• 대한원격탐사학회지
• /
• 제36권2_1호
• /
• pp.179-197
• /
• 2020

지형 정규화 기법은 영상 촬영 시의 광원, 센서 및 지표면 특성에 따라 발생하는 밝기값 상의 지형적인 영향을 제거하는 방법으로, 지형 조건으로 인해 동일 피복의 픽셀들이 서로 다른 밝기값을 지닐 때 그 차이를 감소시킴으로써 평면 상의 밝기값과 같아 보이도록 보정한다. 이러한 지형적인 영향은 일반적으로 산악 지형에서 크게 나타나며, 이에 따라 산불 피해 지역 추정과 같은 산악 지형에 대한 영상 활용에서는 지형 정규화 기법이 필수적으로 고려되어야 한다. 그러나 대부분의 선행연구에서는 중저해상도의 위성영상에 대한 지형 보정 성능 및 분류 정확도 영향 분석을 수행함으로써, 고해상도 다시기 영상을 이용한 지형 정규화 기법 분석은 충분히 다루어지지 않았다. 이에 본 연구에서는 PlanetScope 영상을 이용하여 신속하고 정확한 국내 산불 피해 지역 탐지를 위한 각 밴드별 최적의 지형 정규화 기법 평가 및 선별을 수행하였다. PlanetScope 영상은 3 m 공간 해상도의 전세계 일일 위성영상을 제공한다는 점에서 신속한 영상 수급 및 영상 처리가 요구되는 재난 피해 평가 분야에 높은 활용 가능성을 지닌다. 지형 정규화 기법 비교를 위해 보편적으로 이용되고 있는 7가지 기법을 구현하였으며, 토지 피복 구성이 상이한 산불 전후 영상에 모두 적용, 분석함으로써 종합적인 피해 평가에 활용될 수 있는 밴드 별 최적 기법 조합을 제안하였다. 제안된 방법을 통해 계산된 식생 지수를 이용하여 화재 피해 지역 변화 탐지를 수행하였으며, 객체 기반 및 픽셀 기반 방법 모두에서 향상된 탐지 정확도를 나타내었다. 또한, 화재 피해 심각도(burn severity) 매핑을 통해 지형 정규화 기법이 연속적인 밝기값 분포에 미치는 효과를 확인하였다.

• 한국토양비료학회지
• /
• 제35권3호
• /
• pp.185-195
• /
• 2002

급변하는 농업환경을 신속히 파악하고 이에 대처한다는 것은 중요한 일이다. 특히 농경지의 이용형태가 다양화(多樣化)되고 고도화(高度化)됨에 따라 그 필요성이 한층 인정된다. 이에 부응하는 인공위성자료인 Landsat TM을 이용한 우리 나라에 가장 알맞은 지표면 변동탐지 방법에 대한 연구 결과를 요약하면 다음과 같다. 우리 나라에 알맞은 지표면의 변화탐지기법을 찾기 위해 화상간 차이법을 적용하였으며, 동시에 변화탐지도에 대한 평가를 위해 참조자료를 작성한 후 최적 임계값을 구하였다. 여기서 정상적인 참조자료(농경지가 인공물로 변한 경우는 양의 변화, 그 반대면 음의 변화)나 비정상적인 참조자료(인공물이 농경지로 변한 경우는 양의 변화, 그 반대면 음의 변화)로 평가하였다. 또한 최적 임계값은 '평균${\pm}$(표준편차 ${\times}$ T값)'로 하여 구하였다. 1987년부터 1993년까지 6년 동안 가장 결과가 좋은 화상간 차이법은 D1 화상(1.0)으로 정상적인 참조자료로 평가시 카파계수가 68.4%, 전체 정확도는 89.2%로 나타났다. 또한 전체면적 48,436 ha중 음으로 변화된 영역은 3,207 ha(6.6%), 양으로 변화된 영역은 5,117 ha(10.6%)로 밝혀졌다.

• 한국광학회지
• /
• 제17권5호
• /
• pp.383-390
• /
• 2006

Shack-Hartmann 파면측정 센서는 적응광학 분야에서 파면측정용으로 가장 널리 사용되고 있다. Shack-Hartmann 센서에서 파면측정 알고리즘은 크게 점영상의 중심점 탐색 알고리즘과 파면복원 알고리즘으로 나눌 수 있다. 이 중 점영상의 중심점 탐색은 파면측정 결과에 크게 영향을 미치나 많은 연구결과에도 불구하고 최적의 중심점 측정 알고리즘 및 내부 변수 설정에 대한 일반적인 해결책은 아직 제시되지 못하고 있다. 현재, 중심점 탐색 알고리즘으로는 무게중심법(center of gravity)이 가장 널리 사용되고 있다. 본 연구에서는 중심점 탐색 알고리즘에 의한 측정 정확도 분석을 위해 무게중심법과 상관관계법(correlation)을 함께 고려하였다. 이를 위해 Shack-Hartmann 센서의 파면측정 과정을 전산모사하였고, 이로부터 중심점 탐색 알고리즘과 관련하여 무게중심법 및 상관관계법에서의 노이즈 특성을 비교, 분석하였다. 또한, 무게중심법에서 문턱값(threshold value)의 설정에 따른 파면측정의 정확도에 대한 분석을 통하여 노이즈 제거를 위한 최적의 문턱값을 제안하였다. 이와 더불어 Shack-Hartmann 센서 시스템을 구성하여 디포커스(defocus)를 발생시키고 이를 측정하는 실험을 수행함으로써 파면측정 알고리즘 및 전산모사 결과를 검증하였다.

• 터널과지하공간
• /
• 제29권3호
• /
• pp.184-196
• /
• 2019

본 연구에서는 화강암 시편에서 수압 파쇄법에 의해 생성된 미세균열의 3차원 형상을 X-ray CT 영상과 딥러닝을 이용하여 추출하였다. 실험으로 생성된 미세균열은 X-ray CT 영상 상에서 일반적인 영상처리방법으로는 추출하기 매우 어렵고 육안으로만 관찰이 가능한 형태를 지닌다. 하지만 본 연구에서 제안한 합성곱 신경망(Convolutional neural network) 기반 인코더-디코더(Encoder-Decoder) 구조의 딥러닝 모델을 통해 미세균열을 정량적으로 추출할 수 있었다. 특히 픽셀 단위의 미세균열 추출을 위해 인코딩 과정에서 소실되는 정보를 디코딩 과정으로 직접 전달하는 디코더 모델을 제안하였다. 또한, 딥러닝 기반 신경망 학습에 필요한 데이터의 수를 증가시키기 위해 이미지의 분할(Division), 회전(Rotation), 그리고 반전(Flipping) 등으로 데이터를 생성하는 영상 증대 방법을 적용하였으며 이때 최적의 조합을 확인하였다. 최적의 영상 학습 데이터 증대 방법을 적용하였을 때 검증 데이터뿐만 아니라 테스트 데이터에서의 성능 향상을 확인하였다. 학습 데이터의 원본 개수가 딥러닝 기반 신경망의 균열 추출 성능에 미치는 영향을 확인하고 딥러닝 기술을 사용하여 성공적으로 미세균열을 추출하였다.