• 대한원격탐사학회지
• /
• 제30권2호
• /
• pp.219-226
• /
• 2014

분광혼합분석 결과로 얻어지는 각 물체의 점유비율을 활용하면 보다 세밀한 분류가 가능하다. 이는 복잡한 도심지역의 피복분류 뿐만 아니라 혼효림이 많은 한반도 임상분류에 적합한 분류기법이 될 수 있다. 효과적인 임상분류를 위해서는 무엇보다 적절한 endmember의 추출이 선행되어야 하는데, 기존에 주로 사용되었던 기하학적 방법(geometric endmember selection)은 분광특성이 유사한 산림지역에 적합하지 않다. 본 연구에서는 영상에서 직접 순수한 화소를 추출하는 기법 중의 하나인 IEA(Iterative Error Analysis)와 침엽수와 활엽수의 분광특성을 이용하여 실험지역을 대표할 수 있는 각각의 endmember를 자동으로 추출하였다. CASI(Compact Airborne Spectrographic Imager) 영상의 두 지역에 대하여 분광혼합분석을 이용한 분류를 수행한 결과, 분류 정확도는 각각 86%와 90%로, 제안한 기법이 실험대상지역을 대표하는 침엽수와 활엽수의 endmember를 적절하게 추출한 것으로 나타났다. 분광혼합분석 기법을 이용한 보다 효과적인 분류를 위해서 분류항목 외 기타물질을 endmember로 고려하는 연구가 필요할 것으로 보인다.

• 한국산림과학회지
• /
• 제109권1호
• /
• pp.23-30
• /
• 2020

최근 급변하는 컴퓨터 기술의 발전을 통해 컴퓨터 비전과 머신러닝을 이용한 사물인식 기법이 다양한 학문 분야에서 사용되고 있다. 국내의 연구 사례를 보면 주로 대면적 산림을 분석하기 위한 이미지 학습 및 객체인식 기법이 사용되는 반면 개체목 단위의 수종 분류 및 특징을 학습하는 연구는 아직 미미한 실정이다. 이에 본 연구는 한국의 침엽수 5종을 대상으로 이미지 학습을 통한 자동분류 연구의 가능성을 분석해 보았다. 데이터 형태에 따른 분류 결과의 차이를 분석하기 위하여 산림전문가가 직접 촬영한 영상(D1)과 웹크롤링을 이용한 영상(D2)을 사용하여 수종 분류를 실시하였다. 그 결과 D1과 D2의 분류 정확도에 유의미한 차이가 있는 것으로 나타났으며, D1은 D2보다 높은 분류 정확도를 나타냈다. 또한, D2의 분류 정확도를 높이기 위해서는 검열되지 않은 영상 데이터의 노이즈를 줄이기 위한 추가 데이터 필터링 기법이 필요한 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제24권6호
• /
• pp.621-629
• /
• 2008

인도의 Tamil Nadu 지역을 대상지역으로 선택하여 Landsat ETM+ 영상과 현장 조사 자료(기저면적, 개체 수, 종의 수)를 취득하였다. 취득된 자료를 통하여 (1) 영상의 분류, (2) 식생지수 영상의 추출(NDVI, Tasseled Cap 토양명도, 녹색식생, 토양습도), (3) 가장 상관관계가 높은 결과를 보인 NDVI와 기저면적(Basal area)을 이용한 식생다양성 분포 예측 지도 제작이 이루어 졌다. 기저면적과 NDVI가 가장 높은 상관관계를 가지며 대상지역 영상분류 결과 69%정도의 정확도를 보였다.

• 한국농공학회논문집
• /
• 제57권4호
• /
• pp.1-9
• /
• 2015

The development of drought index that provides detailed-spatial-resolution drought information is essential for improving drought planning and preparedness. The objective of this study was to develop the concept of using satellite-based hybrid drought index called the Vegetation Drought Response Index in South Korea (VegDRI-SKorea) that could improve spatial resolution for monitoring local and regional drought. The VegDRI-SKorea was developed using the Classification And Regression Trees (CART) algorithm based on remote sensing data such as Normalized Difference Vegetation Index (NDVI) from MODIS satellite images, climate drought indices such as Self Calibrating Palmer Drought Severity Index (SC-PDSI) and Standardized Precipitation Index (SPI), and the biophysical data such as land cover, eco region, and soil available water capacity. A case study has been done for the 2012 drought to evaluate the VegDRI-SKorea model for South Korea. The VegDRI-SKorea represented the drought areas from the end of May and to the severe drought at the end of June. Results show that the integration of satellite imageries and various associated data allows us to get improved both spatially and temporally drought information using a data mining technique and get better understanding of drought condition. In addition, VegDRI-SKorea is expected to contribute to monitor the current drought condition for evaluating local and regional drought risk assessment and assisting drought-related decision making.

• 한국통신학회논문지
• /
• 제38A권1호
• /
• pp.1-9
• /
• 2013

본 논문에서는 CS-LBP (Center-Symmetric Local Binary Pattern) 특징과 공간 피라미드를 이용한 BoF (Bag of Features)를 생성하고 이를 랜덤 포레스트(Random Forest) 분류기에 적용하여 인간의 행동을 인식하는 알고리즘을 제안한다. BoF를 생성하기 위해 영상을 균일한 패치로 나누고, 각 패치 마다 CS-LBP 특징을 추출한다. 행동 분류 성능을 향상시키기 위해 패치들마다 추출한 특징벡터들에 대해 K-mean 클러스터링을 적용하여 코드 북을 생성한다. 본 논문에서는 영상의 지역적인 특성을 고려하기 위해 공간 피라미드 방법을 적용하고 각 공간 레벨에서 추출된 BoF에 대해 가중치를 적용하여 최종적으로 하나의 특징 벡터로 결합한다. 행동 분류를 위해 결정트리의 앙상블로 이루어진 랜덤 포레스트는 학습 단계에서 각 행동 클래스를 위한 분류 모델을 만든다. 가중 BoF가 적용된 랜덤 포레스트는 다양한 인간 행동 영상을 포함하고 있는 Standford Actions 40 데이터를 성공적으로 분류하였다. 또한 기존 방법에 비해 분류 성능이 유사하거나 우수하며, 한 장의 영상에 대해 빠른 인식속도를 보였다.

• 한국환경생태학회지
• /
• 제26권3호
• /
• pp.382-393
• /
• 2012

경상북도 문경 희양산 산림식생 특성을 봉암사 산림유전자원보호구역을 중심으로 파악하였다. 총 92개 조사구($100m^2/plot$)에 대한 조사를 실시하고, Classification 분석과 Ordination 분석을 통해 군락분류를 실시한 결과 이 지역의 식생은 신갈나무군락, 굴참나무군락, 소나무군락, 소나무-졸참나무군락, 소나무-신갈나무군락, 졸참나무군락, 낙엽활엽수군락, 잣나무조림지, 일본잎갈나무조림지의 총 9개 군락으로 분류되었다. 각 군락간의 비교를 위해 지형조건과 식생조사 결과에 대한 통계분석을 실시하였으며, 해발고도, 경사, 출현종수, 교목층 출현 개체수, 아교목층 출현 개체수에서 통계적으로 유의하게 군락간 차이를 보였다. 층위별 상대우점치를 통한 각 군락의 군락구조를 분석한 결과, 참나무류군락은 교목층과 아교목층에 고르게 세력을 형성하고 있어 현재의 군락이 유지되거나 확대될 것으로 예상되는 반면, 소나무 우점 군락은 대부분 참나무류와의 경쟁이 심화되고 있어 향후 이들 참나무류로의 천이가 예상되었다.

• 한국지리정보학회지
• /
• 제15권2호
• /
• pp.113-125
• /
• 2012

다목적실용위성 3A호에 탑재되는 고해상도의 중적외선 영상자료에 대한 지표면 식별 특성을 파악하기 위하여, 고해상도 중적외선 영상 획득이 가능한 AHS(Airborne Hyperspectral Scanner) 자료를 사용하여 중적외선 영상 자료의 지표면 온도 산출 가능성과 토지피복도 분류 정확도를 평가하였다. 먼저 AHS 열적외선 자료로 작성한 지표면 온도 영상과 AHS 중적외선 각 밴드의 화소값을 비교한 결과 주간과 야간 모두 밴드 68(중심파장 $4.64{\mu}m$)의 결정계수가 0.74이상으로 가장 높았다. 다음으로 AHS 중적외선 밴드를 이용하여 토지피복도를 작성한 결과 주간의 경우 지붕, 도로, 초지, 식생, 수역 등이 구분 가능했지만 야간의 경우 초지와 식생, 도로와 수역, 지붕과 도로 등 일부 클래스들이 서로 중복되어 나타났다. AHS 중적외선 밴드의 지표면 식별 능력의 향상 가능성을 파악하기 위하여 주간과 야간자료의 편차 영상을 구하여 토지피복도를 작성한 결과 Zone 1과 Zone 2의 소지역별 분류정확도가 각각 67.5%, 64.3%로서, 주간 또는 야간 중적외선 밴드로 작성된 토지피복도에 비해 10% 이상 향상된 것으로 나타났다. 결과적으로 고해상도 중적외선 밴드 영상자료는 지표면온도 산출시 지표 피복 특성을 고려한 알고리즘 개발이 요구되며, 지표면 식별 능력은 주간에 비해 야간이 낮으므로 주간과 야간의 편차 영상을 이용할 경우 지표면 식별 능력을 향상시킬 수 있을 것으로 판단된다.

• 한국환경생태학회지
• /
• 제27권4호
• /
• pp.449-461
• /
• 2013

본 연구는 백두대간 향로봉에서 깃대배기봉 구간에 있는 신갈나무군락을 대상으로 2개의 권역(I, II)으로 나누어 고도에 따른 군락 특성을 살펴보았다. 조사는 신갈나무군락 총 63개를 대상으로 하였다. TWINSPAN에 의한 classification 분석 결과 총 5개 군락(A~E)으로 분류되었다. 군락의 지역적 분포는 A군락의 경우 해발고도 1,300m 이상의 태백산 일대에서(II권역) 주로 나타났으며 B, C군락은 해발고도 700~1,500m 사이의 설악산과 오대산 지역(I권역)에서 D, E군락은 1,100m 이하의 청옥산과 금대봉 지역(II권역)에 밀집해 있었으며 그 외 설악산과 오대산 지역(I권역)에서도 나타났다. 각 군락의 교목과 관목 개체수, 최대종다양도, 교목의 수고는 고도가 높아짐에 따라 차츰 낮아지는 특성을 보였다. 그리고 40년까지의 수목 생장량을 살펴본 결과 해발고도 1,100m 이하 지점까지는 특별한 경향을 보이지 않았지만 1,100m 이상에서는 수목 생장량이 급격히 낮아지는 특성을 보였다. 연구대상지에 출현한 수종들 간의 상관관계 분석 결과는 고도 1,000m 이상에서는 거제수나무와 신갈나무가 -0.53으로 음(-)의 상관관계를 보였으며 고도 1,000m 이하에서는 신갈나무와 산딸기가 0.59로 양(+)의 상관관계를 보였다. 결과를 종합해 볼 때 고도에 따른 환경 변화가 신갈나무군락의 종조성, 개체수, 생장량 등에 영향을 미치는 것으로 조사되었다.

• 한국산림과학회지
• /
• 제112권2호
• /
• pp.195-208
• /
• 2023

본 연구는 잣나무와 낙엽송을 대상으로 라이다로부터 취득된 3차원의 Point cloud data (PCD)를 이용하여 딥러닝 기반의 수종 분류 모델을 구축하고 분류정확도를 비교·평가하였다. 수종 분류 모델은 라이다 플랫폼(고정식과 이동식), Farthest point sampling (FPS) 기반의 다운샘플링 강도(1024개, 2048개, 4096개, 8192개), 딥러닝 모델(PointNet, PointNet++) 3가지 조건에 따라 총 16개의 모델을 구축하였다. 분류 정확도 평가 결과, 고정식 라이다는 다운샘플링 강도가 8192개인 PCD 자료에 PointNet++ 모델을 적용하였을 때 카파계수가 93.7%로 가장 높았으며, 이동식 라이다는 다운샘플링 강도가 2048개에 PointNet++을 적용하였을 때 카파계수가 96.9%로 가장 높았다. 또한, 플랫폼과 다운샘플링 강도가 동일한 경우 PointNet++이 PointNet보다 정확도가 높았다. 구축된 16개 모델의 오분류 사례는 첫 번째, 수종 간의 구조적인 특징이 유사한 개체목 두 번째, 경사지 또는 임도 주변에 위치하여 편심생장한 개체목 세 번째, 개체목 분할 시 수관부가 수직으로 분할된 개체목에 대해 발생하였다.

• 대한전자공학회논문지SP
• /
• 제46권5호
• /
• pp.48-55
• /
• 2009

실내외 영상 분류에 대한 연구는 밝기나 에지 정보와 같이 하위 레벨(low-level) 정보의 단순 결합을 이용하여 수행되어 왔다. 그러나 기존의 하위 레벨 영상 정보만을 기반으로 하는 실내외 영상 분류 방법은 다양한 콘텐츠를 극복하는데 한차가 군기 때문에 상위 레벨(high-level) 영상 정보를 함께 이용하는 방법에 대한 연구가 많이 진행되어 왔다. 이러한 연구의 대부분은 영상 내 하늘이나 수풀과 같은 영역을 검출하기 위해 별도의 알고리즘을 수행하기 때문에 특징 벡터의 차원을 증가시키거나 수행 속도를 저하시키는 문제점이 있다. 따라서 본 논문에서는 이러한 문제점을 극복하기 위해 효율적인 실내외 영상 분류 기법을 제안한다. 먼저 효과적인 특징 벡터를 생성하기 위해 영상을 5개의 하위 블록으로 나눈다. 각각의 블록에 대하여, 제안하는 에지 색상 방향 히스토그램(edge and color orientation histogram, ECOH) 기술사(descriptor)를 이용하여 해당 블록을 표현하고 모든 블록의 값을 연결하여 최종적으로 특징 벡터를 생성한다. 제안하는 알고리즘의 효율성과 강건함을 보이기 위해 1200개 이상의 다양한 실내외 영상을 사용하였으며, 학습을 통해 각 영역의 가중치를 결정하여 분류 성능을 향상 시켰다.