지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 최재완
- 발행연도
- 2020
- 저작권
- 충북대학교 논문은 저작권에 의해 보호받습니다.
이용수11
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Satellite images are used in various fields because they can observe periodic information in a wide area. However, because an optical satellite image represents reflected energy that is reaching the sensor by being reflected from the sunlight to the surface, it is impossible to acquire the surface reflectance in the area where a cloud is present. Therefore, to effectively use satellite images, it is critical to understand the presence of clouds in the images. In this study, cloud detection methods using image segmentation based on deep learning technology were applied and evaluated for Landsat 8 and PlanetScope satellite images. The training dataset was constructed using the clouds’ information in the Landsat 8 satellite imagery, followed by the training of a deep learning model via the training dataset. The deep learning model was fine-tuned using PlanetScope satellite images in the pretrained deep learning model. The experiment confirmed that a deep learning model can effectively detect the cloud region in the Landsat 8 and PlanetScope satellite images.
목차
Ⅰ. 서 론 11.1 연구의 필요성 및 목적 11.2 국내?외 연구동향 31.3 연구 방법 및 범위 5Ⅱ. 딥러닝 기법 82.1 딥러닝 개요 82.2 딥러닝 네트워크 102.2.1 자료 증가 기법 102.2.2 CNN 112.2.3 의미론적 분할 142.2.4 Deeplab-V3+ 162.2.5 전이학습 232.3 딥러닝 평가방법 25Ⅲ. 구름탐지 학습 및 분석 293.1 연구 대상지 및 위성 제원 293.2 영상 전처리 323.3 구름탐지를 위한 학습 및 예측 333.3.1 Landsat 8 위성영상과 PlanetScope 위성영상의 학습 333.3.2 위성영상 학습자료 생성 363.3.3 위성영상 구름탐지 예측 393.4 결과 및 정확도 평가 41Ⅳ. 결 론 52참고문헌 54
최근 본 자료
댓글(0)
0