• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.187-190
• /
• 2006

본 연구에서는 QuickBird 도심지역 영상을 이용하였으며, 텍스쳐영상생성기법과 웨이브릿 기법을 이용하여 생성시킨 웨이브릿 기반 텍스쳐 융합 영상(이하 융합영상)을 원본영상의 새로운 밴드로 추가시켜 분류작업을 수행하였다. 이외에도 비교분석을 위하여 원본영상에 텍스쳐 영상을 추가시킨 영상과, 텍스쳐와 융합영상을 모두 추가시킨 영상을 이용하여 분류작업을 수행하였다. 분류에는 ISODATA 무감독분류 기법을 사용하였으며, 텍스쳐 영상과 융합영상을 같이 추가시킨 영상을 이용하였을 때 분류정확도가 가장 많이 향상되는 것으로 나타났다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.284-287
• /
• 2016

영상에서 배경으로부터 객체를 분류하는 영상 분류 알고리즘은 물체 인식 및 추적 등 다양한 응용분야에서 중요하다. 본 논문에서는 고정된 카메라에서 다수의 초기 프레임을 참조하여 실시간 영상 분류 방법을 제안한다. 먼저 전경과 배경을 구분하는 확률모델을 제안하였으며 초기 프레임 동안에 카메라의 특성을 추출하여 카메라에 적응적으로 영상을 분류한다. 또한 분류된 영상에서 human의 특징을 이용하여 분류된 결과를 보정하는 방법을 제안한다. 마지막으로 제안한 알고리즘의 실시간 분류 처리를 위하여 복잡도를 최소화 하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.318-321
• /
• 2003

의미 있는 객체가 영상에 포함되어 있는지를 판단하여 영상을 객체 및 비객체 영상으로 분류함으로써 영상 검색이나 효과적인 영상 데이터베이스 구축 등에 유용하게 활용 가능하다. 이에 본 논문에서는 영상 유형에 따른 특징을 분석하여 영상 분류를 위한 기준을 선정함으로써 입력 영상을 객체 및 비객체 영상으로 분류할 수 있는 방법을 제안한다 일반적으로 객체는 주로 영상의 중심 부근에 위치하고 주변과는 상이한 칼라 특징으로 표현되므로, 영상 중심 부근에 주로 위치하는 칼라의 분포 정보를 영상 분류의 기준으로 사용하였다. 또한 객체 추출 방법[4]을 적용하여 추출된 객체와 배경 사이의 공유 경계에서 발생하는 경계 강도 정도를 활용하였다. 코렐 CD에서 무작위로 선택된 800장의 영상에 대해 제안된 기준을 적용하여 분류한 결과 약80%의 분류 정확도를 얻었다.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.6 no.3
• /
• pp.107-116
• /
• 2003

This study investigated how appropriate the classification methods based on conventional spectral characteristics are for high resolution imagery. A supervised classification mixing parametric and non-parametric rules, a method in which fuzzy theory is applied to such classification, and an unsupervised method were performed and compared to each other for accuracy. In addition, comparing the result screen-digitized through interpretation to the classification result using spectral characteristics, this study analyzed the conformity of both methods. Although the supervised classification to which fuzzy theory was applied showed the best performance, the application of conventional classification techniques to high resolution imagery had some limitations due to there being too much information unnecessary to classification, shadows, and a lack of spectral information. Consequently, more advanced techniques including integration with other advanced remote sensing technologies, such as lidar, and application of filtering or template techniques, are required to classify land cover/use or to extract useful information from high resolution imagery.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.11a
• /
• pp.197-200
• /
• 2005

본 논문은 유해한 동영상을 실시간으로 분석하고 차단하기 위하여, 동영상의 비주얼 특징으로서 그룹 프레임(Group of Frame) 특징을 추출하여 SVM 학습모델을 활용하는 유해 동영상 분류에 관한 것이다. 지금까지 동영상 분류에 관한 연구는 주로 입력 동영상을 뉴스, 스포츠, 영화, 뮤직 비디오, 상업 비디오 등 사전에 정의한 몇 개의 장르에 자동으로 할당하는 기술이었다. 그러나 이러한 분류 기술은 미리 정의한 장르에 따른 일반적인 분류 모델을 사용하기 때문에 분류의 정확도가 높지 않다. 따라서, 유해 동영상을 실시간으로 자동 분류하기 위해서는, 신속하고 효과적인 동영상 내용분석에 적합한 유해 동영상 특화의 특징 추출과 분류 모델 연구가 필요하다. 본 논문에서는 유해 동영상에 대하여 신속하고, 정확한 분류를 위하여 유해 동영상의 대표 특징으로서 그룹프레임 특징을 정의하고, 이를 추출하여 SVM 학습 모델을 생성하고 분류에 활용하는 매우 높은 성능의 분석 방법을 제시하였다. 이는 최근 인터넷 뿐만 아니라 다양한 매체를 통하여 급속도로 번지고 있는 유해 동영상 차단 분야에 적극 활용될 수 있을 것으로 기대된다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.330-333
• /
• 2003

영상 분류는 내용기반 영상검색에서 부적절한 이미지를 효과적으로 걸러 낼 수 있게 하여 영상 검색의 성능을 향상 시키는데 큰 역할을 하게 된다. 따라서 최근 의미 있는 영상의 분류가 내용기반검색분야에서 중요한 과제로 대두되고 있다. 본 논문에서는 에지 정보를 이용해서 객체 영상을 인공객체영상과 자연객체영상으로 분류하는 방법을 제안한다. 직선형태의 에지를 많이 가지는 인공객체의 경우 에지 방향 히스토그램의 에너지가 자연객체에 비해 높은 값을 가지기 때문에 객체 분류에 유용한 정보로서 에지 정보를 활용하였다. 또한 에너지 값을 낮추는 원형의 에지가 인공객체영상에서 주로 발견되는 점을 이용하여, 제거에 의해 분류의 성능을 높이고자 하였다. 한편 가버 필터를 이용한 분류 결과에 비해 에지 정보를 이용한 분류가 성능 면에서 보다 나은 결과를 얻을 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.635-635
• /
• 2012

최근 공공분야 및 민간분야에서 고해상도 위성영상의 활용이 높아짐에 따라 이를 이용하여 수자원 분야의 치수계획 및 안전도 평가, 유역 홍수대응기술 분야에서의 다양한 활용이 비약적으로 증대되고 있는 실정이다. 고해상도 위성영상의 활용은 국지적 규모의 토지이용 변화 및 대기 상태의 모니터링을 위한 효과적인 기술로 인식되어 왔다. 우리나라의 KOMPSAT-2 위성은 GSD(Ground Sample Distance) 1m급의 전정색 영상과 4m급의 다중분광 영상을 동시에 제공하는 고해상도 위성이다. 그러나 다중분광센서의 복잡성과 보안성에 의해 영상이 제한적으로 제공되고 있어 KOMPSAT-2 위성영상을 이용한 다양한 연구가 미흡한 실정이다. 한편, 토지이용도의 제작은 다중분광 영상을 제공하는 위성영상을 이용하여 제작된다. 다중분광 영상이 제공하는 분광정보 및 공간정보 등으로 토지이용분류를 수행하거나 멀티센서 자료의 통합을 통한 토지이용분류 기법을 개발하여 제작하였다. 그러나 대부분 GSD 10m급 이상의 중 저해상도 위성영상을 이용하여 제작이 이루어져 수평위치 정확도 및 세부정보의 제공이 낮으며, 정보의 최신성이 결여되어 있다. 특히, 유역 치수안전도 평가를 위한 토지이용도 작성은 매우 중요한 부분을 차지하고 있으므로 이에 대한 연구가 필요하다. 이에 본 연구에서는 섬강유역을 대상으로 KOMPSAT-2 영상을 이용하여 유역 치수안전도 평가 및 치수계획 수립기술을 위한 토지이용도를 작성하고자 한다. 토지이용 분류방법은 감독분류와 무감독분류 방법을 조합하여 분류정확도를 개선시키는 하이브리드분류(hybrid classification) 방법을 이용하였으며, 분류기준의 선정은 환경부 토지이용분류 기준을 참고하여 1단위와 2단위 분류체계를 혼용하였다. 또한, 분류 후 후처리를 통하여 잡음을 제거하고 환경부의 토지이용도를 참조하여 육안판독으로 오분류된 지역을 보정하였다. 새롭게 작성된 토지이용도는 기존의 토지이용도와 비교 분석하여 토지이용변화 상황을 파악하고, 이를 통하여 KOMPSAT-2 영상의 토지이용도 개선 가능성을 검토하였다.

• Proceedings of the KSRS Conference
• /
• 2009.03a
• /
• pp.207-212
• /
• 2009

고해상도 위성영상이 갖는 공간 객체의 복잡성과 다양성에 의해 기존 중 저해상도 영상에서 사용하던 분류 방식을 고해상도 영상에 그대로 적용하기에는 한계가 있다. 이러한 문제를 극복하기 위하여 영상은 공간적인 특성을 추가적으로 추출하여 분광정보와 결합하여 분류를 수행하는 방식의 연구가 진행되고 있다. 본 연구의 목적은 고해상도 영상의 분류정확도를 개선하기 위하여 새로운 공간 개체(spatial feature)인 SSI(Shape-Size Index)를 제안하는데 있다. SSI는 영역 확장(Region Growing) 기반의 영상 분할(Image Segmentation)을 수행한 후, 객체 내에 객체의 크기와 모양에 대한 고려를 모두 할 수 있는 공간 속성값을 할당하여 공간정보를 추출한다. 추출된 공간정보를 고해강도 영상의 다중분광 밴드와 결합하여 Support Vector Machine(SVM)을 이용한 분류를 수행하였다. 실험 결과, 제안한 기법의 분류 결과가 분광밴드만을 이용하여 분류를 수행한 결과뿐만 아니라 기존의 공간 개체 추출방식인 GLCM, PSI 기법을 이용한 분류 결과에 비해 높은 분류정확도를 도출함을 알 수 있었다.

• The KIPS Transactions:PartB
• /
• v.8B no.4
• /
• pp.335-342
• /
• 2001

본 논문은 보로노이 공간분류를 활용하여 원격탐사 영상인식을 위한 다층 신경망 분류기를제안한다. 제안된 다층 신경망 분류기는 보로노이 다각형 영역으로 클래스를 구분하며, 초평면 방정식의 계수를 오류 역전과 학습 초기의 연결 강도, 임계치 그리고 은닉층의 노드 수로 결정한다. 제안된 방법은 오류역전과 학습 알고리즘에서 임의로 정해주던 초기 정보를 사전 분석에 의해 공학적으로 결정함으로써 느린 수렴 속도와 학습실패 등의 단점을 피할 수 있는 장점이 있다. 보로노이 다이어그램에 대한 경계선의 초평면 방정식은 훈련집합의 클래스별 평균값을 구하여 Mathematica 패키지로 계산하였다. 제안된 다층 신경망에 의한 영상분류기의 인식능력을 평가하기 위하여 원격탐사 영상인식에서 자주 활용되는 최소거리 분류 방법과 최대우도 분류 방법으로 처리해서 비교한 결과, 최소거리 분류 방법은 실험화상에 대해 81.4%, 최대우도 부류기에 의한 분류는 87.8%, 제안한 방법은 92.2% 정확성을 가진 분류결과를 나타냈다.

• The KIPS Transactions:PartB
• /
• v.9B no.3
• /
• pp.319-326
• /
• 2002

In this paper, we have designed and implemented cluttering classification systems- unsupervised classifiers-for the processing of satellite remote sensing images. Implemented systems adopt various design patterns which include a factory pattern and a strategy pattern to support various satellite images'formats and to design compatible systems. The clustering systems consist of sequential clustering, K-Means clustering, ISODATA clustering and Fuzzy C-Means clustering classifiers. The systems are tested by using a Landsat TM satellite image for the classification input. As results, these clustering systems are well designed to extract sample data for the classification of satellite images of which there is no previous knowledge. The systems can be provided with real-time base clustering tools, compatibilities and components' reusabilities as well.