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
- 정대원
- 발행연도
- 2023
- 저작권
- 과학기술연합대학원대학교 논문은 저작권에 의해 보호받습니다.
이용수10
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
SAR(Synthetic Aperture Radar) 센서는 전자파를 지상으로 쏜 후 지상의 객체를 맞고 되돌아오는 신호를 분석하여 영상을 생성한다. SAR 영상은 대기 중 입자보다 파장이 긴 전자파를 사용하여 구름을 투과할 수 있고 주야간 상관없이 촬영할 수 있어 재난 재해, 감시 및 정찰, 환경 등 다양한 분야에 많이 활용된다. 하지만 광학 센서에서 얻을 수 있는 색상 정보가 부재하고 상이 겹쳐서 나타나는 고스트나 전자파의 비정상적인 반사로 인해 생기는 스펙클 노이즈 등 영상 복원 시 원하지 않는 현상이 발생할 가능성이 존재한다. 이러한 이유 때문에 색상 정보가 부재한 SAR 영상의 경우 전문 판독가의 도움 없이 영상을 판독하는 것은 쉽지 않다.
본 논문에서는 형태 정보를 가지는 SAR 영상에 색상 정보를 추가하여 SAR 영상의 판독을 쉽게 하는 SAR 영상 색상화 연구를 진행하였다.
제안한 색상화 연구는 이미지 변환에서 가장 많이 사용되는 방법 중 하나인 CycleGAN 기법을 사용하였으며, unpaired 데이터셋을 사용하는 비지도 학습 기법인 Cycle GAN의 변환 성능 한계를 극복하기 위해 광학 영상과 그와 대응하는 라벨링 데이터셋을 추가로 사용하였다. 라벨링 데이터셋은 라벨 저작도구를 사용하여 직접 수동으로 구축하였으며 땅, 물, 도로 등 총 5개의 클래스로 분류하여 진행하였다.
데이터셋으로 사용한 SAR 영상은 한국항공우주연구원에서 운영 중인 SAR 위성 다목적실용위성 5호가 두바이를 촬영한 영상을 사용하였으며, 광학 영상은 동일 지역을 비슷한 시기에 촬영한 다목적실용위성 3호 영상을 사용하였다.
제안하는 SAR 영상 색상화 방법의 성능을 확인하기 위해 정량적 및 정성적 평가를 수행하였으며, 기존의 광학 영상에 대한 품질 평가 항목으로는 기준 영상과 학습 영상의 해상도 차이가 크기 때문에 적절하지 않다고 판단되어 색상화 연구를 통해 생성된 영상에 알맞은 평가 방법에 관한 추가 연구를 수행하였다.
본 논문에서는 형태 정보를 가지는 SAR 영상에 색상 정보를 추가하여 SAR 영상의 판독을 쉽게 하는 SAR 영상 색상화 연구를 진행하였다.
제안한 색상화 연구는 이미지 변환에서 가장 많이 사용되는 방법 중 하나인 CycleGAN 기법을 사용하였으며, unpaired 데이터셋을 사용하는 비지도 학습 기법인 Cycle GAN의 변환 성능 한계를 극복하기 위해 광학 영상과 그와 대응하는 라벨링 데이터셋을 추가로 사용하였다. 라벨링 데이터셋은 라벨 저작도구를 사용하여 직접 수동으로 구축하였으며 땅, 물, 도로 등 총 5개의 클래스로 분류하여 진행하였다.
데이터셋으로 사용한 SAR 영상은 한국항공우주연구원에서 운영 중인 SAR 위성 다목적실용위성 5호가 두바이를 촬영한 영상을 사용하였으며, 광학 영상은 동일 지역을 비슷한 시기에 촬영한 다목적실용위성 3호 영상을 사용하였다.
제안하는 SAR 영상 색상화 방법의 성능을 확인하기 위해 정량적 및 정성적 평가를 수행하였으며, 기존의 광학 영상에 대한 품질 평가 항목으로는 기준 영상과 학습 영상의 해상도 차이가 크기 때문에 적절하지 않다고 판단되어 색상화 연구를 통해 생성된 영상에 알맞은 평가 방법에 관한 추가 연구를 수행하였다.
목차
목 차Ⅰ. 서 론 11. 연구 배경 12. 연구 목적 43. 논문 구성 7Ⅱ. GAN 81. GAN 개요 8가. Generative Model 11나. GAN의 제한점 132. Pix2Pix 143. CycleGAN 16Ⅲ. Labeling 191. MC GAN 212. Labeling 데이터셋 구축 24Ⅳ. 실험 방법 및 결과 341. 데이터셋 342. 실험 방법 36가. Labeling 데이터셋을 적용한 CycleGAN 38나. 라벨링 데이터셋을 적용한 CycleGAN 학습 과정 40다. 라벨링 데이터셋을 적용한 CycleGAN 학습 결과 44Ⅴ. 품질 평가 연구 461. 정량적 평가 462. 정성적 평가 54Ⅵ. 결 론 59Ⅶ. 참고문헌 62
최근 본 자료
댓글(0)
0