• 지적과 국토정보
• /
• 제50권1호
• /
• pp.25-45
• /
• 2020

본 연구의 주된 목적은 녹지의 공간 분포 패턴을 식별하는데 있어 국지적 공간자기상관 기법들의 성능을 비교하고 분석하는 것이다. 이 연구목적을 달성하기 위해 본 연구는 위성영상분석기법과 공간자기상관기법들을 이용하였다. 분석의 결과 공간 특이치 군집을 갖는 LISA 군집지도가 도시녹지의 공간 분포 패턴을 식별하는 데 있어서 다른 분석기법들보다 우수함이 확인되었다. 본 연구는 기존의 연구들과는 다른 몇 가지 연구방법을 이용했다는 점에서 관련분야에 기여할 수 있다. 이러한 차별성과 유용성에도 불구하고 본 연구는 녹지의 공간적 분포패턴을 식별하는 있어서 저해상도 위성영상을 이용했다는 점과 식생지수들 중에서 NDVI만을 이용했다는 점에서 한계를 지닌다. 이러한 한계들은 향후연구에서 UAV영상을 이용하거나 또는 여러 가지 식생지수들을 동시에 이용한다면 극복될 수 있을 것이다.

• 대한원격탐사학회지
• /
• 제35권6_2호
• /
• pp.1067-1082
• /
• 2019

본 논문은 현재 산림 분야 연구에 적용되고 향후 적용가능한 원격탐사 기술에 대한 국내외 발행된 peer-reviewed 논문의 리뷰를 바탕으로 원격탐사 기술의 국내 산림분야 적용에 대한 가능성과 한계점을 서술하였다. 원격탐사 기술은 정밀한 분석과 정교한 자료 수집을 바탕으로 대단위 산림면적 분석에 있어 필수적이며, 정보통신기술과의 융합으로 향후 임업의 새로운 시대를 열어갈 핵심 기술이다. 본 리뷰 논문에서는 다양한 원격탐사 기술 가운데 레이저 스캐닝 기술, 위성영상을 이용한 산림 측정 기술, 그리고 무인항공기를 이용한 기존 국내·외 연구사례를 분석하여 국내 산림분야 적용 가능성에 대한 기회와 한계점에 대해 서술하였다.

• 대한원격탐사학회지
• /
• 제26권2호
• /
• pp.209-220
• /
• 2010

해양현상을 이해하기 위한 관측분야의 노력 중에서 해류 정보의 생산은 가장 어려운 작업 중의 하나이다. 이를 극복하기 위한 대안으로서 연속 화상 자료로부터 해류벡터를 추정하려는 많은 연구들이 진행 되고 있다. 본 연구에서는 한반도 주변의 SeaWiFS (Sea-viewing Wide Field-of-view Sensor) chlorophyll-a 해색 자료와 AVHRR/SST 를 이용하여 연속 화상 사이의 유사한 형태를 추적하는 최대상 관계수법을 사용한 표층 유속 벡터의 추정을 시도하였다. 한국의 남해역에서 적용한 유속 벡터 결과는 해면 고도계를 이용한 지형류, ADCP 관측 결과와 비교하여 유속은 약 15% 정도 작고, 유향은 약 $36^{\circ}$의 차이로 근접하여 기존 연구 결과에 비해 양호하게 나타났다. 이는 향후 GOCI 자료의 응용적 측면에서 매우 고무적이다.

• 대한원격탐사학회지
• /
• 제19권6호
• /
• pp.447-456
• /
• 2003

본 연구에서는 KOMPSAT-1 위성에서 취득한 EOC Pass 영상과 scene 영상의 기하정확도를 평가함으로써, 비접근지역에 대한 3차원 지형정보 추출 방안에 대하여 연구하였다. 이를 위하여 다음과 같은 4가지 실험을 수행하여 KOMPSAT-1 EOC 위성데이터의 정확도를 평가하였다. 1) KOMPSAT-1 전처리 시스템으로 처리된 Level 1R의 ancillary 데이터와 영상좌표를 이용한 지상좌표계산 2) 보조자료를 이용하여 계산된 두 영상의 지상좌표를 공간교차이론으로 지상 3차원좌표 계산 3) 입체 Pass 영상의 일부분(KOMPSAT-1 EOC, 1 scene size)에서 획득된 GCP(Ground Control Point)을 이용하여 Bundle adjustment을 수행하고, 그 결과 계산된 외부표정요소로 지상좌표의 계산 4) 3)에서 계산된 외부표정요소를 이용하여 전체 Pass 영상에 적용하여 정확도를 평가하였다.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.515-523
• /
• 2018

다중시기의 위성영상에 대해 일관성 있는 변화탐지 결과를 획득하기 위해서는 전처리 과정이 필수적으로 이루어져야 한다. 특히, 분광값과 관련된 전처리 과정은 방사보정으로 수행될 수 있으며, 일반적으로 상대 방사보정이 활용되고 있다. 하지만, 대부분의 상대 방사보정은 두 영상간의 관계를 선형으로 가정하며, 생태학적 차이와 같은 비선형적인 분광특성은 고려되지 않는다. 따라서, 본 연구에서는 방사 및 생태학적 특성에 대한 복합적인 보정을 수행할 수 있는 비선형적인 관계를 가정한 상대 방사보정을 제안하였다. 제안된 방법은 입력영상 및 참조영상을 선정하고, no-change method를 통해 radiometric control set samples를 추출하였다. 또한, 충분한 정보를 고려하기 위하여 화소값뿐만 아니라 분광지수들이 추출되었고, 비선형적인 관계의 모델링은 다층 퍼셉트론을 통해 수행되었다. 최종적으로 기존의 상대 방사보정기법과 비교 분석을 수행하였고, 시각적 및 정략적으로 평가한 결과 제안된 방법이 기존의 상대 방사보정보다 우수한 것을 확인하였다.

• 대한원격탐사학회지
• /
• 제35권4호
• /
• pp.573-587
• /
• 2019

A multi-temporal approach using remotely sensed time series data obtained over multiple years is a very useful method for monitoring land covers and land-cover changes. While spectral-based methods at any particular time limits the application utility due to instability of the quality of data obtained at that time, the approach based on the temporal profile can produce more accurate results since data is analyzed from a long-term perspective rather than on one point in time. In this study, a multi-temporal approach applying a multi-periodic harmonic model is proposed for classification of remotely sensed data. A harmonic model characterizes the seasonal variation of a time series by four parameters: average level, frequency, phase, and amplitude. The availability of high-quality data is very important for multi-temporal analysis.An satellite image usually have many unobserved data and bad-quality data due to the influence of observation environment and sensing system, which impede the analysis and might possibly produce inaccurate results. Harmonic analysis is also very useful for real-time data reconstruction. Multi-periodic harmonic model is applied to the reconstructed data to classify land covers and monitor land-cover change by tracking the temporal profiles. The proposed method is tested with the MODIS and GOCI NDVI time series over the Korean Peninsula for 5 years from 2012 to 2016. The results show that the multi-periodic harmonic model has a great potential for classification of land-cover types and monitoring of land-cover changes through characterizing annual temporal dynamics.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1567-1577
• /
• 2020

시가화 지역 토지피복분류는 도시계획 및 관리에 활용된다. 따라서, 시가화 지역에 대한 분류 정확도 향상 연구는 중요하다고 할 수 있다. 본 연구에서는 고해상도 위성영상인 KOMPSAT-3A을 기계학습 중 Support Vector Machine(SVM)과 Artificial Neural Network(ANN)을 기반으로 시가화지역 분류를 진행하였다. 훈련 데이터 구축과정에서 25 m 격자를 기반으로 훈련 지역을 구분하여 영상을 학습하였으며, 학습된 모델을 활용하여 테스트 지역을 분류하였다. 검증과정에서 250개의 GTP를 활용하여 오차 행렬을 통한 결과를 제시하였다. SVM 4가지 기법과 ANN 2가지 기법 중 SVM Polynomial Model이 가장 높은 정확도인 86%를 나타냈다. Ground Truth Points(GTP)를 활용하여 두 개의 모델을 비교하는 과정에서, SVM 모델은 전체적으로 ANN 모델보다 효과적으로 KOMPSAT-3A 영상을 분류하였다. 건물, 도로, 식생, 나대지 4가지 클래스 분류 중 건물이 가장 낮은 분류정확도를 보여주었으며, 이는 고층건물에 따른 건물 그림자에 의한 오분류가 주요 원인으로 나타났다.

• 한국군사과학기술학회지
• /
• 제25권1호
• /
• pp.30-44
• /
• 2022

The advent of deep learning-based algorithms has facilitated researches on target detection from synthetic aperture radar(SAR) imagery. While most of them concentrate on detection tasks for ships with open SAR ship datasets and for aircraft from SAR scenes of airports, there is relatively scarce researches on the detection of SAR ground vehicle targets where several adverse factors such as high false alarm rates, low signal-to-clutter ratios, and multiple targets in close proximity are predicted to degrade the performances. In this paper, a dataset of ground vehicle targets acquired from TerraSAR-X(TSX) satellite SAR images is presented. Then, both detection and instance segmentation are simultaneously carried out on this dataset based on the deep learning-based Mask R-CNN. Finally, this paper shows the future research directions to further improve the performances of detecting the SAR ground vehicle targets.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.685-694
• /
• 2022

건물 정보는 다양한 도시 공간 분석에 활용되는 필수 정보 중 하나이기에 지속적인 모니터링이 필요하지만 현실적으로 어려움이 존재하고 있다. 이를 위해 광범위한 지역에 대해서도 지속적인 관찰이 가능한 위성영상으로부터 건물을 추출하기 위한 연구가 진행되고 있으며, 최근에는 딥러닝 기반의 시맨틱 세그멘테이션 기법들이 활용되고 있다. 본 연구에서는 SpaceNet의 건물 v2 무료 오픈 데이터를 이용하여 30 cm 급 Worldview-3 RGB 영상으로부터 건물을 자동으로 추출하기 위해, context-based ResU-Net의 일부 구조를 변경하여 학습을 진행하였다. 분류 정확도 평가 결과, f1-score가 2회차 SpaceNet 대회 수상작의 분류 정확도보다 높은 것으로 나타났다. 앞으로 지속적으로 Worldview-3 위성 영상을 확보할 수 있다면 본 연구의 성과를 활용하여 전세계 건물 자동 추출 모델을 제작하는 것도 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.559-570
• /
• 2022

광학 위성 영상의 공간해상도가 낮게 되면 크기가 작은 객체들의 경우 객체 탐지의 어려움이 따른다. 따라서 본 연구에서는 위성 영상의 공간해상도를 향상시키는 초해상화(Super-resolution) 기술이 객체 탐지 정확도 향상에 대한 영향이 유의미한지 알아보고자 하였다. 쌍을 이루지 않는(unpaired) 초해상화 알고리즘을 이용하여 Sentinel-2 영상의 공간해상도를 3.2 m로 향상시켰으며, 객체 탐지 모델인 Faster-RCNN, RetinaNet, FCOS, S²ANet을 활용하여 초해상화 적용 유무에 따른 선박 탐지 정확도 변화를 확인했다. 그 결과 선박 탐지 모델의 성능 평가에서 초해상화가 적용된 영상으로 학습된 선박 탐지 모델들에서 Average Precision (AP)가 최소 12.3%, 최대 33.3% 향상됨을 확인하였고, 초해상화가 적용되지 않은 모델에 비해 미탐지 및 과탐지가 줄어듦을 보였다. 이는 초해상화 기술이 객체 탐지에서 중요한 전처리 단계가 될 수 있다는 것을 의미하고, 객체 탐지와 더불어 영상 기반의 다른 딥러닝 기술의 정확도 향상에도 크게 기여할 수 있을 것으로 기대된다.