• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1771-1777
• /
• 2023

최근 딥러닝의 발전으로 의미론적 분할을 통한 토지피복 분류 방법들이 제안되고 있다. 그러나 기존의 딥러닝 기반 모델들은 영상 정보만을 이용하기 때문에 시공간적 일관성을 담보할 수 없는 한계점이 있다. 이에 본 연구에서는 좌표 정보를 활용한 토지피복 분류 모델을 제안한다. 먼저 암시적 신경 표현 기법인 다중해상도 해시 인코더를 위경도 좌표계로 확장한 좌표 해시 인코더를 통해 좌표의 특징을 추출하였다. 다음으로 추출된 좌표 특징을 다양한 단계의 U-net 디코더와 결합하는 아키텍처를 제안하였다. 실험 결과, 제안 방법이 약 32% 향상된 분류 정확도를 보였고, 시공간적 일관성이 향상됨을 확인하였다.

• Spatial Information Research
• /
• 제22권5호
• /
• pp.9-18
• /
• 2014

유비쿼터스 컴퓨팅 환경이 발전함에 따라 GeoSensor와 같이 GPS 기능을 보유한 센서로부터 생성된 시공간 센서 데이터 활용이 증가하고 있으며, 시공간 센서 데이터를 사용해 사용자에게 다양한 서비스를 효율적으로 제공해주기 위한 시맨틱 센서 웹이 연구되고 있다. 특히, W3C에서는 OGC의 SWE(Sensor Web Enablement)와 같은 센서 관련 표준들을 활용하고, 센서 데이터를 온톨로지로 표현할 수 있는 SSNO(Semantic Sensor Network Ontology)를 개발하였다. 그러나 이러한 연구들은 비시공간 센서 데이터에 대한 질의 처리는 가능하지만 시간과 공간 정보를 포함하는 시공간 센서 데이터를 효율적으로 처리하기 어렵다는 문제점이 존재한다. 따라서, 본 논문에서는 OGC의 "OpenGIS Simple Feature Specification for SQL"에서 제시한 공간 데이터 타입과 공간 연산자를 확장하여 시공간 데이터 타입과 시공간 연산자를 지원하는 SSNO 기반의 시공간 시맨틱 센서 웹을 개발하였다. SSNO 기반의 시공간 시맨틱 센서 웹은 시공간 센서 데이터인 SensorML(Sensor Model Language)과 O&M(Observations and Measurements) 스키마를 분석하여 SSNO 문서로 변환 및 저장하고, 시공간 연산자와 시공간 추론 규칙을 적용하여 효율적인 질의 처리를 수행한다. 마지막으로, 이러한 SSNO 기반의 시공간 시맨틱 센서 웹을 가상 시나리오에 적용해 봄으로써 본 시스템의 효용성을 검증하였다.

• 한국공간정보시스템학회 논문지
• /
• 제11권2호
• /
• pp.39-44
• /
• 2009

In order to make the effect of the navigation system more direct, the paper proposes a thought of vehicle navigation system based on Video-GIS. A semantic framework has been defined whose core is focused on the integration and interaction of video and spatial information, which supports full content retrieval based on multimodal metadata extraction and fusion, and supports kinds of wireless access mode. Furthermore, requirements of prototype system are discussed. Then the design and implementation of framework are discussed. Next, describe the key ideas and technologies involved. Finally, we point out its future research trend.

• 인삼문화
• /
• 제4권
• /
• pp.13-37
• /
• 2022

한민족은 역사 기록 이전부터 인삼을 복용했다. 한편 중국으로부터 전해진 한시(漢詩)는 신라, 고려, 조선 지식인들의 생각을 간결하게 표현하는 문학 양식으로 발전, 전개되었다. 본 논문은 '인삼을 소재로 하거나 주제로 한 한국인의 한시는 어떤 것이 있고 어떤 내용을 담고 있을까?' 하는 의문에 답하기 위해 인삼(人蔘), 산삼(山蔘), 홍삼(紅蔘), 백삼(白蔘) 등을 키워드로 한국고전번역원의 '한국고전종합DB'를 검색해 인삼에 관한 시를 찾아내어 그 의미망을 살펴보았다. 인삼관련 한시를 편의상 '인삼시(人蔘詩)'로 명명(命名)했다. 2021년 11월 현재, 검색을 통해 찾아진 '인삼시'는 삼국시대 2편, 고려시대 2편, 조선시대 23편이었다. 역사적으로 볼 때 인삼시의 시초는 6세기경 고구려에서 백성이 노래로 불렀던 「고려인삼찬(高麗人蔘讚)」이란 시다. 고려시대 인삼시는 안축(安軸)의 시로 대표된다. 안축은 인삼 조공의 부작용을 사실적인 관점에서 노래했다. 조선시대의 인삼시는 전기 서거정과 후기 정약용으로 대표된다. 서거정의 인삼시는 인삼의 신비적인 약리작용을 찬양하는 낭만적 인삼시다. 용재 성현의 「인삼(人蔘)」이라는 시도 인삼의 신비한 약효를 찬양하는 낭만적 인삼시다. 다산 정약용의 인삼시는 실학자답게 대단히 실용적이다. 다산은 가장 많은 다섯 편의 인삼시를 남겼다. 다산은 직접 인삼 농사를 시도했고 그 과정을 시로 남겼다. 그 시에서는 인삼 농사 실패와 성공의 스토리를 지켜볼 수 있다. 다산의 인삼 농사는 정조 이후 자연삼의 고갈과 재배삼의 보편화에 따른 전국적 현상이기도 했다. 19세기 초반부터는 개성을 중심으로 하여 대규모로 인삼 농사가 성행했고, 여타 지역에서도 소규모로 이루어졌다. 특이한 것은 김진수의 시다. 청나라의 수도 북경 동인당에서 조선의 인삼이 '松嶽山蔘(송악산삼)'이란 상표로 절찬리에 판매되고 있는 것을 시로 표현했다. 매천 황현도 1900년 한시로 된 인삼시를 남겼다. 한국 한시의 전통에서 인삼시의 전개를 의미망으로 파악하여 도식화하면 이렇게 된다. 1) 위민(爲民) 정신의 인삼시 - 고려의 신흥사대부(안축) 2) 낭만적 인삼시 - 조선 초기의 관학파(서거정, 성현 등) 3) 실용적 인삼시 - 조선 후기의 실학파(정약용, 김진수, 황현 등) 한국 인삼시의 전개를 살피면서 그 의미망을 추출해 보았다.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.435-444
• /
• 2019

최근 딥러닝(DL)은 여러 분야에서 급속도로 활용되고 있으며, 특히 영상으로부터 객체를 인식하여 분류하고 인식하기 위한 컴퓨터비전 분야에서 활발하게 연구가 진행되고 있다. 영상분야에서는 주로 합성곱 신경망(CNN)을 이용한 딥러닝 모델의 성능 향상에 주력하고 있다. 대부분의 합성곱 신경망은 영상을 학습시켜 영상분류 및 객체인식에 활용하고 있지만, 본 논문에서는 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 수치표면모델(DSM)과 이 데이터로부터 생성한 경사 및 주향 정보를 효율성과 성능이 우수하다고 평가받는 합성곱 신경망기반의 SegNet 모델에 적용하여 객체를 분류하고 분석하였다. 딥러닝은 고사양의 컴퓨터 시스템과 다량의 학습 데이터와 라벨 데이터가 필요하고, 다수의 시행착오에 의한 풍부한 경험이 요구된다. 또한 본 논문에서는 한정된 수량의 데이터로부터 효율적인 학습을 위한 데이터 생성 방법을 제시하고 수치표면모델을 분류하였다. 분석 결과 수치표면모델 데이터와 이로부터 도출한 부가적인 데이터를 딥러닝 모델에 적용해도 객체를 타당한 정확도로 분류할 수 있음을 확인하였다.

• 대한지리학회지
• /
• 제47권4호
• /
• pp.592-605
• /
• 2012

본고에서는 한국의 지리학 관련 논문들에 대해 가장 급속하게 발전하고 있는 웹 GIS와 국가 GIS 서비스라는 두 분야에 대한 연구동향 및 방향을 논의하였다. 한국의 웹 GIS는 현재 모바일 GIS로 진화하고 있는데, 휴대용 하드웨어, 무선 인터넷, GIS 수신기를 통합적으로 필요로 한다. 따라서 모바일 GIS의 새로운 방향은 스마트 폰을 이용하는 것으로 최근 다양한 모바일 엡과 웹이 개발되고 있다. 웹 2.0 기술과 함께 폭발적으로 증가한 정보를 관리할 수 있도록 한국 정보는 인문지리정보시스템(HOGIS)을 개발하고 있으며, 여기서 온톨로지를 이용해 국토공간에 대한 시멘틱 검색이 가능하도록 개발하고 있다. 다른 한편으로 정부 차원에서 1995년부터 5년간 4차에 걸쳐 국가 GIS 프로젝트를 수행하고 있다. 현재 4차 국가 GIS를 수행하고 있으며, 공간정보를 미래의 성장 동력으로 선정하여, 국가 녹색 공간정보 사회를 향해 프로젝트를 진행하고 있다.

• 한국측량학회지
• /
• 제25권6_1호
• /
• pp.507-516
• /
• 2007

Segmentation and organization of the LiDAR (Light Detection and Ranging) data of the Earth's surface are difficult tasks because the captured LiDAR data are composed of irregularly distributed point clouds with lack of semantic information. The reason for this difficulty in processing LiDAR data is that the data provide huge amount of the spatial coordinates without topological and/or relational information among the points. This study introduces LiDAR data segmentation technique by utilizing histograms of the LiDAR height image data and analyzing roof shape for 3D reconstruction and visualization of the buildings. One of the advantages in utilizing LiDAR height image data is no registration required because the LiDAR data are geo-referenced and ortho-projected data. In consequence, measurements on the image provide absolute reference coordinates. The LiDAR image allows measurement of the initial building boundaries to estimate locations of the side walls and to form the planar surfaces which represent approximate building footprints. LiDAR points close to each side wall were grouped together then the least-square planar surface fitting with the segmented point clouds was performed to determine precise location of each wall of an building. Finally, roof shape analysis was performed by accumulated slopes along the profiles of the roof top. However, simulated LiDAR data were used for analyzing roof shape because buildings with various shapes of the roof do not exist in the test area. The proposed approach has been tested on the heavily built-up urban residential area. 3D digital vector map produced by digitizing complied aerial photographs was used to evaluate accuracy of the results. Experimental results show efficiency of the proposed methodology for 3D building reconstruction and large scale digital mapping especially for the urban area.

• 생태와환경
• /
• 제51권1호
• /
• pp.124-134
• /
• 2018

지난 50년간 출판된 한국 육수학 논문의 연구정보와 야외조사지 정보를 공간적으로 정리하여 분포 특성과 주제별 경향을 파악하고 연구자 네트워크 변화를 분석하였다. 1968년부터 2016까지 출판된 육수학 논문을 분류한 결과 수질환경과 생물 군집 수준의 연구가 높은 비율로 진행된 것을 확인할 수 있었다. 생물 분류군으로는 식물플랑크톤, 어류, 저서무척추동물, 동물플랑크톤, 수생식물 순으로 연구대상 빈도가 높았다. 1970~80년대에 생물상과 발생 생리학에 관련된 연구가 다수 발표되었고 영양단계, 모델, 보전, 평가 등의 연구주제들은 시간에 따라 증가하는 경향을 보였다. 수질과 플랑크톤 연구는 정수와 유수환경에서 유사한 수준의 연구 비율을 보였으나 저서무척추동물과 어류는 유수환경에서의 조사가 많았다. 일반적으로 하천과 저수지의 분포양상에 따라 국내 육수학의 야외조사지도 증가하는 경향을 확인할 수 있었으나 상대적으로 본류 상류하천에 대한 조사지 밀도가 낮았던 것으로 확인되었다. 연대별로는 1970년대에 도심지 본류와 상수원으로 이용하는 인공호수에 집중된 분포 형태를 보였으나 이후 다양한 담수서식처로 확대되는 경향을 보였다. 육수학에 관련된 연구자 네트워크도 점차 확대되어 연구자 관계 밀도가 증가한 것으로 파악되었으며, 특히 다양한 연구지원 증가로 인한 대학과 기관 사이의 공동연구 형태가 확대되었다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.183-192
• /
• 2023

위성영상 및 항공사진과 같은 원격탐사 자료들은 영상판독과 영상처리 기법을 통하여 영상 내의 객체를 탐지하고 추출하는 데에 사용될 수 있다. 특히, 원격탐사 자료의 해상도가 향상되고, 딥러닝(deep learning) 모델 등과 같은 기술의 발전으로 인하여 관심객체를 자동으로 추출하여 지도갱신 및 지형 모니터링 등에 활용될 수 있는 가능성이 증대되고 있다. 이를 위해, 본 연구에서는 의미론적 분할에 사용되는 대표적인 딥러닝 모델인 fully convolutional densely connected convolutional network (FC-DenseNet)을 기반으로 하여 항공정사영상 내 존재하는 비닐하우스를 추출하고, 이에 대한 결과를 정량적으로 평가하였다. 농림축산식품부의 팜맵(farm map)을 이용하여 담양, 밀양지역의 비닐하우스에 대한 레이블링을 수행하여 훈련자료를 생성하고, 훈련자료를 이용하여 FC-DenseNet의 훈련을 수행하였다. 원격탐사자료에 딥러닝 모델을 효과적으로 이용하기 위하여, 각 밴드별 특성이 유지되도록 instance norm을 이용하여 정규화과정을 수행하였으며, attention module을 추가하여 각 밴드별 가중치를 효과적으로 산정하였다. 실험결과, 딥러닝 모델을 이용하여 영상 내 존재하는 비닐하우스 지역을 효과적으로 추출할 수 있음을 확인하였으며 팜맵, 토지피복지도 등의 갱신에 활용될 수 있을 것으로 판단하였다.

• 터널과지하공간
• /
• 제33권6호
• /
• pp.508-518
• /
• 2023

이 논문은 LiDAR 스캔 또는 사진측량 기술에 의해 재구성된 3D 디지털 모델을 기반으로 터널 벽면의 불연속면을 자동으로 매핑하는 새로운 접근 방식을 제안한다. 본 제안에서는 U-Net이라 불리는 딥러닝 시맨틱 영역분할 모델을 사용하며, 터널 막장면의 3D 지형 모델에서 불연속면 영역을 식별해 낸다. 제안된 딥러닝 모델은 투영된 RGB 이미지, 면의 깊이 이미지 및 국부적인 면의 표면 속성 이미지(즉, 법선 벡터 및 곡률 이미지)를 포함한 다양한 정보를 종합 학습하여 기본 3차원 이미지에서 불연속면 영역을 효과적으로 분할한다. 이후 영역분할 결과는 면의 깊이 맵과 투영 행렬을 사용하여 3D 모델로 다시 투영시키고, 3D 공간 내에서 불연속면의 위치 및 범위를 정확하게 표현한다. 영역분할 모델의 성능은 영역 분할된 결과를 해당 지면 실측 값과 비교함으로써 평가하였으며, IoU(intersection-over-union) 값이 약 0.8 정도로 나타나 영역분할 결과의 높은 정확성을 확인하였다. 여전히 학습데이터가 제한적 이었음에도 불구하고, 제안 기법은 3D 모델의 점군 데이터를 불연속면의 유사군으로 그룹화하기 위해 전 막장면의 법선 벡터와 클러스터링과 같은 비지도 학습기반 알고리즘에만 의존하던 기존 접근 방식의 한계의 극복 가능성을 보여주었다.