$\require{mediawiki-texvc}$

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.

[국내논문] CycleGAN 기반 영상 모의를 적용한 건물지역 변화탐지 분석
The Analysis of Change Detection in Building Area Using CycleGAN-based Image Simulation 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.40 no.4, 2022년, pp.359 - 364  

조수민 (Dept. of Technology Fusion Engineering, Konkuk University) ,  원태연 (Dept. of Advanced Technology Fusion, Konkuk University, Realtimevisual Inc.) ,  어양담 (Dept. of Civil and Environmental Engineering, Konkuk University) ,  이승우 (Dept. of Technology Fusion Engineering, Konkuk University)

초록
AI-Helper 아이콘AI-Helper

원격탐사 영상의 변화탐지는 카메라의 광학적 요인, 계절적 요인, 토지피복 특성에 의해 오류가 발생한다. 본 연구에서는 CycleGAN (Cycle Generative Adversarial Network) 방법을 사용하여 촬영 각도에 따른 영상 내 건물 기울기를 모의 조정하였고, 이렇게 모의한 영상을 변화탐지에 활용하여 탐지 정확도 향상에 기여하도록 하였다. CycleGAN 기반으로 두 개 시기 영상 중 한 시기 영상을 기준으로 건물의 기울기를 다른 한 영상 내 건물에 유사하게 모의하였고 원 영상과 건물 기울기에 대한 오류를 비교 분석하였다. 실험자료로는 서로 다른 시기에 다른 각도로 촬영되었고, 건물이 밀집한 도시지역을 포함한 Kompsat-3A 고해상도 위성영상을 사용하였다. 실험 결과, 영상 내 건물 영역에 대하여 두 영상의 건물에 의한 오탐지 화소 수가 원 영상에서는 12,632개, CycleGAN 기반 모의 영상에서는 1,730개로 약 7배 감소하는 것으로 나타났다. 따라서, 제안 방법이 건물 기울기로 인한 탐지오류를 감소시킬 수 있음을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The change detection in remote sensing results in errors due to the camera's optical factors, seasonal factors, and land cover characteristics. The inclination of the building in the image was simulated according to the camera angle using the Cycle Generative Adversarial Network method, and the simu...

주제어

#촬영 각도   #탐지 정확도   #변화탐지  

표/그림 (5)

참고문헌 (8)

  1. Jang, Y.J., Oh, J.H., and Lee, C.N, (2020), Urban Building Change Detection Using nDSM and Road Extraction, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 38, No. 3, pp. 237-246. (in Korean with English abstract) https://doi.org/10.7848/KSGPC.2020.38.3.237 

    원문보기 상세보기 crossref

  2. Jensen, J. R., (2005), Introductory Digital Image Processing: A Remote Sensing Perspective 3rd Edition, Pearson, Prentice Hall, Upper Saddle River, NJ. 

  3. Jung, S., Park, J., Lee, W.H., and Han, Y. (2020), Object-based building change detection using azimuth and elevation angles of sun and platform in the multi-sensor images, Korean Journal of Remote Sensing, Vol. 36, No. 5-2, pp. 989-1006. (in Korean with English abstract) https://doi.org/10.7780/kjrs.2020.36.5.2.12 

    원문보기 상세보기 crossref

  4. Mo, J., Seong, S., and Choi, J. (2021), Change Detection of Building Objects in Urban Area by Using Transfer Learning, Korean Journal of Remote Sensing, Vol. 37, No. 6-1, pp. 1685-1695. (in Korean with English abstract) https://doi.org/10.7780/KJRS.2021.37.6.1.16 

    원문보기 상세보기 crossref

  5. Park, S. and Song, A. (2022), Building change detection in high spatial resolution images using deep learning and graph model, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 40, No.3, pp. 227-237. (in Korean with English abstract) https://doi.org/10.7848/ksgpc.2022.40.3.227 

    원문보기 상세보기 crossref

  6. Shin, D., Kim, T., Han, Y., Kim, S., and Park, J. (2019), Change Detection of Building Demolition Area Using UAV, Korean Journal of Remote Sensing, Vol. 35, No. 5-2, pp. 819-829. (in Korean with English abstract) https://doi.org/10.7780/KJRS.2019.35.5.2.6 

    원문보기 상세보기 crossref

  7. Won, T., Jo, S.M., and Eo, Y.D., (2022), The Effect of Training Patch Size and ConvNeXt application on the Accuracy of CycleGAN-based Satellite Image Simulation, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 40, No. 3, pp. 177-185. (in Korean with English abstract) https://doi.org/10.7848/ksgpc.2022.40.3.177 

    원문보기 상세보기 crossref

  8. Zhu, J.Y., Park, T., Isola, P., and Efros, A.A. (2017), Unpaired image-to-image translation using cycle-consistent adversarial networks, International Conference on Computer Vision, pp. 2223-2232. https://doi.org/10.48550/arXiv.1703.10593 

    crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
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