• 한국측량학회지
• /
• 제37권6호
• /
• pp.545-554
• /
• 2019

본 연구에서는 기존의 연구들에서 주로 사용하여왔던 현장측량, 항공사진, 라이다 데이터 등의 취득이 원천적으로 어려운 지역에 대한 건물 영역 추출을 구현하고자 하였다. 이에 접근성에 큰 영향을 받지 않는 거의 유일한 데이터인 고해상도 위성영상을 활용한 방법론을 제시하고자 한다. 영상정합을 통해 추출되는 점군 데이터 또는 DSM(Digital Surface Models)을 활용한 건물 영역 추출은 데이터내의 높은 잡음과 다수의 빈 영역으로 인해 그 정확성에 한계를 보이고 있다. 따라서 본 연구에서는 영상 정합을 통해 얻어진 3차원 점군 데이터, 영상의 색상 및 선형 정보를 결합하여 건물 영역 추출을 수행하는 하이브리드식 접근법을 제안하였다. 일차적으로 다중영상정합으로 얻어진 3차원 점군 데이터로부터 지면점과 비지면점을 분리하고, 비지면점으로부터 초기 건물 대상지를 추출한다. 이후, 영상의 색상기반 분할을 수행하여 얻어진 결과와 초기 건물 대상지를 결합하여, 색상분할기반 건물 대상지를 추출한다. 이어서 영상의 선형 추출 및 공간 분할정보를 이용하여 최종적인 건물 영역을 선정하게 된다. 본 논문에서 제시한 건물 영역 자동 추출 방법론은 Correctness: 98.44%, Completeness: 95.05%, 위치오차: 1.05m 정도의 성능을 보임을 확인하였으며, 더불어 직각형태 이상의 복잡한 건물 영역도 잘 추출함을 확인하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2004년도 Proceedings of ISRS 2004
• /
• pp.10-13
• /
• 2004

Hyperspectral data has a great advantage to classify various surface materials that are spectrally similar. In this study, we attempted to classify man-made materials in urban area using Hyperion data. Hyperion imagery of Seoul was initially processed to minimize radiometric distortions caused by sensor and atmosphere. Using color aerial photographs. we defined seven man-made surfaces (concrete, asphalt road. railroad, buildings, roof, soil, shadow) for the classification in Seoul. The hyperspectral data showed the potential to identify those manmade materials that were difficult to be classified by multispectral data. However. the classification of road and buildings was not quite satisfactory due to the relatively low spatial resolution of Hyperion image. Further, the low radiometric quality of Hyperion sensor was another limitation for the application in urban area.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2004년도 추계학술발표회 논문집
• /
• pp.285-290
• /
• 2004

그림자효과 보정은 도심지역에서 영상 해석 또는 지상의 인공지물을 추출하는데 있어서 상당히 중요한 처리과정이다. 본 연구에서는 다중자료원(Multi-Source Data Sets)을 이용하여 컬러항공사진에 발생한 그림자의 효과를 효율적으로 처리 및 보정 할 수 있는 알고리즘을 제시하였으며 시각적인 비교뿐만 아니라 도로추출의 시도로 그림자 보정효과의 입증하였다. 또한 다중자료원인 컬러항공사진, LiDAR 고도자료 그리고 1:1000 수치지도를 이용하여 각 센서 및 기존 자료가 가지고 있는 장점을 최대한 살려 시너지 효과를 나타낼 수 있도록 적절한 융합과정을 시도하여 성공적인 예를 보여주었다.

• Journal of Animal Science and Technology
• /
• 제65권3호
• /
• pp.638-651
• /
• 2023

The objective of this study was to quantitatively estimate the level of grazing area damage in outdoor free-range pig production using a Unmanned Aerial Vehicles (UAV) with an RGB image sensor. Ten corn field images were captured by a UAV over approximately two weeks, during which gestating sows were allowed to graze freely on the corn field measuring 100 × 50 m². The images were corrected to a bird's-eye view, and then divided into 32 segments and sequentially inputted into the YOLOv4 detector to detect the corn images according to their condition. The 43 raw training images selected randomly out of 320 segmented images were flipped to create 86 images, and then these images were further augmented by rotating them in 5-degree increments to create a total of 6,192 images. The increased 6,192 images are further augmented by applying three random color transformations to each image, resulting in 24,768 datasets. The occupancy rate of corn in the field was estimated efficiently using You Only Look Once (YOLO). As of the first day of observation (day 2), it was evident that almost all the corn had disappeared by the ninth day. When grazing 20 sows in a 50 × 100 m² cornfield (250 m²/sow), it appears that the animals should be rotated to other grazing areas to protect the cover crop after at least five days. In agricultural technology, most of the research using machine and deep learning is related to the detection of fruits and pests, and research on other application fields is needed. In addition, large-scale image data collected by experts in the field are required as training data to apply deep learning. If the data required for deep learning is insufficient, a large number of data augmentation is required.

• 한국측량학회지
• /
• 제27권4호
• /
• pp.429-435
• /
• 2009

본 연구에서는 항공 디지털 프레임 카메라에 의해 제작된 모자이크 영상의 정량적인 품질 평가를 위해 HSI 색상 모델을 이용한 색상평가 방법을 제안하였다. 이를 위하여 먼저 RGB칼라 영상을 HSI색상모델로 변환 후, 모자이크영상의 접합영상에 대해 6가지 동일한 색상에 해당하는 채도와 명도의 화소정보를 추출한다. 이 후, 접합영상을 객관적으로 평가하기 위하여 유사성과 대비 측정을 위해 4가지 평가인자를 산출하였으며, 이에 대한 정량적인 평가를 수행하였다. 그 결과 제안된 영상 평가 방법이 육안 평가 방법과 거의 유사한 결과를 보여주고 있음을 확인하였다. 따라서 본 연구에서는 모자이크영상에 대해 시각적으로 판단하기 어려운 문제점을 정량적으로 나타냄으로써 영상 자체의 품질을 평가하기 위한 객관화된 방안을 제시하였다.

• 한국환경복원기술학회지
• /
• 제9권2호
• /
• pp.81-89
• /
• 2006

The purpose of this study was to evaluate the applicability of small RC(radio controlled) helicopter and single lens reflect camera as SFAP(Small Format Aerial Photography) aquisition system to monitor the vegetation coverage of wetland. The system used to take pictures of small artificial wetland were a common optical camera(Nikon F80 with manual lens whose focal length was 28mm) attached to the bottom of a RC helicopter with a 50 cubic inch size glow engine. Three hundreds pictures were taken at the altitude of 50m above the ground, from 23rd June to 7th September 2005. Four from the images were selected and scanned to digital images whose dimension were 2048${\times}$1357 pixels. Those images were processed and rectified with GCP(Ground Control Poins) and digital map, and then classified by the supervised- classification module of image processing program PG-steamer Version 2.2. The major findings were as follows ; 1. The final images processed had very high spatial resolution so that the objects bigger than 30mm like lotus(Nelumbo nucifera), rock and deck were easily identified. 2. The dominant plants of the monitoring site were Monochoria ragianlis, Typha latifolia, Beckmannia syzigachne etc. Because those species have narrow and long leaves and form irregular biomass, the individuals were hardly identifiable, but the distribution of population were easily identifiable depending on the color difference. 3. The area covered by vegetation was rapidly increased during the first month of monitoring. At the beginning of the monitoring 23th June 2005, The rate of area covered by vegetation were only 34%, but after 27 and 60 days it increased to 74%, and the 86% respectively.

• 융합정보논문지
• /
• 제7권5호
• /
• pp.137-148
• /
• 2017

최근, 군사나 산업 응용 목적으로 UAV를 활용하는 연구가 매우 고무적으로 진행되고 있다. 이들 응용 중의 한 가지는 적의 의심스러운 정찰 비행체의 비행경로를 뒤따라 은밀하게 추적할 필요가 있을 때 앞서가는 비행체를 추적하는 것으로, Roll, Yaw, Pitch와 같은 대상 비행체의 비행 자세 정보들을 매 순간마다 실시간으로 추정할 필요가 있다. 본 논문에서는 뒤따르는 비행체에 장착되어 있는 외부 카메라에서 제공하는 비디오 정보를 사용해서 대상 비행체의 자세를 실시간으로 추정할 수 있는 방법을 제시한다. 키 포인트와 오일러 각을 탐지하고 추정하기 위해서 컬러 공간 분할, 템플레이트 정합 등과 같은 여러 가지 영상 처리 방법들과 선형 회귀와 같은 통계적 방법이 적용되었다. 시뮬레이션 실험을 통해서 X-플레인 비행데이터와 추정한 비행데이터를 비교한 결과 제안하는 방법이 앞서가는 비행체의 비행 자세 정보를 추정하는데 효과적인 방법이 될 수 있음을 보여준다.

• 한국측량학회지
• /
• 제36권5호
• /
• pp.423-432
• /
• 2018

Surface water mapping has been widely used in various remote sensing applications. Water indices have been commonly used to distinguish water bodies from land; however, determining the optimal threshold and discriminating water bodies from similar objects such as shadows and snow is difficult. Deep learning algorithms have greatly advanced image segmentation and classification. In particular, FCN (Fully Convolutional Network) is state-of-the-art in per-pixel image segmentation and are used in most benchmarks such as PASCAL VOC2012 and Microsoft COCO (Common Objects in Context). However, these data sets are designed for daily scenarios and a few studies have conducted on applications of FCN using large scale remotely sensed data set. This paper aims to fine-tune the pre-trained FCN network using the CRMS (Coastwide Reference Monitoring System) data set for surface water mapping. The CRMS provides color infrared aerial photos and ground truth maps for the monitoring and restoration of wetlands in Louisiana, USA. To effectively learn the characteristics of surface water, we used pre-trained the DeepWaterMap network, which classifies water, land, snow, ice, clouds, and shadows using Landsat satellite images. Furthermore, the DeepWaterMap network was fine-tuned for the CRMS data set using two classes: water and land. The fine-tuned network finally classifies surface water without any additional learning process. The experimental results show that the proposed method enables high-quality surface mapping from CRMS data set and show the suitability of pre-trained FCN networks using remote sensing data for surface water mapping.

• 한국지리정보학회지
• /
• 제20권1호
• /
• pp.1-14
• /
• 2017

토지피복도는 지역의 현황을 파악하는 기초적 자료이지만 시간적 공간적 해상도의 한계로 인하여 생태 연구 분야에서의 활용성은 떨어지는 측면이 있다. 이에 본 연구에서는 UAV으로 취득된 고해상도 영상을 기반으로 토지피복도 제작과 자료의 활용가능성을 알아보고자 하였다. UAV를 이용하여 연구대상지 $2.5km^2$ 범위에서 10.5cm 정사영상을 취득하였으며 객체기반(Object-based)과 화소기반(pixel-based) 분류를 통해 얻어진 토지피복도를 비교 분석하였다. 정확도 검증 결과 화소기반 분류는 Kappa 0.77, 객체기반 분류는 Kappa 0.82로 분류정확도가 높았으며, 전반적인 면적비율은 유사하지만 초지, 습지 지역에서 양호한 분류 결과가 나타났다. 객체기반 분류를 위한 최적의 영상분할 가중치는 Scale150, Shape 0.5, Compactness 0.5, Color 1로 선정하였으며 가중치 선정과정에서 Scale이 가장 큰 영향을 주었다. 화소기반 분류 결과와 비교해 객체간의 명확한 경계를 가지므로 결과물 판독이 용이한 것으로 나타났으며, 환경부 토지피복도(세분류)와 비교하여 개발지역(도로, 건물 등)을 제외한 자연지역(산림, 초지, 습지 등)의 분류에 효과적이었다. UAV 영상을 활용한 토지피복 분류방법으로서 객체기반 분류기법의 적용은 자료의 최신성, 정확성, 경제성 등의 장점으로 생태 연구 분야에 기여할 수 있을 것으로 판단된다.

• 한국측량학회지
• /
• 제17권4호
• /
• pp.421-429
• /
• 1999

21세기에는 전 세계인구의 70%가 도시에서 생활할 것으로 예상되며, 이러한 도시화는 도시관리를 위해 GIS와 더불어 건물 DEM과 정사투영영상에 대한 요구가 증대될 것이다. 건물 DEM을 생성하기 위해서는 건물의 형태를 나타내는 경계선을 검출해야 한다. 이를 위해서 일반적으로 자동과 반자동 건물 추출법을 사용한다. 그러나 자동 검출법을 항공사진에 직접 적용하면 지붕의 색깔이나 그림자 그리고 주변의 나무 등 때문에 정확한 건물 경계선을 추출하기 매우 어렵다. 이러한 문제점을 극복하기 위해 본 연구에서는 반자동 건물 추출법을 제시하였다. 건물 지붕의 색깔이 균일할 경우 지붕의 한 부분을 마우스로 클릭하여 건물경계를 찾도록 하였으며, 균일하지 않은 경우 건물의 모서리 부분을 클릭하여 건물 모서리점을 검출하도록 프로그램을 개발하였다. 건물 DEM은 영상정합에 의해 계산된 건물 높이와 건물 경계선을 이용하여 생성하였다.