• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume I
• /
• pp.260-262
• /
• 2006

One of future remote sensing techniques for transportation application is vehicle detection from the space, which could be the basis of measuring traffic volume and recognizing traffic condition in the future. This paper introduces an approach to vehicle detection using image object segmentation approach. The object-oriented image processing is particularly beneficial to high-resolution image classification of urban area, which suffers from noisy components in general. The project site was Dae-Jeon metropolitan area and a set of true color aerial images at 10cm resolution was used for the test. Authors investigated a variety of parameters such as scale, color, and shape and produced a customized solution for vehicle detection, which is based on a knowledge-based hierarchical model in the environment of eCognition. The highest tumbling block of the vehicle detection in the given data sets was to discriminate vehicles in dark color from new black asphalt pavement. Except for the cases, the overall accuracy was over 90%.

• Smart Structures and Systems
• /
• 제31권4호
• /
• pp.351-363
• /
• 2023

Visual structural inspections are an inseparable part of post-earthquake damage assessments. With unmanned aerial vehicles (UAVs) establishing a new frontier in visual inspections, there are major computational challenges in processing the collected massive amounts of high-resolution visual data. We propose twin deep learning models that can provide accurate high-resolution structural components and damage segmentation masks efficiently. The traditional approach to cope with high memory computational demands is to either uniformly downsample the raw images at the price of losing fine local details or cropping smaller parts of the images leading to a loss of global contextual information. Therefore, our twin models comprising Trainable Resizing for high-resolution Segmentation Network (TRS-Net) and DmgFormer approaches the global and local semantics from different perspectives. TRS-Net is a compound, high-resolution segmentation architecture equipped with learnable downsampler and upsampler modules to minimize information loss for optimal performance and efficiency. DmgFormer utilizes a transformer backbone and a convolutional decoder head with skip connections on a grid of crops aiming for high precision learning without downsizing. An augmented inference technique is used to boost performance further and reduce the possible loss of context due to grid cropping. Comprehensive experiments have been performed on the 3D physics-based graphics models (PBGMs) synthetic environments in the QuakeCity dataset. The proposed framework is evaluated using several metrics on three segmentation tasks: component type, component damage state, and global damage (crack, rebar, spalling). The models were developed as part of the 2^nd International Competition for Structural Health Monitoring.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.301-303
• /
• 2003

The extraction of 3D road network from high-resolution aerial images is still one of the current challenges in digital photogrammetry and computer vision. For many years, there are many researcher groups working for this task, but unt il now, there are no papers for doing this with TLS (Three linear scanner), which has been developed for the past several years, and has very high-resolution (about 3 cm in ground resolution). In this paper, we present a methodology of road extraction from high-resolution digital imagery taken over urban areas using this modern photogrammetry’s scanner (TLS). The key features of the approach are: (1) Because of high resolution of TLS image, our extraction method is especially designed for constructing 3D road map for next -generation digital navigation map; (2) for extracting road, we use the global context of the intensity variations associated with different features of road (i.e. zebra line and center line), prior to any local edge. So extraction can become comparatively easy, because we can use different special edge detector according different features. The results achieved with our approach show that it is possible and economic to extract 3D road data from Three Linear Scanner to construct next -generation digital navigation road map.

• 한국측량학회지
• /
• 제28권1호
• /
• pp.83-92
• /
• 2010

고해상도 항공 디지털 사진기와 고밀도 3차원 데이터를 획득할 수 있는 항공 레이저 스캐너의 보급은 사진측량 및 공간정보 분야에 큰 발전을 가져왔다. 본 연구는 패치기반의 정사영상을 생생하여 폐색지역을 탐색하고 정사영상에서 발생하는 폐색지역을 복원하여 정밀정사영상을 생성하는 방법을 개발하는 것을 목적으로 한다. 정사영상에서 발생하는 폐색지역의 처리를 위하여 대상지역을 포함하고 있는 다중 영상들을 이용하여 상호 복원하는 방법을 개발하였다. 제시된 방법을 적용하면 폐색지역이 많이 발생하는 도심지역의 정밀정사영상을 효율적으로 생성할 수 있을 것으로 판단된다.

• 한국공간정보시스템학회 논문지
• /
• 제12권1호
• /
• pp.57-65
• /
• 2010

본 연구에서는 최근 활발하게 보급되고 있는 고해상도 영상과 GIS 기술을 활용하여 광역적 자연재해 피해 조사를 위한 피해조사시스템을 개발하였다. 연구 대상지역은 2008년 7월 집중호우로 인해 큰 피해가 발생한 경상북도 봉화군으로 선정하였으며, 시스템 시범적용을 위해 대상지역 중 가장 피해가 큰 춘양면 약 $60km^2$을 중심으로 GIS DB를 구축하였다. GIS DB는 춘양면 일대의 피해 전, 후 항공사진 및 위성 영상과 1:5,000 수치지형도, 1:1,300 연속지적도를 편집 가공하였다. 피해조사시스템은 VB.NET 2005와 공간 연산을 위해 ArcObject 컴포넌트를 이용하여 개발하였으며, MS-SQL을 사용하여 정보전송 및 동기화를 위한 방안을 마련하였다. 세부 프로세스는 피해 전, 후 항공 위성영상을 비교하여 피해지역을 파악하고, 제반 DB와 중첩분석을 통해 해당 피해항목의 피해규모와 피해추정액을 자동으로 산출되도록 하였다. 고해상도 영상기반의 자연재해 피해조사시스템은 광역적 피해지역에 대하여 객관적이고 정확한 피해정보를 소수의 전문 인력을 통해 신속하게 산출할 수 있으며, 이에 따른 복구예산의 조기편성 및 응급대응책 마련에 효율적이다. 또한 피해정보의 손쉬운 관리와 전산화된 데이터를 통해 피해예방계획 수립에 있어서도 활용 가능 할 것이라 생각되며, 궁극적으로 IT 기반의 유비쿼터스 방재시스템 개발에 효율적으로 활용 가능할 것이라 사료된다. 추후 더욱 효율적인 시스템 운영을 위해서 산출된 피해정보의 전자재해대장 연계를 통한 지속적인 방재 DB 구축 방안 마련이 필요하다.

• 한국산림과학회지
• /
• 제112권3호
• /
• pp.267-279
• /
• 2023

본 연구는 IPCC에서 제시하고 있는 Approach 3 수준의 토지이용 및 토지피복 면적 추정을 위해 고해상도 항공사진에 딥러닝 알고리즘과 Sampling method를 적용하였으며, 표본강도에 따라 토지피복 면적을 산출하고 최적의 표본강도를 도출하는 것을 목적으로 하였다. 원격탐사자료로는 51 cm급의 고해상도 칼라 항공 이미지를 사용하였으며, 딥러닝 알고리즘은 전이 학습이 적용된 VGG16 아키텍처를 활용하였다. 딥러닝 기반 토지피복 분류모델의 학습과 검증은 육안판독을 통해 선별된 데이터를 이용하였다. 최적의 표본강도를 도출하기 위한 평가는 7개의 표본강도(4 × 4 km, 2 × 4 km, 2 × 2 km, 1 × 2 km, 1 × 1 km, 500 × 500 m, 250 × 250 m)에 따른 토지이용 및 토지피복 면적을 추정하고 환경부에서 제시한 토지피복지도와 비교하였다. 본 연구 결과, 딥러닝 기반의 토지피복 분류 모델의 전체정확도와 카파계수는 각각 91.1% 와 88.8%였다. F-Score는 초지를 제외한 모든 범주가 90% 이상으로 구축되어 모델의 정확도가 우수하였다. 표본강도별 적합도 검정은 유의수준 0.1에서 4 × 4 km를 제외한 모든 표본강도에서 환경부에서 제시한 토지피복지도의 면적 비율과 유의한 차이를 보이지 않았다. 또한, 표본강도가 증가할수록 상대표준오차와 상대효율은 감소하였으며, 상대표준오차는 1 × 1 km 표본강도에서 모든 토지피복범주가 15% 이하로 감소하였다. 따라서, 지역 단위의 토지피복 면적 산정을 위해서는 표본강도를 1 × 1 km보다 상세하게 설정하는 것이 적합하다고 판단된다.

• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.893-903
• /
• 2018

고해상도 위성영상 활용의 증가와 함께 자동 정밀 기하보정의 필요성이 증가하고 있다. 정밀기하보정을 위한 지상기준점(ground control point, GCP)을 수집하는 방법 중 하나로 항공정사영상과 같은 영상지도의 일부를 추출한 칩(chip) 영상을 이용하는 것을 들 수 있고, 영상 정합 기법을 이용하여 자동화할 수 있다. 이 때 통합기준점과 같이 기존에 측량이 이루어진 지상기준점을 대상으로 칩 영상을 제작하는 경우 개수의 제한으로 영상 정합 성공률의 중요성이 증가한다. 이 연구의 목적은 KOMPSAT-3A 영상과 항공정사영상 기반 지상 기준점 칩 영상 간 정합 성공률을 향상시키기 위한 방법을 제시하는 것이다. 이를 위하여 KOMPSAT-3A 전정색(panchromatic, PAN) 영상, 다중분광(multispectral, MS) 영상, 융합(pansharpening, PS) 영상과 항공정사영상의 각 밴드 조합에 대해 영상 정합을 실시하고 성공률을 비교하였다. 그 결과 주로 사용되고 있는 전정색 영상과 다중분광 영상을 이용할 때 약 10-30%의 영상 정합 성공률이 융합 영상을 이용할 때 약 40-50%로 증가하는 것으로 나타났다. 따라서 KOMPSAT-3A 위성영상과 항공정사영상의 정합에 있어 융합 영상을 사용하는 것이 정합 성공률을 향상시키는데 도움이 되는 것으로 판단된다.

• 한국재난정보학회 논문집
• /
• 제14권4호
• /
• pp.501-509
• /
• 2018

연구목적: UAV기반의 사진측량은 기존 항공촬영에 비해 비용이 절감될 뿐만 아니라 원하는 시간과 장소에 대한 고해상도의 데이터를 취득하기 용이하기 때문에, 공간정보 분야에서도 UAV를 활용한 연구가 진행되고 있다. 본 연구에서는 UAV 기반의 고해상도 영상을 활용하여 토지피복 분류를 수행하고자 하였다. 연구방법: 고해상도 영상의 획득을 위하여 RGB카메라를 사용하였으며, 추가적으로 식생지역을 정확하게 분류하기 위해서 다중분광 카메라를 사용하여 동일 지역을 추가 촬영하였다. 최종적으로 RGB 및 다중분광 카메라를 이용하여 생성된 정사영상, DSM(Digital Surface Model), NDVI(Normalized Difference Vegetation Index), GLCM(Gray-Level Co-occurrence Matrix)을 이용하여 대표적인 감독분류기법인 RF(Random Forest)방법을 이용해 총 7개 클래스에 대해 토지피복분류를 수행하였다. 연구결과: 분류정확도 평가를 위해 오차행렬을 기반으로 한 정확도 평가를 실시하였으며, 정확도 평가 결과 RGB 영상만을 이용한 감독분류결과와 비교하여 제안 방법이 해당 지역의 클래스를 효과적으로 분류할 수 있음을 확인하였다. 결론: 본 연구에서 제안한 정사영상, 다중분광영상, NDVI, GLCM을 모두 추가한 경우 기존의 정사영상만을 이용하였을 때 보다 높은 정확도를 나타냈다. 추후 연구로는 추가적인 입력자료의 개발을 통해 분류 정확도를 향상시키고자 한다.

• 한국환경복원기술학회지
• /
• 제26권6호
• /
• pp.85-96
• /
• 2023

This study proposes a method for forest vegetation monitoring using high-resolution aerial imagery captured by unmanned aerial vehicles(UAV) and deep learning technology. The research site was selected in the forested area of Mountain Dogo, Asan City, Chungcheongnam-do, and the target species for monitoring included Pinus densiflora, Quercus mongolica, and Quercus acutissima. To classify vegetation species at the pixel level in UAV imagery based on characteristics such as leaf shape, size, and color, the study employed the semantic segmentation method using the prominent U-net deep learning model. The research results indicated that it was possible to visually distinguish Pinus densiflora Siebold & Zucc, Quercus mongolica Fisch. ex Ledeb, and Quercus acutissima Carruth in 135 aerial images captured by UAV. Out of these, 104 images were used as training data for the deep learning model, while 31 images were used for inference. The optimization of the deep learning model resulted in an overall average pixel accuracy of 92.60, with mIoU at 0.80 and FIoU at 0.82, demonstrating the successful construction of a reliable deep learning model. This study is significant as a pilot case for the application of UAV and deep learning to monitor and manage representative species among climate-vulnerable vegetation, including Pinus densiflora, Quercus mongolica, and Quercus acutissima. It is expected that in the future, UAV and deep learning models can be applied to a variety of vegetation species to better address forest management.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 International Symposium on Remote Sensing
• /
• pp.76-79
• /
• 2008

This study presents the use of multi-temporal JERS-1 SAR images to the land cover classification. So far, land cover classified by high resolution aerial photo and field survey and so on. The study site was located in Non-san area. This study developed on multi-temporal land cover status monitoring and coherence information mapping can be processing by L band SAR image. From July, 1997 to October, 1998 JERS SAR images (9 scenes) coherence values are analyzed and then classified land cover. This technique which forms the basis of what is called SAR Interferometry or InSAR for short has also been employed in spaceborne systems. In such systems the separation of the antennas, called the baseline is obtained by utilizing a single antenna in a repeat pass