• 한국측량학회지
• /
• 제37권6호
• /
• pp.481-489
• /
• 2019

다시기 위성 영상을 이용한 변화탐지 분석은 인간 활동의 변화를 직접 반영하는 지표이다. 변화탐지는 크게 화소 기반 변화탐지(PBCD: Pixel-Based Change Detection)와 객체 기반 변화탐지(OBCD: Object-Based Change Detection)로 구분한다. 화소 기반 변화탐지는 알고리즘이 간단하고 비교적 쉽게 정량적 분석이 가능해 전통적으로 많이 쓰여온 기법이나 고해상도 영상에서의 화소 기반 변화탐지는 오탐지나 노이즈(noise)가 발생하기 때문에 고해상도 영상에서의 활용도가 떨어진다. 또한, 고해상도 다시기 영상은 취득 당시 센서의 자세나 지형적 특성으로 인해 영상 등록(image registration)을 수행한 이후에도 지형적 불일치가 발생한다. 등록오차(registration noise)라고 불리는 이 지형 불일치는 고해상도 다시기 영상 활용을 위한 공간정보 추출 시 정확도를 떨어뜨리는 방해요인으로 작용한다. 이에 본 연구에서는 등록오차를 고려한 고해상도 영상의 객체 기반 변화탐지를 수행하였다. 이 때, 다양한 화소 기반 변화탐지 결과를 모두 고려한 객체 기반 변화탐지 결과를 도출하였으며 이 과정에서 분할 영상(segmentation image)과의 major voting을 적용하였다. 제안 기법과 화소 기반 변화탐지 결과, 그리고 화소 기반 변화탐지 결과를 객체 기반 변화탐지로 확장한 결과의 비교를 통해 제안 기법의 우수성을 평가하였다.

• 한국측량학회지
• /
• 제33권4호
• /
• pp.297-304
• /
• 2015

원격탐사 자료를 활용한 변화탐지 기법은 재난/재해, 국토모니터링 등의 다양한 분야에서 활용가능하다. 그러나, 고해상도 위성영상을 활용하여 무감독 변화탐지를 수행할 경우에는, 기복변위 등에 의한 기하학적인 오차와 영상의 노이즈 정보에 의하여 미변화지역들이 변화지역으로 오탐지될 수 있는 문제점을 지닌다. 따라서 본 연구에서는 대표적인 변화탐지 기법인 IR-MAD 기법을 활용하여 고해상도 위성영상에 대한 객체 기반의 변화탐지를 수행하였다. 특히, 교차융합기법으로 부가적인 자료를 생성하여 객체 기반의 변화탐지 정확도를 향상시키고자 하였다. KOMPSAT-2 위성영상을 활용한 실험을 수행한 결과, 화소기반의 IR-MAD 기법과 비교하여 객체 기반의 IR-MAD 기법이 높은 변화탐지 정확도를 보이는 것을 확인하였다. 또한, 교차융합영상을 활용하였을 경우가 원 다시기 영상만을 사용하였을 때보다 높은 변화탐지 정확도를 보였다. 이를 통해, 객체 기반의 IR-MAD 기법이 고해상도 위성영상을 활용한 국토의 변화탐지를 효과적으로 수행할 수 있음을 실험적으로 증명하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2007년도 하계종합학술대회 논문집
• /
• pp.221-222
• /
• 2007

This paper presents wavelet-based moving object segmentation using double change detection and background registration. Three successive frame differences for detection change were used in the wavelet domain. The background was constructed with the wavelet coefficients in the lowest frequency subband which are the approximated version of an image. Combining double change detection and background registration, we can obtain an efficient moving object segmentation algorithm.

• 한국멀티미디어학회논문지
• /
• 제18권2호
• /
• pp.138-148
• /
• 2015

Object detection methods based on background learning are widely used in video surveillance. However, when a car runs with headlights on, these methods are likely to detect the car region and the area illuminated by the headlights as one connected change region. This paper describes a method of separating the car region from the area illuminated by the headlights. First, we detect change regions with a background learning method, and extract blobs, connected components in the detected change region. If a blob is larger than the maximum object size, we extract candidate object regions from the blob by clustering the intensity histogram of the frame difference between the mean of background images and an input image. Finally, we compute the similarity between the mean of background images and the input image within each candidate region and select a candidate region with weak similarity as an object region.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.535-543
• /
• 2022

농업분야에서 드론을 활용하여 작물의 생육을 진단하고 정보를 영상으로 제공하고 있다. 들녘 단위에 대한 고해상도 드론 영상을 활용하는 경우 객체별 생육정보를 생산할 수 있으나 정확하게 작물을 탐지하고 인접한 객체를 효율적으로 구분하기 위한 작업이 요구된다. 본 연구에서는 작물 객체를 탐지하고 위치 정보를 추출하는 알고리즘을 개발하는 것이 목적이다. 드론 다중분광영상과 컴퓨터 비전 기술을 활용하여 객체 탐지를 위한 알고리즘을 개발하였으며, 대상 작물은 가을배추로 선정하였다. 2018년~2020년까지 가을배추를 대상으로 정식 후 7일~15일 사이의 드론 영상을 취득하였으며, 2019년 영상 기반으로 객체 탐지 알고리즘을 개발한 뒤 2018년, 2020년 영상을 기반으로 알고리즘 평가를 수행하였다. 분광반사도 기반 지수와 식생의 분광반사도 특성을 고려하여 식생 지역을 추출하였다. 이후 추출된 식생 지역에서 객체의 크기를 고려하여 팽창(Dilatation), 침식(Erosion), 이미지 분할 등과 같은 모폴로지(Morphology) 기법을 통해 객체 탐지 정확도를 향상시켰다. 개발된 객체 탐지 알고리즘의 정밀도는 95.19% 이상이었으며, 재현율과 정확도는 각각 95.4%, 93.68% 이상이었다. 객체 탐지 알고리즘의 F1-Score는 0.967 이상으로 나타났다. 본 연구에서 개발한 알고리즘을 이용하여 추출된 배추 객체 중심에 대한 위치 정보는 작물의 재배시기에 따라 영농단계별 의사결정 정보를 제공하기 위한 자료로써 활용될 것이다.

• Journal of Information Processing Systems
• /
• 제18권4호
• /
• pp.587-598
• /
• 2022

To increase building change recognition accuracy, we present a deep learning-based building change detection using remote sensing images. In the proposed approach, by merging pixel-level and object-level information of multitemporal remote sensing images, we create the difference image (DI), and the frequency-domain significance technique is used to generate the DI saliency map. The fuzzy C-means clustering technique pre-classifies the coarse change detection map by defining the DI saliency map threshold. We then extract the neighborhood features of the unchanged pixels and the changed (buildings) from pixel-level and object-level feature images, which are then used as valid deep neural network (DNN) training samples. The trained DNNs are then utilized to identify changes in DI. The suggested strategy was evaluated and compared to current detection methods using two datasets. The results suggest that our proposed technique can detect more building change information and improve change detection accuracy.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 추계학술대회
• /
• pp.88-90
• /
• 2022

Semi Supervised Learning 은 일부의 data 에는 labeling 을 하고 나머지 data 에는 labeling 을 안한채로 학습을 진행하는 방법이다. Object Detection 은 이미지에서 여러개의 객체들의 대한 위치를 여러개의 바운딩 박스로 지정해서 찾는 Computer Vision task 이다. 당연하게도, model training 단계에서 사용되는 data set 의 크기가 크고 객체가 많을 수록 일반적으로 model 의 성능이 좋아 질 것이다. 하지만 실험 환경에 따라 data set 을 잘 확보하지 못하던가, 실험 장치가 데이터 셋을 감당하지 못하는 등의 문제가 발생 할 수 있다. 그렇기에 본 논문에서는 semi supervised learning based object detection model 을 알아보고 data set 의 크기를 조절해가며 modle 을 training 시킨 뒤 data set 의 크기에 따라 성능이 어떻게 변화하는 지를 알아 볼 것이다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1083-1094
• /
• 2021

접근불능지역에 대한 핵활동 모니터링을 위해서는 고해상도 위성영상을 이용하여 핵활동 관련 객체의 변화양상을 분석하는 방법론의 수립이 필요하다. 그러나, 위성영상을 이용한 전통적인 객체탐지 및 변화탐지 기법들은 영상 취득 시 계절, 날씨 등의 영향에 의하여 탐지 결과물들을 다양한 활용분야에 적용하기에 어려움이 있다. 따라서, 본 연구에서는 딥러닝 모델을 이용하여 위성영상에서 관심객체를 탐지하고, 이를 활용하여 다시기 위성영상 내의 객체 변화를 분석하고자 하였다. 이를 위하여, 객체탐지를 위한 공개데이터셋을 이용하여 딥러닝 모델의 선행학습을 수행하고, 관심지역에 대한 학습자료를 직접 제작하여 전이학습에 적용하였다. 다시기·다종 위성영상 내의 객체를 개별적으로 탐지한 후, 이를 활용하여 영상 내 객체의 변화양상을 탐지하였다. 이를 통해 접근불능지역에 대한 핵 활동 관련 모니터링을 위하여 다양한 위성영상에 대한 객체탐지 결과를 직접적으로 변화탐지에 활용할 수 있는 가능성을 확인하였다.

• 한국정보기술학회논문지
• /
• 제17권5호
• /
• pp.13-20
• /
• 2019

최근 CNN을 기반으로 한 객체 검출 기술의 연구가 활발하다. 객체 검출 기술은 자율주행차, 지능형 영상분석 등에서 중요한 기술로 사용된다. 본 논문에서는 CNN 기반의 객체 검출기 중 하나인 SSD(Single Shot Multibox Detector)에 MI-FL(Moment Invariant-Feature Layer)을 적용하여 회전 변형에 강인한 객체 검출 시스템을 제안한다. 먼저 VGG 네트워크를 기반으로 입력 이미지의 특징을 추출한다. 그 후 총 6개의 특징 계층(Feature layer)을 적용하여 객체의 위치 정보와 종류를 예측해 경계 박스들을 생성한다. 그 후 NMS 알고리즘을 이용해 가장 객체일 확률이 높은 경계 박스를 얻는다. 하나의 객체 경계 박스가 정해지면 MI-FL을 이용해 해당 영역의 불변 모멘트 특징을 추출하여 미리 저장하고 학습한다. 이후 검출 과정에서 미리 저장해둔 불면모멘트 특징 정보를 이용해 검출함으로써 회전된 이미지에 대해 기존 방법보다 더 강인한 검출이 가능하다. 기존의 SSD와 MI-FL을 적용한 SSD의 비교를 통해 약 4~5%의 성능 향상을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제13권6호
• /
• pp.1-12
• /
• 2008

본 논문에서는 카메라 회전에 의한 배경의 왜곡이 존재하는 환경에서 조명변화와 대상물체의 흔들림에도 강건한 에지 세그먼트 정합을 통한 이동물체 자동 검출방법을 제안한다. 이동물체 검출을 위한 기존의 연구는 카메라가 고정되어 있는 환경을 대상으로 한 연구가 주를 이루지만 응용분야의 확대로 카메라를 회전함으로써 하나의 카메라로 보다 넓은 영역을 커버할 수 있는 시스템에 대한 요구가 커지고 있다. 본 연구에서는 왜곡이 적은 에지세그먼트 기반 배경 파노라마 영상 생성 방안, 왜곡이 포함된 파노라마 영상에서 신속하게 현재 영상의 배경에지영상을 추출할 수 있는 에지특징 기반 GHT를 이용한 배경영상생성 방안, 시점의 차이와 왜곡을 극복하고 신뢰성 있게 이동 에지 세그먼트를 추출할 수 있는 에지 정합방안을 제안한다. 실험결과 제안한 방법은 조명 변화와 카메라의 흔들림에도 정확한 이동물체 검출이 가능함이 입증되었다.