• 한국측량학회지
• /
• 제40권3호
• /
• pp.177-185
• /
• 2022

본 연구에서는 딥러닝을 통해 고해상도 광학 위성영상에 동종센서로 촬영한 영상을 참조하여 폐색 영역을 복원하는 방법을 제안하였다. 패치 단위로 분할된 영상에서 원본 영상의 화소 분포를 최대한 유지하며 폐색 영역을 모의한 영상과 주변 영상의 자연스러운 연속성을 위해 ConvNeXt 블록을 적용한 CycleGAN (Cycle Generative Adversarial Network) 방법을 사용하여 실험을 진행하였고 이를 3개의 실험지역에 대해 분석하였다. 또한, 학습패치 크기를 512*512화소로 하는 경우와 2배 확장한 1024*1024화소 크기의 적용 결과도 비교하였다. 서로 특징이 다른 3개의 지역에 대하여 실험한 결과, ConvNeXt CycleGAN 방법론이 기존의 CycleGAN을 적용한 영상, Histogram matching 영상과 비교하여 개선된 R² 값을 보여줌을 확인하였다. 학습에 사용되는 패치 크기별 실험의 경우 1024*1024화소의 패치를 사용한 결과, 약 0.98의 R²값이 산출되었으며 영상밴드별 화소 분포를 비교한 결과에서도 큰 패치 크기로 학습한 모의 결과가 원본 영상과 더 유사한 히스토그램 분포를 나타내었다. 이를 통해, 기존의 CycleGAN을 적용한 영상 및 Histogram matching 영상보다 발전된 ConvNeXt CycleGAN을 사용할 때 원본영상과 유사한 모의 결과를 도출할 수 있었고, 성공적인 모의를 수행할 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1633-1641
• /
• 2022

도시의 인구 집중과 무분별한 개발은 대기오염, 열섬현상과 같은 다양한 환경 문제들을 유발하며, 자연재해로 인한 피해 상황을 악화시키는 등 인재의 원인이 되고 있다. 도심 수목은 이러한 도시 문제들의 해결방안으로 제시되어왔으며, 실제로 환경 개선 기능을 제공하는 등 중요한 역할들을 수행한다. 이에 따라 수목이 도시 환경에 미치는 영향을 파악하기 위해 도심 수목에서 개별목에 대한 정량적인 측정 및 분석이 요구된다. 그러나 도심 수목의 복잡성 및 다양성은 단일 수목 탐지 정확도를 낮추는 문제점이 존재한다. 따라서 본 연구는 수목 개체에 대해 효과적인 탐지가 가능한 고해상도 항공영상 및 object detection에서 뛰어난 성능을 발휘한 You Only Look Once Version 5 (YOLOv5) 모델을 사용하여 도심 수목을 효과적으로 탐지하는 연구를 진행하였다. 수목 AI 학습 데이터셋의 구축을 위한 라벨링 가이드라인을 생성하고 이를 기준으로 동작구 수목에 대해 box annotation을 수행하였다. 구축된 데이터셋으로부터 다양한 scale의 YOLOv5 모델들을 테스트하고 최적의 모델을 채택하여 효율적인 도심 수목 탐지를 수행한 결과, mean Average Precision (mAP) 0.663의 유의미한 결과를 도출하였다.

• 대한원격탐사학회지
• /
• 제38권6_3호
• /
• pp.1837-1846
• /
• 2022

매년 증가하는 화학사고는 유해 물질의 확산과 잔류로 인명과 환경에 피해를 주고 있다. 환경피해 조사는 지리적 조사 범위와 시기를 확정하기가 더 까다로운 측면이 있다. 전문 조사 인력이 부족한 현실을 감안할 때 효율적인 정량 평가방법의 개발이 시급하다. 본 연구는 이러한 상황의 개선을 위해 각종 센서를 장착한 드론을 활용하여 화학사고 현장 조사를 수행하였다. 화학사고로 인한 환경 피해면적은 고해상도 광학 영상을 사진측량기법을 적용하여 생성된 정사영상과 다중분광센서로 취득한 5개 분광대역 정보를 활용한 정규식생지수를 적용하여 산출되었다. 그 결과, 정규식생지수를 토대로 피해지역과 비피해지역으로 분류하고, 화학사고로 인한 피해면적에 대한 일치도를 나타내는 Kappa 상관계수는 0.649 (임계값 0.7)의 수준을 보였다. 다양한 반사특성을 가진 지형지물이 존재하는 피해 현장의 여건을 고려할 때, 분광정보와 정규식생지수만으로 피해면적을 분석이 이루어진 연구의 한계가 있으며, 향후 이를 극복할 수 있는 화학물질사고 조사 현업화 방안의 추가적인 연구가 필요할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권6_4호
• /
• pp.1925-1934
• /
• 2022

원격탐사 기술을 활용한 접근불능 지역에 대한 핵활동 모니터링은 핵 비확산을 위해 필수적이다. 최근에는 딥러닝을 이용하여 핵활동 관련 객체를 탐지하는 연구가 활발하게 수행되고 있으나, 고해상도 위성영상 내 소형객체는 클래스 불균형 발생 빈도가 높다. 이로 인해 소형객체 탐지 성능이 저하되는 문제점이 존재한다. 이에 본 연구에서는 입력 데이터 내 핵활동 관련 소형객체의 비율이 딥러닝 모델 성능에 미치는 영향을 분석하여 탐지 정확도를 개선하기 위한 방안을 도출하고자 한다. 이를 위해 소형객체 비율이 상이한 6가지 학습자료를 구축하여 학습자료별로 U-Net 모델 학습을 진행하고, 다양한 종류의 소형객체가 포함된 test dataset을 이용하여 학습된 U-Net 모델 간 정량적·정성적 비교평가를 수행하였다. 그 결과, 입력영상 내 객체 픽셀 비율을 조절하였을 때 핵활동 관련 소형객체를 효과적으로 탐지할 수 있는 것이 확인되었으며, 이를 통해 훈련 자료 내 객체 비율을 조정하여 딥러닝 모델 성능을 향상시킬 수 있을 것으로 판단된다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권4호
• /
• pp.20-29
• /
• 2022

상시진동을 이용하여 구조계의 동특성을 추출하는 운용모드해석 기법은 케이블교량 구조건전성모니터링의 한 분야로써 다양한 연구와 실험적 검증이 수행되어왔다. 본 연구에서는 두 번에 걸친 상시진동실험과 함께 3년간의 장기 계측을 통해 수집된 가속도 데이터를 이용하여 공용 중인 사장교의 장단기 동특성을 평가하였다. 교량 준공 이후 6년과 19년이 경과한 시기에 실시한 고해상도 상시진동실험으로부터 0.1 ~ 2.5 Hz 대역에서 27개 수직모드(휨, 비틈)와 1개 수평모드를 추출하였다. 운용모드해석에 기반한 동특성 추출은 PP기법, ERADC기법, FDD기법, TDD기법을 적용하였으며, 적용한 기법들 간에 유의미한 차이가 없는 것을 확인하였다. 장기 계측 고유진동수와 환경 요인(온도, 바람)에 대한 상관성 분석으로부터 온도 변화가 고유진동수 변동에 지배적인 영향인자임을 확인하였다. 대상교량의 고유진동수 감소 경향은 구조성능과 일체성이 변한 것이 아니라 두 번의 상시진동실험 간 온도 차이에 의한 환경영향이 컸음을 밝혔다. 또한 TDD기법 적용 시, 지연이 0에서 자기상관이 1이 되도록 시퀀스를 정규화하는 알고리즘을 추가하여 모드형상 추출의 정확도를 개선하였다.

• 한국수자원학회논문집
• /
• 제54권7호
• /
• pp.453-462
• /
• 2021

최근 몇 년 동안 국지성 집중호우의 빈도가 증가함에 따라 고해상도 레이더 자료의 중요성 및 활용성이 증가하고 있다. 하지만 여전히 레이더 자료의 경우 시·공간적 편의가 존재하고 이를 보정하는 것이 매우 중요하며 많은 연구에서 레이더 강우의 편의 보정을 위해 다양한 통계적 기법이 시도되었다. 본 연구에서는 시·공간적으로 강우를 추정할 수 있는 이중편파레이더의 편의를 지점 강우와 비교하여 보정하는 것을 목표로 한다. 환경부의 수자원관리 및 홍수 예측에 사용되는 S-밴드 이중편파레이더의 편의 보정을 위하여 합성곱신경망(Convolutional Neural Network, CNN)기반의 Convolutional Autoencoder (CAE) 알고리즘을 구축하여 편의 보정을 수행하였다. CAE 모델의 입력자료는 환경부의 10분 단위 레이더 합성 강우자료와 같은 공간해상도로 보간된 지점 관측 강우자료를 사용하였으며, 자료의 기간은 미호천 유역에 홍수 경보가 발령된 2017년 7월 16일 00시부터 13시까지의 10분 단위 자료를 사용하였다. 그 결과로 지점 강우 대비 원시 레이더 강우의 편의가 줄어듦을 확인할 수 있으며 시·공간적으로 개선된 결과를 보여주고 있다. 따라서 각 인접한 격자 간의 공간 관계를 학습하는 CAE 모델은 레이더 및 위성에서 추정되는 격자형 기후 자료의 실시간 편의 보정에 사용할 수 있을 것으로 분석되었다.

• Ecology and Resilient Infrastructure
• /
• 제9권4호
• /
• pp.218-227
• /
• 2022

본 연구는 효율적인 하천 관리를 위해 중요한 데이터 중 하나인 하천 공간의 토지피복 분류를 위해 딥 러닝 기반의 이미지 트레이닝 방법의 활용가능성을 검토하였다. 이를 위해 대상 구간의 RGB 이미지를 활용하여 라벨링 작업 후 학습시킨 결과를 활용하여 기존 대분류 지표를 기준으로 토지피복 분류를 시도하였다. 또한 개방형으로 제공되는 Sentinel-2 위성 영상으로부터 무감독 분류 및 감독 분류에 의한 하천 공간의 토지피복 분류를 수행하였으며, 딥 러닝 기반 이미지 분류 결과와 비교하였다. 분석 결과의 경우 무감독 분류 결과와 비교하여 매우 향상된 예측 결과를 보여주었으며, 고해상도 이미지의 경우 더욱 정확한 분류 결과를 제시하였다. 단순한 이미지 라벨링을 통해 분류된 피복 분류 결과는 하천 공간 내 수역과 습지의 분류 가능성을 보여주었으며, 향후 추가적인 연구 수행이 이루어진다면 하천 관리를 위해 딥 러닝 기반 이미지 트레이닝 기법을 이용한 하천 공간내 피복 분류 결과의 활용이 가능할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제55권12호
• /
• pp.1091-1104
• /
• 2022

기후변화는 전 세계적으로 강우의 빈도와 강도를 증가 시킬 것으로 예측되며 급격한 도시화와 산업화로 인해 도시 지역의 내수 침수 피해로 양상이 바뀌고 있다. 이에 기후변화에 따른 영향평가는 도시계획에 매우 중요한 요소로 언급되고 있으며, 세계기상기구(WMO)는 기상 현상으로부터 발생할 수 있는 사회, 경제적 영향을 고려하는 영향예보의 필요성을 강조하고 있다. 특히 교통에 있어서 도시침수로 인한 교통 시스템의 성능 저하는 사회에 가장 해로운 요소이며 영향을 받는 주요 도로마다 시간당 £ 100k 정도인 것으로 추정하고 있다. 그러나 국내의 경우 현재 기상재해의 발생에 대한 정확한 예보 및 특보를 제공해도 그 영향을 제대로 전달하지 못하고 있다. 따라서 본 연구에서는 도시홍수의 침수심을 제시하고 차량에 영향을 미칠 수 있는 피해에 대처하기 위해 각 지역의 고해상도 분석 및 수문학적 요인을 반영하고, 강우로 인한 홍수 정도와 차량 운행에 미치는 영향 정도를 조사할 필요가 있다고 판단하였다. 이에 강우-침수심-차량속도의 산정식을 간단한 선형회귀식이 아닌 다양한 머신러닝 기법을 이용하여 제시하고자 한다. 또한 또한 기후변화 시나리오를 강우-침수심-차량속도 산정식에 적용하여 집중호우 시 도시하천의 침수를 예측하고 미래 기후변화의 영향을 고려한 도로 침수로 인해 발생할 수 있는 교통 네트워크의 장애를 평가하며, 도시 교통흐름 계획에 이용하는 기술을 개발하고자 한다.

• 방송공학회논문지
• /
• 제27권1호
• /
• pp.104-123
• /
• 2022

신경망 기반 스타일 전이 기법은 영상의 고차원적 구조적 특징을 반영하여 높은 품질의 스타일 전이 결과를 제공함으로써 최근 크게 주목받고 있다. 본 논문은 이러한 신경망 기반 스타일 전이의 GPU 메모리 제한에 따른 해상도 한계에 대한 문제를 다룬다. 신경망 출력이 가진 제한적 수용장 특징을 바탕으로, 부분 영상 기반의 스타일 전이 손실함수 경사도 연산이 전체 영상을 대상으로 구한 경사도 연산과 동일한 결과를 생성할 수 있을 것으로 기대할 수 있다. 이러한 아이디어를 기반으로, 본 논문에서는, 스타일 전이 손실함수의 각 구성 요소에 대한 경사도 연산 구조를 분석하고, 이를 통해 부분 영상의 생성 및 패딩에 대한 필요조건을 구하고, 전체 영상의 신경망 출력에 좌우되는 경사도 연산 요구 데이터를 확인하여 구조화함으로써 재귀적 초고해상도 스타일 전이 알고리즘을 개발하였다. 제안된 기법은, 사용하는 GPU 메모리가 처리할 수 있는 크기로 초고해상도 입력을 분할하여 스타일 전이를 수행함으로써, GPU 메모리 한계에 따른 해상도 제한을 받지 않으며, 초고해상도 스타일 전이에서만 감상할 수 있는 독특한 세부 영역의 전이 스타일 특징을 제공할 수 있다.

• 한국광학회지
• /
• 제34권4호
• /
• pp.139-150
• /
• 2023

다양한 구조의 라이다(light detection and ranging, LiDAR)가 존재함에도 불구하고 넓은 화각을 유지하면서 장거리 측정과 수직, 수평 방향 모두에서 높은 해상도를 만족하는 LiDAR를 구현하는 것은 매우 어렵다. 스캐닝 구조는 장거리 탐지 및 수직, 수평 방향에 대한 높은 해상도를 만족하는 고성능 LiDAR를 구현하는 데 유리하지만, 넓은 화각을 확보하기 위해서는 검출 속도에 불리한 대면적 광 검출기(photodetector, PD)가 필수적이다. 따라서 이러한 문제점을 해결하기 위해 다수의 소면적 PD를 고속의 단일 대면적 PD로 작동할 수 있는 static unitary detector(STUD) 기술 기반의 PD를 제안하였다. 본 논문에서 제안하는 InP/InGaAs STUD PIN-PD는 1,256 ㎛×19 ㎛의 단위 면적을 가지는 32개 소면적 PD를 활용하여 1,256 ㎛×949 ㎛ 이내에서 다양한 형태로 설계 및 제작하였다. 이후 다양한 형태로 제작된 STUD PD의 특성과 감도는 물론 이를 활용한 LiDAR 수신 보드의 잡음 및 신호 특성에 대해 측정 및 분석하였다. 마지막으로 STUD PD가 적용된 LiDAR 수신 보드를 1.5-㎛ master oscillator power amplifier 레이저를 광원으로 활용하는 3차원 스캐닝 LiDAR 시제품에 적용하였고, 이를 통해 대각 32.6도의 광각에서 50 m 이상의 장거리 물체를 정밀하게 탐지하면서 320 px×240 px의 고해상도 3차원 영상을 동시에 확보하였다.