• 대한원격탐사학회지
• /
• 제19권4호
• /
• pp.277-284
• /
• 2003

이온층 구면을 사각형 격자로 분할하여 각 격자에서 총전자수를 추정하는 지역적 GPS 이 온층 모델을 제시한다. 한반도 상공을 위도와 경도 1$^{\circ}$$\times$1$^{\circ}$의 공간해상도를 가진 격자로 구분하고 칼만 필터(Kalman filter)를 이용하여 격자 상의 총전자수를 추정하였다. 이 연구를 위해 한국천문연구원에서 운영하고 있는 전국 규모의 9개 GPS 상시 관측소의 데이터를 이용하였다. 수신된 의사거리 데이터의 측정 잡음을 줄이기 위해 의사거리와 반송파 위상 데이터를 선형 조합한 위상보정 의사거리(phase-leveled pseudorange) 데이터를 새롭게 만들어 사용하였다. 또한 지역적 이온층의 변화에 적합한 태양-지자기 좌표계(solar-geomagnetic reference frame)를 이용하였다. 태양 활동이 비교적 활발하지 않은 때의 경우, 이 연구의 모델은 이온층 활동이 활발한 낮 시간대의 총전자수가 대략 30-45 TECU 정도로 나타났다. 이 모델의 신뢰성을 평가하기 위해 한국천문연구원(Korea Astronomy Observatory, KAO)의 지역적 모델과 Center for Orbit Determination in Europe의 전 지구적 모델에 의한 총전자수를 동일 지역에 대해 비교했을 때 5일 동안 약 4-5 TECU 정도의 RMS 차이를 보였다.

• 대한원격탐사학회지
• /
• 제26권5호
• /
• pp.561-570
• /
• 2010

본 연구에서는 안드로이드 스마트폰 상에서 위성영상정보 분석처리 기능과 공간정보 브라우징 기능을 지원하는 오픈 소스를 활용한 앱 개발을 수행하였다. 본 연구에서 개발한 앱에서 제공하는 분석 기능으로 OTB 오픈소스를 기반으로 하는 필터링, 분할, 분류 등과 같은 5 가지 알고리즘을 시험적으로 구현하였다. 한편 처리된 결과는 데이터베이스에서 저장, 관리되도록 하여 사용자가 처리한 결과를 필요할 때마다 재생할 수 있도록 하였다. 따라서 안드로이드 스마트폰 사용자는 간단한 인터페이스를 통하여 위성영상을 분석하고 가공할 수 있고, 내부적으로는 데이터베이스와 영상 분석 기능을 처리하는 어플리케이션 서버 등과의 연계처리 과정이 수행되도록 하였다. 한편 스마트폰 단말기 환경에 맞추어 처리 대상이 되는 영상정보에 대하여 사용자 요청과 어플리케이션 서버의 반응 사이에서 발생할 수 있는 시간 지연을 방지하는 처리 방법을 구현하였다. 현재까지 위성영상정보를 다루는 대부분의 스마트폰 앱이 주로 가시화에 주안점을 두고 있는 반면에, 본 연구에서 개발된 앱은 영상분석 기능을 제공하므로 기존의 앱과 차별화된다. 향후 보다 실무적이고 효과적인 분석 알고리즘을 처리하는 앱이 개발되고 일반인 뿐 만아니라 전문가가 이를 사용하게 되면 원격탐사자료가 잠재적 가능성이 있는 모바일 콘텐츠 자원이 아닌 실질적인 콘텐츠 생산 자원으로 인식될 수 있다. 본 연구가 향후 위성영상정보 분석 가능을 제공하는 앱 개발을 위한 독창적인 시도와 기술적 발전을 촉진하는 시발점이 될 수 있기를 기대한다.

• 대한원격탐사학회지
• /
• 제37권5_3호
• /
• pp.1425-1434
• /
• 2021

하천 시설물의 효율적인 유지관리를 위해서는 대상물에 대해 지속적이고, 주기적인 데이터 취득이 선행되어야 한다. 하천 시설물은 일반 시설물과 달리 넓고 긴 지역을 따라 분포하고 있으므로 지상레이저스캐너, 토탈스테이션 및 GNSS를 활용하는 기존의 하천 측량 방법으로는 공간정보를 취득하는 데에 비용·인력·시간적 한계가 존재한다. 이에 반해, 모바일매핑시스템(Mobile Mapping System, 이하 MMS)은 플랫폼의 이동과 동시에 3차원 공간정보를 취득하므로 하천 시설물의 데이터 취득에 효율적이다. 따라서 본 연구진은 MMS를 활용하여 안양천 4 km 제방에 대해 20분동안 184,646,099개의 포인트를 취득했으며, 이를 10 m 간격의 종 방향으로 분할하여 378개의 횡단면을 추출하였다. 제방 횡단면 포인트 클라우드에서 제외지의 경사면 정보만 따로 분리하여 최대 및 평균 비탈 경사를 자동으로 계산하였으며, 이를 동일 제방에 대해 수동으로 계산한 값과 비교했을 때 RMSE 기준 최대 경사 1.124°, 평균 경사 1.659°의 정확도를 확인할 수 있었다. Reference 경사는 제방의 포인트 클라우드를 plot하고 경사 계산 시 위치정보를 사용하는 두 점을 직접 선택하여 수동으로 계산하였다. 또한 자동 추출한 경사를 하천기본계획 상의 비탈 경사면 설계 기준과 비교하여 MMS를 활용한 하천 시설물 검사의 가능성을 확인하였다.

• 비교문화연구
• /
• 제43권
• /
• pp.7-50
• /
• 2016

자본주의화된 식민지 조선에서 기생은 위기감 속에서 경제적 구원자가 될 남성에 의존해서 사는 처지였지만 다른 한편으로는 근대와 자본주의가 부여한 변신의 기회를 갖기도 했다. 사회주의자 정칠성도 정치적 각성을 통해 그러한 변신의 기회를 활용한 사람 중 하나였다. 정칠성의 정치적 각성은 3.1운동이라는 역사적 계기와 십여 년 간 기생으로서 경험했던 개인의 노동 체험이라는 두 가지 요인이 작용한 결과이다. 3.1운동은 민족주의라는 외연을 띤 거대한 정치적 사건이었지만 정칠성이라는 한 여성의 개인적인 분노의 감정을 이끌어낸 계기이기도 했다. 또한 초기 자본주의 사회에서 직업을 가진 여성들은 직무 상의 역할 이외에도 순종적이면서도 아량이 넓어야 한다는 정서적인 역할을 강요받았다. 즉 초기 직업 여성들은 공적 영역에서 젠더 위계와 젠더 권력 속에 무방비로 노출됨으로써 분노와 수치, 모멸감 등의 감정을 겪어야 했고 이러한 감정들이 정칠성의 사례에서 나타나듯 어떤 정치적 각성에 이르게 함을 알 수 있다. 노동 경험과 감정의 문제를 매개로 한 정치적 각성은 정칠성으로 하여금 다른 여성 사회주의자들과는 달리, 여성의 경제적 독립이라는 이슈를 구체적이고 현실적으로 이해하게 만든 요인이었다. 그러나 사회주의 언어는 정칠성에게 자신의 체험을 설명할 수 있는, 당시로서는 상대적으로 가장 적절한 언어였지만 그녀의 체험은 엘리트 사회주의 언어로서는 설명될 수 없는 지점들을 갖고 있다. 따라서 그녀의 삶은 엘리트 중심의 사회주의 운동을 넘어서, 하층민 여성의 삶이 새로운 감성으로 분할되고 등재되어 정치적으로 가시화될 필요가 있음을 역설적으로 증명하고 있다.

• 터널과지하공간
• /
• 제29권3호
• /
• pp.184-196
• /
• 2019

본 연구에서는 화강암 시편에서 수압 파쇄법에 의해 생성된 미세균열의 3차원 형상을 X-ray CT 영상과 딥러닝을 이용하여 추출하였다. 실험으로 생성된 미세균열은 X-ray CT 영상 상에서 일반적인 영상처리방법으로는 추출하기 매우 어렵고 육안으로만 관찰이 가능한 형태를 지닌다. 하지만 본 연구에서 제안한 합성곱 신경망(Convolutional neural network) 기반 인코더-디코더(Encoder-Decoder) 구조의 딥러닝 모델을 통해 미세균열을 정량적으로 추출할 수 있었다. 특히 픽셀 단위의 미세균열 추출을 위해 인코딩 과정에서 소실되는 정보를 디코딩 과정으로 직접 전달하는 디코더 모델을 제안하였다. 또한, 딥러닝 기반 신경망 학습에 필요한 데이터의 수를 증가시키기 위해 이미지의 분할(Division), 회전(Rotation), 그리고 반전(Flipping) 등으로 데이터를 생성하는 영상 증대 방법을 적용하였으며 이때 최적의 조합을 확인하였다. 최적의 영상 학습 데이터 증대 방법을 적용하였을 때 검증 데이터뿐만 아니라 테스트 데이터에서의 성능 향상을 확인하였다. 학습 데이터의 원본 개수가 딥러닝 기반 신경망의 균열 추출 성능에 미치는 영향을 확인하고 딥러닝 기술을 사용하여 성공적으로 미세균열을 추출하였다.

• 한국전자파학회논문지
• /
• 제30권3호
• /
• pp.223-228
• /
• 2019

본 논문에서는 국내 해안지역인 제주도-진도에서의 실제 기상데이터와 지형정보를 이용하여 각 대기 굴절 기울기에 따른 전파 경로손실을 분석하고, 실측결과와 비교하여 결과가 유사함을 확인하였다. 시뮬레이션 결과를 토대로 하여 트랩의 위치와 두께에 따라 덕트맵을 구성하고, 송 수신 안테나의 고도에 따라 영역을 분할하여, 제주 해안지역에서 자주 발생하는 덕트에 대해 분석을 진행하였다. 이러한 덕트맵의 유효성을 확인하기 위해 실제 2018년 5월의 기상데이터 중 대표적인 2개 날짜의 데이터를 선택하여 덕트맵 상에서 해당되는 위치를 확인하고, 전파 경로손실을 계산한 후, 실측데이터와 비교하였다. 시뮬레이션을 통해 얻어진 경로손실 값은 각각 167.7 dB, 192.3 dB로서 측정 결과 164.4 dB, 194.9 dB와 유사함을 확인할 수 있다.

• 트랜스-
• /
• 제13권
• /
• pp.59-90
• /
• 2022

'10분 이내의 짧은 동영상 콘텐츠'를 뜻하는 숏폼 콘텐츠(short-form contents)는 그 콘텐츠의 특성상 짧은 러닝타임으로 틈날 때마다 시청할 수 있다는 장점을 기반으로 MZ세대들 사이에서 최근의 트렌드로 급부상하고 있으며 이들은 물리적으로 짧고, 다채로우며, 그 압축된 시간 내에 많은 정보를 순식간에 전달하기 때문에 롱폼 콘텐츠와 내용과 형식에서 모두 상이점을 보인다. 또한 정보전달성 영상이나, 먹방, 웹예능, 댄스 챌린지 등 오락성을 띤 영상들이 주로 제작되고 유통되기 때문에 이전처럼 영상전문가의 창작물로서의 전문성을 띠지 않아도 되며 스마트폰과 같은 보급형 장비를 이용하여 제작에 직접 참여함으로써 소비자가 곧 생산자가 되는 경우가 많다. 이러한 이유들로 인해 숏폼 콘텐츠는 롱폼 콘텐츠(long-form contents)와 같은 일반적인 기존의 영상 형태가 아닌 새로운 영상 스타일을 만들어내고 있으며 본 연구는 그중 편집 스타일의 변화에 집중하여 연구한다. 본 연구는 롱폼 콘텐츠에 대비하여 달라진 숏폼 콘텐츠의 편집 스타일을 '시각적' 측면에 따라 분석하여 다음 다섯 가지의 특징적 변화를 정리하였다. 프레임의 사용, 밈의 활용, 화면분할, 블루 스크린 그리고 자막의 활용이 그것인데 각각의 특징을 정리함으로써, 최근 트렌드로 떠오르고 있는 숏폼 콘텐츠의 편집 스타일에 대해 파악하고, 그 변화에 대해 알아보았다.

• 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_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.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.597-608
• /
• 2022

원격탐사 자료는 재난, 농업, 도시계획 및 군사 등 다양한 분야에서 활용되며, 최근 다양한 고해상도 센서에서 취득된 시계열 자료의 활용에 대한 요구가 증대되고 있다. 본 연구에서는 시계열 원격탐사 자료의 활용을 위해 딥러닝 기법을 이용한 영상 매칭 방법을 제안하였다. 본 연구에서 적용한 딥러닝 모델은 영상분할 영역에서 많이 사용되고 있는 HRNet을 기반으로 하였다. 특히, 기본영상과 목표영상 간 상관도 맵을 효과적으로 계산하고, 학습의 효율을 높이기 위하여 denseblock을 추가하였다. 국토지리정보원의 다시기 항공정사영상을 이용하여 제안된 모델의 학습을 수행하였으며, 학습에 사용하지 않은 자료를 이용하여 평가를 하고자 하였다. 딥러닝 모델을 이용한 영상매칭 성능을 평가하기 위해 영상 매칭결과와의 비교평가를 수행하였다. 실험 결과, 제안기법을 통한 영상 매칭률이 80%일 때의 평균 오차는 3화소로 ZNCC에 의한 결과인 25화소에 비해 더 높은 정확도를 보였다. 제안된 기법은 식생의 생장에 따라 영상의 변화가 심한 산지 및 농지 지역에 대해서도 효과적임을 확인하였다. 이를 통해 딥러닝을 이용한 기준영상과 목표영상의 매칭을 수행할 수 있을 것으로 판단되며, 위성영상의 상호좌표등록 및 다시기 영상의 정합 등에 활용할 수 있을 것으로 예상된다.