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.
문제 정의
- 이 연구에서는 이전부터 선 구조 추출에 효과적이라고 알려진 Hough 변환 방법과 영상으로부터 도로를 추출하기 위해 제안된 방법이지만 아직 지구과학 분야에 이 용 된 사례가 없는 GDPA을 이용해 선 구조를 자동으로 추출하는 프로그램을 고안하였다. 그리고 개발된 프로그램을 알고리즘과 변수를 바꾸어 가며 실제 사례에 적용하여 선 구조를 추출하였다.
- 그리고 개발된 프로그램을 알고리즘과 변수를 바꾸어 가며 실제 사례에 적용하여 선 구조를 추출하였다. 추출된 결과를 지질도의 단층선과 지질 경계선과 비교하는 정량적인 검증 방법을 통해 어떠한 방법이 선 구조 추출에 더 효과적인지 확인해 보고자 하였다.
제안 방법
- 이 연구에서는 이전부터 선 구조 추출에 효과적이라고 알려진 Hough 변환 방법과 영상으로부터 도로를 추출하기 위해 제안된 방법이지만 아직 지구과학 분야에 이 용 된 사례가 없는 GDPA을 이용해 선 구조를 자동으로 추출하는 프로그램을 고안하였다. 그리고 개발된 프로그램을 알고리즘과 변수를 바꾸어 가며 실제 사례에 적용하여 선 구조를 추출하였다. 추출된 결과를 지질도의 단층선과 지질 경계선과 비교하는 정량적인 검증 방법을 통해 어떠한 방법이 선 구조 추출에 더 효과적인지 확인해 보고자 하였다.
- 다음에는 픽셀의 DN 값에 대한 누적빈도분포도를 직선적으로 하여 명암을 뚜렷하게 하는 방법인 histogram equalization을 거친 강조영상에서 선 구조를 추출해 보았다. 또한 암상에 민감한 반응을 보이기 때문에 광물 탐사나 지질 분야에서 가장 널리 쓰이는 False color 영상인 RGB 741 영상으로부터 역시 선 구조를 추출해 보았다.
- 다음에는 픽셀의 DN 값에 대한 누적빈도분포도를 직선적으로 하여 명암을 뚜렷하게 하는 방법인 histogram equalization을 거친 강조영상에서 선 구조를 추출해 보았다. 또한 암상에 민감한 반응을 보이기 때문에 광물 탐사나 지질 분야에서 가장 널리 쓰이는 False color 영상인 RGB 741 영상으로부터 역시 선 구조를 추출해 보았다. Table 2, 3은 각각 강조 영상과 RGB 741 영상의 error test 결과이다.
- 먼저 기하 보정을 마친 영상을 Smoothing과 Sharpening filter를 통해 전처리를 한 후 GDPA이나 Hough 변환을 선택하여 두 가지 중 한가지 방법을 이용해 선 구조를 추출한다. 추출된 선구 조의 두께를 하나의 픽셀 두께로 표현하기 위한 세선화 과정을 거치면 최종적인 결과를 얻게 된다.
- 이 프로그램의 중요한 특징은 선 구조를 추출하는데 필요한 변수들을 사용자가 직접 입력 할 수 있다는 것이다. 이 연구에서 개발된 프로그램을 이용해 정선 지역의 Landsat 영상으로부터 선 구조를 실제로 추출해 보았다.
- 이 연구에서는 Hough 변환 방법과 GDPA 알고리즘을 이용하여 선 구조를 자동으로 추출하는 소프트웨어를 개발하고 이를 정선 지역의 영상에 실제로 적용해 보았다. 그 결과, GDPA 알고리즘은 한 영상 안에서 선구 조의 밝기나 다른 경우 나 선구 조의 형태가 복잡할 때 유용한 반면, Hough 변환은 선구 조의 모양이 단순하거나 잡음이 많은 경우, 한 영상에서 선 구조의 밝기가 비슷한 경우에 사용하면 효과적이다.
- 이 연구에서는 선구 조의 검출을 위한 프로그램뿐만 아니라 전처리 과정, 후처리 과정, 결과의 정량적 평가를 위한 error test나 잡음 제거를 위한 알고리즘 역시 하나의 소프트웨어로 개발하였다. 이 프로그램의 중요한 특징은 선 구조를 추출하는데 필요한 변수들을 사용자가 직접 입력 할 수 있다는 것이다.
- 추출된 선 구조와 비교하기 위한 자료로는 영상과 동일한 지역의 1:50, 000 지질도에서 단층선과 지질 경계선만 디지타이징 하여 벡터 파일을 작성한 후 다시 이 파일을 래스터 형식으로 변환하여 이용하였다.
대상 데이터
- 본 연구에서는 북위 37°20'00 ” ~37°3 0'00 " , 동경 128°30'00 ” ~ 128°45'0 0” 에 위치한 정선 지역을 대상으로 하여 기본 보정을 마친 Landsat TM 영상자료 (99. 3. 27.)를 이용하였다. 1, 2, 3 밴드에 각각 청, 녹, 적색 필터를 적용한 true color image와 histogram equalization을 통해 각 픽셀 간의 명암차이를 강조한 영상, 광물이나 수분의 특성을 잘 나타내주는 RGB 741 영상을 이 연구에서 사용하였다.
- )를 이용하였다. 1, 2, 3 밴드에 각각 청, 녹, 적색 필터를 적용한 true color image와 histogram equalization을 통해 각 픽셀 간의 명암차이를 강조한 영상, 광물이나 수분의 특성을 잘 나타내주는 RGB 741 영상을 이 연구에서 사용하였다.
데이터처리
- 이번에는 지금까지 두 알고리즘을 이용해서 얻은 결과의 효과를 정량적으로 비교하기 위해 O' Brien(1991) 이 제안한 error test를 실시하였다. Table 1은 error test의 결과로 error Test를 위해서는 4가지 값을 계산하게 된다.
이론/모형
- Cross and Wadge(1988)는 Landsat MSS 영상에 기본적인 전처리 작업을 수행한 후 Hough 변환을 사용하여 자동으로 선 구조를 추출하였고 Wang and Howarth (1990)는 Ontario, Sudbury 근처에 있는 Canadian Shield의 Landsat TM 영상을 사용하여 자동으로 선 구조 분석을 위해 Hough 변환을 이용하였다. 국내에서는 김 원균 외(1997)가 Landsat 영상과 DEM 자료를 사용하여 선 구조 추출에 관한 연구를 하였고, 이태희(2002)는 Landsat TM, JERS-1 SAR, DEM 자료를 이용해 선 구조를 추출하는데 Hough 변환을 사용하였다.
- 이번에는 Hough 변환을 이용해 직선을 추출해 보았다. Fig.
성능/효과
- GDPA 알고리즘과 Hough 변환에 필요한 변수들을 각각 변화시키면서 나온 결과를 살펴보았더니 이 연구에서 이용된 영상의 경우에는 GDPA 알고리즘은 프로파일의 길이를 5로 하고 곡률 한계는 0.01로 하는 것이 가장 좋은 결과를 보이고, Hough 변환의 경우 이진 한계의 min 값을 30으로, Max 값과 A 값은 각각 230, 100으로 하는 것이 가장 좋은 결과를 보였다. Fig.
- GDPA을 이용한 경우 더 많은 부분을 선 구조로 추출하였고 잡음이 많은 것을 시각적으로 확인할 수 있었고, 반면에 Hough 변환을 이용한 경우 상대적으로 잡음이 적은 것을 확인할 수 있었다.
- Table 2, 3은 각각 강조 영상과 RGB 741 영상의 error test 결과이다. 강조 영상의 경우 명암의 절대값을 이용해 선 구조를 추출하는 Hough 변환 보다는 GDPA 결과가 더 많이 향상되었고, RGB 741의 경우에는 Hough 변환의 결과가 향상되었다는 것을 확인할 수 있었다.
- 이 연구에서는 Hough 변환 방법과 GDPA 알고리즘을 이용하여 선 구조를 자동으로 추출하는 소프트웨어를 개발하고 이를 정선 지역의 영상에 실제로 적용해 보았다. 그 결과, GDPA 알고리즘은 한 영상 안에서 선구 조의 밝기나 다른 경우 나 선구 조의 형태가 복잡할 때 유용한 반면, Hough 변환은 선구 조의 모양이 단순하거나 잡음이 많은 경우, 한 영상에서 선 구조의 밝기가 비슷한 경우에 사용하면 효과적이다. 이 연구에서 사용된 영상에서는 전체적으로 Hough 변환을 이용한 경우가 더 좋은 결과를 얻을 수 있었고 이는 error test의 ranking을 통해서도 확인할 수 있다.
- 이 연구에서 사용된 영상에서는 전체적으로 Hough 변환을 이용한 경우가 더 좋은 결과를 얻을 수 있었고 이는 error test의 ranking을 통해서도 확인할 수 있다. 그러나 GDPA 알고리즘을 이용하면 Hough 변환에 비해 시간을 훨씬 절약할 수 있으므로 영상강조 이미지를 이용해 주변과의 명암차이를 크게 한 후 GDPA 알고리즘을 이용하여 선 구조를 추출하면 매우 효율적일 것으로 생각된다. 영상에 따라 적절한 알고리즘을 선택하고 변수에 적절한 값을 넣을 경우 두 알고리즘 모두 좋은 결과를 얻을 수 있을 것이다.
- 그 결과, GDPA 알고리즘은 한 영상 안에서 선구 조의 밝기나 다른 경우 나 선구 조의 형태가 복잡할 때 유용한 반면, Hough 변환은 선구 조의 모양이 단순하거나 잡음이 많은 경우, 한 영상에서 선 구조의 밝기가 비슷한 경우에 사용하면 효과적이다. 이 연구에서 사용된 영상에서는 전체적으로 Hough 변환을 이용한 경우가 더 좋은 결과를 얻을 수 있었고 이는 error test의 ranking을 통해서도 확인할 수 있다. 그러나 GDPA 알고리즘을 이용하면 Hough 변환에 비해 시간을 훨씬 절약할 수 있으므로 영상강조 이미지를 이용해 주변과의 명암차이를 크게 한 후 GDPA 알고리즘을 이용하여 선 구조를 추출하면 매우 효율적일 것으로 생각된다.
후속연구
- 자동으로 선 구조를 추출하는 경우 연구 지역이나 영상의 상태에 따라 조건이나 상황이 다르므로, 자료를 처리할 때 연구 지역의 특성이나 영상의 상태를 반드시 고려해야만 한다. 본 연구에서 개발한 프로그램의 경우 알고리즘이나 변수들을 모두 사용자가 직접 결정할 수 있으므로 다른 지역의 영상이나 다른 해상도의 영상에도 효과적으로 이용될 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.