선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 따라서 본 연구에서는 Kim et al.(2013)이 제안한 PSO(Particle Swarm Optimization) 기반의 표적 탐지 연구를 바탕으로 공간해상도가 항공기 및 선박 탐지에 미치는 영향을 분석하였다. 원영상의 재배열 보간 기법을 통해 0.
- 0.5m의 전정색 영상을 1m, 2m, 4m로 재배열하여 저해상도 영상을 생성하였으며 최근린보간, 양선형보간, 3차회선보간 기법을 이용하였다. 히스토그램 기반영상 임계화 기법인 PSO 알고리즘을 적용하기 위하여 양선형보간 기법은 정수화, 3차회선 보간 기법은 정수화 및 8비트화 작업이 수행되었다.
- 이 후 영상 분할을 통해 나지, 활주로, 수계와 같은 배경 이미지를 추출하였다. 배경 영상의 홀(hole)을 채운 후 다섯 화소 버퍼링(buffering)을 적용하였다. 이 후 표적후보군과의 포함관계를 계산하고 배경 영상에 포함되지 않는 표적 후보군 객체를 제거하였다.
- 본 연구에서는 PSO 알고리즘을 이용하여 영상을 10개의 그룹으로 임계화하고 항공기와 선박이 해당하는 공통 그룹을 표적후보군으로 정하였다. 이 후 영상 분할을 통해 나지, 활주로, 수계와 같은 배경 이미지를 추출하였다.
- 영상 재배열 과정에서는 전정색(panchromatic) 원영상을 1m, 2m, 4m로 변환하며 이때 대표적인 재배열 기법인 최근린보간, 양선형보간, 3차회선보간 기법을 적용하였다. 양선형보간과 3차회선보간의 경우 재배열된 화소값이 인접 원영상 화소값의 가중치 평균으로 표현되기 때문에 정수로 표현되지 않는 문제가 있으며 3차회선보간은 거리 가중치 함수값에 따라 8비트 표현 범위를 넘게 되므로 영상을 선형 평활화(linear stretch)하였다. 이 후 3가지 보간 기법과 3종류의 해상도에 따라 표적 탐지를 수행하였다.
- 1). 영상 재배열 과정에서는 전정색(panchromatic) 원영상을 1m, 2m, 4m로 변환하며 이때 대표적인 재배열 기법인 최근린보간, 양선형보간, 3차회선보간 기법을 적용하였다. 양선형보간과 3차회선보간의 경우 재배열된 화소값이 인접 원영상 화소값의 가중치 평균으로 표현되기 때문에 정수로 표현되지 않는 문제가 있으며 3차회선보간은 거리 가중치 함수값에 따라 8비트 표현 범위를 넘게 되므로 영상을 선형 평활화(linear stretch)하였다.
- (2013)이 제안한 PSO(Particle Swarm Optimization) 기반의 표적 탐지 연구를 바탕으로 공간해상도가 항공기 및 선박 탐지에 미치는 영향을 분석하였다. 원영상의 재배열 보간 기법을 통해 0.5m, 1m, 2m, 4m의 다양한 공간해상도 시뮬레이션 영상을 생성하고 이때 최근린보간(nearest neighbor), 양선형보간(bilinear), 3차회선보간(cubic convolution)과 같이 다양한 재배열 보간 기법을 적용하여 보간 기법에 따른 표적 탐지 정확도 또한 분석하였다.
- 양선형보간과 3차회선보간의 경우 재배열된 화소값이 인접 원영상 화소값의 가중치 평균으로 표현되기 때문에 정수로 표현되지 않는 문제가 있으며 3차회선보간은 거리 가중치 함수값에 따라 8비트 표현 범위를 넘게 되므로 영상을 선형 평활화(linear stretch)하였다. 이 후 3가지 보간 기법과 3종류의 해상도에 따라 표적 탐지를 수행하였다. 표적 탐지는 PSO 알고리즘을 이용하여 영상을 임계화하는 과정, 표적이 존재할 수 있는 균질한 배경을 추출하는 과정, 공간 인자의 특성에 따라 이상 개체(outlier)를 제거하여 최종적으로 표적을 탐지하는 과정으로 구성된다.
- 본 연구에서는 PSO 알고리즘을 이용하여 영상을 10개의 그룹으로 임계화하고 항공기와 선박이 해당하는 공통 그룹을 표적후보군으로 정하였다. 이 후 영상 분할을 통해 나지, 활주로, 수계와 같은 배경 이미지를 추출하였다. 배경 영상의 홀(hole)을 채운 후 다섯 화소 버퍼링(buffering)을 적용하였다.
- 유사한 연구로 Gu and Hwang(2001)은 위성영상의 공간적 축척 변화에 따라 나타나는 해안습지의 변화를 탐색하기 위해 Landsat TM영상의 피라미드 영상 압축 기법을 적용하여 30m 해상도부터 480m의 해상도까지 30m 간격으로 총 16가지 영상을 제작 하였다. 이 후 영상을 감독 분류하여 정확도를 분석하고 해안습지 토지 피복도의 특성변화를 비교함으로써, 해안습지의 분석에 필요한 위성영상의 적정해상도를 선정하였다. Gao and Mas(2008)는 10m 해상도를 지니는 SPOT-5 영상의 평균 필터링과 큐빅 필터링을 통해 30m, 100m, 250m의 영상을 생성하고 객체기반 분류와 화소 기반 분류의 정확도를 비교분석하였다.
- 배경 영상의 홀(hole)을 채운 후 다섯 화소 버퍼링(buffering)을 적용하였다. 이 후 표적후보군과의 포함관계를 계산하고 배경 영상에 포함되지 않는 표적 후보군 객체를 제거하였다. 최종 표적 탐지를 위해 항공기와 선박 객체의 표본 조사를 수행하고 Table 1과 같이 객체 크기, 사각형률, 장・단축 비의 공간인자들과 탐지 기준을 정하였다.
- 그 동안 고해상도 위성영상을 이용한 공간해상도 비교 연구는 물론 표적 탐지에 미치는 공간 해상도의 영향에 관한 연구는 국내외로 매우 부족한 실정이었다. 이에 본 연구에서는 고해상도 위성영상을 이용하여 공간해상도와 보간 기법에 따른 표적 탐지 정확도를 비교 분석하였다. PSO 알고리즘과 공간 인자를 이용한 표적 탐지 연구 결과 0.
- 전체 연구는 영상 재배열, 표적 탐지, 정확도 평가 세 부분으로 구성된다(Fig. 1). 영상 재배열 과정에서는 전정색(panchromatic) 원영상을 1m, 2m, 4m로 변환하며 이때 대표적인 재배열 기법인 최근린보간, 양선형보간, 3차회선보간 기법을 적용하였다.
- 항공기와 선박의 탐지 정확도는 영상의 공간해상도에 따라 그리고 재배열 기법에 따라 평가되었다. 최종 추출된 표적의 정확도를 평가하기 위하여 디지타이징(digitizing)을 통한 참조지도를 구성하였으며 개체 단위로 정확도를 평가하되 그 기준은 형태적으로 구분이 가능함과 동시에 픽셀 기준으로 참조자료와 비교해 50%이상의 픽셀이 추출된 경우를 기준으로 하였다. 정확도(precision)와 재현율(recall)은 표적 탐지 기법과 대상 개체에 따라 한 수치가 높거나 낮게 나타날 수있기 때문에 이들의 조화 평균인 F-측정치(F-measure)를 이용하여 탐지 정확도의 비교 분석을 수행하였다 (Table 2, 식 (5)∼(7)).
- 이 후 표적후보군과의 포함관계를 계산하고 배경 영상에 포함되지 않는 표적 후보군 객체를 제거하였다. 최종 표적 탐지를 위해 항공기와 선박 객체의 표본 조사를 수행하고 Table 1과 같이 객체 크기, 사각형률, 장・단축 비의 공간인자들과 탐지 기준을 정하였다.
- Townshend and Justice(1988)는 글로벌 식생 모니터링을 위한 차세대 센서의 공간 해상도에 대하여 연구하였다. 필요 해상도에 대한 실험적 조사를 위해 Landsat 다중분광 영상의 정규식생지수를 후보 해상도인 250m에서 4,000m로 재배열(resampling)한 후 푸리에(Fourier) 공간 분석과 스케일 분산 분석을 수행하였다. 유사한 연구로 Gu and Hwang(2001)은 위성영상의 공간적 축척 변화에 따라 나타나는 해안습지의 변화를 탐색하기 위해 Landsat TM영상의 피라미드 영상 압축 기법을 적용하여 30m 해상도부터 480m의 해상도까지 30m 간격으로 총 16가지 영상을 제작 하였다.
- (2004)은 자연환경이 아닌 도심지역에 대해 공간해상도가 영상 분류에 미치는 영향을 평가하였다. 항공사진의 다중분광 밴드와 분산 텍스처 영상에 최대 우도 분류자(maximum likelihood classifier)를 적용하여 도시 토지 이용 및 토지 피복 클래스에 대한 정확도를 평가하였다.
- 5m의 전정색 영상을 1m, 2m, 4m로 재배열하여 저해상도 영상을 생성하였으며 최근린보간, 양선형보간, 3차회선보간 기법을 이용하였다. 히스토그램 기반영상 임계화 기법인 PSO 알고리즘을 적용하기 위하여 양선형보간 기법은 정수화, 3차회선 보간 기법은 정수화 및 8비트화 작업이 수행되었다. 재배열 영상의 항구 부분을 확대하여 보면 선박 개체들이 1m 영상에서는 쉽게 구분이 가는 반면 4m 영상에서는 선박의 경계가 모호해지는 것을 알 수 있다(Fig.
대상 데이터
- 실험은 현존하는 고해상도 위성영상 중 가장 공간해상도가 높은 센서 중 하나인 Worldview-2의 영상을 이용하였다. 실험 지역은 브라질의 리우데자네이루로 2010년 1월 19일에 수집되었으며 전정색 영상의 경우 0.5m의 공간해상도를 갖는다. 해당 지역은 공항과 항구가 함께 존재하여 항공기와 선박의 탐지가 가능하다(Fig.
- 실험은 현존하는 고해상도 위성영상 중 가장 공간해상도가 높은 센서 중 하나인 Worldview-2의 영상을 이용하였다. 실험 지역은 브라질의 리우데자네이루로 2010년 1월 19일에 수집되었으며 전정색 영상의 경우 0.
데이터처리
- 표적 탐지는 PSO 알고리즘을 이용하여 영상을 임계화하는 과정, 표적이 존재할 수 있는 균질한 배경을 추출하는 과정, 공간 인자의 특성에 따라 이상 개체(outlier)를 제거하여 최종적으로 표적을 탐지하는 과정으로 구성된다. 끝으로 표적 탐지 결과를 공간해상도와 보간 기법에 따라 비교 평가하였다.
- 정확도(precision)와 재현율(recall)은 표적 탐지 기법과 대상 개체에 따라 한 수치가 높거나 낮게 나타날 수있기 때문에 이들의 조화 평균인 F-측정치(F-measure)를 이용하여 탐지 정확도의 비교 분석을 수행하였다 (Table 2, 식 (5)∼(7)).
이론/모형
- 항공기와 선박의 탐지 정확도는 영상의 공간해상도에 따라 그리고 재배열 기법에 따라 평가되었다. 최종 추출된 표적의 정확도를 평가하기 위하여 디지타이징(digitizing)을 통한 참조지도를 구성하였으며 개체 단위로 정확도를 평가하되 그 기준은 형태적으로 구분이 가능함과 동시에 픽셀 기준으로 참조자료와 비교해 50%이상의 픽셀이 추출된 경우를 기준으로 하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.