• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2003년도 추계학술발표대회(상)
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 추계학술발표논문집 (하)
• /
• 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
• /
• 한국공간정보시스템학회 2005년도 추계학술대회
• /
• pp.17-22
• /
• 2005

일반적으로 위성 영상의 분류에 있어서 널리 사용되고 있는 기법은 특징 공간에서 화소 값들의 거리 유사성을 이용하여 인접한 화소들을 동일 클래스로 결정하는 분류기법을 적용하고 있다. 하지만 이러한 기법을 고해상도 위성 영상에 적용시킬 경우 다양한 분광 반사 값을 가지는 영상의 특성상 정확한 결과를 얻기 힘들다. 특히 도시 지역의 경우 분광 정보만을 이용할 경우 높은 이질성과 복잡성으로 영상이 가지는 다양한 정보를 제대로 반영하지 못한다. 본 연구에선 이러한 복잡한 토시지역에 대한 분류를 수행하기 위해 위성 영상과 LiDAR의 높이값 및 반사강도 정보를 이용하여 데이터 융합을 통해 단계적인 방법으로 분류를 수행하였다. 그에 앞서 영상 정보만을 이용하였을 경우와 LiDAR 자료를 보조적으로 활용하였을 경우의 MLC 및 ISODATA 분류를 수행하였고, 단계적 방법의 결과와 시각적 비교를 수행하였다. 전체 분류 결과에 있어서 단계적 방법이 가장 향상된 결과를 보였으며, MLC, ISODATA 분류에 있어서도 LiDAR 자료를 활용할 경우 더 향상된 분류 결과를 얻을 수 있었다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 1998년도 추계학술발표논문집
• /
• 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.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2004년도 추계학술발표회 논문집
• /
• 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

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2004년도 GIS/RS 공동 춘계학술대회 논문집
• /
• 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.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2009년도 춘계학술대회 논문집
• /
• 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.

• 한국측량학회지
• /
• 제38권1호
• /
• pp.23-33
• /
• 2020

최근 UAV (Unmanned Aerial Vehicle)를 이용하여 고해상도 영상을 편리하게 취득할 수 있게 되면서 저비용으로 소규모 지역의 관측 및 공간정보 제작이 가능하게 되었다. 특히, 농업환경 모니터링을 위하여 작물생산 지역의 피복지도 생성에 대한 연구가 활발히 진행되고 있으며, 랜덤 포레스트와 SVM (Support Vector Machine) 및 CNN(Convolutional Neural Network) 을 적용하여 분류 성능을 비교한 결과 영상분류에서 딥러닝 적용에 대하여 활용도가 높은 것으로 나타났다. 특히, 위성영상을 이용한 피복분류는 위성영상 데이터 셋과 선행 파라메터를 사용하여 피복분류의 정확도와 시간에 대한 장점을 가지고 있다. 하지만, 무인항공기 영상은 위성영상과 공간해상도와 같은 특성이 달라 이를 적용하기에는 어려움이 있다. 이러한 문제점을 해결하기 위하여 위성영상 데이터 셋이 아닌 UAV를 이용한 데이터 셋과 국내의 소규모 복합 피복이 존재하는 농경지 분석에 활용이 가능한 딥러닝 알고리즘 적용 연구를 수행하였다. 본 연구에서는 최신 딥러닝의 의미론적 영상분류인 DeepLab V3+, FC-DenseNet (Fully Convolutional DenseNets), FRRN-B (Full-Resolution Residual Networks) 를 UAV 데이터 셋에 적용하여 영상분류를 수행하였다. 분류 결과 DeepLab V3+와 FC-DenseNet의 적용 결과가 기존 감독분류보다 높은 전체 정확도 97%, Kappa 계수 0.92로 소규모 지역의 UAV 영상을 활용한 피복분류의 적용가능성을 보여주었다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 춘계학술발표논문집(하)
• /
• 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.