• 한국측량학회지
• /
• 제32권4_1호
• /
• pp.299-309
• /
• 2014

본 연구에서는 최근 서비스화 된 PLEIADES의 GSD 0.5m 영상을 이용하여 1/5,000 수치지형도 제작의 가능성을 평가하였다. PLEIADES 영상의 초기 RPC 계수를 적용한 결과, 검사점에 대한 RMSE가 $X={\pm}1.806m$, $Y={\pm}2.132m$, $Z={\pm}1.973m$이며, 초기 RPC 계수와 지상기준점 16점으로 기하보정한 결과, RMSE가 $X={\pm}0.104m$, $Y={\pm}0.171m$, $Z={\pm}0.036m$이며, 검사점에 대한 RMSE는 $X={\pm}0.357m$, $Y={\pm}0.239m$, $Z={\pm}0.188m$로 1/5,000 수치지형도 제작에 대한 허용오차의 기준에 부합하는 것을 확인할 수 있었다. 또한, TerraSAR 기준점을 평가하여 활용 가능성 여부를 확인하기 위해 좌표 변환하여 GPS 측량성과와 비교한 결과, RMSE가 $X={\pm}0.818m$, $Y={\pm}0.200m$, $Z={\pm}0.265m$의 결과를 도출하였다. 본 연구 결과로 PLEIADES 영상과 정확한 지상기준점을 이용하면 1/5,000 수치지형도 제작이 가능하다는 것을 확인하였으며, 비접근 지역의 수치지형도 제작을 위한 기준점 확보 방안으로 TerraSAR 기준점을 평가한 결과, 1/5,000 수치지형도를 제작하기 위한 기준점에는 부합하지는 않았지만, 향후 대안으로써 TerraSAR 기준점을 활용하는 방안에 대하여 추가 연구가 필요하다고 사료된다.

• 헤리티지:역사와 과학
• /
• 제50권4호
• /
• pp.104-121
• /
• 2017

본고는 "동궐도(東闕圖)"의 작도원리를 기반으로 러버쉬팅변환(Rubber Sheeting Transformation)을 통해 조선후기 창덕궁 금천교 주변의 평면도 제작을 시도하였으며, 연구결과는 다음과 같다. 첫째, "동궐도(東闕圖)" 제작 당시부터 현존하는 주요 전각의 실제 크기와 그림에 묘사된 크기를 비교하여 전각의 정입면이 약 1/200으로 축소되어 작성되었음을 밝혀냈다. 그러나 측입면에서는 동일한 제작 비율이 확인되지 않았다. 다만, 측입면의 길이가 실제의 약 절반 정도로 그려지고, 사선 각도가 평균 $39^{\circ}$로 파악됨에 따라 캐비닛 투영(Cabinet Projection)과 유사한 방식으로 작도되었음을 확인하였다. 둘째, "동궐도(東闕圖)"의 작도 원리를 역추적하여 "사투영평면도"를 작성하고 러버쉬팅변환을 통해 "동궐도(東闕圖)"의 창덕궁금천교 주변 평면도를 제작하였다. 변환 시 투영변환(projective transformation)이 가장 적합한 것으로 확인되었고, 표준 오차는 2.1208m로 비교적 높은 정확도를 나타냄으로써 "동궐도(東闕圖)"의 평면도 제작이 유의미하였다. 이는 "동궐도(東闕圖)"뿐만 아니라 평행사선도법으로 작성된 각종 기록화의 평면도 제작 가능성을 시사한다. 셋째, 작성된 평면도가 제공하는 공간 정보의 정확성을 검토하기 위해 금천교의 위치, 금천교와 진선문의 배치, 금천의 석축 위치를 시기에 따라 비교하였다. 그 결과 작성된 평면도의 내용이 금천교 발굴조사결과와 그 맥락을 함께 함으로써 러버쉬팅변환이 "동궐도(東闕圖)" 제작 당시 모습을 이해하는데 유용한 도구로서의 활용 가능성이 검증되었다. 본 연구는 러버쉬팅변환을 적용하여 "동궐도(東闕圖)"에 수록된 공간정보를 2차원 평면도로 제작하기 위한 가능성을 모색하고, 이를 통해 조선후기 동궐의 모습을 이해하기 위한 새로운 방법론을 제시하였다는데 의의가 있다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.515-530
• /
• 2021

본 연구에서는 Sentinel-1 C-band SAR(Synthetic Aperture Radar) 위성영상을 기반으로 다중선형회귀모형을 활용하여 금강 유역 상류에 위치한 용담댐 유역의 토양수분을 산정하였다. 10 m 공간 해상도의 Sentinel-1A/B SAR 영상은 6일 간격으로 2015년부터 2019년까지 5년 동안 구축하였고, SNAP(SentiNel Application Platform)을 사용하여 기하 보정, 방사 보정 및 잡음(Noise) 보정을 수행하고 VV 및 VH 편파 후방산란계수로 변환하였다. 토양수분 산정 모형의 검증자료로 TDR로 측정된 6개 지점의 실측 토양수분 자료를 구축하였으며, 수문학적 개념인 선행 강우를 고려하기 위해 동지점에 대한 강수량 자료를 구축하였다. 다중선형회귀모형은 전체 기간 및 계절별로 나누어 모의하였으며, 독립변수의 증감에 따른 상관성 분석을 진행하였다. 산정된 토양수분은 결정계수(R²)와 평균제곱근오차(RMSE)를 활용하여 검증하였다. 초지 지역에서 후방산란계수만을 이용한 토양 수분 산정 결과 R²가 0.13, RMSE가 4.83%으로 나타났으며 선행강우를 5일까지 사용했을 경우 R²가 0.37, RMSE가 4.11%로 상관성이 상승하는 모습을 보였다. 이 때, 토양수분의 계절별 변동성과 감소 패턴의 반영을 위해 무강우누적일수의 적용과 계절별 회귀식을 작성한 결과 R²가 0.69, RMSE가 2.88%로 상관성이 크게 상승하였다. SAR 기반 토양수분 추정 시 선행강우 및 무강우누적일수의 활용이 효과적이었다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.939-951
• /
• 2022

자율주행차에 있어 가장 중요한 요소는 차량 주변 환경과 정확한 위치를 인식하는 것이며, 이를 위해 다양한 센서와 항법 시스템 등이 활용된다. 하지만 센서와 항법 시스템의 한계와 오차로 인해 차량 주변 환경과 위치 인식에 어려움이 있다. 이러한 한계를 극복하고 안전하고 편리한 자율주행을 위해서 고정밀의 인프라 정보를 제공하는 정밀도로지도(high definition map, HD map)의 필요성은 증대되고 있다. 정밀도로지도는 모바일 매핑 시스템(mobile mapping system, MMS)을 통해 획득된 3차원 point cloud 데이터를 이용하여 작성된다. 하지만 정밀도로지도 작성에 많은 양의 점을 필요로 하고 작성 항목이 많아 수작업이 요구되어 많은 비용과 시간이 소요된다. 본 연구는 정밀도로지도의 필수 요소인 차선을 포함한 도로, 연석, 보도, 중앙분리대, 기타 6개의 클래스로 MMS point cloud 데이터를 유의미한정보로 분할하여 정밀도로지도의 효율적인 작성에 목적을 둔다. 분할에는 머신러닝 모델인 random forest (RF), support vector machine (SVM), k-nearest neighbor (KNN) 그리고 gradient boosting machine (GBM)을 사용하였고 MMS point cloud 데이터의 기하학적, 색상, 강도 특성과 차선 분할을 위해 추가한 도로 설계적 특성을 고려하여 11개의 변수를 선정하였다. 부산광역시 미남역 일대 5차선도로 130 m 구간의 MMS point cloud 데이터를 사용하였으며, 분할 결과 각 모델의 평균 F1 score는 RF 95.43%, SVM 92.1%, GBM 91.05%, KNN 82.63%로 나타났다. 가장 좋은 분할 성능을 보인 모델은 RF이며 클래스 별 F1 score는 도로, 보도, 연석, 중앙분리대, 차선에서 F1 score가 각각 99.3%, 95.5%, 94.5%, 93.5%, 90.1% 로 나타났다. RF 모델의 변수 중요도 결과는 본 연구에서 추가한 도로 설계적 특성의 변수 XY dist., Z dist. 모두 mean decrease accuracy (MDA), mean decrease gini (MDG)가 높게 나타났다. 이는 도로 설계적 특성을 고려한 변수가 차선을 포함한 여러 클래스 분할에 중요하게 작용하였음을 뜻한다. 본 연구를 통해 MMS point cloud를 머신러닝 기반으로 차선을 포함한 여러 클래스로 분할 가능성을 확인하고 정밀도로지도 작성 시 수작업으로 인한 비용과 시간 소모를 줄이는데 도움이 될 것으로 기대한다.

• 자원환경지질
• /
• 제56권4호
• /
• pp.435-445
• /
• 2023

삼각주는 하천이 운반하던 퇴적물이 호수나 바다, 하천의 본류와 같은 상대적으로 저 에너지의 환경을 만나 쌓인 퇴적 지형이다. 그 중 하천의 합류 지역에 생긴 삼각주는 하천 기하와 수리학적 특성에 큰 영향을 줄 수 있기 때문에 하천 관리 및 연구에서 중요하게 다루어진다. 최근 낙동강 내 대규모 준설과 보 건설로 하천 합류 지역의 평형상태가 깨지고 있다. 하지만 하천의 자연 회복성으로 인한 지속적인 퇴적으로, 인위적인 준설 이전의 자연상태로 되돌아가고 있다. 시계열 관측 결과 합류 지역의 삼각주는 준설 이후 지속적으로 성장하다가, 일정 크기에 도달하면 전반적인 크기의 변화없이 소규모의 성장과 후퇴를 반복하는 동적 평형상태에 이른다. 본 연구에서는 합류 지역 삼각주가 지류의 유사량과 본류의 유량에 따라 체결된 동적 평형 상태에 도달한다는 가정을 바탕으로 합류 지역의 퇴적-침식 작용을 설명하는 모델을 개발하였다. 모델은 지류 공급 퇴적물의 퇴적과 본류로 인한 침식 작용, 두 가지 기작을 토대로 한다. 모델에 사용된 낙동강을 대표하는 침식 계수는 낙동강 내 주된 합류 지역을 이용하여 추정했다. 개발된 모델을 이용하여 지류 유사량과 본류 유량에 따른 합류 지역 삼각주 평형 위치의 민감도 분석을 수행했고, 이후 주된 합류 지역의 연평균 유량, 유사량 데이터를 활용하여 낙동강 합류부 삼각주들의 동적 평형 위치를 예측하였다. 마지막으로 감천-낙동강에 기록된 일별 유량과 유사량 데이터를 활용하여 감천-낙동강 삼각주의 발달에 대한 모의 실험을 진행하였다. 모델을 통해 각 합류부 삼각주의 형성 여부를 예측하였고, 감천-낙동강 삼각주의 거동의 경향 또한 잘 예측하였지만, 단순화 과정에서 발생한 오차와 한계로 인해 감천-낙동강 삼각주에서 실제 발생하는 후퇴를 정확히 예측하지는 못하였다. 본 연구 결과는 합류 지역을 통한 낙동강 본류의 유사 공급량에 대한 기초 정보를 제공하여 하천 정비 및 유지에 기초 모델로 사용할 수 있다.

• 대한원격탐사학회지
• /
• 제40권4호
• /
• pp.387-396
• /
• 2024

대부분의 고해상도 위성영상은 rational polynomial coefficients (RPC) 정보를 제공하여 지상좌표와 영상좌표 간 변환을 수행한다. 그러나 초기 RPC에는 기하학적 오차가 존재하여 ground control points (GCPs)와의 정합을 통해 보정을 수행하여야 한다. GCP chip은 항공정사영상에서 추출한 높이 정보가 포함된 작은 영상 패치(patch)이다. 많은 선행연구에서는 영역 기반 정합 기법을 사용하여 고해상도 위성영상과 GCP chip 간 정합을 수행하였다. 계절적 차이나 변화된 지역이 존재하는 영상에서는 화소값에 의존하는 정합이 어렵기 때문에 윤곽 정보를 추출하여 정합을 수행하기도 한다. 그러나 일반적으로 사용하는 canny 기법으로 정합에 용이한 윤곽을 추출하기 위해서는 위성영상의 분광 특성에 적절한 임계치를 설정해주어야 하는 문제가 존재한다. 따라서 본 연구에서는 위성영상의 지역별 특성에 둔감한 윤곽 정보를 활용하여 RPC 보정을 위한 정합을 수행하고자 한다. 이를 위해 딥러닝 기반 윤곽 정보 추출 네트워크인 pixel difference network (PiDiNet)를 활용하여 위성영상과 GCP chip의 윤곽맵(edge map)을 각각 생성하였다. 그 후 생성된 윤곽맵을 normalized cross-correlation과 relative edge cross-correlation의 입력데이터로 대체하여 영역 기반의 정합을 수행하였다. 마지막으로 RPC 보정에 필요한 변환모델 계수를 도출하기 위하여 data snooping 기법을 반복적으로 적용하여 참정합쌍을 추출하였다. 오정합쌍을 제거한 참정합쌍에 대해 root mean square error (RMSE)를 도출하고 기존에 사용하던 상관관계 기법과 결과를 정성적으로 비교하였다. 실험 결과, PiDiNet은 약 0.3~0.9 화소의 RMSE 값 분포를 보였으나 canny 기법에 비해 두꺼운 윤곽을 나타내어 일부 영상에서 미세하게 정확도가 저하되는 것을 확인하였다. 그러나 위성영상 내 특징적인 윤곽을 일관적으로 나타냄으로써 정합이 어려운 지역에서도 정합이 잘 수행되는 것을 확인하였다. 본 연구를 통해 윤곽 기반 정합 기법의 강인성을 개선하여 다양한 지역에서의 정합을 수행할 수 있을 것으로 예상된다.

• 핵의학기술
• /
• 제16권2호
• /
• pp.18-24
• /
• 2012

Lung SPECT는 planar scan 보다 깊이 위치한 병변을 명확히 보여주며 보다 예민한 것으로 보고되고 있다. 그러나 ventilation SPECT는 정맥주사를 통해 방사성의약품을 주입하는 perfusion SPECT와 다르게 환자의 호흡을 통해 흡입시키므로, 원활한 호흡이 불가능한 환자의 경우 목적 장기에 방사성의약품의 섭취율이 저하되고 검사에 유효한 적정count/rate가 낮아지므로 필연적으로 검사시간이 길어지게 되어 이에 수반되는 여러 문제로 인하여 실제 임상에 적용하기 어려운 실정이다. 따라서 본 연구는 고감도(high sensitivity) 특성을 지닌 AP (All Purpose) 혹은 GP (General Purpose) collimator를 사용하여 low count/rate 환자의 검사시간을 단축시킴으로써 lung ventilation SPECT 임상적용 가능성과 유용성을 평가하였다. 정상 성인 남녀 4명($24.3{\pm}0.95$세)을 실험대상으로 Technegas 370 MBq을 흡입시키고, E.cam SPECT를 사용하여 count/rate를 측정한 후, LEUHR, LEHR, LEAP collimator를 장착하여 300counts acquisition 조건으로 ANT, POST, LPO, RPO, both-LAT 총 6 view의 lung ventilation planar scan 하였다. 동일 실험 대상자를 본원에서 사용하던 기존 프로토콜을 적용하여 70 kcounts/view acquisition 조건으로 high counting mode SPECT를 시행하고, 같은 방법으로 7kcounts/view acquisition하여 비교 실험인 low counting mode SPECT를 시행한 후 모든 실험의 결과를 lung segmentation ratio와 검사 소요시간을 통해 비교하여 분석하였다. 각 실험군 사이의 상관관계를 분석하기 위해 paired t-test를 시행하였고, p값이 0.05를 초과할 때 실험의 통계적 의미가 있는 것으로 판단하였다. 모든 자료의 통계처리는 SPSS ver. 20을 사용하였으며, 각 실험 결과는 산술 및 기하 평균(mean)을 구하고${\pm}$표준편차(SD)를 산출하였다. 실험 결과 lung planar scan은 300 kcounts/6 iew를 acquisition하여 총 1,800 kcounts를 획득하였다. 반면 7 kcounts/view로 acquisition한 low counting mode SPECT의 경우 collimator 종류에 따라서 최소 773 kcounts에서 최대 1,106 kcounts를 획득하였고, 70 kcounts/view로 acquisition한 high counting mode SPECT의 경우 collimator 종류에 따라서 최소 7,984 kcounts에서 최대 10,222kcounts를 획득하였다. 모든 실험 자료를 통해 실험대상 4명의 lung segmentation ratio를 산출하고, 평균값과 표준편차를 계산한 결과, LT:RT lung ratio는 순서대로 각각 45.5:54.5 (${\pm}0.26$), 45.4:54.6 (${\pm}0.40$), 50.1:49.9 (${\pm}0.28$), 49.4:50.6 (${\pm}0.57$)이었다. 따라서 정량분석한 결과 planar scan과 low, high counting mode SPECT사이 collimator 종류에 의한 lung segmentation ratio는 오차 범위내에 모두 존재하였다. 보다 자세한 분석을 위해 기존의 LEHR collimator를 장착한 planar scan과 비교 실험인 LEAP collimator를 장착한 low counts mode SPECT를 통계처리한 결과 p-value가 0.10이상으로 두 실험의 결과는 통계적으로 유의하였다. 실험에 소요된 시간을 분석한 결과 planar scan은 LEUHR, LEHR, LEAP collimator 순서로 각각 $1803{\pm}268$ sec, $915{\pm}162$ sec, $501{\pm}134$ sec이었고, 비교실험인 low counting mode SPECT는 $1125.5{\pm}103.6$ sec, $900{\pm}64$ sec, $740{\pm}0$ sec 이었으며, 본원에서 사용하던 기존 프로토콜인 high counting mode SPECT는 $5794.5{\pm}946.5$ sec, $3620{\pm}397.9$ sec, $2020{\pm}104.5$ sec이었다. 관심실험인 LEAP collimator를 장착한low counting mode SPECT의 검사 소요시간 740 sec에 비하여, 기존 본원의 프로토콜인 LEHR collimator를 장착한 high counting mode SPECT의 검사 소요시간 평균은 3620sec이므로, 약 5배 정도 시간 단축이 가능한 것으로 조사되었으며, 모든 실험의 정량분석 결과도 임상적으로 유의한 것으로 분석되었다. 결국 high sensitivity LEAP collimator를 장착하여 lung SPECT를 시행하면, 임상적으로 유의한 정량분석 결과를 얻을 수 있으며, 동시에 검사시간을 효과적으로 단축시킬 수 있음을 의미한다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.73-92
• /
• 2014

기존 협업 필터링 기법은 사용자들의 아이템에 대한 선호도를 기반으로 유사 아이템 집합 또는 유사 사용자 집합을 구성하고, 이를 이용해 예측된 사용자의 특정 아이템에 대한 선호도를 기반으로 추천을 수행한다. 이로 인해, 사용자 선호도 정보가 부족하게 되면, 유사 아이템 사용자 집합의 신뢰도가 낮아지고, 추천 서비스의 신뢰도 또한 따라서 낮아진다. 또한, 서비스의 규모가 커질수록, 유사 아이템, 사용자 집합의 생성에 걸리는 시간은 기하급수적으로 증가하고 추천서비스의 응답시간 또한 그에 따라 증가하게 된다. 위와 같은 문제점을 해결하기 위해 본 논문에서는 적응형 군집화 기법을 제안하고 이를 적용한 협업 필터링 기법을 제안하고 있다. 이 기법은 크게 네 가지 방법으로 이루어진다. 첫째, 사용자와 아이템의 특성 벡터를 기반으로 사용자와 아이템 각각을 군집화 하여, 기존 협업 필터링 기법에서 유사 아이템, 사용자 집합을 생성하는데 소요되는 시간을 절약하며, 사용자 선호도 정보만을 이용한 부분 집합 생성보다 추천의 신뢰도를 높이고, 초기 평가 문제와 초기 이용자 문제를 일부 해소한다. 둘째, 미리 구성된 사용자와 아이템의 군집을 기반으로 군집간의 선호도를 이용해 추천을 수행한다. 사용자가 속한 군집의 선호도가 높은 순서대로 아이템 군집을 조회하여 사용자에게 제공할 아이템 목록을 구성하여, 추천 시스템의 부하 대부분을 모델 생성 단계에서 부담하고 실제 수행 시 부하를 최소화한다. 셋째, 누락된 사용자 선호도 정보를 사용자와 아이템 군집을 이용하여 예측함으로써 협업 필터링 추천 기법의 사용자 선호도 정보 희박성으로 인한 문제를 해소한다. 넷째, 사용자와 아이템의 특성 벡터를 사용자의 피드백에 따라 학습시켜 아이템과 사용자의 정성적 특성 정량화의 어려움을 해결한다. 본 연구의 검증은 기존에 제안되었던 하이브리드 필터링 기법들과의 성능 비교를 통해 이루어졌으며, 평가 방법으로는 평균 절대 오차와 응답 시간을 이용하였다.