$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

고해상도 위성영상을 이용한 농촌 도로 매핑을 위한 영상 분류 및 영상 분할 방법 비교에 관한 연구
Comparative Research of Image Classification and Image Segmentation Methods for Mapping Rural Roads Using a High-resolution Satellite Image 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.24 no.3, 2021년, pp.73 - 82  

정윤재 ((주)지오씨엔아이 공간정보기술연구소) ,  구본엽 ((주)지오씨엔아이 공간정보기술연구소)

초록
AI-Helper 아이콘AI-Helper

농촌 도로는 농촌 지역의 개발과 관리를 위한 핵심 기반시설로서 원격탐사 자료를 활용한 농촌 도로 관리 기술은 농촌 교통 인프라 확대, 농촌 주민의 삶의 질 개선을 위해 매우 중요하다. 본 연구에서는 농촌 지역을 촬영한 고해상도 위성영상을 활용하여 농촌 도로를 매핑하기 위해 영상 분류 방법과 영상 분할 방법을 다음의 과정을 통하여 비교하였다. 영상 분류의 경우, 심층 신경망 기반 딥러닝 기법을 주어진 고해상도 위성영상에 적용하여 고정밀 객체 분류 지도를 제작하였고 이로부터 농촌 도로 객체를 추출함으로써 농촌 도로를 매핑하였다. 영상 분할의 경우, multiresolution segmentation 기법을 동일한 위성영상에 적용하여 세그먼트 영상을 제작하였고 농촌 도로에 위치한 다중 객체들을 선택하고 이들을 최종적으로 융합하여 농촌 도로를 매핑하였다. 영상 분류 및 영상 분할 방법을 통해 매핑한 농촌 도로의 정확도 검증을 위해 100개의 검사점을 사용하였고 다음과 같은 결론을 도출하였다. 영상 분류 방법에서는 객체 분류 지도 내 오분류 에러로 인해 영상 내 일부 농촌 도로의 인식이 불가능하였으나 영상 분할 방법에서는 영상 내 모든 농촌 도로의 인식이 가능하였으므로 영상 분할 방법이 영상 분류 방법보다 위성영상을 이용한 농촌 도로 매핑 작업에 더 적합한 방법이었다. 그러나 영상 분할 방법을 통해 매핑한 농촌 도로를 구성하는 일부 세그먼트들이 농촌 도로 외 객체를 포함하고 있어 영상 내 일부 농촌 도로에서 오분류 에러가 발생하였다. 추후 연구에서는 객체 기반 분류 또는 합성곱 신경망 등 다양한 정밀 객체 인식 기법을 고해상도 위성영상에 적용하여 농촌 도로의 정확도를 개선할 계획이다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Rural roads are the significant infrastructure for developing and managing the rural areas, hence the utilization of the remote sensing datasets for managing the rural roads is necessary for expanding the rural transportation infrastructure and improving the life quality of the rural residents. In t...

주제어

#고해상도 위성영상   #영상 분류   #영상 분할   #딥러닝   #농촌 도로  

표/그림 (13)

참고문헌 (11)

  1. Ahn. S.H. and J.S. Oh. 2010. Image segmentation algorithm for fish object extraction. The Journal of the Korea Institute of Maritime Information & Communication Science 14(8):1819-1826. 

    원문보기 상세보기 crossref

  2. Choung, Y.J. 2017. Extraction of 3D objects around roads using MMS LiDAR data. Journal of the Korean Association of Geographic Information Studies 20(1): 152-161. 

    원문보기 상세보기 crossref

  3. Choung, Y.J. and M.H. Jo. 2017. Comparison between a machine-learning-based method and a water-index-based method for shoreline mapping using a high-resolution satellite image acquired in Hwado Island, South Korea. Journal of Sensors 2017:1-13. 

    상세보기 crossref

  4. Dai, J., T. Zhu, Y. Wang, R. Ma and X. Fang. 2020. Road extraction from high-resolution satellite images based on multiple descriptors. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 13:227-240. 

    상세보기 crossref

  5. eCognition. 2021. Basic rule set editing. https://docs.ecognition.com/v9.5.0/eCognition_documentation/User%20Guide%20Developer/4%20Basic%20Rule%20Set%20Editing.htm. (Accessed September 2, 2021). 

  6. Hormese, J. and C. Saravanan. 2016. Automated road extraction from high resolution satellite images. Procedia Technology 24:1460-1467. 

    상세보기 crossref

  7. Kim, G.C., H.S. Yoon and Y.S. Choi. 2019b. Analysis of road surface irregularity and superelevation using mobile mapping system. Journal of the Korean Association of Geographic Information Studies 22(3):155-166. 

  8. Kim, J.H., H.S. Lee, S.L. Roh and D.H. Lee. 2019a. Evaluating a positioning accuracy of roadside facilities DB constructed from mobile mapping system point cloud. Journal of the Korean Association of Geographic Information Studies 22(3):99-106. 

  9. Kim, K.S. 2012. A study on improvement of public transportation and road systems in rural areas. Korea Rural Economic Institute Research Report. 104pp. 

  10. Mokhtarzade, M., M. J. Valadan Zoej and H. Ebadi. 2008. Automatic road extraction from high resolution satellite images using neural networks, texture analysis, fuzzy clustering and genetic algorithms. Proceedings of International Archieves of Photogrammetry, Remote Sensing and Spatial Information Sciences. pp.549-559. 

  11. Moon, G.S., K.S. Kim and Y.J. Choung. 2020. Land cover classification based on high resolution KOMPSAT-3 satellite imagery using deep neural network. Journal of the Korean Association of Geographic Information Studies 23(3):252-262. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로