KR20170125470A

KR20170125470A - 항공 영상을 이용한 병해충 피해목 탐지 방법 및 이를 위한 병해충 피해목 탐지 시스템

Info

Publication number: KR20170125470A
Application number: KR1020160055121A
Authority: KR
Inventors: 박재현; 채희성
Original assignee: 주식회사 씨에스랩
Priority date: 2016-05-04
Filing date: 2016-05-04
Publication date: 2017-11-15

Abstract

본 발명은 항공 영상을 이용한 병해충 피해목 탐지 방법 및 이를 위한 병해충 피해목 탐지 시스템으로서, 항공 영상 상의 병해충 피해목에 대한 피해목 모델을 생성하여 보유하며, 모니터링 대상 지역의 항공 영상에서 피해목 후보 영역을 검출하고 보유된 피해목 모델을 기초로 상기 피해목 후보 영역에서 피해목 영역을 판단하여 검출하는 방안을 개시한다.

Description

항공 영상을 이용한 병해충 피해목 탐지 방법 및 이를 위한 병해충 피해목 탐지 시스템 {Method and system for detecting damaged tree blight with using aviation image}

본 발명은 항공 영상을 이용한 병해충 피해목 탐지 방법 및 이를 위한 병해충 피해목 탐지 시스템에 대한 것으로서, 보다 상세하게는 항공 영상 상의 병해충 피해목에 대한 피해목 모델을 생성하여 보유하며, 모니터링 대상 지역의 항공 영상에서 피해목 후보 영역을 검출하고 보유된 피해목 모델을 기초로 상기 피해목 후보 영역에서 피해목 영역을 판단하여 검출하는 방안에 관한 것이다.

이상고온 등의 최근 기후변화와 더불어 인위적인 산림병해충의 확산이 진행되고 있는 상황에서 적극적인 방제 및 확산저지를 위해 산림병해충 감염 및 피해 현황에 대한 모니터링이 필요한 실정이다.

산림 병해충 피해목 지역을 모니터링하기 위해 무인 항공기를 이용한 촬영 영상을 분석하여 산림 병해충 피해목을 검출하는 기술들이 제시되고 있는데, 이러한 영상 처리를 이용한 탐지 기법을 적용하기 위해서는 고가의 사용 원격탐사 전문 장치와 소프트웨어가 필요하여 비전문가가 모니터링을 수행하기 어려운 문제가 있다.

특히, 피해목 지역을 검출하기 위해서는 피해목 식별이 가능할 정도의 고해상도의 항공 영상이 요구되기에 대용량 영상 처리 기술이 필요한데, 일반적인 영상 처리 기술의 경우 대용량 영상 전체에 대하여 피해목 패턴을 분석하기에 그에 따라 시스템 전체에 심한 로드가 부여되고 프로세스 처리 속도가 저하되며, 피해목 지역의 판단에 대한 정확도가 낮은 문제가 있다.

특허등록공보 제10-1545479호

본 발명은 상술한 바와 같은 종래 기술의 문제점을 해결하고자 하는 것으로서, 항공 영상의 분석을 통해 산림병해충 감염 및 피해 현황에 대한 모니터링을 효과적으로 수행할 수 있는 방안을 제시하고자 한다.

특히, 대용량 항공 영상에 대한 종래 영상 처리 기술의 경우, 고가의 시스템을 구축해야 되며, 대용량 영상 처리에 따른 심한 로드와 처리 속도가 늦으며, 피해목 지역 판단의 정확도가 낮은 문제를 해결하고자 한다.

상기 기술적 과제를 달성하고자 본 발명에 따른 항공 영상을 이용한 병해충 피해목 탐지 방법은, 모니터링 대상 지역에 대한 항공 영상을 획득하여 입력 영상으로 설정하는 영상 획득 단계; 상기 입력 영상을 판단 대상 병해충과 연관되어 설정된 색체 공간 영상으로 변환하고 픽셀 색체를 기초로 제1 특징 영역을 판단하고, 상기 입력 영상에 대한 텍스쳐 필터링을 통한 텍스쳐 정보를 기초로 제2 특징 영역을 판단하여, 상기 제1 특징 영역과 상기 제2 특징 영역을 기초로 피해목 후보 영역을 추출하는 후보 영역 추출 단계; 및 판단 대상 병해충 피해목에 대응되어 기보유된 피해목 모델을 적용하여 상기 피해목 후보 영역에서 피해목 영역을 탐지하는 피해목 영역 탐지 단계를 포함할 수 있다.

바람직하게는 상기 후보 영역 추출 단계는, 상기 입력 영상을 판단 대상 병해충 피해목별로 설정된 색체에 따른 색체 공간 영상으로 변환하고, 변환 영상의 픽셀 색체를 스캔하는 단계; 및 각 픽셀의 색체값을 기설정된 제1 기준치와 대비하여 제1 특징 영역을 추출하는 단계를 포함할 수 있다.

또한 상기 후보 영역 추출 단계는, 상기 입력 영상에 대한 텍스쳐 필터링을 통한 텍스쳐 정보를 추출하는 단계; 및 상기 텍스쳐 정보를 기설정된 제2 기준치와 대비하여 제2 특징 영역을 추출하는 단계를 포함할 수 있다.

여기서 상기 텍스쳐 필터링은, 상기 입력 영상에 레인지 필터(Range Filter), 가버 필터(Gabor filter), 가우시안 필터(Gaussian filter) 또는 LOG 필터(Laplacian of Gaussian filter) 중 선택된 어느 하나 이상을 적용할 수 있다.

나아가서 상기 후보 영역 추출 단계는, 상기 제1 특징 영역과 상기 제2 특징 영역의 공통된 영역을 피해목 후보 영역으로 선택하여 추출할 수 있다.

또한 상기 피해목 영역 탐지 단계는, 피해목 모델 데이터 베이스에 판단 대상 병해충 피해목에 대응되어 기보유된 피해목 모델을 상기 피해목 후보 영역에 적용하여 피해목 영역을 탐지하여 분류하는 단계; 탐지된 피해목 영역에 대응되는 위치를 상기 항공 영상의 좌표 정보를 기초로 판단하는 단계; 및 상기 피해목 분류 정보와 이에 대응되는 좌표 정보를 포함하는 피해목 영역 정보를 생성하는 단계를 포함할 수 있다.

바람직하게는 병해충 피해목이 존재하는 영역을 포함하는 항공 영상과 병충해 피해목이 존재하는 영역의 실측 자료(Ground Truth) 데이터를 기초로 피해목 모델을 생성하는 피해목 모델 생성 단계를 더 포함할 수 있다.

여기서 상기 피해목 모델 생성 단계는, 병해충 피해목이 존재하는 피해목 영역을 포함하는 항공 영상과 병충해 피해목이 존재하는 영역의 실측 자료(Ground Truth) 데이터를 수집하는 피해목 데이터 수집 단계; 상기 항공 영상 상에 존재하는 피해목 영역 중 상기 실측 자료를 통해 확인된 피해목 영역에 대한 피해목 특징을 추출하는 피해목 특징 추출 단계; 및 상기 피해목 특징에 대하여 머신러닝기법을 통한 학습으로 피해목 모델을 생성하는 피해목 모델 생성 단계를 포함할 수 있다.

바람직하게는 상기 피해목 모델을 병충해 피해목별로 분류하여 피해목 모델 데이터 베이스를 구축하는 단계를 더 포함할 수도 있다.

나아가서 상기 피해목 데이터 수집 단계는, 상기 피해목 영역 탐지 단계에 따라 탐지된 피해목 영역을 수집할 수도 있다.

또한 본 발명에 따른 병해충 피해목 탐지 시스템은, 판단 대상 병해충 피해목에 대응되는 피해목 모델을 보유하며, 항공 영상을 수집하여 상기 항공 영상에서 판단 대상 병해충과 연관된 피해목 후보 영역을 추출하고, 상기 피해목 모델을 적용하여 추출된 피해목 후보 영역에서 피해목 영역을 탐지하는 병해충 피해목 탐지 장치를 포함할 수 있다.

바람직하게는 상기 병해충 피해목 탐지 장치는, 모니터링 대상 지역에 대한 항공 영상을 획득하여는 항공 영상 수집부; 및 상기 항공 영상을 분석하여 피해목 후보 영역을 추출하고, 피해목 후보 영역에 기보유된 피해목 모델을 적용하여 피해목 영역을 판단하는 피해목 영상 탐지부를 포함할 수 있다.

나아가서 상기 병해충 피해목 탐지 장치는, 병해충 피해목과 관련된 피해목 데이터를 수집하고 수집된 피해목 데이터에 대하여 머신러닝기법을 통한 학습으로 항공 영상 상에서 피해목을 판단할 수 있는 피해목 모델을 생성하는 피해목 모델 생성부를 더 포함할 수도 있다.

바람직하게는 상기 피해목 영상 탐지부는, 상기 항공 영상을 판단 대상 병해충 피해목별로 설정된 색체에 따른 색체 공간 영상으로 변환하고, 변환 영상의 각 픽셀의 색체값을 기설정된 제1 기준치와 대비하여 제1 특징 영역을 추출하며, 상기 항공 영상에서 텍스쳐 필터링을 통해 텍스쳐 정보를 추출하고, 상기 텍스쳐 정보를 기설정된 제2 기준치와 대비하여 제2 특징 영역을 추출하며, 상기 제1 특징 영역과 상기 제2 특징 영역을 기초로 피해목 후보 영역을 추출할 수 있다.

한걸음 더 나아가서 상기 병해충 피해목 탐지 장치는, 상기 피해목 영상 탐지부가 탐지한 피해목 영역을 분류하고, 상기 항공 영상의 좌표 정보를 기초로 상기 피해목 영역의 위치를 판단하여 피해목 영역 정보를 생성하는 피해목 영역 정보 관리부를 더 포함할 수도 있다.

이와 같은 본 발명에 의하면, 항공 영상에 대한 새로운 분석 기법을 적용하여 산림병해충 감염 및 피해 현황에 대한 모니터링을 효과적으로 수행할 수 있게 된다.

특히, 항공 영상에서 피해목 후보 지역을 추출하고 사전에 학습을 통해 보유된 피해목 모델을 통해 피해목 후보 지역에서 피해목 지역을 판단하기에 대용량 항공 영상의 전체 영역에 대한 분석을 수행하던 종래기술과 대비하여 처리 속도를 현저히 높일 수 있고 또한 피해목 지역 판단에 대한 정확성과 신뢰도를 높일 수 있다.

도 1은 본 발명에 따른 병해충 피해목 탐지 시스템의 일실시예를 도시하며,
도 2는 본 발명에 따른 병해충 피해목 탐지 시스템의 피해목 모니터링 장치에 대한 일실시예의 구성도를 도시하며,
도 3은 본 발명에 따른 병해충 피해목 탐지 방법의 일실시예에 대한 흐름도를 도시하며,
도 4는 본 발명에 따른 병해충 피해목 탐지 방법에서 피해목 모델을 생성하는 실시예를 도시하며,
도 5는 본 발명에 따른 병해충 피해목 탐지 방법에서 피해목 후보 영역을 추출하는 실시예의 흐름도를 도시하며,
도 6은 본 발명에 따른 병해충 피해목 탐지 방법에서 적색 공간 영상 필터링과 텍스쳐 영상 필터링을 적용하는 실시예를 나타내며,
도 7은 본 발명에 따른 병해충 피해목 탐지 방법에서 제1 특징 영역과 제2 특징 영역을 기초로 피해목 후보 영역을 추출하는 실시예를 나타내며,
도 8은 본 발명에 따른 병해충 피해목 탐지 방법에서 피해목 후보 영역에 피해목 모델을 적용하여 피해목 영역을 추출하는 실시예를 나타낸다.

본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 설명하기 위하여 이하에서는 본 발명의 바람직한 실시예를 예시하고 이를 참조하여 살펴본다.

먼저, 본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니며, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 또한 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

본 발명을 설명함에 있어서, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

본 발명은 항공 영상 상의 병해충 피해목에 대한 피해목 모델을 생성하여 보유하며, 모니터링 대상 지역의 항공 영상에서 피해목 후보 영역을 검출하고 보유된 피해목 모델을 기초로 상기 피해목 후보 영역에서 피해목 영역을 판단하여 검출하는 방안을 제시한다.

도 1은 본 발명에 따른 병해충 피해목 탐지 시스템의 일실시예를 도시한다.

본 발명에 따른 병해충 피해목 탐지 시스템은 항공 촬영 장치(10)와 병해충 피해목 탐지 장치(100)를 포함하여 구성될 수 있다.

항공 촬영 장치(10)는 모니터링 대상 지역에 대한 항공 영상을 획득할 수 있는 장치로서, 카메라가 구비된 무인 항공기나 인공 위성 등을 포함할 수 있으며, 특정 지역의 항공 영상 요청시에 항공 촬영 장치(10)가 해당 지역을 촬영하여 항공 영상(50)을 획득할 수도 있으나, 바람직하게는 다수의 무인 항공기나 인공 위성이 해당 모니터링 대상 지역을 선회하면서 주기적으로 항공 영상을 획득할 수 있다. 항공 촬영 장치(10)는 획득한 항공 영상을 병해충 피해목 탐지 장치(100)로 제공하는데, 이때 항공 영상에 포함된 지역에 대한 위치 정보를 함께 제공할 수도 있다.

병해충 피해목 탐지 장치(100)는 사전에 병해충 피해목과 연관된 피해목모델을 보유하며, 항공 촬영 장치(10)로부터 모니터링 대상 지역에 대한 항공 영상(50)을 수집하고 수집된 항공 영상을 분석한 후 보유된 피해목 모델을 적용하여 대상 지역 상에 병해충 피해목을 탐지한다.

여기서, 병해충 피해목 탐지 장치(100)는 외부 서버로부터 피해목 모델 정보를 제공받을 수도 있으나 바람직하게는 지속적으로 다양한 병해충 피해목에 대한 항공 영상과 실측 자료(Ground Truth) 데이터를 누적하고 이를 토대로 항공 영상 상에서 특정 병해충 피해목 발생 영역에 대한 특징을 머신러닝기법으로 학습하여 특정 병해충 피해목과 연관된 피해목 모델을 생성하며, 이를 지속적으로 누적하여 피해목 모델 데이터베이스를 구축할 수 있다.

그리고 병해충 피해목 탐지 장치(100)는 구축된 피해목 모델 데이터베이스를 적용하여 수집된 항공 영상에서 병해충 피해목 영역을 판단하는데, 먼저 수집된 항공 영상에서 피해목 후보 영역을 추출하고, 추출된 피해목 후보 영역에 피해목 모델을 적용하여 피해목 후보 영역에서 피해목 영역을 판단한다.

나아가서 항공 영상에는 촬영된 지역에 대한 좌표 정보가 포함될 수 있으며, 병해충 피해목 탐지 장치(100)는 항공 영상의 좌표 정보를 기초로 피해목 영역의 위치를 판단할 수 있다.

도 2는 본 발명에 따른 병해충 피해목 탐지 장치의 일실시예에 대한 구성도를 도시한다.

병해충 피해목 탐지 장치(100)는 항공 영상 수집부(110), 피해목 모델 생성부(120), 피해목 영상 탐지부(150), 피해목 영역 정보 관리부(160) 등을 포함할 수 있고 또한 피해목 모델 데이터베이스(140)이나 피해목 영역 정보 저장부(170)를 포함할 수도 있다.

항공 영상 수집부(110)는 무인 항공기나 인공위성 등의 항공 촬영 장치를 통해 모니터링 대상 지역에 대한 항공 영상을 수집한다. 이때 항공 영상 수집부(110)는 관리자가 대상 지역을 선택시 항공 촬영 장치로 대상 지역에 대한 항공 영상을 요청하여 전송받을 수도 있고 또는 다양한 항공 영상 수집부가 획득하는 항공 영상을 지역과 촬영 시간으로 분류하여 수집할 수도 있다.

피해목 모델 생성부(120)는 병해충 피해목과 관련된 피해목 데이터를 수집하고 수집된 피해목 데이터에 대하여 머신러닝기법을 통한 학습으로 항공 영상 상에서 피해목을 판단할 수 있는 피해목 모델을 생성한다. 여기서 피해목 데이터는 다양한 병해충 피해목에 대한 항공 영상과 실측 자료(Ground Truth) 데이터가 포함된다. 나아가서 피해목 모델 생성부(120)는 지속적으로 피해목 데이터를 누적하여 피해목 모델을 갱신하여 피해목 판단의 정확도와 신뢰도를 높일 수 있고 또한 병해충 피해목별로 피해목 모델을 분류하여 피해목 모델 데이터 베이스(140)를 구축할 수 있다. 피해목 모델 생성부(120)에서 머신러닝기법을 통한 학습으로 피해목 모델을 생성하는 사항에 대해서는 이후 피해목 모델 생성 과정에 대한 실시예를 통해 설명하기로 한다.

한걸음 더 나아가서 병해충 피해목 탐지 장치(100)는 피해목 모델 생성부(120)를 구성하지 않고 외부 서버로부터 다양한 병충해 피해목과 관련된 피해목 모델을 제공받을 수 있다.

피해목 영상 탐지부(150)는 항공 영상 수집부(110)가 수집한 항공 영상을 분석하여 항공 영상 상에서 피해목 영역을 탐지하는데, 바람직하게는 수집한 항공 영상 상에서 피해목 후보 영역을 추출하고, 추출된 피해목 후보 영역에 피해목 모델을 적용하여 피해목 영역을 판단한다.

일례로서 피해목 후보 영역 추출시 피해목 영상 탐지부(150)는 병해충 피해목별로 설정된 색체 공간 영상 필터링을 통해 픽셀 색체에 따라 제1 특징 영역을 추출하고, 텍스쳐 필터링을 통한 텍스쳐 정보를 기초로 제2 특징 영역을 추출한 후 상기 제1 특징 영역과 상기 제2 특징 영역을 기초로 피해목 후보 영역을 추출할 수 있는데, 이에 대해서는 이후 실시예를 통해 상세히 살펴보기로 한다.

피해목 영역 정보 관리부(160)는 피해목 영상 탐지부(150)에서 탐지한 피해목 영역을 분류하고 이에 대응되는 좌표를 확인하여 피해목 영역 정보를 생성한다. 그리고 피해목 영역 정보 관리부(160)는 생성된 피해목 영역 정보를 피해목 영역 정보 저장부(170)에 저장하고 해당 지역의 피해목 상황을 관리한다.

이와 같은 병해충 피해목 탐지 장치(100)의 각 구성은 하나의 장치의 내부 구성으로 포함될 수도 있고 상황에 따라 별개의 장치들이 별개로 구성될 수도 있다. 또한 병해충 피해목 탐지 장치(100)가 서버로 구현되는 경우, 병해충 피해목 탐지 장치(100)의 각 구성은 이후 살펴볼 본 발명에 따른 항공 영상을 이용한 병해충 피해목 탐지 방법을 수행하는 컴퓨터 프로그램의 구동에 따른 프로세스로 구현될 수도 있다.

또한 본 발명에서는 앞서 살펴본 본 발명에 따른 병해충 피해목 탐지 시스템을 통해 구현되는 항공 영상을 이용한 병해충 피해목 탐지 방법을 제시하는데, 이하에서는 본 발명에 따른 항공 영상을 이용한 병해충 피해목 탐지 방법에 대하여 그 실시예를 통해 살펴보기로 한다.

이하에서는 설명의 편의를 위해 재선충 피해목을 탐지하는 실시예로 설명하는데, 이는 하나의 실시예로서 재선충 피해목 이외에도 다양한 병충해 피해목을 본 발명을 적용하여 탐지할 수 있다.

도 3은 본 발명에 따른 항공 영상을 이용한 병해충 피해목 탐지 방법의 일실시예에 대한 흐름도를 도시한다.

먼저 재선충 피해목과 관련된 피해목 데이터를 수집하고 수집된 피해목 데이터를 기초로 피해목 모델을 생성하여 피해목 모델 DB를 구축(S100)한다.

본 발명에서 피해목 모델을 생성하는 과정을 도 4에 도시된 본발명에 따른 피해목 모델 생성 프로세스의 실시예를 통해 살펴보기로 한다.

병해충 피해목 탐지 장치(100)는 병해충 피해목이 존재하는 영역을 포함하는 항공 영상(210)과 병충해 피해목이 존재하는 영역의 실측 자료(Ground Truth) 데이터(220)를 수집(S110)한다. 여기서 병해충 피해목이 존재하는 영역을 포함하는 항공 영상(210)은 본 발명에 따른 병해충 피해목 탐지 방법을 통해 병충해 피해목이 존재하는 것으로 확인된 항공 영상일 수도 있다.

그리고 실측 자료 데이터를 기초로 항공 영상 상에서 피해목 영역을 확인하고 피해목 영역이 갖는 피해목 특징(230)을 추출(S120)한다. 이때 피해목 특징은 병해충별로 피해목에서 나타나는 색상 변화, 텍스쳐 정보 등을 포함할 수 있으며, 수치정보, 패턴 정보, 색상 정보 등 병충해 피해목이 갖는 특징에 따라 다양한 특징 정보가 포함될 수 있다.

색상 정보의 추출시 RGB, HSV, LAB 등 필요에 따라 다양한 방식이 적용될 수 있으며, 텍스쳐 정보의 추출시 레인지 필터(Range Filter), 가버 필터(Gabor filter), 가우시안 필터(Gaussian filter), LOG 필터(Laplacian of Gaussian filter) 등 영상 분석에서 특징 영역을 인식할 수 있는 다양한 방식이 적용될 수 있다.

영상 상의 피해목 특징이 추출되면, 병해충 피해목 탐지 장치(100)는 추출된 피해목 특징을 머신러닝기법(240)을 통한 학습을 수행(S130)하여 피해목 모델(250)을 생성(S140)한다. 여기서 머신러닝기법으로는 Decision Tree, SVM, Adaboost, Neural Network 등 공지된 다양한 학습 기법을 필요에 따라 적용할 수 있다.

이와 같은 피해목 모델 생성 과정은 항공 영상에서 피해목 영역이 확인될 경우 이에 대한 실측 자료 데이터를 토대로 지속적으로 반복 수행될 수 있으며, 지속적인 피해목 모델 생성 과정의 누적 수행에 따라 피해목 모델의 정확도와 신뢰도는 더욱 향상될 수 있다.

다시 상기 도 3으로 회귀하여 본 발명에 따른 항공 영상을 이용한 병해충 피해목 탐지 방법의 이후 과정에 대하여 계속하여 살펴본다.

병해충 피해목 탐지 장치(100)가 피해목 모델을 보유한 상태에서 항공 촬영 장치를 통해 모니터링 대상 지역에 대한 항공 영상을 획득(S200)하여 수집한다. 이때 항공 영상과 함께 항공 영상의 좌표 정보가 수집될 수 있다.

그리고 병해충 피해목 탐지 장치(100)는 모니터링 대상 지역의 항공 영상을 입력 영상으로 설정하고, 입력 영상의 분석을 통해 피해목 후보 영역을 추출(S300)하는데, 이와 관련하여 도 5에 도시된 본 발명에 따른 병해충 피해목 탐지 방법에서 피해목 후보 영역을 추출하는 실시예의 흐름도를 참조하여 살펴보기로 한다.

설명의 편의를 위해 소나무 재선충 피해목을 탐지하는 경우로 설명한다.

모니터링 대상 지역의 항공 영상을 입력 영상으로 설정(S310)한 상태에서 입력 영상에서 적색 공간 필터링 과정(S330)을 통해 제1 특징영역을 추출하고 텍스쳐 필터링 과정(S350)을 통해 제2 특징영역을 추출하는데, 적색 공간 필터링 과정(S330)과 텍스쳐 필터링 과정(S350)은 수행 과정의 선후가 선택적으로 변경될 수 있다.

일반적으로 항공 영상 상에서 소나무 재선충 피해목은 적색으로 나타나는데, 이를 적색 공간 영상으로 보면 재선충 피해목이 다른 나무들과 확연히 구분될 수 있다. 따라서 재선충 피해목을 보다 명확하게 인식하기 위해 입력 영상을 적색 공간 영상으로 변환(S331)한다. 이때 적색 공간 영상으로의 변환은 RGB, HSV, LAB 등 필요에 따라 다양한 방식이 적용될 수 있다.

그리고 적색 공간 영상에 대한 각 픽셀의 색체 스캔(S333)으로 각 픽셀의 색체값을 인식하며, 각 픽셀의 색체값을 기설정된 제1 기준치와 대비(S335)하여 입력 영상 상의 제1 특징 영역을 판단(S337)한다.

물론, 상기 도 5의 실시예에서는 소나무 재선충 피해목을 탐지하는 경우이기에 적색 공간 영상으로 변환하였으나, 판단 대상 병해충 피해목의 특징에 따라 사전에 색체가 설정되며, 그에 따라 설정된 색체 공간 영상으로 입력 영상이 변환될 수 있다.

또한 입력 영상을 텍스쳐 필터링(S351)하여 텍스쳐 정보를 추출(S353)는데, 이때 레인지 필터(Range Filter), 가버 필터(Gabor filter), 가우시안 필터(Gaussian filter), LOG 필터(Laplacian of Gaussian filter) 등 영상 분석에서 특징 영역을 인식할 수 있는 다양한 방식을 필요에 따라 선택적으로 적용하여 텍스쳐 정보를 추출할 수 있다.

그리고 추출된 텍스쳐 정보를 제2 기준치와 대비(S355)하여 입력 영상 상의 제2 특징 영역을 판단(S357)한다.

입력 영상에 대한 적색 공간 필터링 과정(S330)을 통한 제1 특징 영역과 텍스쳐 필터링 과정(S350)을 통한 제2 특징 영역이 추출되면, 상기 제1 특징 영역과 상기 제2 특징 영역의 공통된 영역을 피해목 후보 영역으로 선택하여 추출(S370)한다.

도 6은 본 발명에 따른 병해충 피해목 탐지 방법에서 적색 공간 영상 필터링과 텍스쳐 영상 필터링을 적용하는 실시예를 나타내는데, 상기 도 6의 (a)에서 보는 바와 같이 입력 영상에 대하여 적색 공간 필터링 영상(310) 상으로 변환하면 재선충 피해목이 더욱 명확하게 드러나기에 보다 용이하게 적색 공간 필터링 영상 상의 픽셀 색체값이 제1 기준치의 초과 여부를 자동적으로 판단하여 제1 특징 영역을 추출한 영상(320)을 획득할 수 있게 된다.

그리고 상기 도 6의 (b)와 같이 적색 공간 필터링 영상(310)에 대하여 LOG(Laplacian of Gaussian)을 적용하여 LOG(Laplacian of Gaussian) 필터링 영상(330)을 생성한다.

그러면 상기 도 6의 (c)에서 입력 영상에 대한 LOG(Laplacian of Gaussian) 필터링 영상(330)에서 보는 바와 같이 재선충 피해목이 존재하는 영역의 패턴이 명확하게 드러나며 이를 제2 기준치와 대비하여 자동적으로 제2 특징 영역을 추출한 영상(340)을 획득할 수 있게 된다.

이와 같이 입력 영상에 대하여 적색 공간 필터링과 텍스쳐 필터링을 적용하여 제1 특징 영역과 제2 특징 영역이 추출되면, 이를 기초로 피해목 후보 영역을 추출하는데, 이와 관련하여 도 7에 도시된 본 발명에 따른 병해충 피해목 탐지 방법에서 제1 특징 영역과 제2 특징 영역을 기초로 피해목 후보 영역을 추출하는 실시예를 참조하여 살펴본다.

본 발명에서는 상기 도 7의 (a)에 도시된 바와 같이 제1 특징 영역이 추출된 영상(320)과 제2 특징 영역이 추출된 영상(340)을 상호 대비하여 공통된 영역을 후보 영역으로 선택하여 후보 영역이 추출된 영상(350)을 획득할 수 있다.

특히, 상기 도 7의 (b)에서 보는 바와 같이 재선충 피해목이 존재하는 영상에 대하여 적색 공간 필터링을 통해 제1 특징 영역을 추출시에 나무가 존재하지 않는 땅 등이 다른 적색 계열로 겹쳐져서 부분적으로 존재하기에 적색 공간 필터링만으로 피해목 후보 영역을 추출할 경우 정확도가 낮아질 수 있다. 따라서 본 발명에서는 적색 공간에서 분류하기 힘든 나무가 존재하지 않는 땅 같은 부분과 재선충 후보 영역을 구분하기 위하여 텍스쳐 필터링을 도입하여 나무가 존재하지 않는 땅 부분이 적색 계열로 나타남에 따라 발생되는 오류를 보완한다.

나아가서 제1 특징 영역과 제2 특징 영역의 교집합 영역을 최종 피해목 후보영역으로 지정함에 있어서 각 후보영역의 중심 위치를 피해목 후보 영역의 위치로 가정하며, 항공 영상의 좌표 정보에 기반하여 정확히 피해목 후보 영역의 위치 정보가 파악될 수 있다. 만약 여러 피해목 후보 영역이 겹쳐져서 존재하는 곳은 거리 변환 행렬(Distance Transform)을 적용하여 분할하고 분할한 각 영역의 중심위치를 획득하여 각각의 피해목 후보 영역의 위치로 설정한다.

이와 같은 과정을 거쳐서 상기 도 7의 (c)와 같은 피해목 후보 영역을 추출한 영상을 획득할 수 있는데, 상기 도 7의 (c)에서 적색 영역은 피해목 후보 영역을 나타내고, 흰색은 피해목 후보 영역의 중심점을 나타낸다.

다시 상기 도 3으로 돌아가 이후 과정에 대하여 계속하여 설명한다.

피해목 후보 영역이 추출(S300)되면 병해충 피해목 탐지 장치(100)는 피해목 후보 영역에 피해목 모델을 적용하여 피해목 영역을 탐지(S400)하며, 탐지된 피해목 영역을 분류하고 이에 대응되는 위치를 항공 영상의 좌표 정보를 기초로 판단한다.

그리고 피해목 영역 분류 정보와 이에 대응되는 좌표 정보를 포함하는 피해목 영역 정보를 생성(S500)한다. 나아가서 이후 해당 지역의 항공 영상 획득을 통한 피해목 탐지를 통해 병해충 피해목 영역을 지속적으로 관리할 수 있다.

이와 관련하여 도 8은 본 발명에 따른 병해충 피해목 탐지 방법에서 피해목 후보 영역에 피해목 모델을 적용하여 피해목 영역을 추출하는 실시예를 나타낸다.

피해목 후보 영역이 탐지된 영상(410)에 앞서 살펴본 피해목 모델(430)을 적용하여 피해목 영역(455)이 확인된 영상(450)을 획득한다. 이때 피해목 모델은 해당 병해충 피해목과 관련되어 다양한 특징이 반영될 수 있는데, 가령 재선충 피해목의 경우 앞서 살펴본 바와 같이 적색 공간에서 효과적으로 인식될 수 있기에 사전에 적색 공간 필터링으로 확인된 재선충 피해목에 대한 피해목 모델이 생성될 수 있고 또한 앞서 살펴본 텍스쳐 정보를 통한 재선충 피해목의 패턴으로 피해목 모델이 생성될 수 있다. 이와 같이 해당 병해충 피해목이 영상 상으로 인식될 수 있는 색체, 패턴 등의 다양한 특징을 기반으로 해당 병해충 피해목에 대한 피해목 모델이 사전에 보유될 수 있고, 이를 피해목 후보 영역에 적용함으로써 피해목 영역이 확정될 수 있다.

피해목 영역이 탐지되면, 해당 항공 영상의 좌표 정보를 기초로 항공 영상 상에 존재하는 피해목 영역의 위치 정보(470)를 획득하며, 병해충 피해목의 분류 정보와 함께 이에 대응되는 위치 정보를 포함하여 피해목 영역 정보(490)를 생성하고 생성된 피해목 영역 정보를 토대로 이후 지속적으로 해당 지역의 피해목의 상황을 관리할 수 있게 된다.

이상에서 살펴본 본 발명에 의하면 항공 영상에 대한 새로운 분석 기법을 적용하여 산림병해충 감염 및 피해 현황에 대한 모니터링을 효과적으로 수행할 수 있게 된다.

특히, 종래 영상 분석 기법에서 사용되는 전체 영상의 윈도우 검색 방법의 처리 속도 문제를 향상시키기 위해 병해충 피해목으로 예상되는 후보 영역을 미리 검출하여 검출된 후보 영역에 대해서만 피해목 여부를 판단하므로 전체 처리 시간을 효과적으로 줄어들며, 또한 대용량 영상 처리에 따른 전체 시스템의 부하를 줄일 수 있게 된다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상이 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

10 : 항공 촬영 장치,
50 : 항공 영상,
100 : 병해충 피해목 탐지 장치,
110 : 항공 영상 수집부,
120 : 피해목 모델 생성부,
140 : 피해목 모델 데이터베이스,
150 : 피해목 영역 탐지부,
160 : 피해목 영역 정보 관리부,
170 : 피해목 영역 정보 저장부.

Claims

모니터링 대상 지역에 대한 항공 영상을 획득하여 입력 영상으로 설정하는 영상 획득 단계;
상기 입력 영상을 판단 대상 병해충과 연관되어 설정된 색체 공간 영상으로 변환하고 픽셀 색체를 기초로 제1 특징 영역을 판단하고, 상기 입력 영상에 대한 텍스쳐 필터링을 통한 텍스쳐 정보를 기초로 제2 특징 영역을 판단하여, 상기 제1 특징 영역과 상기 제2 특징 영역을 기초로 피해목 후보 영역을 추출하는 후보 영역 추출 단계; 및
판단 대상 병해충 피해목에 대응되어 기보유된 피해목 모델을 적용하여 상기 피해목 후보 영역에서 피해목 영역을 탐지하는 피해목 영역 탐지 단계를 포함하는 것을 특징으로 하는 항공 영상을 이용한 병해충 피해목 탐지 방법.
제 1 항에 있어서,
상기 후보 영역 추출 단계는,
상기 입력 영상을 판단 대상 병해충 피해목별로 설정된 색체에 따른 색체 공간 영상으로 변환하고, 변환 영상의 픽셀 색체를 스캔하는 단계; 및
각 픽셀의 색체값을 기설정된 제1 기준치와 대비하여 제1 특징 영역을 추출하는 단계를 포함하는 것을 특징으로 하는 항공 영상을 이용한 병해충 피해목 탐지 방법.
제 1 항에 있어서,
상기 후보 영역 추출 단계는,
상기 입력 영상에 대한 텍스쳐 필터링을 통한 텍스쳐 정보를 추출하는 단계; 및
상기 텍스쳐 정보를 기설정된 제2 기준치와 대비하여 제2 특징 영역을 추출하는 단계를 포함하는 것을 특징으로 하는 항공 영상을 이용한 병해충 피해목 탐지 방법.
제 3 항에 있어서,
상기 텍스쳐 필터링은,
상기 입력 영상에 레인지 필터(Range Filter), 가버 필터(Gabor filter), 가우시안 필터(Gaussian filter) 또는 LOG 필터(Laplacian of Gaussian filter) 중 선택된 어느 하나 이상을 적용하는 것을 특징으로 하는 항공 영상을 이용한 병해충 피해목 탐지 방법.
제 1 항에 있어서,
상기 후보 영역 추출 단계는,
상기 제1 특징 영역과 상기 제2 특징 영역의 공통된 영역을 피해목 후보 영역으로 선택하여 추출하는 것을 특징으로 하는 항공 영상을 이용한 병해충 피해목 탐지 방법.
제 1 항에 있어서,
상기 피해목 영역 탐지 단계는,
피해목 모델 데이터 베이스에 판단 대상 병해충 피해목에 대응되어 기보유된 피해목 모델을 상기 피해목 후보 영역에 적용하여 피해목 영역을 탐지하여 분류하는 단계;
탐지된 피해목 영역에 대응되는 위치를 상기 항공 영상의 좌표 정보를 기초로 판단하는 단계; 및
상기 피해목 분류 정보와 이에 대응되는 좌표 정보를 포함하는 피해목 영역 정보를 생성하는 단계를 포함하는 것을 특징으로 하는 항공 영상을 이용한 병해충 피해목 탐지 방법.
제 1 항에 있어서,
병해충 피해목이 존재하는 영역을 포함하는 항공 영상과 병충해 피해목이 존재하는 영역의 실측 자료(Ground Truth) 데이터를 기초로 피해목 모델을 생성하는 피해목 모델 생성 단계를 더 포함하는 것을 특징으로 하는 항공 영상을 이용한 재선충 피해목 탐지 방법.
제 7 항에 있어서,
상기 피해목 모델 생성 단계는,
병해충 피해목이 존재하는 피해목 영역을 포함하는 항공 영상과 병충해 피해목이 존재하는 영역의 실측 자료(Ground Truth) 데이터를 수집하는 피해목 데이터 수집 단계;
상기 항공 영상 상에 존재하는 피해목 영역 중 상기 실측 자료를 통해 확인된 피해목 영역에 대한 피해목 특징을 추출하는 피해목 특징 추출 단계; 및
상기 피해목 특징에 대하여 머신러닝기법을 통한 학습으로 피해목 모델을 생성하는 피해목 모델 생성 단계를 포함하는 것을 특징으로 하는 항공 영상을 이용한 재선충 피해목 탐지 방법.
제 8 항에 있어서,
상기 피해목 모델을 병충해 피해목별로 분류하여 피해목 모델 데이터 베이스를 구축하는 단계를 더 포함하는 것을 특징으로 하는 항공 영상을 이용한 재선충 피해목 탐지 방법.
제 8 항에 있어서,
상기 피해목 데이터 수집 단계는,
상기 피해목 영역 탐지 단계에 따라 탐지된 피해목 영역을 수집하는 것을 특징으로 하는 항공 영상을 이용한 재선충 피해목 탐지 방법.
판단 대상 병해충 피해목에 대응되는 피해목 모델을 보유하며, 항공 영상을 수집하여 상기 항공 영상에서 판단 대상 병해충과 연관된 피해목 후보 영역을 추출하고, 상기 피해목 모델을 적용하여 추출된 피해목 후보 영역에서 피해목 영역을 탐지하는 병해충 피해목 탐지 장치를 포함하는 것을 특징으로 하는 병해충 피해목 탐지 시스템.
제 11 항에 있어서,
상기 병해충 피해목 탐지 장치는,
모니터링 대상 지역에 대한 항공 영상을 획득하여는 항공 영상 수집부; 및
상기 항공 영상을 분석하여 피해목 후보 영역을 추출하고, 피해목 후보 영역에 기보유된 피해목 모델을 적용하여 피해목 영역을 판단하는 피해목 영상 탐지부를 포함하는 것을 특징으로 하는 병해충 피해목 탐지 시스템.
제 12 항에 있어서,
상기 병해충 피해목 탐지 장치는,
병해충 피해목과 관련된 피해목 데이터를 수집하고 수집된 피해목 데이터에 대하여 머신러닝기법을 통한 학습으로 항공 영상 상에서 피해목을 판단할 수 있는 피해목 모델을 생성하는 피해목 모델 생성부를 더 포함하는 것을 특징으로 하는 병해충 피해목 탐지 시스템.
제 12 항에 있어서,
상기 피해목 영상 탐지부는,
상기 항공 영상을 판단 대상 병해충 피해목별로 설정된 색체에 따른 색체 공간 영상으로 변환하고, 변환 영상의 각 픽셀의 색체값을 기설정된 제1 기준치와 대비하여 제1 특징 영역을 추출하며, 상기 항공 영상에서 텍스쳐 필터링을 통해 텍스쳐 정보를 추출하고, 상기 텍스쳐 정보를 기설정된 제2 기준치와 대비하여 제2 특징 영역을 추출하며, 상기 제1 특징 영역과 상기 제2 특징 영역을 기초로 피해목 후보 영역을 추출하는 것을 특징으로 하는 병해충 피해목 탐지 시스템.
제 12 항에 있어서,
상기 병해충 피해목 탐지 장치는,
상기 피해목 영상 탐지부가 탐지한 피해목 영역을 분류하고, 상기 항공 영상의 좌표 정보를 기초로 상기 피해목 영역의 위치를 판단하여 피해목 영역 정보를 생성하는 피해목 영역 정보 관리부를 더 포함하는 것을 특징으로 하는 병해충 피해목 탐지 시스템.