KOMPSAT-3 위성영상 기반 양식시설물 자동 검출 프로토타입 시스템 개발 Development of a Prototype System for Aquaculture Facility Auto Detection Using KOMPSAT-3 Satellite Imagery원문보기
우리나라에서는 삼면이 바다와 접해있는 반도형태의 국가로 과거부터 해양수산물에 대한 양식이 이루어져 왔다. 최근에는 양식시설물들을 체계적으로 관리하기 위해 생산량에 대한 조사하고 있으며, 조사된 자료를 기반으로 생산물에 대한 가격책정을 수행하여 내수 어족자원을 안정화하고 어민생활권을 보장하고 있다. 이러한 양식시설물의 조사는 매년 항공사진 기반의 수동 디지타이징을 기반으로 하고 있다. 고해상도의 항공사진을 활용한 수동 디지타이징은 양식시설물 별 종류에 따른 특징과 시설물 운용 여부 등을 알고 있는 전문가의 지식을 기반으로 하여 정확한 구획이 수행된다. 그러나 항공사진의 활용은 생육주기가 다른 양식자원들을 모니터링하기에는 경제적, 시간적 한계가 있으며, 전문가의 지식기반 구획 역시 다수의 전문 인력 등이 투입되어야 한다. 그러므로 본 연구에서는 관측 대상지에 대한 대단위 모니터링이 가능한 위성영상을 바탕으로 양식장에 대한 외곽정보 자동으로 검출하는 프로토타입 시스템 개발에 대해 연구하였다. 연구에 사용되는 위성영상은 국내 고해상 위성인 KOMPSAT-3 위성영상 13 Scene을 양식시설이 주로 이용되는 10월에서 4월 사이에 신규 촬영하여 사용하였다. 양식시설의 검출은 가두리식, 연승식, 부류식 양식시설을 검출하였으며 검출 방법은 영상 처리를 통한 ANN 분류기법 및 Polygon 생성기법을 사용하였다. 개발된 프로토타입 시스템의 양식시설 검출율은 약 93% 정도로 나타났다. 위성영상 기반의 양식시설물 외곽정보 검출은 기존 항공사진이 가지는 모니터링의 한계를 개선할 수 있을 뿐만 아니라, 전문가가 양식시설을 탐지하고 판독하는 데 있어 유용하게 지원될 수 있을 것이다. 향후 양식장 시설물별 분류 및 영상 처리 기법의 적용을 통해 양식장 시설물 검출 시스템이 개발되어야 할 것이며, 해당 시스템을 통해 양식시설물 모니터링을 수행하여 관련 의사결정 지원에 도움이 될 수 있을 것으로 판단된다.
우리나라에서는 삼면이 바다와 접해있는 반도형태의 국가로 과거부터 해양수산물에 대한 양식이 이루어져 왔다. 최근에는 양식시설물들을 체계적으로 관리하기 위해 생산량에 대한 조사하고 있으며, 조사된 자료를 기반으로 생산물에 대한 가격책정을 수행하여 내수 어족자원을 안정화하고 어민생활권을 보장하고 있다. 이러한 양식시설물의 조사는 매년 항공사진 기반의 수동 디지타이징을 기반으로 하고 있다. 고해상도의 항공사진을 활용한 수동 디지타이징은 양식시설물 별 종류에 따른 특징과 시설물 운용 여부 등을 알고 있는 전문가의 지식을 기반으로 하여 정확한 구획이 수행된다. 그러나 항공사진의 활용은 생육주기가 다른 양식자원들을 모니터링하기에는 경제적, 시간적 한계가 있으며, 전문가의 지식기반 구획 역시 다수의 전문 인력 등이 투입되어야 한다. 그러므로 본 연구에서는 관측 대상지에 대한 대단위 모니터링이 가능한 위성영상을 바탕으로 양식장에 대한 외곽정보 자동으로 검출하는 프로토타입 시스템 개발에 대해 연구하였다. 연구에 사용되는 위성영상은 국내 고해상 위성인 KOMPSAT-3 위성영상 13 Scene을 양식시설이 주로 이용되는 10월에서 4월 사이에 신규 촬영하여 사용하였다. 양식시설의 검출은 가두리식, 연승식, 부류식 양식시설을 검출하였으며 검출 방법은 영상 처리를 통한 ANN 분류기법 및 Polygon 생성기법을 사용하였다. 개발된 프로토타입 시스템의 양식시설 검출율은 약 93% 정도로 나타났다. 위성영상 기반의 양식시설물 외곽정보 검출은 기존 항공사진이 가지는 모니터링의 한계를 개선할 수 있을 뿐만 아니라, 전문가가 양식시설을 탐지하고 판독하는 데 있어 유용하게 지원될 수 있을 것이다. 향후 양식장 시설물별 분류 및 영상 처리 기법의 적용을 통해 양식장 시설물 검출 시스템이 개발되어야 할 것이며, 해당 시스템을 통해 양식시설물 모니터링을 수행하여 관련 의사결정 지원에 도움이 될 수 있을 것으로 판단된다.
Aquaculture has historically delivered marine products because the country is surrounded by ocean on three sides. Surveys on production have been conducted recently to systematically manage aquaculture facilities. Based on survey results, pricing controls on marine products has been implemented to s...
Aquaculture has historically delivered marine products because the country is surrounded by ocean on three sides. Surveys on production have been conducted recently to systematically manage aquaculture facilities. Based on survey results, pricing controls on marine products has been implemented to stabilize local fishery resources and to ensure minimum income for fishermen. Such surveys on aquaculture facilities depend on manual digitization of aerial photographs each year. These surveys that incorporate manual digitization using high-resolution aerial photographs can accurately evaluate aquaculture with the knowledge of experts, who are aware of each aquaculture facility's characteristics and deployment of those facilities. However, using aerial photographs has monetary and time limitations for monitoring aquaculture resources with different life cycles, and also requires a number of experts. Therefore, in this study, we investigated an automatic prototype system for detecting boundary information and monitoring aquaculture facilities based on satellite images. KOMPSAT-3 (13 Scene), a local high-resolution satellite provided the satellite imagery collected between October and April, a time period in which many aquaculture facilities were operating. The ANN classification method was used for automatic detecting such as cage, longline and buoy type. Furthermore, shape files were generated using a digitizing image processing method that incorporates polygon generation techniques. In this study, our newly developed prototype method detected aquaculture facilities at a rate of 93%. The suggested method overcomes the limits of existing monitoring method using aerial photographs, but also assists experts in detecting aquaculture facilities. Aquaculture facility detection systems must be developed in the future through application of image processing techniques and classification of aquaculture facilities. Such systems will assist in related decision-making through aquaculture facility monitoring.
Aquaculture has historically delivered marine products because the country is surrounded by ocean on three sides. Surveys on production have been conducted recently to systematically manage aquaculture facilities. Based on survey results, pricing controls on marine products has been implemented to stabilize local fishery resources and to ensure minimum income for fishermen. Such surveys on aquaculture facilities depend on manual digitization of aerial photographs each year. These surveys that incorporate manual digitization using high-resolution aerial photographs can accurately evaluate aquaculture with the knowledge of experts, who are aware of each aquaculture facility's characteristics and deployment of those facilities. However, using aerial photographs has monetary and time limitations for monitoring aquaculture resources with different life cycles, and also requires a number of experts. Therefore, in this study, we investigated an automatic prototype system for detecting boundary information and monitoring aquaculture facilities based on satellite images. KOMPSAT-3 (13 Scene), a local high-resolution satellite provided the satellite imagery collected between October and April, a time period in which many aquaculture facilities were operating. The ANN classification method was used for automatic detecting such as cage, longline and buoy type. Furthermore, shape files were generated using a digitizing image processing method that incorporates polygon generation techniques. In this study, our newly developed prototype method detected aquaculture facilities at a rate of 93%. The suggested method overcomes the limits of existing monitoring method using aerial photographs, but also assists experts in detecting aquaculture facilities. Aquaculture facility detection systems must be developed in the future through application of image processing techniques and classification of aquaculture facilities. Such systems will assist in related decision-making through aquaculture facility monitoring.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 국내 고해상 광학위성인 KOMPSAT-3 영상을 활용하여 양식시설을 자동으로 탐지하고 시설정보를 추출할 수 있는 프로토타입 시스템을 개발하였으며 그 결과는 그림 8과 같다. 양식시설 자동탐지 프로토타입 시스템은 위성영상 입력 및 Viewer 기능, 위성영상 강조처리 및 물/육지 자동 분류 기능, 특징정보 기반 기계학습 ANN 분류기 기능, 양식시설 외곽정보 생성기능, GIS Shape 파일 생성기능을 포함하고 있다.
제안 방법
마지막으로 출력층은 은닉층에서 생성된 스코어들이 출력되는 부분으로, 학습자료와 입력자료 간 유사성을 스코어로 나타내며, 출력된 스코어를 바탕으로 양식시설이 분류된다. ANN 분류기가 학습하기 위해 생성하는 특징정보의 추출은 입력되는 위성영상에서 양식시설이 가지는 특유의 Pixel 값에 대한 지수를 추출할 수 있도록 청색, 녹색, 적색 밴드와 근적외 밴드 각각을 밴드연산으로 생성한 다수의 분석 영상 등에서 양식시설의 종류별로 수동 구획하여 생성하였다.
그러므로 본 연구에서는 국내 고해상 위성인 KOMPSAT-3 영상을 활용하여 기존 모니터링의 한계를 개선하고 현장조사 및 수동 디지타이징 기반의 판독 방법을 보완할 수 있도록 하는 양식시설 자동 검출 및 모니터링 프로토타입 시스템을 개발하였다. 프로토타입 시스템은 전 처리된 위성영상을 입력하면 해당 위성영상에서 양식시설물의 특징정보 획득, 학습하고 자동으로 분류할 수 있도록 하는 기계학습 방법인 ANN(Artificial Neural Network) 분류기를 활용하여 개발하였다.
그 외 검출 정보들은 위치정보가 같았으며 양식시설 자동 추출에 대한 검출 정확도는 가두리식 약 97%, 부류식 91%, 연승식 92%로 전체 평균 약 93% 가량으로 나타났다. 다음으로, 수동구획 표본과 자동 추출 결과 간 이격 거리 정확도 검증은 양식시설 중 시설 모양에 변동이 거의 없는 가두리 양식을 기반으로 수행하였으며, 사각형 형태의 가두리 양식 좌우와 상하 4개 지점에 대한 이격 거리를 측정하였다. 측정된 결과는 아래 그림 9와 같다.
먼저, 기하보정과 같은 위치보정이 완료된 KOMPSAT-3 위성영상을 기반으로 양식시설물에 대한 특징정보를 추출하고 해당 특징정보를 이용하여 ANN 분류기를 기계학습 시킨다. 다음으로, 양식시설 추출이 용이할 수 있도록 KOMPSAT-3 위성영상에서 HPF(High-Pass Filter)를 적용한 후 물과 육지를 분류한다. 마지막으로 분류된 영상에서 양식시설별로 분류한 후 추출하여 GIS 소프트웨어에서 사용할 수 있도록 Shape 파일로 저장한다.
양식시설정보 자동 검출 프로토타입 시스템의 개발 흐름은 그림 2와 같다. 먼저, 기하보정과 같은 위치보정이 완료된 KOMPSAT-3 위성영상을 기반으로 양식시설물에 대한 특징정보를 추출하고 해당 특징정보를 이용하여 ANN 분류기를 기계학습 시킨다. 다음으로, 양식시설 추출이 용이할 수 있도록 KOMPSAT-3 위성영상에서 HPF(High-Pass Filter)를 적용한 후 물과 육지를 분류한다.
정확도 검증은 양식시설 검출률에 대한 검증과 양식시설과 자동 추출 정보 간 이격 거리에 대한 검증을 수행하였다. 먼저, 양식시설 검출률에 대한 검증은 GIS Tool인 ArcMap을 활용하여 전 처리된 위성영상을 기반으로 육안판독을 통해 수동으로 구획한 표본 13,200개와 해당 표본과 동일한 위치에 자동 검출된 양식시설 정보를 중첩 분석하였다. 중첩결과 수동구획 표본 13,200개 중 11,152개의 양식시설이 검출되었으며, 검출된 결과를 상세히 보면 가두리식은 12개 부류식 23개, 연승식 16개, 총 51개의 양식시설물이 인접거리가 짧은 서로 다른 양식시설이 단일 객체로 검출되었으며, 부류식 양식시설이 가두리식 양식시설로 양식시설의 종류가 오검출 된 건이 23건이었다.
, 2016). 물과 육지의 분류는 KOPMSAT-3 영상이 입력됨과 동시에 밴드연산을 수행하여 NDWI 영상을 생성하고, 생성된 영상에서 육지 부분에 대한 정보를 추출하여 Mask를 생성한 후 해수 부분에 대해서만 분류처리를 수행할 수 있도록 개발하였다. 물과 육지를 분류하는 이유는 양식시설을 추출함에 있어 양식시설과 유사한 Pixel 값을 가지는 육지 내 불필요한 특정 객체의 생성을 방지하기 위함이다.
생성된 Point를 기준으로 외곽정보를 검출하기 위해 생성 Point들을 중심점 기준으로 일련의 각도마다 선정되는 Point를 이어서 리스트를 생성하고 해당 리스트를 기준으로 외곽정보를 검출한다. 그러나 단순 각도 기반 Point 연결은 외곽이 아닌 시설정보 내부에 오 생성된 Point가 포함 되어 연결되기 때문에 양식시설의 외곽정보를 온전히 반영하기 힘들다.
양식시설 자동탐지 시스템을 통해 추출된 양식시설 정보의 활용 가능성을 판단하기 위해 결과물에 대한 정확도 검증을 수행하였다. 정확도 검증은 양식시설 검출률에 대한 검증과 양식시설과 자동 추출 정보 간 이격 거리에 대한 검증을 수행하였다.
위에 해당하는 영상 강조를 위한 전처리 기능, 양식시설 분류를 위한 분류기, 분류정보에서 Point에 따른 양식시설 외곽정보 추출기능, 결과물에 대한 Shape 파일 생성 기능은 사용자가 별도의 조작 없이 분류하고자 하는 KOMPSAT-3 위성영상을 입력하면 자동으로 수행될 수 있도록 프로토타입 시스템을 개발하였다. 이는 양식장 모니터링을 수행하는 담당자가 위성영상만 입수되면 별도의 조작이나 확인 없이 편리하게 양식시설 정보를 추출할 수 있도록 하기 위함이다.
위와 같은 과정을 거쳐 입력된 KOMPSAT-3 영상을 기반으로 ANN 분류기를 통해 부류식, 연승식, 가두리식 등의 양식시설을 분류하였다. 분류된 결과는 Raster 형태의 영상정보이며 이를 활용하기 위해서는 양식시설의 종류별로 외곽정보를 추출하고 해당 정보를 기반으로 Shape 파일을 생성하는 과정이 필요하다.
양식시설 자동탐지 시스템을 통해 추출된 양식시설 정보의 활용 가능성을 판단하기 위해 결과물에 대한 정확도 검증을 수행하였다. 정확도 검증은 양식시설 검출률에 대한 검증과 양식시설과 자동 추출 정보 간 이격 거리에 대한 검증을 수행하였다. 먼저, 양식시설 검출률에 대한 검증은 GIS Tool인 ArcMap을 활용하여 전 처리된 위성영상을 기반으로 육안판독을 통해 수동으로 구획한 표본 13,200개와 해당 표본과 동일한 위치에 자동 검출된 양식시설 정보를 중첩 분석하였다.
양식시설 자동탐지 프로토타입 시스템은 위성영상 입력 및 Viewer 기능, 위성영상 강조처리 및 물/육지 자동 분류 기능, 특징정보 기반 기계학습 ANN 분류기 기능, 양식시설 외곽정보 생성기능, GIS Shape 파일 생성기능을 포함하고 있다. 해당 시스템은 양식시설을 탐지 및 모니터링하고 양식시설의 면허 및 불법면허지를 분류하여 시설량 확인을 통해 양식자원의 적정 가격 책정 및 관련 정책수립을 수행하는 국가 기관 및 의사결정자가 사용이 용이할 수 있도록 입력 기능을 제외한 전 기능을 자동화하였으며, 고 비용의 상용 GIS 프로그램을 활용하지 않고 무료로 사용할 수 있도록 OpenCV 기반으로 개발하였다.
대상 데이터
본 연구의 대상 지역은 한반도 남해에 위치한 전라남도 완도군의 보길도, 노화도, 소안도 인근과 경상남도 통영시와 거제시의 한산도, 산달도, 좌도 인근이다. 두 대상 지역은 가두리식, 부류식, 연승식 등 다양한 양식시설이 넓게 분포되어 있을 뿐만 아니라, 양식시설이 생산하는 양식자원의 양이 풍부하다.
양식시설 추출결과는 Raster 형태의 영상자료이다. 해당 정보를 활용하기 위해서는 양식시설의 종류별로 Labeling 하는 과정이 필요하며 그림 5와 같은 과정을 거친다.
연구에 활용되는 자료는 국내 고해상 위성인 KOMPSAT-3의 위성영상으로 70cm의 공간 해상도를 가지며, 가시광역인 청색, 녹색, 적색밴드와 근적외 밴드를 가진 광학 영상이다(KARI, 2016). 위성영상은 항공사진보다 촬영시기 선정과 촬영영상의 획득이 용이하고 서브미터급의 고해상 광학 영상을 확보할 수 있다.
특히 국내 위성인 KOMPSAT-3의 위성영상은 해외 고해상 위성영상보다 촬영 시기, 촬영지역 등에 대한 설정이 용이하다. 이러한 이점을 활용하여 연구지역 전반에 대해 양식시설 탐지를 위한 신규 위성영상 13 Scene의 영상을 확보하였으며, 해당 영상을 바탕으로 양식시설 정보를 추출하였다. 아래 그림 1은 연구 대상 지역 및 연구를 위해 확보한 위성영상을 나타내며, 표 1은 영상 촬영 날짜, 지역 및 중점 위치 등을 나타낸다.
이론/모형
Labeling이 완료되면 외곽정보 추출을 위한 코너 Point를 생성하며 코너 Point의 생성은 Harris corner 방법을 활용하였다. Harris corner 방법은 기준 Pixel 값과 주변 방향의 Pixel 값들에 대한 처리를 계산하여 영상 내에 Corner를 생성하는 알고리즘으로 해당 화소값에서 (∆x, ∆y)만큼 이동한 화소의 변화량을 다음과 같이 표현할 수 있다.
HPF를 적용한 영상은 보다 좋은 양식시설 정보가 추출될 수 있도록 물과 육지를 분류하는 과정을 한 번 더 거치게 된다. 물과 육지의 분류는 NDWI(Normalized Difference Water Index)기법을 활용하였다.
추출 및 분류 결과의 질적 향상을 위해 사전적으로 위성영상에 영상처리 기법을 적용하여 영상 강조를 수행하게 된다. 본 연구에서는 시설물의 강조가 두드러지게 나타나는 HPF와 IHS(Intensity Hue-Saturation) 기법 등을 선정하여 각 기법을 비교한 후 보다 적정한 기법을 KOMPSAT-3 영상에 적용하였다. HPF 기법은 Pixel 기반의 영상정보를 주파수로 변환하여 처리하는 기법으로, 영상정보를 고주파 대역과 저주파 대역으로 분리한 후 고주파 영역을 강조하고 저주파 영역을 차단하여 처리한다.
양식시설의 자동 분류 및 추출을 위해 특징정보를 바탕으로 기계학습을 수행하여 학습된 정보를 기반으로 특정 객체 정보를 분류하는 영상처리 기법인 ANN 분류기를 사용하였다.
그러나 단순 각도 기반 Point 연결은 외곽이 아닌 시설정보 내부에 오 생성된 Point가 포함 되어 연결되기 때문에 양식시설의 외곽정보를 온전히 반영하기 힘들다. 이러한 사항을 개선하기 위해 Convex hull 알고리즘을 적용하였다. Convex hull 방법은 좌표 군집 내에서 Point가 치우쳐진 방향의 좌표를 고려하여 선택된 Point 좌표와 모든 Point의 좌표들 간 각도를 계산하여 연결점을 선택하는 방식으로 데카르트 좌표계를 기준으로 시계방향은 최대각도 방향에 있는 Point 좌표를 선택하고 반시계 방향은 최소각도 방향에 있는 Point 좌표를 선택하여 Point를 연결한다.
그러므로 본 연구에서는 국내 고해상 위성인 KOMPSAT-3 영상을 활용하여 기존 모니터링의 한계를 개선하고 현장조사 및 수동 디지타이징 기반의 판독 방법을 보완할 수 있도록 하는 양식시설 자동 검출 및 모니터링 프로토타입 시스템을 개발하였다. 프로토타입 시스템은 전 처리된 위성영상을 입력하면 해당 위성영상에서 양식시설물의 특징정보 획득, 학습하고 자동으로 분류할 수 있도록 하는 기계학습 방법인 ANN(Artificial Neural Network) 분류기를 활용하여 개발하였다.
성능/효과
중첩결과 수동구획 표본 13,200개 중 11,152개의 양식시설이 검출되었으며, 검출된 결과를 상세히 보면 가두리식은 12개 부류식 23개, 연승식 16개, 총 51개의 양식시설물이 인접거리가 짧은 서로 다른 양식시설이 단일 객체로 검출되었으며, 부류식 양식시설이 가두리식 양식시설로 양식시설의 종류가 오검출 된 건이 23건이었다. 그 외 검출 정보들은 위치정보가 같았으며 양식시설 자동 추출에 대한 검출 정확도는 가두리식 약 97%, 부류식 91%, 연승식 92%로 전체 평균 약 93% 가량으로 나타났다. 다음으로, 수동구획 표본과 자동 추출 결과 간 이격 거리 정확도 검증은 양식시설 중 시설 모양에 변동이 거의 없는 가두리 양식을 기반으로 수행하였으며, 사각형 형태의 가두리 양식 좌우와 상하 4개 지점에 대한 이격 거리를 측정하였다.
이러한 두 기법을 KOMPSAT-3 위성영상에 적용하여 양식시설에 대한 강조정보를 비교하였으며, 그 결과 IHS기법의 경우 양식시설에 대한 경계는 뚜렷이 나타나지만, 영상 내에 불필요한 노이즈의 발생이 나타나는 것을 확인하였다. 또한, HPF기법을 적용한 영상에서는 IHS적용 영상에 비해 시설물 강조는 다소 미비하나 양식시설에 대한 경계가 일반 영상에 비해 또렷이 나타났으며 노이즈가 발생하지 않았다. 노이즈의 발생은 양식시설의 외곽정보 획득 시 불필요한 자료를 생성하게 되므로 영상강조는 HPF 기법을 선택하여 영상 전처리 기능을 개발하였다.
41로 나타났다. 또한, 검증한 전체 정보 중 88% 이상이 양식시설이 우측 및 하단에서 이격이 큰 것으로 나타났다. 이는 Point를 기반으로 한 외곽정보 생성이 일정한 방향성을 가지고 생성되기 때문으로 이를 해결하기 위해서는 Point 생성 알고리즘의 세부적인 조율이 필요할 것으로 판단된다.
상하좌우에 대한 이격 거리는 변동이 거의 없는 가두리 양식을 기반으로 수행하였으며, 사격형 형태의 가두리 양식 좌우와 상하 4개 지점에 대한 평균 이격 거리는 약 1.9m 정도로 나타났다. 표준편차는 A거리 약 0.
IHS는 여러 개의 밴드정보에 각각 색조 및 명암 강조를 수행하는 방법으로 Pixel에 대한 직접적인 강조를 수행한다. 이러한 두 기법을 KOMPSAT-3 위성영상에 적용하여 양식시설에 대한 강조정보를 비교하였으며, 그 결과 IHS기법의 경우 양식시설에 대한 경계는 뚜렷이 나타나지만, 영상 내에 불필요한 노이즈의 발생이 나타나는 것을 확인하였다. 또한, HPF기법을 적용한 영상에서는 IHS적용 영상에 비해 시설물 강조는 다소 미비하나 양식시설에 대한 경계가 일반 영상에 비해 또렷이 나타났으며 노이즈가 발생하지 않았다.
먼저, 양식시설 검출률에 대한 검증은 GIS Tool인 ArcMap을 활용하여 전 처리된 위성영상을 기반으로 육안판독을 통해 수동으로 구획한 표본 13,200개와 해당 표본과 동일한 위치에 자동 검출된 양식시설 정보를 중첩 분석하였다. 중첩결과 수동구획 표본 13,200개 중 11,152개의 양식시설이 검출되었으며, 검출된 결과를 상세히 보면 가두리식은 12개 부류식 23개, 연승식 16개, 총 51개의 양식시설물이 인접거리가 짧은 서로 다른 양식시설이 단일 객체로 검출되었으며, 부류식 양식시설이 가두리식 양식시설로 양식시설의 종류가 오검출 된 건이 23건이었다. 그 외 검출 정보들은 위치정보가 같았으며 양식시설 자동 추출에 대한 검출 정확도는 가두리식 약 97%, 부류식 91%, 연승식 92%로 전체 평균 약 93% 가량으로 나타났다.
9m 정도로 나타났다. 표준편차는 A거리 약 0.59, B거리 약 0.86 C거리 약 0.50, D거리 약 0.41로 나타났다. 또한, 검증한 전체 정보 중 88% 이상이 양식시설이 우측 및 하단에서 이격이 큰 것으로 나타났다.
후속연구
그러나 양식시설의 검출 측면에 있어 양식시설과 정확히 일치되는 결과를 얻을 수 있도록 하는 기능적인 개선이 필요하며, 양식시설물 검출과 함께 각 종류별로 양식시설량을 산출 할 수 있는 산정기능이 추가적으로 개발되어야 할 것이다. 향후 이러한 기능개발이 고도화되고 더 많은 양의 특징정보가 학습된 분류기에 대한 개발과 영상처리의 시간적 질적 개선을 위한 GPU 기반 병렬처리 기법이 적용되어야 할 것이다.
본 연구를 통해 구축된 양식시설 자동 탐지 프로토타입 시스템은 국내에서 운용되는 다양한 양식시설들을 자동으로 탐지하는 방안을 제시함으로써 기존 항공사진 기반의 양식시설 탐지 체계가 가지는 시간적, 경제적 인력적 한계를 개선할 수 있을 것이며, 생육주기를 고려한 양식시설의 변화 모니터링에도 용이 할 것으로 생각된다. 그뿐만 아니라 국외 기인의 양식시설에서 생산되는 수산자원의 양을 모니터링 함에 있어서도 해외 연안 환경에 대한 위성영상의 확보가 이루어진다면 본 연구를 통해 개발된 프로토타입 시스템의 활용성이 높을 것으로 판단된다.
본 연구를 통해 구축된 양식시설 자동 탐지 프로토타입 시스템은 국내에서 운용되는 다양한 양식시설들을 자동으로 탐지하는 방안을 제시함으로써 기존 항공사진 기반의 양식시설 탐지 체계가 가지는 시간적, 경제적 인력적 한계를 개선할 수 있을 것이며, 생육주기를 고려한 양식시설의 변화 모니터링에도 용이 할 것으로 생각된다. 그뿐만 아니라 국외 기인의 양식시설에서 생산되는 수산자원의 양을 모니터링 함에 있어서도 해외 연안 환경에 대한 위성영상의 확보가 이루어진다면 본 연구를 통해 개발된 프로토타입 시스템의 활용성이 높을 것으로 판단된다.
그러나 양식시설의 검출 측면에 있어 양식시설과 정확히 일치되는 결과를 얻을 수 있도록 하는 기능적인 개선이 필요하며, 양식시설물 검출과 함께 각 종류별로 양식시설량을 산출 할 수 있는 산정기능이 추가적으로 개발되어야 할 것이다. 향후 이러한 기능개발이 고도화되고 더 많은 양의 특징정보가 학습된 분류기에 대한 개발과 영상처리의 시간적 질적 개선을 위한 GPU 기반 병렬처리 기법이 적용되어야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
KOMPSAT-3의 위성영상 특징은 무엇인가?
연구에 활용되는 자료는 국내 고해상 위성인 KOMPSAT-3의 위성영상으로 70cm의 공간 해상도를 가지며, 가시광역인 청색, 녹색, 적색밴드와 근적외 밴드를 가진 광학 영상이다(KARI, 2016). 위성영상은 항공사진보다 촬영시기 선정과 촬영영상의 획득이 용이하고 서브미터급의 고해상 광학 영상을 확보할 수 있다.
양식어업에 있어 양식시설에 대한 관리와 내수물량의 조절이 필수적인 이유는 무엇인가?
양식어업은 양식시설에 대한 관리와 내수물량의 조절이 필수적이다. 이는 양식자원의 생산량에 따른 적정 가격을 책정하고 국내외 시장에 안정적으로 유통하여 수산자원을 생산하는 어민의 생활권을 안정시키기 위함이다. 그러나 육지와는 달리 양식시설의 정확한 위치 파악이 힘들고 넓게 분포되어 있어 양식어업을 관리 감독하는 기관이 지속해서 모니터링하기에는 어려움이 있다(Jo, 2011).
IHS 기법의 특징은 무엇인가?
일반적으로 고주파 영역은 영상 내 Pixel 값의 차이가 큰 부분으로 해당 영상에서는 양식시설과 바다의 경계 또는 색상 변화가 뚜렷한 부분이다. IHS는 여러 개의 밴드정보에 각각 색조 및 명암 강조를 수행하는 방법으로 Pixel에 대한 직접적인 강조를 수행한다. 이러한 두 기법을 KOMPSAT-3 위성영상에 적용하여 양식시설에 대한 강조정보를 비교하였으며, 그 결과 IHS기법의 경우 양식시설에 대한 경계는 뚜렷이 나타나지만, 영상 내에 불필요한 노이즈의 발생이 나타나는 것을 확인하였다.
참고문헌 (12)
Cho Y.S., S.J. Hong, H.C. Kim, W.J Choi, W.C. Lee, and S.M. Lee. 2010. Development of bivalve culture management system based on GIS for oyster aquaculture in GeojeHansan Bay. Journal of the Korean Society of Marine Environment & Safety. 16(1):11-20 (조윤식, 홍석진, 김형철, 최우정, 이원찬, 이석모. 2010. 거제한산만 굴양식장에 대한 GIS 기반 어장관리시스테 개발. 해양환경안전학회지 16(1):11-20).
Jo. M.H. 2011. Measuring the quantities of aquaculture farming facilities for seaweed, ear shell and fish using high resolution aerial images. Journal of The Korea Association of Geographic Information Studies. 14(2):147-161 (조명희. 2011. 고해상 항공영상을 활용한 김, 전복, 어류 양식장 시설량의 산출. 한국지리정보학회지 14(2):147-161).
KAMI(Korea Association of Marine Industry). 2015. SEA & Monthly Magazine for the Blue Ocean. http://www.webzinesean.kr/html/main/view.php?idx160&keyword&keyfield&s_category(Acessed August 22, 2016).
KARI(Korea Aerospace Research Institute). 2016. http://www.kari.re.kr/kor/sub03_02_01.do (Acessed September 30, 2016).
Park J.H. and Y.C. Suh. 2013. GIS-based suitable site selection for aquaculture using scope for growth of styela clava. Journal of The Korea Association of Geographic Information Studies. 16(3):81-90 (박정현, 서용철. 2013. GIS 기반 미더덕 SFG(Scope for Growth)를 이용한 양식장의 적지선정. 한국지리정보학회지 16(3):81-90).
Park J.S., W.H. Lee, and M.H. Jo. 2016. Improving accuracy of land cover classification in river basins using Landsat -8 OLI image, vegetation index, and water index. Journal of The Korea Association of Geographic Information Studies. 19(2):98-106 (박주성, 이원희, 조명희. 2016. Landsat-8 OLI 영상과 식생 및 수분지수를 이용한 하천유역 토지피복분류 정확도 개선. 한국지리정보학회지 19(2):98-106).
Park. S.E., W.J. Choi, W.C. Lee, J.H. Koo, R.H. Jung, and J.S. Park. 2004. Construction of the fishing grounds information management system using GIS. Journal of The Korea Association of Geographic Information Studies. 7(3):90-98 (박성은, 최우정, 이원찬, 구준호, 정래홍, 박종수. 2004. GIS를 이용한 양식어장 정보관리 시스템 구축. 한국지리정보학회지 7(3):90-98).
Statistics Korea. 2012. Survey on the status of fish culture. pp. 29-31 (통계청. 2012. 어류양식동향 조사. 29-31쪽).
Yang C.S. and S.W. Park. 2006. Facilities analysis of laver cultivation grounds in Korean coastal waters using SPOT-5 images. Journal of The Korean Society for Marine Environmental Engineering 9(3):168-175 (양찬수, 박성우. 2006. SPOT-5 위성영상에 의한 2005년 한국 연안 김 양식장의 시설현황 분석. 한국해양환경공학회지 9(3):168-175).
Yang J.Y., J.S. Lee, I.S. Han, Y.K. Choi, and Y.S. Suh. 2012. Seawater temperature variation at aquafarms off Wando in the Southwest Coast of Korea. Journal of the Korean Society of Marine Environment & Safety. 18(6):514-519 (양준용, 이준수, 한인선, 최용규, 서영상. 2012. 완도 양식장 해역의 수온변동. 해양환경안전학회지 18(6):514-519).
Yang J.Y., Y.S. Suh, Y.K. Choi, K.K. Jung, H.D. Jeong, and J.S. Park. 2007. Development of real-time oceanographic information system using platforms of aquaculture farms. Journal of The Korea Association of Geographic Information Studies 10(2):46-56 (양준용. 서영상. 최용규. 정규귀. 정희동. 박종수. 2007. 양식장 플랫폼을 활용한 실시간 해양환경 정보제공시스템 개발연구. 한국지리정보학회지 10(2):46-56).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.