• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.257-274
• /
• 2021

고해상도 원격탐사 영상의 객체기반 분석에서 영상분할의 결과는 매우 중요한 부분이지만, 영상분할품질의 평가는 간과되고 있다. 본 연구에서는 영상분할의 최적 매개변수를 구하기 위한 실용적이고 효율적인 방법을 제시하고자 한다. 영상분할 평가는 크게 무감독 평가, 감독 평가, 그리고 시각적 판독에 의한 정성적 평가로 나눈다. 인천대공원 무인기 다중분광영상에서 추출한 도시 지역과 산림을 대상으로 세 가지 영상분할 평가 방법을 비교하였다. 영상분할 평가 방법은 계산 및 적용의 효율성에 따라 차이가 있지만, 표본영상에 대한 평가 결과 도출된 최적의 매개변수는 세 평가 방법에서 거의 동일하게 나타났다. 영상분할 평가를 통하여 도출된 최적의 매개변수는 도시영상과 산림영상에서 다르게 나타났다. 세 가지 조각 내부변이 척도(V, WV, COV)와 세 가지 조각간 이질성 척도(MI, BSH, DTNP)의 조합을 적용한 무감독 평가로 선정한 최적의 매개변수는 거의 같았다. 무감독 평가를 위한 척도마다 처리 과정의 난이도는 다르지만, 실험에 적용된 여러 종류의 척도는 대부분 동일한 성능을 보여주었다. 감독 평가 방법은 참조자료를 구성하는 과정에서 분석자의 주관으로 편향될 가능성이 있지만, 특정 공간객체를 탐지하는 데 간편하게 적용할 수 있다. 정성적 평가는 무감독 및 감독 평가 결과와 일치했다.

• Ecology and Resilient Infrastructure
• /
• 제9권4호
• /
• pp.218-227
• /
• 2022

본 연구는 효율적인 하천 관리를 위해 중요한 데이터 중 하나인 하천 공간의 토지피복 분류를 위해 딥 러닝 기반의 이미지 트레이닝 방법의 활용가능성을 검토하였다. 이를 위해 대상 구간의 RGB 이미지를 활용하여 라벨링 작업 후 학습시킨 결과를 활용하여 기존 대분류 지표를 기준으로 토지피복 분류를 시도하였다. 또한 개방형으로 제공되는 Sentinel-2 위성 영상으로부터 무감독 분류 및 감독 분류에 의한 하천 공간의 토지피복 분류를 수행하였으며, 딥 러닝 기반 이미지 분류 결과와 비교하였다. 분석 결과의 경우 무감독 분류 결과와 비교하여 매우 향상된 예측 결과를 보여주었으며, 고해상도 이미지의 경우 더욱 정확한 분류 결과를 제시하였다. 단순한 이미지 라벨링을 통해 분류된 피복 분류 결과는 하천 공간 내 수역과 습지의 분류 가능성을 보여주었으며, 향후 추가적인 연구 수행이 이루어진다면 하천 관리를 위해 딥 러닝 기반 이미지 트레이닝 기법을 이용한 하천 공간내 피복 분류 결과의 활용이 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.157-168
• /
• 2023

고해상도 원격탐사 영상을 이용하여 지표면을 모니터링 하기 위해서 영상 분할 및 감독 기반의 분류 기법이 널리 사용된다. 다양한 객체를 분류하기 위해서는 각 객체에 해당하는 클래스를 정의하고 각 클래스에 속하는 샘플들을 선택하는 과정이 필요하다. 클래스 샘플을 추출하는 기존의 방법은 각 클래스 별로 유사한 밝기값 특성을 가지는 충분한 개수의 샘플을 선택해야 한다. 이 과정은 사용자의 육안 식별에 의존하는 과정으로 많은 시간이 소요되며 사용자에 따라 추출되는 클래스의 대표 샘플들이 달라질 가능성이 높고 결과적으로 분류 성능이 클래스 샘플 추출 결과에 크게 영향을 받게 된다. 본 연구에서는 클래스 샘플 추출 시 히스토그램 역투영 기법을 적용하여 샘플 추출 시 사용자의 개입을 최소화하고 클래스에 속하는 샘플들의 밝기값 특성이 일관성을 가지는 영상 분류 기법을 제안한다. 제안한 히스토그램 역투영을 이용한 분류 기법은 차세대중형위성 1호(Compact Advanced Satellite 500-1) 영상의 색상 서브채널을 이용한 분류 실험과 원영상을 이용한 분류 실험에서 히스토그램 역투영을 사용하지 않은 기법에 비해 모두 향상된 분류 정확도를 보였다.

• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.33-43
• /
• 2024

본 연구는 비점오염원 중 하나인 야적퇴비의 효율적인 탐지를 위해 You Only Look Once (YOLO)v8 모델과 DeepLabv3+ 모델의 적용 가능성을 평가하였다. 무인항공기(Unmanned Aerial Vehicle, UAV)를 이용하여 수집된 고해상도 영상을 바탕으로, 두 모델의 정량적 및 정성적 성능을 비교 분석하였다. 정량적 평가에서 YOLOv8 모델은 다양한 지표에서 우수한 성능을 나타내며, 특히 야적퇴비의 덮개 유무를 정확하게 식별할 수 있는 능력을 보였다. 이러한 결과는 YOLOv8 모델이 야적퇴비의 정밀한 탐지 및 분류에 효과적임을 시사하며, 이를 바탕으로 야적퇴비의 관리 등급을 산정하고 비점오염원 관리에 기여할 수 있는 새로운 접근 방법을 제공한다. 본 연구는 UAV와 딥러닝 기술을 활용한 야적퇴비 탐지 및 관리가 기존 현장 조사 방식의 한계를 극복하며 정확하고 효율적인 비점오염원 관리 전략 수립 및 수계환경 보호에 기여할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1679-1692
• /
• 2023

대한민국은 인구 증가와 산업 발전의 결과로 많은 양의 오염물질을 배출하는 국가이자, 지리적 위치로 인해 월경성 대기오염의 심각한 영향을 받는 국가이다. 국내외에서 발생하는 오염물질이 대한민국의 대기오염에 큰 피해를 야기하는 상황에서, 대기 오염물질 배출원의 위치 정보는 대기 중 오염물질의 이동 및 분포를 파악하고, 국가 차원의 대기오염 관리 및 대응 전략을 수립하는 데 매우 중요하다. 본 연구는 이러한 배경을 바탕으로, 고해상도 광학위성 영상과 딥러닝 기반의 영상 분할 모델을 활용하여 대기오염 현황을 분석하는 데 필수적인 국내외 대기오염물질 배출원의 공간 정보를 효과적으로 획득하는 것을 목표로 수행되었다. 특히, 월경성 대기오염에 크게 기여하는 것으로 평가된 산업단지와 채석장을 주요 연구 대상으로 선정하였으며, 이들 영역에 대한 다목적실용위성 3호 및 3A호의 영상들을 수집하여 전처리한 후, 모델 학습을 위한 입력 및 라벨 데이터로 변환하였다. 해당 데이터를 활용하여 U-Net 모델을 학습시킨 결과, 전체 정확도는 0.8484, mean Intersection over Union (mIoU)은 0.6490을 달성하였다. 모델의 예측 결과 맵은 코스 어노테이션(Course Annotation) 방식으로 제작된 라벨 데이터보다 객체의 경계를 더욱 정확하게 추출하는 것으로 나타나, 데이터 처리 및 모델 학습 방법론의 유효성을 입증하였다.

• 대한원격탐사학회지
• /
• 제29권5호
• /
• pp.517-525
• /
• 2013

매일 단위로 수신되는 MODIS 인공위성자료를 이용하여 계산한 시계열 식생지수 자료는 1년 주기의 생물계절 특성을 나타내는 복잡한 파형으로 표현될 수 있다. 이러한 복잡한 파형도 단순한 파형의 합성으로 이루어지는데 이산 퓨리에 변환 분석 기법은 이들을 각각의 하모닉들로 추출해 내어 다양한 주기별로 생육을 달리하는 식생의 특성을 설명할 수 있다. 특히 이산 퓨리에 분석을 통해 도출된 시계열 식생지수 자료의 1차 하모닉 값은 1년 동안 변화하는 총 잎의 생장량을 나타내는 것으로써 나무의 상대성장회귀식 추정에 의해 식생이 1년 동안 탄소를 흡수한 양을 나타내는 지상부 바이오매스양을 설명한다. 따라서 1차 하모닉 값의 변화량은 1년 동안 식생이 탄소를 흡수하는 양을 나타낸다고 할 수 있는데, 시계열 MODIS 자료에서 추출된 6220여개의 표본들의 1차 하모닉 10년 평균값과 산림청의 입목 축적량 데이터를 통해 추정된 연간 단위면적당 이산화탄소 흡수량을 이용하여 수종별 비례상수를 도출할 수 있었다. 남한 산림지역에 한하여 총 이산화탄소 흡수량은 2000년 이후 10년 평균 약 5천6백만톤으로 계산되었고 이것은 발표된 남한 산림의 연간 이산화탄소 흡수량에 근접하였다. 본 연구에서 제시한 방법은 보편적 비례상수를 이용하여 식생의 연간 탄소 흡수량을 추정함으로써 시계열 위성영상 자료를 이용하여 매년 변화하는 산림의 이산화탄소 흡수량 지도를 반복하여 정량적으로 제작할 수 있는 환경공간정보를 제공한다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1177-1186
• /
• 2021

북극의 융빙호(melt pond)는 해빙 면적 감소 및 북극 빙권 변화에 중요한 역할을 하기 때문에 융빙호의 정확한 관측이 필요하다. 미국 NASA의 차세대 고도계 위성인 Ice, Cloud, and Land elevation Satellite-2 (ICESat-2)는 532 nm의 녹색 레이저를 발사한 뒤 반사되는 광자(photon)의 이동 시간을 계산하여 전 지구적으로 고해상도 고도 정보를 관측한다. ICESat-2는 현재 널리 쓰이고 있는 고도계인 CryoSat-2에 비해 세밀한 관측이 가능하기 때문에, Cryosat-2에서 관측할 수 없는 작은 규모의 융빙호를 탐지할 수 있을 것으로 기대된다. ICESat-2의 기본적인 정보로는 표면 높이(surface height)와 반사되는 광자의 수(photon count)가 있다. 본 연구에서는 각 ICESat-2 지점을 중심으로 10 m 길이의 segment를 생성하여 segment 내의 높이 표준편차와 총 광자 수를 활용한 융빙호 탐지 알고리즘을 제시하였다. 융빙호는 표면이 해빙에 비해 매끄러워서 높이의 분산이 적으므로 높이의 표준편차를 활용하여 일차적으로 융빙호와 해빙을 분류하였다. 그 다음으로는 융빙호 중에서 표면이 물인 융빙호와 얼음 표면인 융빙호를 분류하였다. 표면이 물인 융빙호는 광자를 많이 흡수하기 때문에 단위 segment 내에서 반사되어 수집된 광자의 수가 적으며, 반대로 얼음으로 덮인 융빙호는 반사되는 광자의 수가 많다. 결과적으로 본 연구에서 제시하는 융빙호 탐지 방법을 통해 물과 얼음으로 덮인 융빙호를 구별하여 탐지할 수 있다. Sentinel-2 광학 영상을 활용하여 융빙호 탐지 결과의 정성적인 분석을 하였다. 그 결과 Sentinel-2 광학 영상으로 구분하기 어려운 표면이 물인 융빙호와 얼음인 융빙호를 ICESat-2를 활용해 효과적으로 분류하였다. 마지막으로 고도계 위성 및 광학 영상을 활용한 융빙호 탐지의 고찰을 서술하였다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1009-1029
• /
• 2023

도시 수목은 탄소를 저장하고 불투수면적을 감소시키는 도시 생태계의 중요 요소이며, 탄소 저장량 및 순환량 산정 시 주요 정보로 활용될 수 있다. 많은 선행 연구에서 항공 라이다 자료 및 인공지능 기법을 활용하여 고해상도 수목 정보를 산출하고 있으나, 항공 라이다 영상은 제공하는 플랫폼이 제한되어 있으며 비용적인 면에서도 한계가 다수 존재한다. 따라서 본 연구에서는 수원시를 대상으로 자료 취득이 용이한 고해상도 위성 영상인 Sentinel-2를 활용하여 기계학습 기반의 도시 내 수목 피복률(fractional tree canopy cover, FTC)을 추정하고자 하였다. Sentinel-2 시계열 영상으로부터 중앙값 합성을 수행하여 수원시 전역에 대한 단일 영상을 제작하여 활용하였다. 도시 내 토지 피복의 이질성을 반영하기 위하여, 30 m 격자내 10 m 해상도의 광학 지수의 평균 및 표준편차 값과 환경부 세분류 토지 피복 지도 기반 항목별 피복률을 계산하여 기계학습 모델의 입력 변수로 활용하였다. 총 4가지의 입력 변수 조합을 설정하여, 입력 변수 구성에 따른 FTC 추정 정확도를 비교 및 평가하였다. 광학 영상의 평균 정보만을 활용(Scheme 1)했을 때 보다 도시 내 이질적인 특성을 반영할 수 있는 표준 편차 및 피복률 정보를 모두 함께 고려(Scheme 4, S4)했을 때 향상된 성능을 나타낼 수 있었다. 검증용 자료에 대해 S4의 Random Forest (RF) 모델이 0.8196의 R², 0.0749의 mean absolute error (MAE), 및 0.1022의 root mean squared error (RMSE)로 전체 기계학습 모델 중에서 성능이 가장 높게 나타났다. 변수 기여도 분석 결과 광학 지수의 표준 편차 정보는 도시 내 복잡한 토지 피복 지역에 대해 높은 기여도를 나타내었다. 훈련된 S4 구성의 RF 모델을 수원시 전역에 대해 확장 적용하였을 때, 참조 FTC 자료에 대해 0.8702의 R², 0.0873의 MAE, 및 0.1335의 RMSE의 우수한 성능을 나타냈다. 본 연구의 FTC 추정 기법은 향후 다른 지역에 대한 적용성이 우수할 것으로 판단되며, 도시 생태계 탄소순환 파악의 기초자료로 활용될 수 있을 것으로 기대된다.