• 대한원격탐사학회지
• /
• 제37권6_3호
• /
• pp.2027-2034
• /
• 2021

다중 시기 KOMPSAT-3/3A 고해상도 위성영상을 이용하여 후쿠시마 제1 원자력 발전소 주변 지역에 대한 식생지수를 산출하고 식생 변화의 양상을 분석하였다. 식생지수 산출 시에는 KOMPSAT-3/3A 위성영상의 지표반사도를 사용하였다. 4개 연도의 위성영상을 사용하였으며 이 영상이 중첩되는 지역을 연구의 대상이 되는 관심영역으로 정하였다. 자료 분석 방법으로 주로 식생이 분포하는 지역을 지나가는 측선을 설정하여 연도별 변화 양상을 살펴보았다. 또한, 2차원 공간상의 식생지수의 변화를 정량적으로 나타내기 위하여 관심영역 내에서 랜덤 포인트를 추출하여 상자그림으로 나타내었다. 연구의 주요 결과는 원전 인근 지역에서 2014년 식생지수는 관심영역 내에서 낮은 값으로 나타났지만 이후 2021년까지 지속해서 식생이 발달하고 있는 것으로 나타났다. 이러한 결과는 측선이나 상자그림으로 나타낸 변화 모니터링 결과에서도 확인할 수 있었다. 현장 자료를 수집하기 어려운 후쿠시마 원전 지역과 같이 접근이 제한되는 재난 지역에서는 위성영상을 이용하여 높은 정확도를 갖는 토지 피복 분류 산출물을 얻기가 어렵기 때문에 고해상도 위성영상 정보부터 얻는 식생지수와 같이 기본적인 산출물을 이용하여 분석하는 방식이 적절하다. 한편 국제적으로 공동 활용이 가능한 위성정보 자원의 활용 체계 구축과 함께 우리나라에 영향을 줄 수 있는 주변국의 환경 변화를 주기적으로 모니터링하기 위하여 고해상도 위성영상을 이용한 활용 모델과 시스템을 구축할 필요가 있다.

• 융합보안논문지
• /
• 제21권2호
• /
• pp.57-66
• /
• 2021

딥뉴럴네트워크는 이미지 인식, 음성 인식, 패턴 인식 등에 좋은 성능을 보여주고 있는 대표적인 딥러닝모델 중에 하나이다. 하지만 이러한 딥뉴럴네트워크는 적대적 샘플을 오인식하는 취약점이 있다. 적대적 샘플은 원본 데이터에 최소한의 노이즈를 추가하여 사람이 보기에는 이상이 없지만 딥뉴럴네트워크가 잘못 인식 하게 하는 샘플을 의미한다. 이러한 적대적 샘플은 딥뉴럴네트워크를 활용하는 자율주행차량이나 의료사업에서 차량 표지판 오인식이나 환자 진단의 오인식을 일으키면 큰 사고가 일어나기 때문에 적대적 샘플 공격에 대한 방어연구가 요구된다. 본 논문에서는 여러 가지 파라미터를 조절하여 적대적 샘플에 대한 앙상블 방어방법을 실험적으로 분석하였다. 적대적 샘플의 생성방법으로 fast gradient sign method, DeepFool method, Carlini & Wanger method을 이용하여 앙상블 방어방법의 성능을 분석하였다. 실험 데이터로 MNIST 데이터셋을 사용하였으며, 머신러닝 라이브러리로는 텐서플로우를 사용하였다. 실험방법의 각 파라미터들로 3가지 적대적 샘플 공격방법, 적정기준선, 모델 수, 랜덤노이즈에 따른 성능을 분석하였다. 실험결과로 앙상블 방어방법은 모델수가 7이고 적정기준선이 1일 때, 적대적 샘플에 대한 탐지 성공률 98.3%이고 원본샘플의 99.2% 정확도를 유지하는 성능을 보였다.

• 문화기술의 융합
• /
• 제7권2호
• /
• pp.411-417
• /
• 2021

인간과 컴퓨터의 상호작용을 연구하는 분야를 HCI(Human-computer interaction)라고 한다. 이 분야는 인간과 컴퓨터 간에 서로 소통하면서 정보를 인식하는 방법에 대해 연구하는 학문 분야이다. 본 연구는 사람과의 상호작용을 위한 손동작 인식에 대한 연구로써 기존 인식방법의 문제점을 살펴보고 인식률을 개선하기 위한 알고리즘을 제시한다. 사람의 손 모양이 포함된 영상을 대상으로 피부색 정보를 바탕으로 손 영역을 추출하고, 주성분 분석을 이용하여 무게중심 프로필을 계산한다. 이렇게 얻은 정보를 미리 정의된 형상들과 비교하여 손동작을 인식률을 높이는 방법을 제안하였다. 기존의 무게중심 프로필은 회전으로 인한 손의 변형에 대해 잘못된 손동작 인식을 결과를 보여주었으나, 본 연구에서는 무게중심 프로필을 이용하고 모든 윤곽선의 점들과 무게중심 사이의 거리가 가장 긴 점을 시작점으로 하여 무게중심 프로필을 다시 개선함으로써 강건한 알고리즘을 제시하였다. 손동작 인식을 위하여 센서가 부착된 장갑이나 특별한 마커를 사용하지 않으며, 별도의 청색 스크린을 설치하지도 않는다. 이 결과에 대해 가장 가까운 거리의 특징벡터를 찾아 잘못된 인식을 해결하고, 적당한 경계치를 구하여 성공과 실패를 구분한다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.359-365
• /
• 2021

천리안위성2A호 기상탑재체 AMI(Advanced Meteorological Imager) 센서 검출기의 최상의 요소들로 구성된 Best Detector Select (BDS) 맵은 발사 전 확정되어 AMI에 업로드 되어 있다. 위성 발사 이후 급격한 온도 변화 환경에 노출되면 검출기의 성능에 변화가 생길 수 있으며, 발사 및 탑재체 아웃개싱 이후에 BDS맵의 성능을 다시 분석하고 필요시 업데이트가 필요하다. 검출기 요소 전체에 대한 성능을 검증하기 위한 분석 작업이 탑재체 개발업체(미 L3HARRIS사)가 제공한 BDS맵 분석 기술 문서를 기반으로 진행되었다. BDS맵 분석이란 탑재체 검출기가 기준 목표물(심우주와 탑재체 내부 보정 타겟)을 응시하는 동안 얼마나 안정적인 신호를 보이는 지를 평가하는 것이다. 이러한 목적으로 LTS(Long Time Series) 및 V-V(Output Voltage vs. Bias Voltage)라 부르는 검증법이 이용된다. LTS는 30초 동안, V-V는 2초 동안 목표물을 응시하고 이 때의 검출기 노이즈 성분을 계산한다. 자료를 획득하기 위해서는 탑재체의 운영을 멈추고 특별 관측을 실시하여야 하기 때문에, 정상 운영 전인 궤도상 시험기간 중에 해당 작업이 이루어지게 된다. 천리안위성2A호 기상탑재체 궤도상 시험 기간 동안 획득한 자료를 바탕으로 BDS맵의 상태를 평가하였다. 발사 전 지상 시험에서 평가된 BDS맵의 전체 성분들 중에 약 1%에 해당하는 요소들이 성능 변화를 보였으며, 이를 다른 요소들 중 최상의 성능을 보이는 성분으로 교체하였다. 새로운 BDS맵을 적용한 결과 BDS문제로 인해 야기된 기상탑재체 원시영상에 나타나는 노이즈 성분(줄무늬)이 완전하게 제거되었다.

• 한국산학기술학회논문지
• /
• 제19권11호
• /
• pp.497-505
• /
• 2018

대형폐기물량을 산정해야 하는 상황에서 드론을 이용하여 폐기물의 3차원 모형을 구축하여 폐기물의 정량적인 양을 산출할 수 있다. 필요에 따라서 단시간에 폐기물량을 산정해야 하는 경우가 있다. 본 연구에서는 다양한 비행변수와 지상기준점 측량을 통해 드론 기반의 3차원 모형을 구축하고 정확도와 소요되는 시간의 관계를 분석하였으며 단시간에 폐기물량 산정을 위한 적절한 드론 활용 기법을 도출하고자 하였다. 드론을 이용하여 폐기물의 영상을 촬영하여 자동정합하고 3차원 좌표를 가지는 모형을 생성하였다. 3차원 모형의 정확도는 RMSE(Root Mean Square Error) 계산을 통해 평가하였다. 총 49개 모형의 RMSE는 최고 0.08부터 최저 124.75로 나타났다. 정확도가 높은 상위 15개 모형의 소요시간과 그 특성을 분석한 결과, RMSE가 0.08로 영상의 정확도가 가장 높은 1번 모형의 소요시간이 954.87분으로 나타났다. 또한 소요시간이 98.27분으로 가장 짧은 10번 3차원 모형의 RMSE는 0.15로써 정확도가 가장 높은 모형과 큰 차이가 없음을 확인하였다. 가장 효율적인 드론 비행변수는 비행고도 150m에서 높은 촬영중복도(종중복도 60-70%, 횡중복도 30-40%)이며 영상정합에 필요한 지상기준점 개수는 최소 10개 이상인 것으로 나타났다. 본 연구의 결과는 드론을 활용하여 신속하고 효율적인 폐기물량 산정하는데 기초자료로 활용될 수 있다.

• 융합정보논문지
• /
• 제8권6호
• /
• pp.367-374
• /
• 2018

본 연구의 목적은 도시 재생사업의 일환인 전통시장의 활성화를 중심으로 전통시장 활성화 사업 중 문화 관광형 사업에서 지역적으로 노후화와 본래 전통시장의 기능을 잃어버린 제천중앙시장의 정체성확립을 위해 시장고유의 자원을 통한 스토리개발을 통하여 특색과 차별화된 요소를 적용한 문화관광형 시장으로 고도화가 그 목적이다. 이를 위해 제천지역의 기초조사 및 분석과 제천중앙시장의 현황조사를 통하여 문제점을 진단하고, 지역상인 및 방문객의 설문을 통하여 키워드를 분석하였다. 제천중앙시장의 활성화방안을 각 층 및 공간별 도출하여 제천 중앙시장만의 디자인스토리를 개발 및 적용하여 제천중앙시장의 전통시장이 가지고 있는 지역적, 문화적인 요소를 통한 지역의 본연의 전통시장의 모습을 되찾고, 향후 지역의 랜드마크가 될 수 있는 공간적인 장소성과 문화의 중심지가 될 수 있도록 한다. 이를 위하여 디자인된 스토리텔링은 제천중앙시장의 C.I. 및 건물외관 뿐만 아니라 각 층별 공간계획에도 적용, 연계되어야 하며, 제천중앙시장의 아이덴티티를 다시 확립할 수 있도록 한다.

• 한국지리정보학회지
• /
• 제22권1호
• /
• pp.19-27
• /
• 2019

본 연구는 비무장지대 및 군사분계선의 길이를 측정한 것이다. 이를 위해 정전협정문 첨부지도를 사용했다. 이 지도들은 9개의 도엽으로, 지도에 표시된 군사분계선을 추출하기 위해 도곽 좌표를 근거로 ArcGIS의 지오레퍼런싱 기능을 사용하여 스캔된 이미지 지도에 좌표를 부여했다. 이 지도들을 스크린 디지타이징하여 군사분계선을 추출하였다. 추출된 벡터를 원도에 중첩시켜 정확도를 확인하였다. 그리고 기존 연구에서 추출된 벡터와의 비교 분석을 통해 검증을 시도했다. 기존 연구에서 추출된 벡터는 군사분계선의 굴곡 부분에서 오차가 있었지만, 본 연구에서 추출된 벡터는 정전협정문 첨부지도의 군사분계선과 정확하게 일치했다. 그 길이를 측정한 결과는 239.42km(148.77mile)이다. 이는 현재 비무장지대와 관련된 연구나 보고서 그리고 대중 매체에서 표기하는 '155마일 휴전선' 또는 '248km 비무장지대'라는 표현의 부적합을 의미하는 것이다. 본 연구는 향후 비무장지대와 관련된 연구와 국가 또는 지방자치단체의 비무장지대와 관련된 정책 결정에 있어서 정확한 길이에 대한 정의를 제공할 수 있을 것으로 생각된다. 그러나 국토지리정보원 등 국가 기관에서의 본 연구에 대한 검증이 필요하다고 생각된다. 이러한 검증 절차를 거친 후 국가 차원에서의 비무장지대 및 군사분계선 길이에 대한 명확한 정의를 기대한다.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.581-588
• /
• 2018

본 연구는 다시기 영상의 활용이 유리한 RapidEye 영상의 활용성을 증대시키기 위하여, 이들 간에 지역적으로 존재하는 기하오차를 최소화 하는 정밀 상호좌표등록 기법을 제안하였다. 이를 위해, RapidEye 영상과 함께 제공되는 RPCs (Rational Polynomial Coefficients)를 이용하여 다시기 정사영상을 생성하고, 정사영상 간의 정밀 상호 좌표등록을 수행하였다. 정사영상을 생성하기 위해서 수치지도에서 추출된 DEM (Digital Elevation Model)을 활용하였으며, 정밀 상호좌표등록을 수행하기 위하여 RNCC (Registration Noise Cross Correlation) 기법을 적용하였다. 영광지역에 대해 2015년 5월부터 2016년 11월까지 획득된 RapidEye 1B 영상 총 4장을 활용하여 실험을 진행하였으며, 밴드별(blue, green, red, red edge, near-infrared)로 적용된 정밀 상호좌표등록 결과 비교분석을 통해 각 밴드가 보이는 상호좌표등록 적용 가능성 여부를 판단하였다. 실험 결과, RapidEye 영상의 모든 밴드를 활용하여 상호좌표등록이 가능하였으며, 상호좌표등록을 하지 않았을 때보다 다시기 영상 간 정량적/정성적으로 향상된 기하 일치도를 보였다. 특히 red와 red edge 밴드를 이용할 경우 다시기 영상 촬영시기의 계절적 차이에 관계없이 안정적인 상호좌표등록 결과를 보임을 확인하였다.

• Investigative Magnetic Resonance Imaging
• /
• 제23권3호
• /
• pp.210-219
• /
• 2019

Purpose: The purpose of this study was to investigate if double inversion recovery (DIR) imaging can have a role in the evaluation of brain ischemia, compared with diffusion-weighted imaging (DWI) and fluid-attenuated inversion recovery (FLAIR) imaging. Materials and Methods: Sixty-seven patients within 48 hours of onset, underwent MRI scans with FLAIR, DWI with b-value of 0 (B0) and $1000s/mm^2$, and DIR sequences. Patients were categorized into four groups: within three hours, three to six hours, six to 24 hours, and 24 to 48 hours after onset. Lesion-to-normal ratio (LNR) value was calculated and compared among all sequences within each group, by the Friedman test and conducted among all groups, for each sequence by the Kruskal-Wallis test. In qualitative assessment, signal intensity changes of DIR, B0, and FLAIR based on similarity with DWI and image quality of each sequence, were graded on a 3-point scale, respectively. Scores for detectability of lesions were compared by the McNemar's test. Results: LNR values from DWI were higher than DIR, but not statistically significant in all groups (P > 0.05). LNR values of DIR were significantly higher than FLAIR within 24 hours of onset (P < 0.05). LNR values were significantly different between, before, and after six hours onset time for DIR (P = 0.016), B0 (P = 0.008), and FLAIR (P = 0.018) but not for DWI (P = 0.051). Qualitative analysis demonstrated that detectability of DIR was higher, compared to that of FLAIR within 4.5 hours and six hours of onset (P < 0.05). Also, the DWI quality score was lower than that of DIR, particularly relative to infratentorial lesions. Conclusion: DIR provides higher detectability of hyperacute brain ischemia than B0 and FLAIR, and does not suffer from susceptibility artifact, unlike DWI. So, DIR can be used to replace evaluation of the FLAIR-DWI mismatch.

• 대한원격탐사학회지
• /
• 제35권2호
• /
• pp.229-239
• /
• 2019

모든 식생 군락은 각자 층위구조를 가지고 있다. 이를 '식생층위구조'라 부른다. 요즈음은 이 층위구조가 산림의 활력도, 다양성, 그리고 환경영향을 평가하는데 중요한 식별자로 작용하기 때문에 산림조사에 있어서 식생층위구조는 필수적으로 조사되어야한다. 그런데, 식생층위구조는 일종의 내부구조이므로 일반적으로 산림조사는 현장조사를 통해 이루어지는데, 이는 전통적인 방식으로 시간과 예산이 많이 든다. 따라서 본 연구에서는 산림의 층위구조를 조사하는데 드는 시간과 예산을 줄이기 위해 넓은 지역 탐사에 효과적인 원격탐사기법 중 항공촬영 사진과 대량의 데이터 마이닝(Data Mining)이 가능한 머신러닝(Machine Learning)기법 이용한 층위구조의 분류 방법을 제시한다. 칼라 항공사진, LiDAR(Light Detection and Ranging) DSM(Digital Surface Model)과 DTM(Digital Terrain Model)을 이용하여 Support Vector Machine(SVM) 머신러닝 기법을 이용하여 층위분류 연구를 진행하였다. 현장조사 자료를 참조하여 SVM기법 분류 결과와 비교했을 때 픽셀수에 기반한 정확도는 66.22%로 확인 되었다. 층위 분류 정확도는 단층과 다층의 구분은 비교적 높게 나타났으나, 다층끼리의 분류는 어렵다는 결론이 나타났다. 이러한 연구결과는 향후 다양한 식생데이터와 영상자료를 수집한다면 식생구조에 대한 머신러닝 연구분야에 더욱 발전이 가능할 것으로 기대된다.