• 한국정보통신학회논문지
• /
• 제24권12호
• /
• pp.1711-1717
• /
• 2020

일반적으로 컨테이너 내부검사를 위해서는 최대 9MeV의 X-선을 사용한다. 이때 사용되는 X-선은 선형가속기를 통해 생성되며 일정한 세기의 X-선량이 시간의 변화에 관계없이 안정적으로 유지되어야 한다. 만약 발생되는 X-선의 세기가 일정하지 않다면 영상의 해상도와 대비도 등에 영향을 미칠 수 있으며 결과적으로 컨테이너 내부의 이상화물에 대한 검사에 영향을 미칠 수 있다. 그러므로 고화질의 영상을 획득하기 위해서는 발생되는 X-선 선량에 대한 지속적인 모니터링이 요구된다. 이와같은 선량 모니터링을 위하여, 본 연구에서는 고에너지 X-선 선량의 변화 측정을 위한 이온전리함 기반의 선량변화 측정장치를 개발하였고 환경변화에 따른 신호처리부의 성능변화를 확인하기 위하여 온도와 습도 변화에 의한 측정값의 변화를 관찰하였다. 또한, 고에너지 X-선 발생장치에서 발생되는 선량의 변화에 따른 응답특성변화를 측정함으로써 개발한 X-선 선량측정장치의 검증을 수행하였다. 측정결과 온도와 습도의 변화에 따른 성능의 차이가 크게 나타나지 않았으며 입사되는 선량의 변화에 따른 출력의 변화가 선형적이었다. 그러므로 개발한 이온전리함 기반의 선량변화측정장치는 고에너지 X-선의 선량변화의 측정에 적용하기에 적합함을 알 수 있었다.

• 해양환경안전학회지
• /
• 제27권1호
• /
• pp.22-28
• /
• 2021

본 연구는 화재진압 및 피난활동을 지원하는 딥러닝 기반의 알고리즘 개발에 관한 기초 연구로 선박 화재 시 연기감지기가 작동하기 전에 검출된 연기 데이터를 분석 및 활용하여 원격지까지 연기가 확산 되기 전에 연기 확산거리를 예측하는 것이 목적이다. 다음과 같은 절차에 따라 제안 알고리즘을 검토하였다. 첫 번째 단계로, 딥러닝 기반 객체 검출 알고리즘인 YOLO(You Only Look Once)모델에 화재시뮬레이션을 통하여 얻은 연기 영상을 적용하여 학습을 진행하였다. 학습된 YOLO모델의 mAP(mean Average Precision)은 98.71%로 측정되었으며, 9 FPS(Frames Per Second)의 처리 속도로 연기를 검출하였다. 두 번째 단계로 YOLO로부터 연기 형상이 추출된 경계 상자의 좌표값을 통해 연기 확산거리를 추정하였으며 이를 시계열 예측 알고리즘인 LSTM(Long Short-Term Memory)에 적용하여 학습을 진행하였다. 그 결과, 화재시뮬레이션으로부터 얻은 Fast 화재의 연기영상에서 경계 상자의 좌표값으로부터 추정한 화재발생~30초까지의 연기 확산거리 데이터를 LSTM 학습모델에 입력하여 31초~90초까지의 연기 확산거리 데이터를 예측하였다. 그리고 추정한 연기 확산거리와 예측한 연기 확산거리의 평균제곱근 오차는 2.74로 나타났다.

• 한국해안·해양공학회논문집
• /
• 제33권6호
• /
• pp.246-256
• /
• 2021

연안을 중심으로 시행되는 각종 개발사업은 표사수지 불균형, 연안표사 이동상 및 횡단표사 이동상 변화를 야기하며, 이로 인한 해빈의 완충구간 축소로 연안재해 위험성을 크게 증대시킬 뿐 아니라 회복 불가능한 장기적 해안침식 문제를 초래하게 된다. 연안개발을 위해 건설된 각종 구조물의 영향으로 발생되는 장기적·지속적인 해안침식 현상은 표사수지 및 연안표사와 횡단표사 변화량 평가를 통해 직접적인 원인 규명이 가능하다. 즉, 표사수지 변화, 연안표사 이동, 횡단표사 이동 구분되는 이들 개별적인 원인에 기인한 침식지역과 복합적인 작용에 의한 침식지역의 분류를 통해 연안개발과 해안침식 현상의 인과성 평가가 가능할 것이다. 본 연구에서는 연안개발에 따른 침식 문제가 지속적으로 제기되고 있는 동해안(강원도, 경상북도) 일대 해안을 대상으로 연안 구조물 건설 및 육역 개발 등 주요 개발현황과 연안침식 실태조사 결과를 기반으로 장기적·지속적 침식원인을 분석하였다. 아울러 인공구조물 건설에 따른 침식의 정도를 평가하고자 침식 영향도 개념을 정립하고, 침식 영향도 평가를 위한 세 가지 방법론을 제안하였다. 연안침식 실태조사에서 검토된 해빈 영상분석 자료를 활용하여 하저항을 대상으로 침식 영향도를 평가하였으며, 평가결과 하저항 개발은 93.4%, 호안도로 건설은 6.6%로 침식에 영향을 미친것으로 평가되었다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1479-1488
• /
• 2022

해양에서는 선박충돌, 침몰 등으로 인하여 기름이 유출되는 사고가 간헐적으로 일어난다. 이러한 사고가 발생하였을 때 신속한 대책 마련을 위해 유출유 현황을 정확히 파악해야 한다. 이를 위해 해양경찰은 고정익비행기 또는 헬기로 대상 지역을 순찰하며 육안이나 영상 촬영을 통해 확인하는데, 유출유로 오염된 면적과 지도 상의 정확한 위치를 파악하는데 어려움이 있었다. 이에 본 연구는 유출유 현황 파악을 위해 해경에서 수집한 항공 영상을 개별적으로 지상기준점 없이 자동으로 직접 지오레퍼런싱(georeferencing)하여 정사보정하는 기술을 개발한다. 먼저, 영상 등 센서 정보를 가시화한 화면에서 지오레퍼런싱에 필요한 메타정보를 문자인식기술을 통해 추출한다. 추출된 정보를 바탕으로 영상의 외부표정요소를 결정한다. 결정된 외부표정요소를 이용해서 영상을 개별적으로 정사보정한다. 이러한 방법으로 통해 생성한 개별정사영상의 정확도는 수십 미터에서 최대 100 m 정도로 평가되었다. 지상기준점을 사용하지 않았고, 위치와 자세 센서의 관측 오차, 카메라 초점거리 등 내부표정요소의 오차를 고려할 때 상당히 양호한 수준이었다. 해양에서 유출유 오염 지역에 대한 현황 파악을 위해 적절한 수준으로 판단된다. 향후 비행 중 촬영 영상에 대한 실시간 전송이 가능해지면, 제안된 개별정사보정 기술을 통해 실시간으로 개별 정사영상을 생성할 수 있게 된다. 이를 기반으로 유출유 오염 현황에 대한 신속한 파악과 대책 수립에 효과적으로 활용할 수 있다.

• 해양환경안전학회지
• /
• 제28권spc호
• /
• pp.1-10
• /
• 2022

국내외 해상 위험·유해물질(Hazardous and Noxious Substances, HNS) 물동량이 증가함에 따라 HNS 유출 사고의 위험성이 점차 높아지고 있다. 해상에 유출된 HNS는 해양생태계 파괴를 비롯한 해양환경 오염 및 인명피해를 유발하며, 화재 및 폭발 등을 동반한 2차 사고 발생 가능성도 존재한다. 따라서 해상 HNS의 신속한 탐지와 각 물질 특성에 적합한 방제전략을 수립해야 한다. 본 연구에서는 초분광 원격탐사에 기반한 지상 HNS 유출 실험 과정 및 탐지 알고리즘 적용 결과를 제시하고자 한다. 이를 위해 프랑스 브레스트 지역의 야외 풀장에서 스티렌을 유출한 후 초분광 센서를 활용한 동시 관측을 수행하였다. 순수 스티렌 및 해수 스펙트럼은 주성분 분석(principal component analysis, PCA) 및 N-Findr 기법을 적용하여 추출하였으며, 또한 spectral distance similarity (SDS), spectral correlation similarity (SCS), spectral similarity value (SSV), spectral angle mapper (SAM)을 포함한 분광정합 기법을 적용하여 초분광 영상 내 화소들을 스티렌 및 해수로 분류하였다. 그 결과 SDS 및 SSV 기법이 우수한 스티렌 탐지 결과를 보여주었으며, 스티렌 총 면적은 약 1.03 m²로 추정되었다. 본 연구는 해상 HNS 모니터링에 주요 역할을 할 것으로 기대된다.

• Korean Journal of Radiology
• /
• 제21권7호
• /
• pp.869-879
• /
• 2020

Objective: To evaluate the performance of a convolutional neural network (CNN) model that can automatically detect and classify rib fractures, and output structured reports from computed tomography (CT) images. Materials and Methods: This study included 1079 patients (median age, 55 years; men, 718) from three hospitals, between January 2011 and January 2019, who were divided into a monocentric training set (n = 876; median age, 55 years; men, 582), five multicenter/multiparameter validation sets (n = 173; median age, 59 years; men, 118) with different slice thicknesses and image pixels, and a normal control set (n = 30; median age, 53 years; men, 18). Three classifications (fresh, healing, and old fracture) combined with fracture location (corresponding CT layers) were detected automatically and delivered in a structured report. Precision, recall, and F1-score were selected as metrics to measure the optimum CNN model. Detection/diagnosis time, precision, and sensitivity were employed to compare the diagnostic efficiency of the structured report and that of experienced radiologists. Results: A total of 25054 annotations (fresh fracture, 10089; healing fracture, 10922; old fracture, 4043) were labelled for training (18584) and validation (6470). The detection efficiency was higher for fresh fractures and healing fractures than for old fractures (F1-scores, 0.849, 0.856, 0.770, respectively, p = 0.023 for each), and the robustness of the model was good in the five multicenter/multiparameter validation sets (all mean F1-scores > 0.8 except validation set 5 [512 x 512 pixels; F1-score = 0.757]). The precision of the five radiologists improved from 80.3% to 91.1%, and the sensitivity increased from 62.4% to 86.3% with artificial intelligence-assisted diagnosis. On average, the diagnosis time of the radiologists was reduced by 73.9 seconds. Conclusion: Our CNN model for automatic rib fracture detection could assist radiologists in improving diagnostic efficiency, reducing diagnosis time and radiologists' workload.

• 지구물리와물리탐사
• /
• 제14권4호
• /
• pp.289-297
• /
• 2011

Chirp SBP 탐사자료는 수 kHz의 고주파수대역의 자료로 다른 탄성파 탐사방법에 비해 고해상 자료이며 취득된 원자료를 기본적인 필터링 후 최종단면으로 이용할 수 있다. 그러나 고주파수 대역에서 발생할 수 있는 각종 잡음이 포함될 수 있고, 시간영역에서 기록된 단면은 복잡한 지형을 제대로 영상화하지 못할 가능성이 있다. 본 연구에서는 이러한 문제를 해결하고, 향상된 영상을 얻을 수 있는 전산처리 흐름(workflow)을 구축하고, 국내대륙붕자료 처리에 적합한 변수를 분석하고자 하였다. 기본 전처리과정 후, 신호대잡음비 필터링을 통하여 고주파수 성분에 포함될 수 있는 각종 잡음을 제거하고, 경사스캔을 이용하여 반사이벤트의 연속성을 증가시키고, 중합후 심도구조보정을 수행하여 시간영역에서 기록된 지형의 왜곡을 진구조로 구조보정하는 과정을 포함시켰다. 이러한 과정을 국내에서 널리 이용되고 있는 탐사장비들을 이용하여 취득된 자료에 적용한 결과, 해상도가 향상된 심도영역 탄성파 단면을 제작할 수 있었다. 본 처리과정을 국내 대륙붕 탐사에 많이 취득되고 있는 Chirp SBP 전산처리에 적용할 시 해석이 용이한 탄성파 단면을 얻을 수 있을 것으로 판단된다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제25권5호
• /
• pp.1-9
• /
• 2019

본 논문에서는 강우시 빗방울로 인해 왜곡된 연안 파랑 비디오 영상에서 빗방울 제거와 제거된 영역에 대한 배경 정보를 복원하기 위한 적대적생성신경망을 이용한 영상 강화 방법을 제안하고자 한다. 영상 변환에 널리 사용되는 Pix2Pix 네트워크와 현재 단일 이미지에 대한 빗방울 제거에 좋은 성능을 보여주고 있는 Attentive GAN을 실험 대상 모델로 구현하고, 빗방울 제거를 위한 공개 데이터 셋을 이용하여 두 모델을 학습한 후 빗방울 왜곡 연안 파랑 영상의 빗방울 제거 및 배경 정보 복원 성능을 평가하였다. 연안 파랑 비디오에 영상에 대한 빗방울 왜곡 보정 성능을 향상시키기 위해 실제 연안에서 빗방울 유무가 짝을 이룬 데이터 셋을 직접 획득한 후 사전 학습된 모델에 대하여 전이 학습에 사용하여 빗방울 왜곡 보정에 대한 성능 향상을 확인하였다. 모델의 성능은 빗방울 왜곡 영상으로부터 파랑 정보 복원 성능을 최대 신호 대 잡음비와 구조적 유사도를 이용하여 평가하였으며, 전이 학습을 통해 파인 튜닝된 Pix2Pix 모델이 연안 파랑 비디오 영상의 빗방울 왜곡에 대한 가장 우수한 복원 성능을 보였다.

• 한국ITS학회 논문지
• /
• 제16권1호
• /
• pp.186-195
• /
• 2017

최근 자율주행 자동차에 대한 연구가 활발하다. 이러한 자율주행을 실현하기 위해서는 ITS, Connected Car, V2X, ADAS 등의 여러 가지 기술이 있다. 그 중에서도 차선의 변경과 목적지까지 운행하기 위해서는 도로상에서 차량이 어디에 있는가를 인식하는 것이 특히 중요하다. 일반적으로 GPS 및 카메라 영상처리를 통하여 이루어지고 있다. 그러나 GPS의 경우 터널과 같은 음영 지역으로 인한 위치 확인의 신뢰성에 한계가 있으며, 카메라 영상처리를 실행할 경우 도로 차선의 상태 및 도로 주변 환경에 따라 인식 및 측위에 한계가 있다. 본 논문에서는 GPS 음영지역인 터널에서 자율주행 자동차를 위한 LED 조명이 설치되어야 함을 제안한다. 본 논문의 실험에서는 차로별 다른 색온도의 빛을 조사하는 터널 LED 조명 모의 환경을 구성한 후, 색온도를 분석하여 자율주행차의 현재 차로의 위치를 측정할 수 있음을 보였다. 이를 바탕으로 본 연구에서는 터널 LED 조명을 이용한 차로 위치측위 기술을 제안한다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 1998년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.286-291
• /
• 1998

SAR has provided weather independent images on land and sea surface, which can be used for extracting various useful informations. Recently attempts to estimate wind field parameters from SAR images over the oceans have been made by various groups over the world. Although scatterometer loaded in ERS-1 and ERS-2 observes the global wind vector field at spatial resolution of 50 Km with accuracies of $\pm$2m/s in speed, the spatial resolution may not be good enough for applications in coastal regions. It is weil known the sea surface roughness is closely correlated to the wind field, but the wind retrieval algorithms from SAR images are yet in developing stage. Since the radar backscattering properties of the SAR images are principally the same as that of scatterometer, some previous studies conducted by other groups report the success in mesoscale coastal wind field retrievals using ERS SAR images. We have tested SWA (SAR Wind Algorithm) and CMOD4 model for estimation of wind speed using an ERS-1 SAR image acquired near Cheju Island, Korea, in October 11, 1994. The precise estimation of sigma nought and the direction of wind are required for applying the CMOD4 model to estimate wind speed. The wind speed in the test sub-image is estimated to be about 10.5m/s, which relatively well agrees to the observed wind speed about 9.0m/s at Seoguipo station. The wind speed estimation through the SWA is slightly higher than that of CMOD4 model. The sea surface condition may be favorable to SWA on the specific date. Since the CMOD4 model requires either wind direction or wind speed to retrieve the wind field, we should estimate the wind speed first using other algorithm including SWA. So far, it is not conclusive if the SWA can be used to provide input wind speed data for CMOD4 model or not. Since it is only initial stage of implementing the wind field retrieval algorithms and no in-situ observed data is currently avaliable, we are not able to evaluate the accuracy of the results at the moment. Therefore verification studies should be followed in the future to extract reliable wind field information in the coastal region using ERS SAR images.