고해상도 위성영상을 이용한 공간객체추출 자동화 시스템 개발 :Development of Automated Geospatial Feature Extraction System using High Resolution Satellite Imagery

이동국

추천

검색

자료유형: 학위논문

저자정보: 이동국 (상지대학교, 상지대학교 일반대학원)

발행연도: 2020

저작권: 상지대학교 논문은 저작권에 의해 보호받습니다.

이용수7

이 논문의 연구 히스토리 (3)

2020

계절적 특성을 갖는 공간객체추출을 위한 고해상도 다시기 위성영상의 활용

이동국 , 양승룡 , 이현직 대한공간정보학회지 2020.09 학술저널

고해상도 위성영상을 이용한 공간객체추출 자동화 시스템 개발

이동국 2020.01 학위논문

고해상도 위성영상의 상대방사보정을 통한 자동화 지향 공간객체추출 방안 연구

이동국 , 이현직 대한원격탐사학회지 2020.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구에서는 고해상도 위성영상의 활용을 위한 주요 기술 중 하나인 공간객체추출 기술을 자동으로 수행하기 위하여 객체기반의 병렬식 공간객체추출 자동화 프로세스 정립하였으며, 공간객체를 항목별로 추출할 수 있도록 하였다. 비교적 크기가 작은 객체인 도로 및 건물은 인공지능의 딥러닝 기법을 적용하였다. 딥러닝 기법에 이용된 신경망은 Deep U-net이며, 이를 기반으로 공간객체추출을 위한 딥러닝 모델을 개발하였다. 정립된 객체기반 및 딥러닝 기반의 공간객체추출 기술은 오픈소스 환경에서 시스템을 구현하기위해 오픈소스 소프트웨어인 SAGA GIS를 개발 플랫폼으로 선정하여 공간객체추출 자동화 시스템을 개발하였다. 오픈소스 소프트웨어는 데이터 처리에 많은 시간이 소요된다는 단점이 있다. 이러한 문제점은 공간분석 라이브러리를 활용해 개선하였으며, 공간객체추출에 필요한 각종 기능 구현을 통해 공간객체추출 자동화 시스템을 개발하였고, 딥러닝 모델을 모듈화하여 시스템에 탑재하였다. 이와같이 개발된 공간객체추출 자동화 시스템을 이용해 항목별로 공간객체추출을 수행하였다. 추출된 공간객체는 분류정확도 분석을 수행하였으며, 그 결과 분류정확도가 목표정확도로 설정한 90% 이상을 만족하였다. 기존 연구 사례에서 공간객체추출의 분류정확도는 70∼90%였으므로 본 연구를 통해 개발된 공간객체추출 자동화 시스템은 매우 양호한 수준의 공간객체추출이 가능함을 확인하였다. 개발된 공간객체추출 자동화 시스템과 상용 소프트웨어를 이용해 추출된 항목별 공간객체를 비교·분석한 결과 유사한 품질로 공간객체추출이 가능하였다. 또한 본 연구에서 개발한 공간객체추출 자동화 시스템을 이용하여 추출된 공간객체는 개별 활용 및 융·복합을 통해 각종 주제도의 제작이 가능함을 확인하였다. 따라서 본 연구에서 개발한 공간객체추출 자동화 시스템은 활용성이 높을 것으로 예상되며, 추후 국토관측위성에 최적화하여 국토교통부 및 유관기관의 각종 업무에 활용 가능할 것으로 기대된다.

In this study, in order to automatically perform the geospatial feature extraction technology, one of the main technologies for the use of high resolution satellite imagery, a object-based parallel automated geospatial feature extraction process was established as well as extracting geospatial features per item. Relatively small features such as roads and buildings, were applied with artificial intelligence deep learning technology. The neural network used in the deep learning technology is Deep U-net, and with this as its base, a deep learning model for geospatial feature extraction was developed. In order to implement the established object-based and deep learning-based geospatial feature extraction technology in an open source environment, SAGA GIS, an open source software, was selected as the development platform to develop the automated geospatial feature extraction system. The problem of an open source software is that it takes a long time to process data. This has been improved through the utilisation of geospatial analysis libraries, and developed automated geospatial feature extraction system by implementing various functions necessary for geospatial feature extraction. Moreover, deep learning model was modularized and mounted into the system. As so, through the use of the automated geospatial feature extraction system, geospatial features have been itemized and extracted. The extracted geospatial features have undergone a classification accuracy analysis, and as a result, the classification accuracy satisfied more than 90% of the target accuracy. Since the classification accuracy of geospatial feature extraction was in between 70% to 90% in the existing study cases, the automated geospatial feature extraction system developed through this study proved that a very high level of geospatial feature extraction was possible. Similar results were achieved when comparing and analyzing each item''s geospatial features extracted using the automated geospatial feature extraction system to that of commercial softwares. It was also confirmed that the geospatial feature extracted using the automated geospatial feature extraction system developed in this study could be used to produce thematic maps through individual utilisation and convergence. Therefore, it is expected that the automated geospatial feature extraction system developed in this study can be highly utilized, and that it will be optimized for land observation satellites in the future and be utilized for various tasks in Ministry of Land, Infrastructure and Transport as well as related agencies.

#위성측량 #공간객체추출 #자동화 #토목공학

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)