• 대한공간정보학회지
• /
• 제21권4호
• /
• pp.45-53
• /
• 2013

지구 온난화와 이로 인한 해수면의 상승은 명백히 전 지구적으로 일어나고 있는 변화이며 해안선의 변화 또한 동반되고 있다. 해안선은 해수면의 상승뿐만 아니라 인위적인 활동에 의해서도 변화할 수 있으나 지구온난화에 의한 해안선 변화의 파악은 지구 온난화의 진행을 파악할 수 있는 지표로써 활용이 가능하다. 따라서 본 연구의 목적은 자동으로 해안선을 추출 및 변화를 파악하는 데에 있다. 본 연구에서는 자동으로 해안선을 추출하기 위해서 수분지수를 활용하여 물과 육지의 대조를 극대화하였으며, 해안선의 자동 추출이 용이하도록 하였다. 수분지수로 변환된 영상에서 자동으로 물과 육지를 분할하기 위하여 적정 임계값을 자동으로 찾을 수 있도록 영상처리 기법을 적용하였고, 경계선 검출 알고리즘을 통하여 해안선을 추출하였으며 추출된 해안선으로 변화를 탐지하는 방법론을 제시하고자 하였다. 자동으로 물과 육지를 분할하고 경계선을 찾는 영상처리 기법은 다른 자료의 도움 없이 LANDSAT 영상만을 이용하여 적용될 수 있으며 추출된 해안선 또한 기준자료로 이용된 NLCD(National Land Cover Database) 자료와의 비교를 통해 유사하다는 것을 확인할 수 있었다. 또한 지구 온난화의 지표로써의 활용 가치를 확인하기 위해 연구 대상지역을 지층의 온도가 연중 $0^{\circ}C$ 이하로 항상 얼어 있는 영구동토로 선정하여 영구동토의 해빙으로 인한 해안선 변화를 정량적으로 확인할 수 있었으며 해안선의 변화가 가속화한다는 사실을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제33권6_1호
• /
• pp.1019-1027
• /
• 2017

고해상도 위성영상의 활용이 가능해짐에 따라 다양한 분야에서 위성영상을 활용하고자 하는 연구가 진행되고 있다. 본 논문은 광역의 위성영상에서 특정 형태를 갖는 오브젝트를 탐지해내는 내용기반의 자동화된 표적 탐색 시스템의 전처리 단계를 위해 수학적 모폴로지 방법을 이용하여 말발굽 형상의 오브젝트를 추출하는 방법을 제안한다. 이는 촬영 지역 및 촬영 시기, 환경에 따라 영상 질의 차이가 심하고, 찾고자하는 표적의 에지가 선명하지 않은 위성영상에서도 쉽게 말발굽 형상의 오브젝트를 추출해내는 방법이다. 제안한 방법으로 말발굽 형상의 오브젝트를 빠르게 분류해냄으로써 다음 단계의 표적 탐지를 위해 탐색해야 할 영역의 수를 줄일 수 있으므로 시스템의 속도를 크게 향상 시킬 수 있다.

• 한국측량학회지
• /
• 제25권5호
• /
• pp.383-392
• /
• 2007

본 연구는 초분광 영상을 이용한 변화탐지 기법의 전처리 과정 중 하나인 영상간 기하보정과 밴드선택에 초점을 맞추고 있다. 최근 그 성능이 입증된 SIFT(Scale-Invariant Feature Transform) 기법을 이용하여 자동화된 기하보정을 수행하였으며, 분광정보의 불변 특성을 반영하는 PIF(Pseudo-Invariant Feature)를 추출하여 영상의 잡음을 추정함으로써, 변화탐지를 위한 유효 밴드를 선택하였다. 또한, 기대최대화(Expectation-Maximization) 기법을 이용한 객관적인 밴드선택 방법을 구현하였다. 제안된 기법들을 실제 적용하기 위해 Hyperion 영상을 사용하였으며, 영상에 나타나는 보정되지 않은 밴드 및 Striping 잡음의 특성을 부가적으로 제거하였다. 결과를 통해, 변화탐지를 위한 최소한의 요구조건인 0.2화소 이내의 정확도(RMSE)를 만족하는 신뢰도 높은 기하보정을 수행할 수 있었으며, 시각적인 판단에 의존하던 밴드선택을 PIF를 통해 객관화할 수 있음을 확인하였다.

• 융합정보논문지
• /
• 제9권3호
• /
• pp.8-15
• /
• 2019

최근 STB 보급이 증가하면서 제품 출하 전 품질검사의 중요성이 부각되고 있다. 본 논문에서는 STB 영상 신호의 다채널 동시 입력을 통한 품질검사 자동화를 지원하기 위한 방법을 제안한다. 제안 방법은 먼저 색상 정보와 LDP 코드를 결합한 CeLDP를 이용하여 안정적인 비디오 샷 경계 검출 후 영상의 중앙 스캔라인을 이용한 핑거프린트를 추출하여 입력 비디오 채널 간 동기화를 수행한다. 제안하는 방법은 기존 샷 검출 방법과 비교를 통해 더욱 강인한 샷 경계 검출 성능을 보이는 것을 확인하였으며, 실제 환경에 적용한 실험을 통해 STB 품질검사 시 필요한 다채널 입력 간 동기화를 위한 신뢰성 확보 및 실시간 품질검사가 가능함을 입증하였다. 또, 제안된 방법을 바탕으로 향후 대규모 품질검사 방법을 연구하여 보다 효과적인 품질검사 체계를 제안하고자 한다.

• 대한토목학회논문집
• /
• 제39권3호
• /
• pp.399-407
• /
• 2019

대한민국에서 건설업은 타 업종들과 비교하여 안전사고의 위험성이 가장 높게 나타난다. 따라서 건설업 내 안전성 향상을 도모하기 위해 여러 연구가 예전부터 진행이 되어 왔고, 본 연구에선 건설현장 영상 데이터를 기반으로 물체 탐지 및 분류 알고리즘을 이용해서 효과적인 안전모 자동탐지 시스템을 구축하여 건설현장 노동자들의 안전성 향상에 기여하고자 한다. 본 연구에서 사용된 알고리즘은 Convolutional Neural Network (CNN) 기반의 물체 탐지 및 분류 알고리즘인 Region-based Fully Convolutional Networks (R-FCN)이고 이를 Transfer Learning 기법을 사용하여 딥러닝을 실시하였다. ImageNet에서 수집한 1089장의 사람과 안전모가 포함된 영상으로 학습을 시행하였고 그 결과, 사람과 안전모의 mean Average Precision (mAP)은 각각 0.86, 0.83로 측정되었다.

• 한국해양공학회지
• /
• 제35권1호
• /
• pp.91-97
• /
• 2021

Marine accidents caused by ships have brought about economic and social losses as well as human casualties. Most of these accidents are caused by small and medium-sized ships and are due to their poor conditions and insufficient equipment compared with larger vessels. Measures are quickly needed to improve the conditions. This paper discusses a video-integrated collision prediction and fall detection system to support the safe navigation of small- and medium-sized ships. The system predicts the collision of ships and detects falls by crew members using the CCTV, displays the analyzed integrated information using automatic identification system (AIS) messages, and provides alerts for the risks identified. The design consists of an object recognition algorithm, interface module, integrated display module, collision prediction and fall detection module, and an alarm management module. For the basic research, we implemented a deep learning algorithm to recognize the ship and crew from images, and an interface module to manage messages from AIS. To verify the implemented algorithm, we conducted tests using 120 images. Object recognition performance is calculated as mAP by comparing the pre-defined object with the object recognized through the algorithms. As results, the object recognition performance of the ship and the crew were approximately 50.44 mAP and 46.76 mAP each. The interface module showed that messages from the installed AIS were accurately converted according to the international standard. Therefore, we implemented an object recognition algorithm and interface module in the designed collision prediction and fall detection system and validated their usability with testing.

• 정보통신설비학회논문지
• /
• 제11권1호
• /
• pp.23-28
• /
• 2012

In this paper, we proposed and developed a fast and efficient real time face detection and recognition which can be run on embedded system instead of high performance desktop. In the face detection process, we detect a face by finding eye part which is one of the most salient facial features after applying various image processing methods, then in the face recognition, we finally recognize the face by comparing the current face with the prepared face database using a template matching algorithm. Also we optimized the algorithm in our system to be successfully used in the embedded system, and performed the face detection and recognition experiments on the embedded board to verify the performance. The developed method can be applied to automatic door, mobile computing environment and various robot.

• ETRI Journal
• /
• 제37권2호
• /
• pp.251-261
• /
• 2015

We present a novel method for real-time automatic license plate detection in high-resolution videos. Although there have been extensive studies of license plate detection since the 1970s, the suggested approaches resulting from such studies have difficulties in processing high-resolution imagery in real-time. Herein, we propose a novel cascade structure, the fastest classifier available, by rejecting false positives most efficiently. Furthermore, we train the classifier using the core patterns of various types of license plates, improving both the computation load and the accuracy of license plate detection. To show its superiority, our approach is compared with other state-of-the-art approaches. In addition, we collected 20,000 images including license plates from real traffic scenes for comprehensive experiments. The results show that our proposed approach significantly reduces the computational load in comparison to the other state-of-the-art approaches, with comparable performance accuracy.

• 한국항해항만학회지
• /
• 제40권5호
• /
• pp.265-270
• /
• 2016

Extreme tropospheric anomalies such as typhoons or regional torrential rain can degrade positioning accuracy of the GPS signal. It becomes one of the main error terms affecting high-precision positioning solutions in network RTK. This paper proposed a detection algorithm to be used during atmospheric anomalies in order to detect the tropospheric irregularities that can degrade the quality of correction data due to network errors caused by inhomogeneous atmospheric conditions between multi-reference stations. It uses an atmospheric grid that consists of four meteorological stations and estimates the troposphere zenith total delay difference at a low performance point in an atmospheric grid. AWS (automatic weather station) meteorological data can be applied to the proposed tropospheric anomaly detection algorithm when there are different atmospheric conditions between the stations. The concept of probability density distribution of the delta troposphere slant delay was proposed for the threshold determination.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.34-37
• /
• 2005

An efficient and robust neural network-based scheme is introduced in this paper to perform automatic cloud detection. Unlike many existing cloud detection schemes which use thresholding and statistical methods, we used the artificial neural network methods, the multi-layer perceptrons (MLP) with back-propagation algorithm and radial basis function (RBF) networks for cloud detection from Geostationary satellite images. We have used a simple scene (a mixed scene containing only cloud and clear sky). The main results show that the neural networks are able to handle complex atmospheric and meteorological phenomena. The experimental results show that two methods performed well, obtaining a classification accuracy reaching over 90 percent. Moreover, the RBF model is the most effective method for the cloud classification.