본문 바로가기
KERD
논문KCI 등재

위성영상 이미지를 활용한 연구 동향 및 데이터셋 리뷰

Research Trends and Datasets Review using Satellite Image

강주영|채정우|김세형
(사)한국스마트미디어학회 (Korean Institute of Smart Media)|2022.02|스마트미디어저널 (Smart Media Journal)|제11권 제1호|pp. 17-30|DOI https://dx.doi.org/10.30693/SMJ.2022.11.1.17

1

조회

0

다운로드

5

인용

0

참고문헌

키워드

데이터셋Review위성영상토지피복DatasetSatellite Images
주제분류컴퓨터학

초록

기존 컴퓨터 비전의 연구 동향과 마찬가지로, 위성영상을 이용한 연구도 GPU 기반의 컴퓨터 연산능력과 이미지 처리와 관련된 딥러닝 방법론의 발전으로 많이 이루어지고 있다. 그로 인해 다양한 분야에 위성영상이 활용되고 있고, 위성 영상을 활용에 관한 연구도 증가하고 있다. 본 연구에서는 위성영상의 연구 활용 분야와 위성영상을 활용한 연구에 이용할 수 있는 데이터셋에 대해 소개하도록 한다. 먼저, 위성영상을 활용한 연구를 수집하여 연구 방법에 따라 분류하였다. 크게 분류 기반 연구와 회귀 기반 연구로 분류하였고, 그 이외의 방법으로 활용한 논문들을 정리하였다. 다음으로 위성영상을 활용한 연구들에서 이용한 데이터셋을 정리하였다. 본 연구에서는 데이터셋의 정보와 연구에서의 활용 방법에 대해 제안한다. 이와 함께 최근 AI hub에서 개방한 국내 위성영상 데이터셋의 정리와 활용 방안에 대해 소개한다. 마지막으로, 위성 이미지 관련 연구의 한계점과 앞으로의 동향을 간략하게 제시하였다.

Abstract

Like other computer vision research trends, research using satellite images was able to achieve rapid growth with the development of GPU-based computer computing capabilities and deep learning methodologies related to image processing. As a result, satellite images are being used in various fields, and the number of studies on how to use satellite images is increasing. Therefore, in this paper, we will introduce the field of research and utilization of satellite images and datasets that can be used for research using satellite images. First, studies using satellite images were collected and classified according to the research method. It was largely classified into a Regression-based Approach and a Classification-based Approach, and the papers used by other methods were summarized. Next, the datasets used in studies using satellite images were summarized. This study proposes information on datasets and methods of use in research. In addition, it introduces how to organize and utilize domestic satellite image datasets that were recently opened by AI hub. In addition, I would like to briefly examine the limitations of satellite image-related research and future trends.

참고문헌 (46)

  1. Abburu, S., "An Ontology Based Methodology for Satellite Data Semantic Interoperability", Advances in Electrical and Computer Engineering, 15(3), pp.105~110 (2015)
  2. ""시장분석부터 작물 생산량 예측까지"...인공위성과 인공지능이 만나면 가능해지는 일은?" (2021)[URL]
  3. 김은정, "세계 지구관측 위성 시장 현황 및 전망", 항공우주산업기술동향, 16(1), pp.22~28 (2018)
  4. Chengjuan Ren, "A Survey of Deep Learning in Agriculture: Techniques and Their Applications", JIPS(Journal of Information Processing Systems), 16(5), pp.1015~1033 (2020), 한국정보처리학회[DOI]
  5. M. Gheisari, "A Survey on Deep Learning in Big Data", 2017 IEEE International Conference on Computational Science and Engineering (CSE) and IEEE International Conference on Embedded and Ubiquitous Computing (EUC), Computational Science and Engineering (CSE) and Embedded and Ubiquitous Computing (EUC), 2017 IEEE International Conference on, CSE-EUC, pp.173~180 (2017)
  6. Guragai, B., "A Survey on Deep Learning Classification Algorithms for Motor Imagery", 2020 32nd International Conference on Microelectronics (ICM), pp.1~4 (2020)
  7. Gunasheela, K.S., "Satellite image compression-detailed survey of the algorithms", Proc. of International Conference on Cognition and Recognition, pp.187~198 (2018)
  8. Sharma, R., "A review of soft classification approaches on satellite image and accuracy assessment", Proc. of Fifth International Conference on Soft Computing for Problem Solving, pp.629~639 (2016)
  9. 오치영, "고해상도 위성영상의 토지피복분류와 정확도 비교 연구", 한국지리정보학회지, 13(1), pp.89~100 (2010), 한국지리정보학회
  10. Abburu, S., "Satellite image classification methods and techniques : A review", International journal of computer Applications, 119(8), pp.20~25 (2015)
  11. Mahmon, N.A., "A review on classification of satellite image using Artificial Neural Network (ANN)", 2014 IEEE 5th Control and System Graduate Research Colloquium (2014)
  12. Dhingra, S., "A review of remotely sensed satellite image classification", International Journal of Electrical & Computer Engineering, 9(3), pp.2088~8708 (2019)
  13. 박정재, "위성영상을 이용한 중분류 토지피복도의 제작과정 개선", Spatial Information Research, 15(1), pp.67~80 (2007), 대한공간정보학회
  14. 조원호, "합성곱 신경망을 이용한 딥러닝 기반의 토지피복 분류: 한국 토지피복을 대상으로", 대한지리학회지, 54(1), pp.1~16 (2019), 대한지리학회
  15. Do, J., "Urbanization effect of mega sporting events using sentinel-2 satellite images : The case of the pyeongchang olympics", Sustainable Cities and Society, 74, pp.103~158 (2021)
  16. Gislason, P.O., "Random forests for land cover classification", Pattern recognition letters, 27(4), pp.294~300 (2006)
  17. Ronneberger, O., "U-net: Convolutional networks for biomedical image segmentation", International Conference on Medical image computing and computer-assisted intervention (2015), Springer
  18. Ulmas, P, "Segmentation of Satellite Imagery using U-Net Models for Land Cover Classification", ~ (2020)
  19. Hackworth, J., "The changing state of gentrification", Tijdschrift voor economische en sociale geografie, 92(4), pp.464~477 (2001)
  20. Ahmari, R., "Gentrification: Causation and Identification", ~ (2016)
  21. Jean, N., "Combining satellite imagery and machine learning to predict poverty", Science, 353(6301), pp.790~794 (2016)
  22. Zheng, Y.-J., "Co-evolutionary Fuzzy Deep Transfer Learning for Disaster Relief Demand Forecasting", IEEE Transactions on Emerging Topics in Computing (2021)
  23. Pelletier, C., "Temporal convolutional neural network for the classification of satellite image time series", Remote Sensing, 11(5), pp.523~ (2019)
  24. Verbesselt, J., "Detecting trend and seasonal changes in satellite image time series", Remote sensing of Environment, 114(1), pp.106~115 (2010)
  25. Chakraborty, D., "Geographic Information Systems in Geospatial Intelligence", pp.107~120 (2019), IntechOpen
  26. Bischke, B., "Multi-task learning for segmentation of building footprints with deep neural networks", 2019 IEEE International Conference on Image Processing (ICIP) (2019)
  27. Bandyopadhyay, S., "Genetic clustering for automatic evolution of clusters and application to image classification", Pattern Recognition, 35(6), pp.1197~1208 (2002)
  28. Bandyopadhyay, S, "An evolutionary technique based on K-Means algorithm for optimal clustering in RN", Information Sciences, 146(1-4), pp.221~237 (2002)
  29. Bello, O.M., "Satellite remote sensing as a tool in disaster management and sustainable development : towards a synergistic approach", Procedia-Social and Behavioral Sciences, 120, pp.365~373 (2014)
  30. Voigt, S., "Satellite image analysis for disaster and crisis-management support", IEEE transactions on geoscience and remote sensing, 45(6), pp.1520~1528 (2007)
  31. Pettorelli, N., "Satellite remote sensing for applied ecologists : opportunities and challenges", Journal of Applied Ecology, 51(4), pp.839~848 (2014)
  32. "Remote Sensors" (2021)[URL]
  33. "IEEE Geoscience and Remote Sensing Magazine, Geoscience and Remote Sensing Magazine, IEEE, IEEE Geosci. Remote Sens. Mag", 2020, 76~89
  34. Qiu, C., "Multilevel Feature Fusion-Based CNN for Local Climate Zone Classification From Sentinel-2 Images: Benchmark Results on the So2Sat LCZ42 Dataset", IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, pp.2793~2806 (2020)
  35. Helber, P., "Eurosat: A novel dataset and Deep learning Benchmark for Land Use and Land Cover Classification", IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 12(7), pp.2217~2226 (2017)
  36. Raza, A., "Diverse Capsules Network Combining Multiconvolutional Layers for Remote Sensing Image Scene Classification", IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, pp.5297~5313 (2020)
  37. "resisc45" (2021)[URL]
  38. Shermeyer, J., "Rareplanes: Synthetic Data Takes Flight", Proc. IEEE, 2021, ~
  39. Chiu, M.T., "Agriculture-vision: A large aerial image database for agricultural pattern analysis", Proc. IEEE, 2020, ~
  40. Chiu, M.T., "Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis", 2020 IEEE, CVF Conference on, CVPR, pp.2020[DOI]
  41. Sumbul, G., "Bigearthnet: A large-scale benchmark archive for remote sensing image understanding", IGARSS 2019-2019 IEEE International Geoscience and Remote Sensing Symposium (2019)
  42. Gupta, R., "xBD: A Dataset for Assessing Building Damage from Satellite Imagery", arXiv preprint arXiv:1911.09296v, ~ (2019)
  43. Heffels, M.R., "Aerial Imagery Pixel-level Segmentation", arXiv preprint arXiv:2012.02024v1, ~ (2020)
  44. "토지 피복지도 항공위성 이미지(수도권)" (2021)[URL]
  45. "토지 피복지도 항공위성 이미지(강원 및 충청)" (2021)[URL]
  46. "위성영상 객체판독" (2021)[URL]

관련 논문AI추천

고해상도 위성영상과 인공지능을 활용한 국토 변화탐지 및 모니터링 연구: 실증대상 지역인 정읍시를 중심으로김현덕, 이정주, 조나혜한국국토정보공사 · 지적과 국토정보2023 · 제53권 제1호SSResUnet 모델을 이용한 위성 영상 토지피복분류강주형, 곽수영, 김민성, 김성진한국전기전자학회 · 전기전자학회논문지2023 · 제27권 제4호이미지 분석을 위한 퓨샷 학습의 최신 연구동향석호식한국전기전자학회 · 전기전자학회논문지2023 · 제27권 제4호고해상도 위성영상과 Fully Convolutional Network를 활용한 산림재해 피해지 탐지김은숙, 김형우, 박성욱, 윤예슬, 이수진, 이양원, 임종환한국사진지리학회 · 경관과 지리2018 · 제28권 제4호산림복원 대상 후보지 추출을 위한 딥러닝 접근법김형호, 박윤선, 박천희, 손은희, 송정은, 하의린농업생명과학연구원 · 농업생명과학연구2022 · 제56권 제6호인공 위성 사진 내 선박 탐지 정확도 향상을위한 Watershed 알고리즘 기반 RoI 축소 기법윤지원, 이승재한국정보처리학회 · 정보처리학회 논문지2021 · 제10권 제8호

이 간행물의 다른 논문 (6건)

온라인콘텐츠 개발프로세스의 효율성 측정방법 연구윤봉식, 유소월pp. 9-162차원 변환과 CNN 딥러닝 기반 음향 인식 시스템에 관한 연구조성원, 하태민, Do Chi Thanh, Ngo Luong Thanh Tra, 이기성pp. 31-37TimeGAN을 활용한 트레이딩 알고리즘 선택이재윤, 이주홍, 송재원, 최범기pp. 38-45행동인식을 위한 다중 영역 기반 방사형 GCN 알고리즘이칠우, 장한별pp. 46-57통계 및 이미지 데이터를 활용한 가짜 SNS 계정 식별 기술전찬준, 신영서, 방채운, 유승연pp. 58-66
원문 보기