• 대한원격탐사학회지
• /
• 제15권1호
• /
• pp.39-50
• /
• 1999

위성에서 관측된 다 대역 위성영상 데이터를 이용목적에 따라 분류하기 위해서는 복잡한 처리과정과 많은 시간을 필요로 하며, 감독분류시 훈련 데이터의 선택과 고려되는 다양한 특징 값들은 분류 정확도를 좌우할 만큼 민감한 특성을 나타내고 있다. 따라서 본 논문에서는 훈련데이터의 선택과 다양한 특징 값들 중 실제 영상분류에 기여도가 높은 특징을 추출하기 위하여 퍼지 기반의 $\gamma$모델을 이용한 분류네트웍을 구성하였다. 훈련집합 선택시 분류하고자 하는 지역의 밝기 분포도, 텍스쳐 특징 그리고 NDVI(Normalized Difference Vegetation Index)를 분류에 사용될 특징으로 선택하였고, 분류네트웍 출력 값의 오류가 최소화 되도록 Gradient Desoent 방법을 이용하여 각 노드의 $\gamma$파라미터를 훈련시키는 과정을 채택하였다. 이러한 훈련을 통하여 얻어진 파라미터를 이용하면 각 노드의 연결특성을 알 수 있으며, 다양한 입력 노드의 특징들 중 영상분류에 기여도가 적은 특징들을 추출하여 제거할 수 있다.

• 대한원격탐사학회지
• /
• 제38권1호
• /
• pp.103-110
• /
• 2022

Since satellite images generally include clouds in the atmosphere, it is essential to detect or mask clouds before satellite image processing. Clouds were detected using physical characteristics of clouds in previous research. Cloud detection methods using deep learning techniques such as CNN or the modified U-Net in image segmentation field have been studied recently. Since image segmentation is the process of assigning a label to every pixel in an image, precise pixel-based dataset is required for cloud detection. Obtaining accurate training datasets is more important than a network configuration in image segmentation for cloud detection. Existing deep learning techniques used different training datasets. And test datasets were extracted from intra-dataset which were acquired by same sensor and procedure as training dataset. Different datasets make it difficult to determine which network shows a better overall performance. To verify the effectiveness of the cloud detection network such as Cloud-Net, two types of networks were trained using the cloud dataset from KOMPSAT-3 images provided by the AIHUB site and the L8-Cloud dataset from Landsat8 images which was publicly opened by a Cloud-Net author. Test data from intra-dataset of KOMPSAT-3 cloud dataset were used for validating the network. The simulation results show that the network trained with KOMPSAT-3 cloud dataset shows good performance on the network trained with L8-Cloud dataset. Because Landsat8 and KOMPSAT-3 satellite images have different GSDs, making it difficult to achieve good results from cross-sensor validation. The network could be superior for intra-dataset, but it could be inferior for cross-sensor data. It is necessary to study techniques that show good results in cross-senor validation dataset in the future.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1007-1014
• /
• 2022

차세대중형위성(Compact Advanced Satellite 500, CAS500)은 식생, 산림, 농업 등의 분야를 포함한 다양한 목적을 위하여 사용될 수 있으며, 다양한 영역에 대한 빠른 위성영상의 취득이 가능할 것으로 기대되고 있다. 차세대중형위성을 통하여 취득된 위성영상을 농업분야에서 활용하기 위해서는 위성영상 기반 작물재배지역 추출 기법에 대한 개발이 필요하다. 특히, 최근 들어 딥러닝 분야에 대한 연구가 활발해짐에 따라서, 작물재배지역 추출을 위한 딥러닝 모델의 개발 및 훈련자료 생성에 관한 연구가 필요한 실정이다. 본 연구에서는 PlanetScope 위성영상과 팜맵을 이용하여 합천군 지역의 양파 및 마늘 재배지역을 분류하고자 하였다. 특히, 효과적인 모델의 학습을 위하여 작물재배지역의 비율에 따른 모델 성능을 분석하고자 하였다. 실험에 사용한 딥러닝 모델은 Fully Convolutional Densely Connected Convolutional Network (FC-DenseNet)을 작물재배지역 분류의 목적에 맞도록 재구성하여 활용하였다. 실험결과, 훈련자료 내 작물재배지역의 비율이 딥러닝 모델의 성능에 영향을 미치는 것을 확인하였다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제1권1호
• /
• pp.119-124
• /
• 2001

In this pattern recognition on the large volumes of remote sensing satellite images, the inference time is much increased. In the case of the remote sensing data [5] having 4 wavebands, the 778 training patterns are learned. Each land cover pattern is classified by using 159, 900 patterns including the trained patterns. For the fuzzy classification, the 778 fuzzy rules are generated. Each fuzzy rule has 4 fuzzy variables in the condition part. Therefore, high performance parallel fuzzy inference system is needed. In this paper, we propose a novel parallel fuzzy inference system on T3E parallel computer. In this, fuzzy rules are distributed and executed simultaneously. The ONE_To_ALL algorithm is used to broadcast the fuzzy input to the all nodes. The results of the MIN/MAX operations are transferred to the output processor by the ALL_TO_ONE algorithm. By parallel processing of the fuzzy rules, the parallel fuzzy inference algorithm extracts match parallelism and achieves a good speed factor. This system can be used in a large expert system that ha many inference variables in the condition and the consequent part.

• 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.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1581-1587
• /
• 2022

이제는 딥러닝 없는 원격탐사 데이터 처리는 상상하기도 어려운 시대가 되었다. 원격탐사의 활용기술 개발을 위해서는 먼저 인공지능(artificial intelligence, AI)을 위한 데이터를 설계 및 구축하고, AI모델을 학습시키는 과정을 거친다. AI모델은 빠르게 발전하여 모델 정확도가 나날이 높아지고 있지만, 모델을 훈련시키는 사람에 따라 정확도의 편차가 발생하고 있다. 결국 AI모델을 훈련시킬 수 있는 숙련도 높은 전문가가 더욱 더 필요한 시대가 되어가고 있다. 특히, 딥러닝기술은 원격탐사활용에 있어 자동화라는 키워드를 제공하고 있다. 예전에는 60% 이하의 정확도만 있었던 기술도 이제는 90%를 넘어 100%의 시대로 가고 있다. 이 특별호에서는 딥러닝기술이 원격탐사에 어떻게 활용되고 있는지에 관한 13편의 논문을 소개한다.

• 영재교육연구
• /
• 제24권4호
• /
• pp.543-559
• /
• 2014

본 연구의 목적은 현재 우리나라에서 실시되고 있는 영재교육 담당교사를 위한 연수 프로그램이 어떤 내용으로 구성되어 있는지 분석하고 연수 프로그램이 영재교육 담당교사의 자질을 충분히 반영하는지 알아보는 데 있다. 이를 위하여 각 지역 교육청, 대학 부설 연수원과 원격연수원에서 실시하고 있는 영재교육 관련 20개의 연수 프로그램을 분석 대상으로 하였다. 분석을 위해 영재교육 담당교사의 자질에 관한 프레임을 선정하였고, 이 자료를 토대로 연수 프로그램을 강의별로 코딩하여 정제한 뒤 분류 작업을 거쳐 언어네트워크 분석을 실시하였다. 연구 결과 교사 연수 프로그램은 '교육과정', '교수법', '교육과정 개발'에 중점을 두어 운영되고 있음을 알 수 있었다. 이것은 교사의 전문적 자질을 중심으로 구성되어있음을 의미한다. 이는 많은 교사연수프로그램이 정의적 자질보다 전문성 및 교수능력 자질과 관련된 내용을 다루고 있다는 것을 보여준다. 그러므로 연수 프로그램을 다양하고 균형 있게 재편할 필요가 있다. 더욱이 교사의 자질을 균등하게 개선하기 위하여 체계적인 연수 프로그램이 요구된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.675-677
• /
• 2005

This study proposes a fuzzy classification using EM algorithm. For cluster validation, this approach iteratively estimates the class-parameters in the fuzzy training for the sample classes and continuously computes the log-likelihood ratio of two consecutive class-numbers. The maximum ratio rule is applied to determine the optimal number of classes.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 International Symposium on Remote Sensing
• /
• pp.368-368
• /
• 2008

Oil spills are a principal factor of the ocean pollution. The complicated problems involved in detecting oil spills are usually due to varying wind and sea surface condition such as ocean wave and current. The Hebei Spirit accident was happened in the west sea ($36^{\circ}$41'04" N, $126^{\circ}$03'12" E) near about 8 km distant from Tae-An, Korea on December 7, 2007. The aim of this work is to improve the detection and classification performance in order to define a more accurate training set and identifying the feature of oil spill region. This paper deals with an optimization technique for the detection and classification scheme using multi-frequency and multi-polarization SAR and optical image data sets of the oil spilled sea. The used image data are the ENVISAT ASAR WS and Radarsat-1 of C-band and ALOS PALSAR of L-band SAR data and KOMPSAT-2 optical images together with meteorological or oceanographic data. Both the theory and the experimental results obtained are discussed.

• 센서학회지
• /
• 제24권1호
• /
• pp.69-77
• /
• 2015

The Microsoft Kinect is a motion sensing input device which is widely used for many motion recognition applications such as fitness, sports, and rehabilitation. Until now, most of remote rehabilitation systems with the Microsoft Kinect have allowed the user or patient to do rehabilitation or fitness by following the motion of a video screen. However in this paper we propose a smart remote rehabilitation system with the Microsoft Kinect motion sensor and a wearable ECG sensor which can allow patients to offer monitoring of the individual's performance and personalized feedback on rehabilitation exercises. The proposed noble smart remote rehabilitation is able to monitor and measure the state of the patient's condition during rehabilitation exercise, and transmits it to the prescriber. This system can give feedback to a prescriber, a doctor and a patient for improving and recovering motor performance. Thus, the efficient rehabilitation training service can be provided to patient in response to changes of patient's condition during exercise.