• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.109-110
• /
• 2007

본 논문에서는 베이시안 초해상도 영상처리시 저해상도 영상들을 고해상도 격자에 맞게 정합해서 업샘플링(upsampling)을 하는 새로운 방식에 대해 제안한다. 제안하는 업샘플링 방식은 각 장을 따로 보간하는 방식과 달리 여러 저해상도 영상의 고주파 정보가 고해상도 영상 격자의 모든 위치에 적절히 영향을 미칠 수 있도록 여러 장의 저해상도 영상의 고주파 정보를 함께 사용하여 보간한다. 보간하는 방법은 B-스플라인 (B-Spline) 기반 비정규 리샘플링(non-uniform resampling)을 기반으로 초해상도 영상처리에 맞도록 적용한다. 실험결과를 통해 일반적으로 적용되는 0-삽입(zero-padding) 업샘플링 방식과 쌍일차 보간법(bilinear interpolation) 등을 적용할 때의 효과를 살펴보고, 제안하는 방식이 일반적인 방식을 사용하는 것에 비해 정량적, 정성적으로 고해상도 정보를 더 정확히 생성해내는 것을 확인한다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2007.06a
• /
• pp.127-132
• /
• 2007

위성영상 기술의 발달과 고해상도 위성영상의 해상도 규제가 완화됨에 따라 건물의 높이 정보를 획득하는데 있어 고해상도 위성영상의 그림자 정보를 이용하는 연구들이 활발히 수행되어지고 있다. 그림자 정보를 이용하여 건물 높이 정보를 획득하는 연구의 정확도를 높이기 위해서는 정확한 건물의 그림자 탐지가 선행되어야 한다. 따라서 본 논문에서는 단영상을 이용한 그림자 탐지기법인 임계값법(Thresholding), 영상분류법, 영역확장법(Region Growing)을 건물의 그림자 탐지에 적용하여 각 기법의 장단점과 정확도를 평가하였다. 영상에서 수동으로 건물의 그림자를 디지타이징한 참조 자료와 기법들을 적용하여 탐지한 결과 영상을 시각적으로 비교하였고, 오차행렬(Confusion Matrix)을 이용한 전체정확도(Accuracy), F-measure, AOR(Area Overlap Ratio)을 이용하여 정량적인 정확도평가를 수행하였다. 실험결과 영역확장법을 적용한 경우 시각적 정량적으로 가장 높은 정확도를 보였으며, 영상분류법을 적용한 경우 시각적으로는 임계값을 적용한 경우보다 좋은 결과를 보였으나 정량적으로는 가장 낮은 정확도를 보였다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2008.10a
• /
• pp.16-17
• /
• 2008

최근 3차원 도시 모델의 활용이 증가하고 있다. 본 논문에서는 단일 고해상도 위성영상으로부터 3차원 도시 모델을 생성하는 연구를 수행하였다. 3차원 도심 모델은 크게 인공지물 정보와 지형정보가 필요하다. 본 연구에서 인공지물 정보는 단일 고해상도 위성영상으로부터 건물의 그림자를 이용한 방법으로 추출하였으며, 지형정보는 기존에 구축된 수치지도로부터 수치표고자료를 생성하여 적용하였다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2005.05a
• /
• pp.263-266
• /
• 2005

고해상도 영상은 원격탐사, 의료영상 등 다양한 분야에서 사용되며, 향후에 많은 수요가 예상된다. 초해상도 영상복원은 동일한 지역을 촬영한 여러 장의 저해상도 영상을 이용하여 고해상도 영상으로 복원하는 소프트웨어적인 영상 해상도 향상 방법이며, 공간 영역과 주파수 영역의 초해상도 영상복원으로 구분된다. 본 연구에서는 공간 영역에서 확률적 접근법을 이용하여 CCD 영상의 초해상도 영상복원을 수행하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.724-726
• /
• 2020

본 논문에서는 GAN 과 자기 지도 학습(self-supervised learning)을 통해 입력 얼굴 영상의 공간 해상도를 4 배 증가시키는 기법을 제안한다. 제안하는 기법은 변형된 StarGAN v2 구조의 생성자와 구분자를 사용하여 저해상도의 입력 영상만을 가지고 학습 과정을 거쳐 고해상도 영상을 복원하도록 자기 지도 학습을 수행한다. 제안하는 기법은 복원된 영상과 고해상도 영상 간의 손실을 줄이는 지도 학습이 가지고 있는 단점을 극복하고 입력 영상만을 가지고 영상 내부에 존재하는 특징을 학습하여 얼굴 영상에 대한 고해상도 영상을 복원한다. 제안하는 기법과 Bicubic 보간법과의 비교를 통해 우수성을 검증한다.

• Proceedings of the KSRS Conference
• /
• 2007.03a
• /
• pp.247-250
• /
• 2007

다양한 지구관측위성으로부터 획득된 윈격탐사 자료들은 맴핑 환경모니터링, 재난 관리，도심 모니터링등과 같은 다양한 분야의 정보를 생성하고 분석하는데 많은 잠재력을 가지고 있다. 특별히 고해상도 위성영상의 경우 도심 지역의 다양한 정보를 손쉽게 파악이 가능하며， 이를 기반으로 효과적인 도심 관리 및 시설 투자가 이루어 질 수 있다 그러나 이러한 고해상도 위성영상의 경우 공간 해상력은 매우 좋으나분광해상력 측면에서는 많은 한계를 보이고 있는 단점을 가지고 있다 이를 보완하기 위한 방법으로 고해상도 흑백모드영상과 중${\cdot}$ 저해상도 다중분광영상 혹은 초분광영상간 영상 합성기법을 통해 분광 능력의 향상을 도모하는 기법들이 연구되어져 왔으며보다 최적의 결과를 위한 다양한 알고리즘들이 개발되어 왔다 본 연구에서는 이러한 영상융합결과의 향상을 위한 방법으로 객체기반 단위의 영상합성 방법을 제시하였으벽이 결과와 화소기반 영상융합 결과와의 비교${\cdot}$ 분석도 수행해 보았다. 이를 위해 Landsat-7 ETM+ 혹백영상과 Hyperion 초분광영상을 실험대상으로 선정하여 분석하였으벽 대표적인 영상융합방법인 PCA 융합기법을 활용하였다.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2016.11a
• /
• pp.364-365
• /
• 2016

본 연구에서는 고해상도 위성영상을 이용하여 지난 8월 29일 북한 함경북도 지역에서 발생한 홍수에 의한 피해를 분석하였다. 북한은 접근이 불가능한 지리적 특성을 가지기 때문에 인공위성을 활용한 모니터링이 유일한 관측 수단이라고 할 수 있다. 북한측 발표내용에 의하면 이번 홍수로 인해 사망 130여명, 실종 400여명, 시설물 8,670동 등 대규모 피해가 발생하였으며, 이재민은 7만명이 넘는 것으로 나타났다. 위성영상을 이용하여 모든 피해지역을 파악하는 것은 한계가 있지만, 일부 지역의 피해분석을 통해 피해규모를 간접적으로 확인하는 것은 가능하다. 본 연구에서는 5m급 고해상도 위성영상인 플래닛스코프(PlanetScope), 래피드아이(RapidEye) 영상을 이용하여 회령, 송학, 남양, 종성 4개 지역의 홍수피해 전, 직후, 한 달 후의 변화를 분석하였다. 분석결과, 해당지역은 시설물 및 농경지 침수, 제방붕괴 등이 발생하였으며, 홍수로 인한 지형변화가 동반되었음이 확인되었다.

• Journal of the Korean Geographical Society
• /
• v.47 no.2
• /
• pp.282-296
• /
• 2012

This study compared effects of spatial resolution ratio in image fusion by Korea Multi-Purpose SATellite 2 (KOMPSAT II), also known as Arirang-2. Image fusion techniques, also called pansharpening, are required to obtain color imagery with high spatial resolution imagery using panchromatic and multi-spectral images. The higher quality satellite images generated by an image fusion technique enable interpreters to produce better application results. Thus, image fusions categorized in 3 domains were applied to find out significantly improved fused images using KOMPSAT 2. In addition, all fused images were evaluated to satisfy both spectral and spatial quality to investigate an optimum fused image. Additionally, this research compared Pixel-Based Image Analysis (PBIA) with the GEOgraphic Object-Based Image Analysis (GEOBIA) to make better classification results. Specifically, a roof top of building was extracted by both image analysis approaches and was finally evaluated to obtain the best accurate result. This research, therefore, provides the effective use for very high resolution satellite imagery with image interpreter to be used for many applications such as coastal area, urban and regional planning.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.544-546
• /
• 2020

의료 데이터를 이용하여 인공지능 기계학습 연구를 수행할 때 자주 마주하는 문제는 데이터 불균형, 데이터 부족 등이며 특히 정제된 충분한 데이터를 구하기 힘들다는 것이 큰 문제이다. 본 연구에서는 이를 해결하기 위해 GAN(Generative Adversarial Network) 기반 고해상도 의료 영상을 생성하는 프레임워크를 개발하고자 한다. 각 해상도 마다 Scale 의 Gradient 를 동시에 학습하여 빠르게 고해상도 이미지를 생성해낼 수 있도록 했다. 고해상도 이미지를 생성하는 Neural Network 를 고안하였으며, PGGAN, Style-GAN 과의 성능 비교를 통해 제안된 모델이 양질의 고해상도 의료영상 이미지를 더 빠르게 생성할 수 있음을 확인하였다. 이를 통해 인공지능 기계학습 연구에 있어서 의료 영상의 데이터 부족, 데이터 불균형 문제를 해결할 수 있는 Data augmentation 이나, Anomaly detection 등의 연구에 적용할 수 있다.

• Journal of the Korea Computer Graphics Society
• /
• v.25 no.3
• /
• pp.21-29
• /
• 2019

This paper proposes a novel framework for image fusion of satellite imagery to enhance spatial resolution of the image via structure-texture decomposition. The resolution of the satellite imagery depends on the sensors, for example, panchromatic images have high spatial resolution but only a single gray band whereas multi-spectral images have low spatial resolution but multiple bands. To enhance the spatial resolution of low-resolution images, such as multi-spectral or infrared images, the proposed framework combines the structures from the low-resolution image and the textures from the high-resolution image. To improve the spatial quality of structural edges, the structure image from the low-resolution image is guided filtered with the structure image from the high-resolution image as the guidance image. The combination step is performed by pixel-wise addition of the filtered structure image and the texture image. Quantitative and qualitative evaluation demonstrate the proposed method preserves spectral and spatial fidelity of input images.