• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.93-101
• /
• 2024

Accurate field crop classification is essential for various agricultural applications, yet existing methods face challenges due to diverse crop types and complex field conditions. This study aimed to address these issues by combining support vector machine (SVM) models with multi-seasonal unmanned aerial vehicle (UAV) images, texture information extracted from Gray Level Co-occurrence Matrix (GLCM), and RGB spectral data. Twelve high-resolution UAV image captures spanned March-October 2021, while field surveys on three dates provided ground truth data. We focused on data from August (-A), September (-S), and October (-O) images and trained four support vector classifier (SVC) models (SVC-A, SVC-S, SVC-O, SVC-AS) using visual bands and eight GLCM features. Farm maps provided by the Ministry of Agriculture, Food and Rural Affairs proved efficient for open-field crop identification and served as a reference for accuracy comparison. Our analysis showcased the significant impact of hyperparameter tuning (C and gamma) on SVM model performance, requiring careful optimization for each scenario. Importantly, we identified models exhibiting distinct high-accuracy zones, with SVC-O trained on October data achieving the highest overall and individual crop classification accuracy. This success likely stems from its ability to capture distinct texture information from mature crops.Incorporating GLCM features proved highly effective for all models,significantly boosting classification accuracy.Among these features, homogeneity, entropy, and correlation consistently demonstrated the most impactful contribution. However, balancing accuracy with computational efficiency and feature selection remains crucial for practical application. Performance analysis revealed that SVC-O achieved exceptional results in overall and individual crop classification, while soybeans and rice were consistently classified well by all models. Challenges were encountered with cabbage due to its early growth stage and low field cover density. The study demonstrates the potential of utilizing farm maps and GLCM features in conjunction with SVM models for accurate field crop classification. Careful parameter tuning and model selection based on specific scenarios are key for optimizing performance in real-world applications.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.507-519
• /
• 2023

Multi-temporal optical images have been utilized for time-series monitoring of croplands. However, the presence of clouds imposes limitations on image availability, often requiring a cloud removal procedure. This study assesses the applicability of various machine learning algorithms for effective cloud removal in optical imagery. We conducted comparative experiments by focusing on two key variables that significantly influence the predictive performance of machine learning algorithms: (1) land-cover types of training data and (2) temporal variability of land-cover types. Three machine learning algorithms, including Gaussian process regression (GPR), support vector machine (SVM), and random forest (RF), were employed for the experiments using simulated cloudy images in paddy fields of Gunsan. GPR and SVM exhibited superior prediction accuracy when the training data had the same land-cover types as the cloud region, and GPR showed the best stability with respect to sampling fluctuations. In addition, RF was the least affected by the land-cover types and temporal variations of training data. These results indicate that GPR is recommended when the land-cover type and spectral characteristics of the training data are the same as those of the cloud region. On the other hand, RF should be applied when it is difficult to obtain training data with the same land-cover types as the cloud region. Therefore, the land-cover types in cloud areas should be taken into account for extracting informative training data along with selecting the optimal machine learning algorithm.

• 한국음향학회지
• /
• 제27권4호
• /
• pp.207-214
• /
• 2008

입체음향을 구현하는 방법으로는 다수의 스피커를 사용하는 다채널 음향재생 시스템과 2개의 스피커나 스테레오 헤드폰을 이용하는 2채널 음향재생 바이노럴 시스템이 있다. 그 중에서 공간 및 비용 상의 문제로 인하여 2채널을 이용한 음향재생시스템이 주목을 받고 있다. 일반적으로 2채널로 입체음향을 재생하기 위해서는 소리가 음원으로부터 청자의 두 귀에 이르는 경로를 모델링한 머리전달함수 (HRTF : Head Related Transfer Function)를 이용하지만 혼돈원추 상에서 음상정위의 혼돈을 주게 되므로 입체감을 저하시킨다는 단점이 있다. 본 논문에서는 2채널 입체음향 시스템을 효과적으로 구현하기 위하여 머리전달함수를 개선하는 알고리즘을 제안한다. HRTF 그룹화 및 심리음향을 이용하여 각 방향에 해당하는 주파수 스펙트럼 특성을 부각시키는 방법을 적용하였으며 시뮬레이션을 통하여 제안한 알고리즘이 정확한 방향감을 생성할 수 있음을 확인하였다.

• 한국측량학회지
• /
• 제37권3호
• /
• pp.199-208
• /
• 2019

운용 가능한 위성의 수가 증가하고 기술이 진보함에 따라 영상정보의 성과물이 다양해지고 많은 양의 자료가 축적되고 있다. 본 연구에서는 기구축된 영상정보를 활용하여 부족한 훈련자료의 문제를 극복하고 딥러닝(deep learning) 기법의 장점을 활용하고자 전이학습과 변화탐지 네트워크를 활용한 고해상도 위성영상의 변화탐지를 수행하였다. 본 연구에서 활용한 딥러닝 네트워크는 공간 및 분광 정보를 추출하는 합성곱 레이어(convolutional layer)와 시계열 정보를 분석하는 합성곱 장단기 메모리 레이어(convolutional long short term memory layer)로 구성되었으며, 고해상도 다중분광 영상에 최적화된 정보를 추출하기 위하여 커널(kernel)의 차원에 따른 정확도를 비교하였다. 또한, 학습된 커널 정보를 활용하기 위하여 변화탐지 네트워크의 초기 합성곱 레이어를 고해상도 항공영상인 ISPRS (International Society for Photogrammetry and Remote Sensing) 데이터셋에서 추출된 40,000개의 패치로 학습된 값으로 초기화하였다. 다시기 KOMPSAT-3A (KOrean Multi-Purpose SATllite-3A) 영상에 대한 실험 결과, 전이학습과 딥러닝 네트워크를 활용할 경우 기복 변위 및 그림자 등으로 인한 변화에 덜 민감하게 반응하며 분류 항목이 달라진 지역의 변화를 보다 효과적으로 추출할 수 있었으며, 2차원 커널보다 3차원 커널을 사용할 때 변화탐지의 정확도가 높았다. 3차원 커널은 공간 및 분광정보를 모두 고려하여 특징 맵(feature map)을 추출하기 때문에 고해상도 영상의 분류뿐만 아니라 변화탐지에도 효과적인 것을 확인하였다. 본 연구에서는 고해상도 위성영상의 변화탐지를 위한 전이학습과 딥러닝 기법의 활용 가능성을 제시하였으며, 추후 훈련된 변화탐지 네트워크를 새롭게 취득된 영상에 적용하는 연구를 수행하여 제안기법의 활용범위를 확장할 예정이다.

• 대한공간정보학회지
• /
• 제17권1호
• /
• pp.21-35
• /
• 2009

KOMPSAT-2(KOrean MultiPurpose SATellite-2)위성은 GSD(Ground sample distance) 1m급 전정색(panchromatic) 영상과 GSD 4m급의 다중분광(multispectral)영상을 동시에 제공하는 세계 7번째 고해상도(High-Resolution) 위성으로 지도제작, 국토모니터링, 환경 등 여러 분야에서의 다양한 활용이 기대된다. 그러나, KOMPSAT-2영상은 다중분광센서(MSC : Multi Spectral Camera)의 복잡성과 보안성에 의해 위성궤도 및 자세정보 등 영상 취득 시 기하학적 정보 및 영상이 제한적으로 제공되고 있어 KOMPSAT-2 영상을 이용한 다양한 연구가 미흡한 실정이다. 이에 본 연구에서는 KOMPSAT-2의 스테레오 영상을 이용하여 DEM 및 정사영상 제작실험을 수행하여 KOMPSAT-2 영상을 이용한 지형공간정보 생성 가능성을 타진하고자 하였다. KOMPSAT-2영상을 이용한 DEM(Digital Elevation Model) 및 정사영상을 제작하기 위해서는 먼저 표정해석(orientation)을 수행하여야 한다. DEM을 제작하여 정확도를 분석한 결과, 전반적으로 수치지도에 비해 표고가 높게 추출되었다. 평지부에서는 평균 1.8m, 구릉지에서는 평균 7.2m, 산지에서는 평균 11.9m의 표고오차를 나타냈다. 본 연구를 통해 생성된 정사영상의 수평위치오차 평균은 ${\pm}3.081m$로 1:5,000 수치지도 수평위치오차 허용범위인 ${\pm}3.5m$ 준하는 것으로 나타났다. KOMPSAT-2호 영상을 이용하여 DEM 및 정사영상을 제작한 결과, 1:5,000급의 수치지도제작 및 지형공간정보 생성에 활용할 수 있을 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제15권3호
• /
• pp.227-238
• /
• 1999

발사 이전에 OSMI 모의 복사량을 산출함은 실제로 관측할 자료를 추정하고, 자료처리를 위한 준비에 매우 유용하다. 1999년 발사예정인 다목적 실용위성의 탑재체 중의 하나인 OSMI 자료처리 시스템은 SeaWIFS 자료처리 시스템을 OSMI에 맞추어 재개발된 것이다. 모의 복사량 계산은 OSMI 센서의 파장대역 및 스캔방식, 다목적 실용위성의 궤도에 관한 정보가 고려되어야 한다. 본 연구에서는 대양에서의 OSMI 모의 복사량을 산출하기 위해 CZCS에서 관측한 엽록소를 다목적 실용위성이 관측한다는 가정을 하게 되었다. 궤도 예측에는 수정된 Brouwer-Lyddane 모델이, water-leaving 복사량을 산출하기 위해 CZCS 엽록소 농도가, OSMI가 관측할 대기에 의한 복사량 계산에는 여러 가지 복사모델이 이용되었다. OSMI의 412, 443, 490, 555, 765, 865nm 6가시광선 파장대역에서 모의 복사량을 산출하였다. 예상대로, 총 복사량 중 water-leaving 복사량은 아주 작으며 (10% 미만), 태양해면반사에 의한 영향은 태양 적위 근처에서 관측된다. 그러므로 대기보정은 총 복사량으로부터 엽록소 농도를 계산하는데 매우 중요하다. 태양해면반사에 의해 영향을 받는 자료는 사용할 수 없으므로 OSMI 임무 기간내에 지속적인 전구 해양관측을 위해서는 체계적인 자료수집 계획이 요구된다.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.491-498
• /
• 2019

본 연구는 KOMPSAT-3 및 3A호 영상 간 상호좌표등록을 수행할 당시에 두 영상이 보이는 수렴각(convergence angle)의 크기에 따라서 상호좌표등록의 정확도가 어떻게 달라지는지에 대한 분석을 수행하였다. 고해상도 위성영상의 메타데이터에서 제공하는 영상의 좌표정보를 이용하여 영상 정합을 수행하기 위한 탐색영역을 줄일 수 있으므로, 본 연구에서는 좁은 탐색영역에서 정합 신뢰도가 높은 영역기반 정합쌍 추출 기법 중 하나인 상호정보(mutual information) 기법을 활용하였다. 상대적으로 해상도가 낮은 다중분광 영상을 이용하여 초기 상호좌표등록을 수행하여 초기 위치관계를 파악하고, 보다 정밀한 상호좌표등록을 위해 전정색 영상의 관심대상지역을 중심으로 정밀 상호좌표등록을 수행하였다. 대전지역에서 촬영된 16장의 KOMPSAT-3 및 3A호 영상으로 120개의 조합을 구성하여 실험을 수행하였다. 실험결과, 영상 간 수렴각 크기와 상호좌표등록 정확도 사이의 상관계수 값은 0.59를 보였고, 영상 간의 수렴각 크기가 클수록 상호좌표등록 정확도가 떨어지는 경향을 보이는 것을 확인하였다.

• 대한지리학회지
• /
• 제37권4호
• /
• pp.371-384
• /
• 2002

지역개발의 결과인 지표환경의 변화를 예측하는 일은 지속 가능한 환경을 보전하기 위한 수단으로서 대단히 중요하다. 본 연구에서는 다중분광영상 자료를 이용한 퍼지논리연산을 통하여 안면도의 최근 20년(1901~2000) 간의 지표경관 변화를 예측하고 실제 변화된 내용과 비교 검토하였다. 안면도에 대한 문헌, 지도 및 현지 답사한 결과에 의하면, 1980년대 이전에 주로 해안간척과 황무지개간, 초지 조성 등으로 토지이용 형태가 변화되어 왔다. 그러나 1980년대 중반 이후부터는 해수욕장 주변과 준농림지역을 중심으로 민박시설과 점포 등이 무질서하게 들어섰으며, l990년대에는 관광지 개발 및 토시지역의 확장으로 농경지는 증가하였으나 해안지역과 취락지역의 산림이 심각하게 훼손되었다. 퍼지논리연산을 이용하여 지표환경 변화를 통합하여 예측한 결과와 2000년 위성영상에서 얻은 안면도의 지표환경은 비교적 정확하게 일치하였다. 안면도 지역에서 대규모 토지피복 변화가 일어날 가능성이 높은 지역들은 해안과 가까운 평지에 위치한 지역으로 예측되었는데 실제로 이 지역은 현재 대규모 개발이 진행 중이어서 연안환경 악화의 우려를 자아내고 있다. 따라서 본 방법은 향후 지표환경 변화 연구를 위한 효과적으로 적용될 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.462-466
• /
• 2006

Close-to-nature stream evaluation is one of the processing to make the streams over in order to keep them natural. It is integral to evaluate and make an accurate analysis of them on the purpose of maintaining streams healthy. For many instances, there are, stream organization evaluation for restoration by German government, evaluation for ecosystem protection in natural preserves by New Zealand government, and stream-view evaluation for restoration by Britain government so on. In case of the country there are analysis and evaluation of stream physical organization by Cho, Yong-hyun, Close-to-nature stream evaluation for restoration by Kim, Dong-chan, evaluation of stream properties in korea by Park, Bong-jin. Close-to-nature evaluation by Lim, Chan-uk, that is advanced version of Park, Bong-jin's, shows form of stream including waterway curve, sand bar, diversity of flow, river bed material, diversity of minor bed, minor bed bank protection works, bank protection material. It also does environment of stream including side of minor bed vegetation, width of surface of the water/width of the river etc.. By the way, this evaluation does not have free access to apply those details above in the field, it often happens that you get various outcome from the one spot. so you must need more realistic testing method to obtain more accurate data. Remote sensing method is highly recommended because this is very useful for collecting realistic data of vegetation index. what is more, it can not only scan even the minimum area within its resolving power but also do obtain data anytime. Vegetation index indicates Ratio vegetation index, Normalized difference vegetation index, Soil adjusted vegetation index, Atmospherically resistant vegetation index etc.. The research is focusing on Cheokgwa stream which is the branch of Taehwa river and shows 19 sectioned Close-to-nature stream performed according to the method by Lim, chan-uk. Besides let you know vegetation index came from image data of satellite landsat 7 with the variation of buffering area, of the day 9. may. 2003. Of all, the outcome 0.758 at 200m buffer-zone of NDVI was the best we have got so far.

• 한국지반공학회논문집
• /
• 제15권2호
• /
• pp.29-42
• /
• 1999

비파괴적, 비관입적으로 지반 및 구조물의 전단강성 구조를 파악할 수 있는 SASW 기법은 여러 토목분야에서 성공적으로 적용이 되어왔다. 그러나 SASW 기법은 그 기법상의 제약으로 인해 실험이 행해지는 측선의 하부구조가 수평으로 균질하다고 하는 가정을 하여야만 한다. 이러한 수평 다층 구조의 가정은 포장 구조체, 터널 라이닝 등의 토목 구조물의 건전도 검사의 경우에 있어서 반드시 합리적이라고 할 수는 없다. 즉, 지반조사 측선 방향으로의 변이성 평가를 높은 해상도로 수행하여야 할 경우에 기존의 SASW 실험으로 만족스러운 결과를 얻는 것은 용이하지 않다. 최근에는 지반 및 구조물의 건전도 상태를 연속적으로 평가하는 GPR과 같은 비파괴 검사의 중요성이 부각되고 있는 실정이기에, 본 연구에서는 기존의 SASW 실험을 보완하여 지반 조사 측선 방향으로의 전단강성의 연속적 평가가 가능한 토모그래픽 SASW 기법을 새로이 개발하였다. 이러한 토모그래픽 SASW 기법의 개발로 조사대상 매질의 전단강성의 변화에 관한 거리-깊이의 2차원적 컨투어(contour) 도표(토모그래피)의 표현이 가능하게 되어 SASW 기법의 적용성이 토건구조물의 건전도 평가 영역에서 확대되게 되었다. 본 연구에서는 새로이 제안된 토모그래픽 SASW 기법의 타당성을 평가하기 위하여 강사법으로 형성한 모래지반의 횡방향 및 깊이 방향으로의 균질성을 조사하였다. 토모그래픽 SASW 실험으로 모래지반의 전단강성의 변화정도를 용이하게 파악할 수 있었으며, 전단강성의 길이-깊이 방향에 대한 컨투어 도표는 강사법에 사용한 강사기의 문제점을 파악하는데 도움이 되었다. 이러한 모래 지반에서의 전단강성의 평가 실험으로 본 연구에서 제안한 토모그래픽 SASW 실험의 타당성 및 적용성을 확인할 수 있었다.