http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
딥러닝 모델 기반 항공사진 분석을 통한 포병 진지 적합지역 분석
김기선(Kiseon Kim),마정목(Jungmok Ma) 한국산학기술학회 2023 한국산학기술학회논문지 Vol.24 No.4
본 연구는 항공사진 분석을 통해 자동으로 포병 진지 적합지역을 찾고자 하였다. 현재 군에서는 수동으로 포병 진지 위치를 분석하고 있는데 이 방법은 최종적으로 포병 진지 위치를 선정하는 데까지 시간이 오래 걸리고 사람에 따라 일관성 없는 결과를 나타낼 수 있다. 자동으로 포병 진지 위치를 선정하기 위해 첫 번째로 포병 진지 위치 선정 시 고려사항을 구체화하였다. 구체화된 고려사항을 바탕으로 포병 진지 적합지역이미지 500장을 선정하였다. 다음으로 딥러닝 모델을 활용하여 선정된 적합지역 이미지와 임의 지역 항공사진의 지형지물 객체 분류를 실시하였다. 이미지 객체 분류에 사용한 딥러닝 모델은 항공사진 객체 분류에 뛰어난 성능을 보이는 DeepLabV3+를 사용하였다. 지형지물 객체 분류된 적합지역 이미지와 임의 지역의 항공사진을 비교하여 높은 유사도를 보이는 지역을 포병 진지 적합지역으로 선정하였다. 이미지 유사도 비교 기법으로는 이미지 간의 색상 분포를 비교하는 방법이 사용되었다. 마지막으로 본 연구의 방법론으로 선정한 포병 진지 적합지역을 포병 및 공병 장교들이 선정한 지역과 비교하였으며 81%의 일치율을 확인하였다. 본 연구의 방법론을 적용한다면 전장환경 분석과 포병 진지운용 계획 수립에 큰 도움이 될 것이다. This study attempts to automatically find an area suitable for artillery positions from aerial photographs. Currently, the military manually analyzes artillery positions. This method requires a long time to select final artillery positions, and can produce inconsistent results depending on the person. In order to automatically select artillery positions, considerations are first specified. Based on the considerations, a suitable area for artillery positions is selected from suitable area images. Next, object classification from suitable images and aerial photographs of randomly selected areas is performed using the DeepLabV3+ deep learning model, which shows excellent performance. By comparing classified objects in those suitable images and aerial photographs, areas showing high similarity are selected as suitable for artillery positions. As an image similarity comparison technique, a method of comparing color distributions between images is used. Finally, the areas deemed suitable for artillery positions as selected via the methodology in this study are compared to areas selected by artillery and engineer officers, resulting in a confirmed agreement rate of 81%. Applying the methodology from this study will be of great help in analyzing battlefield environments and establishing an artillery position operations plan.
항공사진을 이용한 딥러닝 기반 FASCAM 투발 적합지역 분석
김기선(Kiseon Kim),마정목(Jungmok Ma) (사)한국CDE학회 2022 한국CDE학회 논문집 Vol.27 No.2
This study attempts to find FASCAM(Family of Scatterable Mines) areas automatically from aerial photographs. Currently, manual FASCAM area analysis is conducted in military, and it takes a long time and can generate inconsistent results. In order to select FASCAM areas automatically, an object classification of aerial photographs was first performed using deep learning techniques. DeepLabV3+ was selected as the deep learning model that showed good performance in the aerial photography classification. Areas with high similarity compared to sample images of FASCAM areas was selected as FASCAM areas. As the image similarity comparison method, the color histogram was used. Finally, the proposed FASCAM area analysis method showed 85.71% of agreement with military engineering officers. If the method of this study is used, it is expected to be helpful in analyzing the battlefield environment and establishing an obstacle plan.