욱 적합하게 융합한다는 것을 보여주고 있다.

• 대한토목학회논문집
• /
• 제26권3D호
• /
• pp.535-540
• /
• 2006

본 논문에서는 고해상도 컬러 입체영상을 활용하여 도심지역의 3차원 건물정보를 효율적으로 복원하기 위한 일련의 처리방법을 제안하고자 한다. 본 연구에서 제안된 방법은 BDT 기법을 활용한 건물 추출, Hausdorff 거리와 컬러인덱싱 기법을 활용한 영상정합, 마지막으로 사진측량기법을 활용한 건물복원 등의 3단계의 처리과정을 포함하고 있다. 제안된 알고리즘의 실험은 고해상도 위성영상의 대표격인 IKONOS 컬러 입체영상을 대상으로 수행되었으며, 실험을 통해 건물추출에 있어서 영상의 배경부분과 건물부분의 밝기값의 분산을 증가시키는 BDT 기법이 건물추출에 우수함을 확인할 수 있었다. 또한, 2가지 건물인식기법을 활용한 영상정합 과정에 있어서도 컬러정보와 경계정보를 모두 사용할 경우 대부분의 추출건물들을 자동인식하고 이를 초기위치로 원활한 영상정합이 수행될 수 있음을 확인하였다. 최종적으로 실험지역에 대한 3차원 건물정보는 전방 다항식비례모형을 통해 획득되었으며 기준자료와의 비교를 통해 정확도 분석을 수행하였다.

• 대한원격탐사학회지
• /
• 제34권2_2호
• /
• pp.377-391
• /
• 2018

광역범위에 대한 적조의 효율적인 모니터링을 위하여 원격탐사의 필요성이 점차 증가하고 있다. 하지만 기존 연구에서는 다양한 센서 중 해색 센서만을 위한 적조 탐지 알고리즘 개발에만 집중되어 있는 실정이다. 본 연구에서는 위성 기반 적조 모니터링의 한계로 지적되고 있는 탁도가 높은 연안역의 적조 탐지와 원격탐사 자료의 부정확성을 개선하고자 다중센서의 활용을 제시하고자 한다. 국립수산과학원 적조속보 정보를 바탕으로 적조 발생해역을 선정하였고, 해색 센서인 GOCI 영상과 육상 센서인 Landsat OLI 영상을 이용하여 공간적인 융합과 분광기반 융합을 시도하였다. 두 영상의 공간 융합을 통하여, GOCI 영상에서 관측 불가능하였던 연안지역의 적조와 Landsat OLI 영상의 품질이 낮았던 외해역의 적조 모두 개선된 탐지결과 획득 가능하였다. Feature-level과 rawdata-level로 나누어 진행된 분광 융합 결과, 두 방법에서 도출된 적조 분포 양상은 큰 차이를 보이지 않았다. 하지만 feature-level 방법에서는 영상의 공간해상도가 낮을수록 적조 면적이 과대추정되는 경향이 나타났다. Linear spectral unmixing 방법으로 픽셀을 세분화한 결과, 적조 비율이 낮은 픽셀의 수가 많을수록 적조 면적의 차이는 심화되는 것으로 나타났다. Rawdata-level의 경우Gram-Schmidt가 PC spectral sharpening 기법보다 다소 넓은 면적이 추정되었지만, 큰 차이는 나타나지 않았다. 본 연구에서는 해색 센서와 육상 센서의 공간 융합을 통해 외해뿐만 아니라 탁도가 높은 연안의 적조 역시 탐지가 가능함을 보여주었고, 다양한 분광 융합 방법을 제시함으로써 더욱 정확한 적조 면적 추정 방법을 제시하였다. 이 결과는 한반도 주변의 적조를 더욱 정확하게 탐지하고, 적조를 효과적으로 제어하기 위한 대응대책 수립을 결정하는데 필요한 정확한 적조 면적 정보를 제공할 수 있을 것으로 기대된다.