본 연구의 목적은 딥러닝의 전이학습 모델을 이용하여 항공사진과 토지이용현황도 간의 비교를 통해 토지이용현황의 변화를 탐지하는 방안을 마련하는 데 있다. 이러한 목적을 위해 딥러닝의 이미지 예측모델과 라스터와 벡터 자료를 비교하는 공간분석 기능을 이용하였다. 학습모델 구축을 통해 토지이용현황도의 상업지, 농지, 임지 및 수계에 대한 예측결과를 이용하여 토지이용의 변화를 탐지하는 방안을 제시하였다. 이러한 분석 방안은 라스터 형태의 최신 정보와 벡터 형태의 기존 자료와의 비교를 통해서 자료의 변화를 확인하는 방안으로 활용이 가능하다.

아시아에서 가장 큰 칼데라 호수인 천지는 해발 약 2250 m의 백두산 정상에 위치한다. 천지는 높은 해발고도 및 바다와 인접한 환경으로 인해 1년 중 6개월 정도가 눈과 얼음으로 뒤덮여 있다. 천지의 수원은 대부분 지하수로부터 유입되기 때문에 수온과 백두산의 화산활동이 밀접한 관련이 있다. 하지만 2000년대에 들어서며 백두산에 많은 화산활동이 관측되고 있다. 본 연구에서는 유럽우주국(European Space Agency: ESA)에서 제공하는 Sentinel-1 위성 영상 자료를 활용하여 백두산의 겨울철 생성되는 얼음의 면적을 분석하였다. Sentinel-1 위성의 후방산란 영상에서 얼음의 면적을 산출하기 위해 질감 분석 기법을 활용하여 2개의 편파영상에서 20개의 Gray-Level Co-occurrence Matrix(GLCM) 레이어를 생성했다. 면적 산출에 사용된 방법은 GLCM 레이어를 Support Vector Machine (SVM) 알고리즘으로 분류하여 영상에서 얼음의 면적을 산출했다. 또한 산출된 면적은 삼지연 기상관측소에서 획득된 기온자료와 상관관계를 분석하였다. 본 연구는 본격적인 장기간의 시계열 분석에 앞서 얼음의 면적을 산출하는 새로운 방법에 대한 대안을 제시하는 근거로서 활용될 수 있을 것이다.

In online game, Game-bot is a kind of AI based software which performs laborious tasks for a game-player to accumulate resources such as experience, in-game items. The game-bot causes serious problems of balancing and other game-players’ play in the game. So, detecting and avoiding game-bot’s behaviors in online game is one of the important issues in live game management. This paper proposes a study on a player reaction in MMORPG environment focused on two games of 「TERA」 and 「Knight Online」. We first characterize core game-elements to affect a player’s reaction in game environment change and finally propose a template of a player’s reaction in the game environment change. The paper will contribute to detect a behavior of a game-bot in online-game, effectively.

지구 표면의 물리적 형태를 표현한 토지피복도는 다양한 연구에 기초자료로 활용되어져 왔다. 따라서 토지피복도의 정확도는 중요한 이슈 중 하나이다. 본 연구는 환경부에서 배포한 2000년과 2009년의 다중시기 국가 토지피복도를 활용하여 전라북도에 위치한 구량천 유역의 토지피복 변화를 탐지하고, 그 결과의 정확도를 평가하였다. 그 결과 토지피복 변화 지역의 전반적인 정확도는 33.2%로 매우 낮게 나타났으며, 시기별 토지피복도의 전반적인 정확도는 44.2%(2000년)와 84.4%(2009년)이었다. 2000년 토지피 복도의 낮은 정확도는 토지피복 변화의 정확도를 떨어뜨리는 원인이었다. 2000년 토지피복도의 정확도가 낮은 원인은 기하보정과 정사보정 같은 원시자료의 전처리 과정에서 발생한 정확도 결여에 있었다. 정확도에 영향을 미친 또 다른 원인으로는 초지와 사력퇴 지역의 오분류가 있었다. 국가토지피복도의 토지피복 변화 정확도를 향상시키기 위해서는 원시자료의 전처리 정확도를 향상시킬 필요가 있으며, 오분류 가능성이 높은 지역에 대한 검증을 강화할 필요가 있을 것이다.

본 연구는 시야에 발생하는 현저한 시각적 변화에 대한 탐지 경험과 양안경합이 초래한 감각적 상충에 대한 탐지 경험을 상호 비교함으로써 변화탐지 경험의 감각적 특성에 대한 이해를 시도하였다. 이를 위해, 실험 1에서는 2, 4, 6개의 항목을 단기파지 한 후 뒤이어 제시되는 검사항목과의 비교를 요구하는 변화탐지 과제가 사용되었다. 전체 변화탐지 시행 중 시각적 변화가 발생한 일부 시행에서는 검사항목 중 변화를 야기하는 한 항목에 양쪽 단안 분리 입력을 통해 서로 다른 항목이 제시되는 양안경합을 처치하였다. 실험 결과, 양안 경합이 처치되지 않은 경우 항목 개수 증가에 따른 변화탐지 정확도의 분명한 감소가 관찰된 반면 양안 경합이 처치된 경우 이러한 항목 개수 효과는 관찰되지 않았다. 실험 2에서는 항목 개수를 4, 8, 16개로 달리하는 탐색 배열 중 양안경합이 초래하는 감각적 상충을 보유한 표적 항목에 대한 탐색 효율성을 측정한 결과, 양안경합 처치 유무에 관계없이 탐색이 매우 효율적인 것이 관찰되었다. 실험 1과 2의 결과는 시야의 현저한 변화에 대한 탐지 경험은 기억부담의 증감에 따라 경우에 따라서는 양안경합 자극이 초래하는 감각적 상충에 대한 탐지 경험과 유사할 가능성을 시사한다.

현위성영상을 이용하여 도시 지역을 추출하는 방법으로 가장 널리 사용되는 방법은 영상 분류이다. 영상 분류는 도시 지역을 추출하는 자동화된 방법으로 단시간에 도시 지역을 추출할 수 있지만 그 정확도는 상황에 따라 큰 차이를 보일 뿐만 아니라 시계열적인 변화를 추출하기에는 상당히 번거로운 작업 절차가 요구된다. 따라서 본 연구에서는 식생지수 결합에 의한 도시 지역 추출 방법을 제안하고자 한다. 본 연구에서는 정규식생지수와 정규시화지화지수를 결합한 방법을 이용하여 도시 지역을 추출하였다. 1988년과 2000년 서울지역 위성영상에 영상 분류 방법과 지수결합방법을 사용한 결과, 식생지수결합법에 의해 도시로 추출된 지역이 감독분류기법에 의해서도 도시 지역으로 추출된 확률이 각각 98.1%(1988년), 99.3%(2000년)인 것으로 나타나, 식생지수 결합법을 사용해 도시 지역을 추출할 수 있는 가능성을 알 수 있었다. 또한 두 방법을 사용한 각 시기의 도시 지역영상과 환경부 토지피복대분류(1999년) 결과를 비교분석한 결과, 1988년의 분류 결과 도시 과대추정 가능성을 확인하였다. 이러한 결과를 토대로 분류를 통한 도시 지역 추출 방법에 비해 식생지수결합법을 이용한 도시 지역 추출이 절차상 수월한 점으로 미루어볼 때, 도시 지역 추출에 있어서 식생지수결합법의 효율성을 입증할 수 있었다.

온라인 게임에서 오토 프로그램 또는 봇 프로그램으로 인하여 다양한 게임 서비스 피해사례가 발생하고 있다. 특히, 게임 머니 및 아이템의 비정상적인 수집은 게임이 가지는 본연의 재미를 잃어버리게 되고, 궁극적으로 게임 생명주기에 결정적 악영향을 미치게 된다. 본 논문은 게임 봇 감지를 위해 게임 행위 변화 패턴을 수집하고 분석하여 봇 탐지 방법에 적용한다. 인간의 게임 행위 변화 정보와 봇의 게임 행위 변화 정보를 이용하여 유사정도를 측정하고, 봇 탐지 기법에 활용하는 것이다. 실험에서는 서비스 중인 온라인 게임을 이용하여 사용자와 봇의 모델을 생성하고 유사성을 판별하였으며 적절한 결과를 확인하였다.

The western coast of South Korea is famous for its large and broad tidal lands. Nevertheless, land reclamation, which has been conducted on a large scale, such as Sihwa embankment construction project has accelerated coastal environmental changes in the embankment inland. For monitoring of environmental change, vegetation change detecting of the embankment inland were carried out and field survey data compared with Landsat TM, ETM+, IKONOS, and EOC satellite remotely sensed data. In order to utilize multi-temporal remotely sensed images effectively, all data set with pixel size were analyzed by same geometric correction method. To detect the tidal land vegetation change, the spectral characteristics and spatial resolution of Landsat TM and ETM+ images were analyzed by SMA(spectral mixture analysis). We obtained the 78.96% classification accuracy and Kappa index 0.2376 using March 2000 Landsat data. The SMA(spectral mixture analysis) results were considered with comparing of vegetation seasonal change detection method.