• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2006.05a
• /
• pp.73-77
• /
• 2006

제 3차 국가 GIS 기본 계획의 목적은 국가지리정보체계의 원활한 구축 및 지리정보 활용촉진으로 기존의 구가 GIS 구축의 양적 확산에서 질적 심화를 도모하고 있다. 고해상도 위성영상이 다양한 분야에서 활발하게 이용하게 됨에 따라 지형자료의 더 정확한 경계검출에 대한 필요성이 대두되고 있다. 위성영상을 이용한 도로 경계 검출은 교통정보시스템을 포함한 도로계획, 도시계획 등의 GIS 응용을 위한 필수 연구로 인식하고 있다. 본 연구는 IKONOS 영상에서 도로 경계 검출을 위한 고주파 와 저주파 필터링 비교분석에 관한 연구이다. 분석결과 저주파 필터링과 고주파 필터링은 입력영상의 경계부분에서 영상을 선택적으로 강조할 수 있었다. 저주파 필터링과 같은 영상강화 기법에서는 추출 가능한 경계부의 위치를 변화시키거나 영상의 화소값이 전체영상을 대상으로 변화시켜 비교적 도로 폭이 넓은 경우 효과적이었다. 고주파 필터링은 세부적인 영상정보를 선택적으로 강조할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.347-348
• /
• 2018

본 논문에서는 야간 도로 영상을 보정하여 주간 영상으로 변환하는 알고리즘을 제안한다. 영상 변환 딥러닝 알고리즘인 Generative Adversarial Network(GAN)를 기반으로 주야간 도로 영상을 학습시켜 주야간 상호 변환이 가능한 시스템을 구현한다. 우선, 입력 영상에 대해 변환된 영상을 출력하는 generative network 를 정의한다. 또한, 변환된 영상을 다시 본래 영상으로 변환하는 inverse network 를 정의한다. Generative network 와 inverse network 를 모두 통과한 결과 영상과 본래 영상의 차 영상을 통해 손실 함수를 정의함으로써 파라미터를 목적에 맞게 학습시킬 수 있다. 또한, generative network 를 통과한 결과 영상과 목적하는 영상을 구분하는 discrimination network 를 정의하여 discrimination network 와 generative network 의 minimax two- player game 을 통해 변환된 영상이 실제 목적 영상과 유사하도록 유도한다. 제안하는 알고리즘을 적용하여 야간 도로 영상의 보정을 수행하면 주변 물체 인식이 어려운 야간 영상을 물체 인식이 용이한 주간 영상으로 변환 할 수 있다.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.24 no.3
• /
• pp.73-82
• /
• 2021

Rural roads are the significant infrastructure for developing and managing the rural areas, hence the utilization of the remote sensing datasets for managing the rural roads is necessary for expanding the rural transportation infrastructure and improving the life quality of the rural residents. In this research, the two different methods such as image classification and image segmentation were compared for mapping the rural road based on the given high-resolution satellite image acquired in the rural areas. In the image classification method, the deep learning with the multiple neural networks was employed to the given high-resolution satellite image for generating the object classification map, then the rural roads were mapped by extracting the road objects from the generated object classification map. In the image segmentation method, the multiresolution segmentation was employed to the same satellite image for generating the segment image, then the rural roads were mapped by merging the road objects located on the rural roads on the satellite image. We used the 100 checkpoints for assessing the accuracy of the two rural roads mapped by the different methods and drew the following conclusions. The image segmentation method had the better performance than the image classification method for mapping the rural roads using the give satellite image, because some of the rural roads mapped by the image classification method were not identified due to the miclassification errors occurred in the object classification map, while all of the rural roads mapped by the image segmentation method were identified. However some of the rural roads mapped by the image segmentation method also had the miclassfication errors due to some rural road segments including the non-rural road objects. In future research the object-oriented classification or the convolutional neural networks widely used for detecting the precise objects from the image sources would be used for improving the accuracy of the rural roads using the high-resolution satellite image.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.20 no.4
• /
• pp.95-105
• /
• 2021

Road surface damage detection is essential for a comfortable driving environment and the prevention of safety accidents. Road management institutes are using automated technology-based inspection equipment and systems. As one of these automation technologies, a sensor to detect road surface damage plays an important role. For this purpose, several studies on sensors using deep learning have been conducted in recent years. Road images and label images are needed to develop such deep learning algorithms. On the other hand, considerable time and labor will be needed to secure label images. In this paper, the adversarial learning method, one of the semi-supervised learning techniques, was proposed to solve this problem. For its implementation, a lightweight deep neural network model was trained using 5,327 road images and 1,327 label images. After experimenting with 400 road images, a model with a mean intersection over a union of 80.54% and an F1 score of 77.85% was developed. Through this, a technology that can improve recognition performance by adding only road images was developed to learning without label images and is expected to be used as a technology for road surface management in the future.

• Annual Conference of KIPS
• /
• 2014.11a
• /
• pp.1199-1202
• /
• 2014

본 논문은 차량에 설치된 블랙박스 영상으로부터 도로 노면에 표시된 방향지시 기호를 효율적으로 검출하는 방안을 제안한다. 차량 내부에 설치된 블랙박스 영상은 카메라의 원근 효과로 인해 방향지시 기호 영역을 올바르게 검출하지 못하는 문제점이 존재한다. 따라서 제안한 연구에서는 원근 효과를 가진 입력 영상에서 역원근 변환 방법을 통해 원근 효과를 제거한 실세계 좌표로 맵핑한 평면 영상에서 방향지시 기호 영역을 신경망 검출기를 통해 검출한다. 입력 영상에서 역 원근 변환은 높은 계산량으로 인해 실시간 처리가 어려운 점이 존재한다. 이를 보완하기 위해 제안한 방안에서는 입력 영역의 도로노면 방향지시 기호 영역의 특징을 분석하여 도로노면 기호가 포함된 후보 ROI영역을 정의하고 후보 ROI 영역의 Gray 색상에서 역원근 변환을 수행한다. 제안한 방안을 도로노면 방향지시 기호 검출 및 인식 연구에 적용한 결과, 약 87% 이상 비교적 정확히 검출율을 제시하였으며, 다양한 도로 환경에서도 높은 검출율을 제시하였다. 따라서 제안한 방안을 운전자의 안전운전지원시스템에 적용함으로써 보다 정확한 도로정보 제공시스템 적용이 가능함을 알 수 있다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.44 no.5
• /
• pp.28-34
• /
• 2007

A histogram-based road border line extractor is proposed for an efficient road extraction from the high-resolution satellite imagery. The road border lines are extracted from an edge strength map based on the directional histogram difference between the road and the non-road region. The straight and the curved roads are extracted hierarchically from the edge strength map of the original image and the segmented road cluster images, and the road network is constructed based on the connectivity. Unlike the conventional approaches based on the spectral similarity, the proposed road extraction method is more robust to noise because it extracts roads based on the histogram, and is able to extract both the location and the width of roads. In addition, the proposed method can extract roads with various spectral characteristics by identifying the road clusters automatically. Experimental results on IKONOS multi-spectral satellite imagery with high spatial resolution show that the proposed method can extract the straight and the curved roads as well as the accurate road border lines.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.146-149
• /
• 2014

최근 자동차 산업과 IT 기술의 융합이 활발해지면서 스마트카, 자율주행 자동차(무인 자동차)와 같은 지능형 자동차 개발이 활발히 진행되고 지능형 자동차의 비전 기반 기술개발도 활발히 진행되고 있다. 고속도로와 같이 포장된 도로나 자갈길과 같은 비포장 도로에서도 운전자의 승차감을 고려한 능동적 안전시스템과 안정적인 자율주행 자동차의 주행능력을 보장하는 기술들 중 도로 유형을 판단하는 것이 중요 요소 중 하나이다. 따라서 본 논문에서는 가중치 기반 클러스터링 기술을 이용하여 도로표면 유형을 분류하는 알고리즘을 제안한다. 아스팔트, 자갈길, 흙길, 눈길의 도로표면 영상 데이터를 히스토그램의 분포도와 최고점 위치, 에지 영상의 에지량, 채도성분을 이용하여 특징값을 추출하고 클러스터를 구성한다. 분류할 입력 도로표면 영상에 대해 특징값을 분석한 후 탐색범위 내 선택된 각 클러스터의 벡터와의 거리를 측정하여 가중치를 계산하고 가중치가 높은 클러스터를 분류하여 입력 영상에 대한 도로표면을 결정한다. 실험결과 제안하는 방법이 각 도로표면 영상의 특징값과 이를 이용한 가중치만을 이용하여 약 91.25%의 정확도로 도로의 표면을 분류해 내는 것을 볼 수 있었다.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.20 no.3
• /
• pp.235-242
• /
• 2002

This study is focused on the analysis of road extracting accuracy from the high resolution IKONOS satellite image data. A geometric correction of the image is performed using the RFM and interpretation with the screen digitizing is also performed for extracting the roads information. For the evaluation of road extracting accuracy, the road locations and the road widths are compared with the national digital map. The comparison results shows that the road boundary and the size of road width are able to extract with the geometric accuracy of $\pm$3.4m and $\pm$1.1m.

• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2938-2940
• /
• 1999

도로 색과 대비를 이루는 계수선을 도로위에 그려놓고 영상을 이용하여 통과 차량을 계수 하는 영상기반 교통량 측정 기술을 제안하였다. 기존의 컴퓨터 영상을 이용한 차량 계수 장치들은 대부분 도로와 차량의 gray level차이를 이용하는 방식이기 때문에 도로와 차량간의 구분이 쉽지 않고 그림자와 차량의 식별도 어려우며 조명에 의해 착오를 일으키기 쉬운 문제를 안고 있었다. 제안한 계수방법은 도로 위에 도로 색과 뚜렷한 대비를 이루는 띠를 도로를 가로질러 그려 놓은 다음 이를 통과하는 차량에 의해 띠의 형상이 절단되는지의 여부를 판단하여 차량을 계수 하는 방법이다. 이를 위해서 계수선을 포함하는 영상의 창을 설치하고 수시로 에지를 추출한 후, 에지의 절단 여부를 검사한다. 이때 계수선의 색과 동일한 차량이 통과할 경우에는 계수선의 에지는 절단되어 도로방향으로 연장되게 되며 계수선의 색과 다른 차량인 경우에는 계수선의 에지가 계수선의 내부로 연장되게 된다. 계수선 상에 그림자가 있는 경우에도 도로와 계수선 간의 색상변화가 뚜렷하므로 계수선의 에지 검출에는 영향을 받지 않게 된다. 제안한 알고리즘을 실험실에 설치된 모형도로와 모형 차량들을 이용하여 실험하고 결과를 제시하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.169-171
• /
• 2016

본 논문에서는 일반 자연 영상에서 주로 적용되어 왔던 안개 제거 기법을 기반으로 하여 악천후 상황의 도로 주행 영상을 개선하는 방법을 제안한다. 악천후 상황이란 안개가 있거나 비, 눈이 오는 상황을 의미한다. 도로를 주행하는 환경에서는 비나 눈이 오는 경우에도 안개가 있는 상황과 비슷하기 때문에 안개 제거 기법을 기반으로 하여 악천후 환경의 영상을 개선한다. 우선 최신의 안개 제거 기법 중 하나인 non-local prior 기반의 기법을 도로 주행 영상에 적용 하였을 경우 문제점이 발생하게 되는데 그에 대한 원인을 분석한다. 그리고 이러한 문제점을 해결하기 위하여 예상된 전달량을 보정한다. 모의 실험을 통해 제안하는 방법을 적용하여 도로 주행 영상에서 발생한 문제점을 완화하고 악천후 상황이 개선된 결과를 얻었다.