• 대한원격탐사학회지
• /
• 제31권4호
• /
• pp.293-302
• /
• 2015

Water body extraction is significant for flood disaster monitoring using satellite imagery. Conventional methods have focused on finding an index, which highlights water body and suppresses non-water body such as vegetation or soil area. The Normalized Difference Water Index (NDWI) is typically used to extract water body from satellite images. The drawback of NDWI, however, is that some man-made objects in built-up areas have NDWI values similar to water body. The objective of this paper is to propose a new method that could extract correctly water body with built-up areas in before and after images of flood. We first create a two-element feature vector consisting of NDWI and a Near InfRared band (NIR) and then select a training site on water body area. After computing the mean vector and the covariance matrix of the training site, we classify each pixel into water body based on Mahalanobis distance. We also register before and after images of flood using outlier removal and triangulation-based local transformation. We finally create a change map by combining the before-flooding water body and after-flooding water body. The experimental results show that the overall accuracy and Kappa coefficient of the proposed method were 97.25% and 94.14%, respectively, while those of the NDWI method were 89.5% and 69.6%, respectively.

• 지구물리와물리탐사
• /
• 제3권3호
• /
• pp.83-87
• /
• 2000

송신원의 파워 증가가 제한되고 인공잡음이 존재하는 지역에서 양질의 탄성파 자료를 획득하기 위하여 근/원기준점(reference)을 이용한 탄성파 잡음예측필터를 개발하였다. 잡음예측필터에 사용된 방법은 backpropagation 알고리즘을 이용한 3층의 인공신경망(neural network)으로서, 훈련자료(training data) 및 검증자료(testing data)에 훈련된 잡음예측필터를 적용시 신호대잡음비(signal-to-noise ration)를 약 3배 정도 증가시켰다. 그러나, 일반적으로 전기, 전자탐사 자료의 질을 향상하기 위해 사용되는 스케일링(scaling)기법으로는 전혀 탄성파의 잡음을 제거할 수 없었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 춘계학술대회
• /
• pp.385-388
• /
• 2010

시각장애인은 움직임에 대한 제한으로 상대적으로 교육의 공평한 기회가 제공되고 있지 못한다. 본 논문에서는 시각장애인들이 정보격차 해소는 물론 웹 접근에 관한 연구와 시각장애인들의 정보습득 방법에 대한 선호도를 분석 조사하고 분석한다. 이 자료를 통해 시각장애인을 대상으로 한 초고속통신망에서 인터넷 웹서비스를 이용한 교육지원서비스 시스템을 설계하고, 분석하고, 실시간으로 교육 정보를 주고받을 수 있는 커뮤니티 프로그램을 개발하여, 원격에서 재택 교육지원시스템 활성화 방안을 제시하여 시각장애인의 교육지원 정보 접근서비스에 기여하고자 한다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1326-1328
• /
• 2003

An elliptical basis function (EBF) network is proposed in this study for the classification of remotely sensed images. Though similar in structure, the EBF network differs from the well-known radial basis function (RBF) network by incorporating full covariance matrices and uses the expectation-maximization (EM) algorithm to estimate the basis functions. Since remotely sensed data often take on mixture -density distributions in the feature space, the proposed network not only possesses the advantage of the RBF mechanism but also utilizes the EM algorithm to compute the maximum likelihood estimates of the mean vectors and covariance matrices of a Gaussian mixture distribution in the training phase. Experimental results show that the EM-based EBF network is faster in training, more accurate, and simpler in structure.

• 대한원격탐사학회지
• /
• 제37권4호
• /
• pp.747-761
• /
• 2021

With the increasing application of UAVs in intelligent transportation systems, vehicle detection for aerial images has become an essential engineering technology and has academic research significance. In this paper, a vehicle detection method for aerial images based on the YOLOv4 deep learning algorithm is presented. At present, the most known datasets are VOC (The PASCAL Visual Object Classes Challenge), ImageNet, and COCO (Microsoft Common Objects in Context), which comply with the vehicle detection from UAV. An integrated dataset not only reflects its quantity and photo quality but also its diversity which affects the detection accuracy. The method integrates three public aerial image datasets VAID, UAVD, DOTA suitable for YOLOv4. The training model presents good test results especially for small objects, rotating objects, as well as compact and dense objects, and meets the real-time detection requirements. For future work, we will integrate one more aerial image dataset acquired by our lab to increase the number and diversity of training samples, at the same time, while meeting the real-time requirements.

• 한국재난정보학회 논문집
• /
• 제17권4호
• /
• pp.722-732
• /
• 2021

연구목적: 코로나바이러스 감염증-19(COVID) 펜데믹으로 인해 모든 교육기관은 전면 비대면 실시간 교육을 해야하는 상황이 발생하였고 이에 소방공무원에게도 비대면교육을 적용하여 소방교육을 운영하는 것이 요구되었다. 이러한 펜데믹 상황에서 중앙소방학교가 소방공무원에게 실시한 비대면 실시간 교육에 대한 실태조사를 통해 비대면 실시간 교육의 방향을 찾고 개선방안을 제시 하려한다. 연구방법: 소방공무원을 대상으로 '비대면 실시간 원격교육의 질적 향상 및 전문화를 위한 의식조사' 라는 주제로 설문조사를 실시하여 그 결과를 토대로 심층분석을 하였다. 연구결과 및 결론: 첫째, 교수자 혹은 교육운영자는 다양한 프로그램을 활용하여 교육특성에 맞는 원격교육 프로그램을 적극 활용할 필요가 있다. 둘째, 비대면 교육을 위한 전용노트북을 제공하여 모든 학습자들이 교육 참여에 어려움 없는 교육환경을 제공 할 필요가 있다. 셋째, 소방공무원 교육훈련 특성상 장비 활용이 필요한 교육훈련의 경우에는 각 소방서에 교육 장비를 배치하여 비대면 실습교육 장소로 고려해 볼 필요가 있다. 넷째, 실습교육은 이론교육으로 대처하는 것은 만족스러운 교육효과를 기대하기 어렵다. 그렇기에 비대면 실시간 실습교육이 가능한 시설과 프로그램이 개발되어져야한다. 그러한 비대면 실습교육이 가능해지기 전까지는 사회적 거리를 최대한 유지하면서 대면교육을 적절하게 병행하는 것도 고려해볼만 하다. 다섯째, 비대면 교육은컴퓨터 화면의 불빛과 전자파로 인하여 눈의 피로도가 높고 시간이 흐를수록 집중도가 많이 떨어진다는 의견으로 보아 적절한 수업시간과 휴식시간을 통해 학습자의 눈의 피로를 줄이고 집중력을 높일 수 있는 교육시간을 구성해야 할 필요가 있다. 마지막으로 교수자는 일방적인 지식전달을 하는 교육보다는 교수자와 학습자가 상호작용할 수 있는 학습자 참여 중심의 교육을 운영해야할 필요가 있다. 또한 비대면 원격교육 기술적인 문제는 사전시스템 점검을 통해 교육에 차질이 없도록 철저한 준비가 필요한 것으로 생각된다.

• Journal of information and communication convergence engineering
• /
• 제22권1호
• /
• pp.23-32
• /
• 2024

This study aims to improve the quality of distance learning by developing webcast-based e-learning media and integrating it into an e-learning platform for functional job training purposes at the National Research and Innovation Agency, Indonesia. This study uses a Technology Acceptance Model (TAM) to assess and predict user perceptions of information systems using webcast platforms as an alternative to conventional applications. The research method was an online survey using Google Forms. Data collected from 136 respondents involved in practical job training were analyzed using structural equation modeling to test the technology acceptance model. The results showed that the proposed model effectively explained the variables associated with the adoption of web-based e-learning during the COVID-19 pandemic in Indonesia for participants engaged in functional job training. These findings suggest that users' perceptions of ease of use, usefulness, benefits, attitudes, intentions, and webcast usage significantly contribute to the acceptance and use of a more effective and efficient webcast-based e-learning platform.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1111-1123
• /
• 2023

원격탐사 영상을 이용한 지표 속성의 변화를 모니터링 하기 위해서 딥러닝(deep learning) 모델을 이용한 의미론적 영상 분할 방법이 최근에 널리 사용되고 있다. 대표적인 의미론적 영상 분할 딥러닝 모델인 UNet 모델을 비롯하여 다양한 종류의 UNet 기반의 딥러닝 모델들의 성능 향상을 위해서는 학습 데이터셋의 크기가 충분해야 한다. 학습 데이터셋의 크기가 커지면 이를 처리하는 하드웨어 요구 사항도 커지고 학습에 소요되는 시간도 크게 증가되는 문제점이 발생한다. 이런 문제를 해결할 수 있는 방법인 전이학습은 대규모의 학습 데이터 셋이 없어도 모델 성능을 향상시킬 수 있는 효과적인 방법이다. 본 논문에서는 UNet 기반의 딥러닝 모델들을 대표적인 사전 학습 모델(pretrained model)인 VGG19 모델 및 ResNet50 모델과 결합한 세 종류의 전이학습 모델인 UNet-ResNet50 모델, UNet-VGG19 모델, CBAM-DRUNet-VGG19 모델을 제시하고 이를 건물 추출에 적용하여 전이학습 적용에 따른 정확도 향상을 분석하였다. 딥러닝 모델의 성능이 학습률의 영향을 많이 받는 점을 고려하여 학습률 설정에 따른 각 모델별 성능 변화도 함께 분석하였다. 건물 추출 결과의 성능 평가를 위해서 Kompsat-3A 데이터셋, WHU 데이터셋, INRIA 데이터셋을 사용하였으며 세 종류의 데이터셋에 대한 정확도 향상의 평균은 UNet 모델 대비 UNet-ResNet50 모델이 5.1%, UNet-VGG19 모델과 CBAM-DRUNet-VGG19 모델은 동일하게 7.2%의 결과를 얻었다.

• 대한토목학회논문집
• /
• 제28권6D호
• /
• pp.915-922
• /
• 2008

불투수층은 자연적인 침투를 허용하지 않는 인위적인 토지피복상태로, 도시화율을 추정하거나 도시의 환경변화 정도를 분석하기 위한 척도로 사용되어 왔다. 수문학적인 관점에서 불투수층은 단기 유출현상에 큰 영향을 끼치는 요소로 급속한 도시화로 인해 불투수층의 영향이 더욱 커짐에 따라 불투수층의 추정에 대한 필요성이 증가하고 있다. 따라서 본 연구에서는 불투수층을 추정하기 위해 중랑천 유역을 대상지역으로 선정하고, $30m{\times}30m$ 공간해상도의 Landsat-7 ETM+ 영상과 $1m{\times}1m$의 고해상도 위성영상을 구축하였으며 tasselled cap 변환과 식생지수(NDVI) 변환을 수행하여 다양한 예측변수를 고려하였다. 수집된 학습자료에 분류 및 회귀트리를 적용하여 불투수층 추정모델을 구성하였고, 이를 지도화하여 중랑천 유역의 불투수층을 나타냈다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1707-1720
• /
• 2023

위성 시계열 데이터가 증가함에 따라 원격탐사 자료의 활용도가 높아지고 있다. 시계열 자료를 통한 분석에 있어 영상 간의 상대적인 위치 정확도는 결과에 큰 영향을 미치기 때문에 이를 보정하기 위한 영상 정합 과정은 필수적으로 선행되어야 한다. 최근에는 기존 알고리즘의 성능을 상회하는 딥러닝 기반 영상 정합 연구의 사례가 증가하고 있다. 딥러닝 기반 정합 모델을 학습하기 위해서는 수 많은 영상 쌍이 필요하다. 또한, 기존 딥러닝 모델의 데이터 간의 상관도 map을 제작하고, 이에 추가적인 연산을 적용하여 정합점을 추출는데 이는 비효율적이다. 이러한 문제를 해결하기 위해 본 연구에서는 영상 정합 모델 학습을 위한 데이터 증강 기법을 구축하여 데이터셋을 제작하였고, 이를 오프셋(offset) 양 자체를 예측하는 정합 모델인 OffsetNet에 적용하여 KOMSAT-2, -3, -3A 영상 정합을 수행하였다. 모델 학습 결과, OffsetNet은 평가 데이터에 대해 높은 정확도로 오프셋 양을 예측하였고, 이를 통해 주영상과 부영상을 효과적으로 정합하였다.