초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

지리정보시스템(Geographic Information System)분야에서 사회 기반 시설에 대한 요구가 증대되고, 시설물을 관리하기 위한 지리정보 데이터 베이스 구축이 필요하며, 데이터베이스 구축을 위해서는 지도 정보를 필요로 한다. 본 논문에서는 지도 정보를 자동으로 분석하여 등고선과 숫자, 기호를 추출해 내는 알고리즘에 대해 연구하였다. 지도상의 숫자, 기호를 추출하고 효율적으로 분류하기 위해 불필요한 자료를 제거하고 필요한 정보를 추출한 후 손상된 부분을 복원하는 방법과 필요한 정보만을 추출한 후 손상된 부분을 복원하는 방법을 제안하고 결과를 비교하였다. 이렇게 추출한 정보가 의미를 갖는 단위(기호, 숫자)들로 분류되도록 라벨링 방법과 무게 중심을 이용한 물체 추출 방법을 적용하여 숫자 기호들을 자동으로 분류하였으며, 여러 지역의 지형도를 입력하여 모의실험을 통해 제안한 알고리즘의 효율성을 증명하였다.

지리정보시스템(Geographic Information System)분야에서 사회 기반 시설에 대한 요구가 증대되고, 시설물을 관리하기 위한 지리정보 데이터 베이스 구축이 필요하며, 데이터베이스 구축을 위해서는 지도 정보를 필요로 한다. 본 논문에서는 지도 정보를 자동으로 분석하여 등고선과 숫자, 기호를 추출해 내는 알고리즘에 대해 연구하였다. 지도상의 숫자, 기호를 추출하고 효율적으로 분류하기 위해 불필요한 자료를 제거하고 필요한 정보를 추출한 후 손상된 부분을 복원하는 방법과 필요한 정보만을 추출한 후 손상된 부분을 복원하는 방법을 제안하고 결과를 비교하였다. 이렇게 추출한 정보가 의미를 갖는 단위(기호, 숫자)들로 분류되도록 라벨링 방법과 무게 중심을 이용한 물체 추출 방법을 적용하여 숫자 기호들을 자동으로 분류하였으며, 여러 지역의 지형도를 입력하여 모의실험을 통해 제안한 알고리즘의 효율성을 증명하였다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 지도상의 정보를 추출하기 위해 필요한 효율적 전처리 방법과 지도상에 나타나는 정보들의 특징을 이용하여 이를 효과적으로 정확하게 추출하는 방법에 대해 연구하였다. 각 단계에서의 허용 가능한 수준의 오류조차도 다음 단계로 넘어가면서 확대되어 지리 정보의 손실과 왜곡이 발생하기 때문에 물체를 추출하는 방법에 대해 서로 다른 알고리즘을 적용하여 결과를 도출하였으며, 이를 비교하였다.
• 현실적으로 모든 지도 정보를 수작업으로 입력하는 방식이 가장 확실하지만 인력과 비용 문제를 해결하기 위해서는 인공 지능 소프트웨어를 반드시 필요로 한다. 본 논문에서는 지도상의 핵심 정보만을 추출하는 자동 수치 지도화 방법에 중점을 두었다. 지도 정보는 입력하여야 하는 자료의 양이 방대하므로 데이터베이스 구축을 위해서는 컴퓨터의 인식 수준을 향상시켜 입력에서 결과를 얻기까지의 과정을 자동화시켜 작업자의 손을 빌리는 것을 최대한 줄여야만 비용, 인력, 시간의 문제를 해결할 수 있다[1].
• 앞에서 언급한 핵심적이고 특징이 명확한 정보들로는 우선 등고선과 고도값, 기호(symbol)들이 있다. 이 정보들을 단계별로 추출, 분류하여 그 의미를 분석하여 최종적으로 지도를 재구성하는 것을 목표로 한다.

제안 방법

• 취득하였다. Intel PentiumH 333MHz의 PC상에서 실험하였으며, Windows98 운영체제하에서 Visual C++ 6.0을 이용하여 알고리즘을 구현하였다.
• 방법에 대해 연구하였다. 각 단계에서의 허용 가능한 수준의 오류조차도 다음 단계로 넘어가면서 확대되어 지리 정보의 손실과 왜곡이 발생하기 때문에 물체를 추출하는 방법에 대해 서로 다른 알고리즘을 적용하여 결과를 도출하였으며, 이를 비교하였다. 특히 기존의 논문에서 영상의 추출 대상을 특정 지리 정보로 제한하여 그 외의 지리 정보에 대해 손상이 많이 발생하는 문제를 해결하기 위해 각 단계에서 정보를 최대로 복원할 수 있는 방법을 제시하였다.
• 영상(분리방법B)이다. 두 영상의 차이는 분리방법 A는 불필요한 정보를 삭제해가면서 얻은 결과이고, 분리방법B는 추출하고자 하는 정보의 특징만을 이용해서 추출한 경우이며, 결과를 비교하기 위해 세선화를 거쳤다. 분리방법A는 등고선을 추출한 후 반대의 과정을 다시 반복하면 등고선과 숫자와 기호를 분리해 낼 수 있다.
• 물체를 인식하기 위해 세선화를 해야한다면 분리방법 B의 결과와 분리방법A의 결과는 큰 차이를 나타내지 않지만, 분류 과정에 위의 결과 영상을 적용했을 때 세선화 되지 않은 분리방법B의 영상이 더 나은 결과를 보인다. 따라서 본 논문에서는 분리방법B를 통하여 얻은 영상을 적용하였다.
• 라벨링의 기본 원리는 같은 연결 성분에 속하는 화소에 같은 번호를 부여하고, 다른 연결성분에는 서로 다른 번호를 부여하여 물체를 구분한다. 본 논문에서 화소간의 연결성을 확인하기 위한 라벨링 마스크로 8-이웃 마스크를 적용하였다. 라벨링 된 물체의 크기를 구하기 위해서는 무게중심 좌표를 구한 후, 그 점에서 가장 멀리 떨어진 점까지의 거리를 구하는 방법을 사용한다.
• 있다[10]. 본 논문에서는 이 두 방법의 전체적인 처리과정을 제안하였으며, 영상에 대해 직접 적용해 장단점을 비교하고, 최종 영상의 성능을 비교하여 결론을 도출하였다. 여기서 구분의 편의를 위해 불필요한 정보를 스삭제해 나가는 방법을 분리방법A라 하고, 숫자와 기호의 특징을 이용하여 이들 성분을 추출해 내는 방법을 분리방법B라 한다.
• 예를 들면 삼각점, 우체국, 명승고적 등이 이에 해당한다. 본 논문에서는 이러한 물체들을 하나의 기호로 묶어서 처리하도록 하였다.
• 분리방법A의 문제점을 해결하기 위해 세선화를 적용하지 않은 원영상에서 직접 숫자와 기호의 특징을 파악하여 추출하는 방법을 고려하였다. 물론 여기서도 세선화 과정을 거쳐 등고선을 추출한 영상을 필요로하지만, 원영상 자체는 세선화를 시키지 않는다는 점이 다르다.
• 본 논문에서는 3X3 마스크를 사용하는 지역 이진화 방법을 적용하였다. 영상 취득 과정에서 발생한 잡음을 없애기 위해 3X3 마스크를 사용한 중간값 필터를 적용하여 잡음을 제거하였다[4]. 지도 영상에서 모든 정보들의 위상적, 기하학적 특성을 유지하면서 형태분석을 쉽게 할 수 있도록 세선화 알고리즘을 이용하여 등고선 영상을 세선화 하였다[5, 6, 7].
• 지도 정보는 입력하여야 하는 자료의 양이 방대하므로 데이터베이스 구축을 위해서는 컴퓨터의 인식 수준을 향상시켜 입력에서 결과를 얻기까지의 과정을 자동화시켜 작업자의 손을 빌리는 것을 최대한 줄여야만 비용, 인력, 시간의 문제를 해결할 수 있다[1]. 이를 위해서 일반적인 종이 지도를 기반으로, 필요로 하는 정보를 추출하기 위한 알고리즘을 제안하였다. 그림 1은 지도를 스캐너에 입력한 후 컴퓨터가 처리하는 전과정을 나타낸 것이다.
• 그림 1은 지도를 스캐너에 입력한 후 컴퓨터가 처리하는 전과정을 나타낸 것이다. 지도상의 모든 정보를 한번에 추출하기는 어려우므로 우선 순위를 두어 단계적으로 물체를 추출하도록 하였다[2]. 현재의 기술로는 지도로부터 모든 정보를 얻을 수 없지만, 지도를 구성하는 가장 핵심적이고 특징이 명확한 정보들을 추출하여 수치 지도를 생성할 수 있다면, 그 외의 추가적인 정보들은 추후 개선된 알고리즘을 적용하거나, 수요자나 정보제공자가 필요한 정보를 직접 입력할 수 있을 것이다.
• 각 단계에서의 허용 가능한 수준의 오류조차도 다음 단계로 넘어가면서 확대되어 지리 정보의 손실과 왜곡이 발생하기 때문에 물체를 추출하는 방법에 대해 서로 다른 알고리즘을 적용하여 결과를 도출하였으며, 이를 비교하였다. 특히 기존의 논문에서 영상의 추출 대상을 특정 지리 정보로 제한하여 그 외의 지리 정보에 대해 손상이 많이 발생하는 문제를 해결하기 위해 각 단계에서 정보를 최대로 복원할 수 있는 방법을 제시하였다. 지금까지 살펴본 알고리즘은 등고선의 특성이 강하게 나타나는 산악 지역과 기호가 밀집되어 나타나는 평야 지역에서 우수한 결과를 나타내었다.

대상 데이터

• 국립 지리원에서 발행하는 1/5,000 축척의 지형도를 HP ScanJet 3c 스캐너를 사용하여 256 level의 512X512 크기를 갖도록 지도 영상을 취득하였다. Intel PentiumH 333MHz의 PC상에서 실험하였으며, Windows98 운영체제하에서 Visual C++ 6.
• 국립지리원에서 발행하는 1/5000 축척의 지형도를 스캐닝 하여 512X512 화소 단위로 잘라 각 영상에 대해 알고리즘을 적용하였다. 이진화 과정을 거치면 영상에서 물체와 배경이 명확하게 구분되고, 처리해야 할 정보량도 줄어드는 이점이 있다.

이론/모형

• 등고선은 길이가 길고, 폭이 얇으며, 기울기 변화가 완만한 닫힌 타원형 형태를 나타내므로 몇 군데의 특징점을 추출하면 연결된 전체 등고선을 추출할 수 있다[8]. 본 논문에서 등고선을 추출하기 위하여 참고문헌[9]의 방법을 사용하였다.
• 지역 이진화 방법을 사용하면 주변 화소들을 분석하여 그 값을 기준으로 이진화 시키므로 영상에 가장 적합한 기준값을 적용할 수 있다[5]. 본 논문에서는 3X3 마스크를 사용하는 지역 이진화 방법을 적용하였다. 영상 취득 과정에서 발생한 잡음을 없애기 위해 3X3 마스크를 사용한 중간값 필터를 적용하여 잡음을 제거하였다[4].
• 영상 취득 과정에서 발생한 잡음을 없애기 위해 3X3 마스크를 사용한 중간값 필터를 적용하여 잡음을 제거하였다[4]. 지도 영상에서 모든 정보들의 위상적, 기하학적 특성을 유지하면서 형태분석을 쉽게 할 수 있도록 세선화 알고리즘을 이용하여 등고선 영상을 세선화 하였다[5, 6, 7].

성능/효과

• 라벨링 방법과 무게 중심을 이용한 물체 추출 방법을 함께 적용하여 얻은 결과로서 고도를 나타내는 숫자와 소수점도 정상적으로 추출되며, 단일 기호로 구성된 기호 이외에도 복합 기호로 나타나는 기호까지도 정확하게 추출하였다. 그림 10은 기호와 숫자만이 나타나는 일반적인 영상의 처리 결과이다.

후속연구

• 다만 도시 지역이나 마을과 같은 인공 구조물에 대해서는 추출 능력을 가지고 있지 못하며, 저수지와 같은 큰 물체의 인식에 대해서도 한계를 가진다. 따라서 이러한 문제는 추후 수치 지도화 연구에서 보완되어야 할 것이다.
• 지도상의 모든 정보를 한번에 추출하기는 어려우므로 우선 순위를 두어 단계적으로 물체를 추출하도록 하였다[2]. 현재의 기술로는 지도로부터 모든 정보를 얻을 수 없지만, 지도를 구성하는 가장 핵심적이고 특징이 명확한 정보들을 추출하여 수치 지도를 생성할 수 있다면, 그 외의 추가적인 정보들은 추후 개선된 알고리즘을 적용하거나, 수요자나 정보제공자가 필요한 정보를 직접 입력할 수 있을 것이다. 앞에서 언급한 핵심적이고 특징이 명확한 정보들로는 우선 등고선과 고도값, 기호(symbol)들이 있다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기