• Journal of Korea Water Resources Association
• /
• v.56 no.4
• /
• pp.235-243
• /
• 2023

Due to the revision of the River Act and the enactment of the Act on the Investigation, Planning, and Management of Water Resources, a regular bed change survey has become mandatory and a system is being prepared such that local governments can manage water resources in a planned manner. Since the topography of a bed cannot be measured directly, it is indirectly measured via contact-type depth measurements such as level survey or using an echo sounder, which features a low spatial resolution and does not allow continuous surveying owing to constraints in data acquisition. Therefore, a depth measurement method using remote sensing-LiDAR or hyperspectral imaging-has recently been developed, which allows a wider area survey than the contact-type method as it acquires hyperspectral images from a lightweight hyperspectral sensor mounted on a frequently operating drone and by applying the optimal bandwidth ratio search algorithm to estimate the depth. In the existing hyperspectral remote sensing technique, specific physical quantities are analyzed after matching the hyperspectral image acquired by the drone's path to the image of a surface unit. Previous studies focus primarily on the application of this technology to measure the bathymetry of sandy rivers, whereas bed materials are rarely evaluated. In this study, the existing hyperspectral image-based water depth estimation technique is applied to rivers with vegetation, whereas spatio-temporal hyperspectral imaging and cross-sectional hyperspectral imaging are performed for two cases in the same area before and after vegetation is removed. The result shows that the water depth estimation in the absence of vegetation is more accurate, and in the presence of vegetation, the water depth is estimated by recognizing the height of vegetation as the bottom. In addition, highly accurate water depth estimation is achieved not only in conventional cross-sectional hyperspectral imaging, but also in spatio-temporal hyperspectral imaging. As such, the possibility of monitoring bed fluctuations (water depth fluctuation) using spatio-temporal hyperspectral imaging is confirmed.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.119-119
• /
• 2021

최근 국내에서는 이상기후변화로 인해 수환경 변화가 일어나고 있으며, 이로인해 하천이나 저수지에 조류의 과대성장이 빈번히 발생되고 있다. 조류의 과대성장으로 인해 조류가 생산하는 독성물질, 이취미 물질은 수질을 악화 및 생태계에 큰영향을 미치는 실정이다. 또한, 조류는 하천, 저수지에 넓은 분포로 발생하게 되며, 현재 조류 조사방법은 다양한 계측장비를 통해 조사를 진행하고 있으나, 조류를 직접 채취하여 검경하거나, 보트 또는 조사선에 센서를 부착하여 측정하기 때문에, 점 또는 선단위의 간혈적 조사가 진행된다. 따라 많은 인력과 시간이 소요된다. 국내에선 인력과 시간을 줄이기 위해 최근 위성영상과 드론을 활용한 조류 원격탐사 모니터링에 대한 연구가 많이 진행되고 있다. 본 연구에서는 안동댐 인근 예안교에서 드론과 초분광센서를 이용하여 초분광데이터를 수집 및 조류 맵핑을 진행하였다. 사용된 드론은 DJI사의 RGB드론과 M-600Pro를 사용하였으며, 초분광 센서는 CORNING사의 microHSITM 410 SHARK를 이용하였으며, 파장 400-1000 nm에서 NIR(visNIR)파장을 분석할 수 있다. 드론에 짐벌을 장착하여 초분광센서를 수표면과 평행하게 두고 촬영 및 영상을 수집하였다. 방사보정을 하기위해 영상을 촬영 구간에 방사 보정용 반사천을 두고 동시간에 같이 촬영 하여 방사보정을 진행하였다. 본 연구에서는 초분광센서와 드론을 활용하여 조류 맵핑에 대한 연구를 하기위해 시료를 채취하여 검경결과와 비교분석을 하였으며, 초분광영상 분석을 통해 조류 최적밴드비를 산정하고 조류 맵핑을 진행하여 촬영구간에 대한 2차원 조류 맵핑 제시하여 하천에 적용하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.387-389
• /
• 2012

초분광영상은 사람이 볼 있는 가시광선 영역부터 자외선 파장 대역까지 수십에서 수천 개의 데이터를 가지고 있는 고차원 데이터이다. 그렇기 때문에 초분광영상을 이용한 연구에는 많은 저장 공간과 고사양의 성능을 필요로 한다. 따라서 초분광영상의 차원을 감소시켜 데이터용량을 줄이고, 처리속도를 향상시키기 위한 연구들이 이루어지고 있다. 기존에 자주 사용되던 방법인 PCA와 ICA는 차원축소를 위하여 고유벡터를 계산하고 이를 이용하여 축을 변경하여 차원축소를 한다. 하지만 초분광영상에서는 이러한 방법으로 차원을 축소할 시 정확도가 감소한다. 따라서 본 논문에서는 특징 밴드를 추출하고 이를 이용하여 차원축소를 하는 SPVD 알고리즘을 제안한다. SPVD(Spectral pair vector decomposition) 알고리즘은 d개의 그룹으로 나누고 각 그룹들의 양벡터 각과 음벡터 각을 계산한 후 이를 이용하여 차원축소를 한다. 실험 결과 PCA는 61차원에서 70.05%, ICA는 71차원에서 63.03% 정확도를 보이는데 비해 SPVD 알고리즘은 3차원에서 83% 정확도를 보였다.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.43-43
• /
• 2017

종자산업은 농작물 생산에 중요한 역할을 끼치는 좌우하는 요소 중에 하나로, 우량종자의 확보는 농작물 수급에 중요한 역할을 하는 농업부문의 원천산업이다. 오이 녹반 모자이크 바이러스(CGMMV)는 박과류에 가장 많은 피해를 끼치는 바이러스로 종자전염을 방지하고, 우량종자의 공급을 위해서는 감염종자와 비 감염종자의 판별은 필수적이다. 이에 본 연구에서는 초분광 영상 시스템을 이용하여 수박종자의 CGMMV의 감염 및 비 감염종자를 판별할 수 있는 기술을 개발하고자 하였다. 본 연구에서 사용된 바이러스 감염 종자는 CGMMV 바이러스 감염 수박종자를 사용하였으며, 생산된 종자를 초분광 영상 시스템을 통해 스크린 후, RNA를 추출하여 PCR분석법으로 바이러스의 감염유무를 확인하였으며, 이후 바이러스의 감염유무와 획득된 스펙트럼을 비교 분석하여 판별모델을 개발하고 이를 선별 시스템에 적용하였다. 모델개발에 사용된 초분광 영상 기술은 초분광 SWIR(Shortwave infraed : 1000-2500nm)영상 기술이 다. 획득된 초분광 SWIR 영상을 분석한 결과 바이러스 감염 종자가 유의미한 정확도로 판별이 되는 것으로 나타났다. 초분광 SWIR 영상기술이 바이러스 감염종자와 비감염종자를 비파괴적으로 선별하는데 효과적으로 적용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.444-444
• /
• 2022

하천 수심 계측은 수심을 사람이 직접 계측하거나 초음파 기반 유속계 (ADCP) 등 최신 계측기기를 이용하여 간접적으로 계측을 실시하고 있다. 하지만 사람이 직접 하천에서 수심을 측정하는 것은 위험이 동반되고, 수심자료의 측정오차가 크게 발생한다. 따라서 수심측정에서 직접 측정 방식의 한계를 극복하기 위해, 초분광 영상의 반사도와 수심이 높은 상관관계를 보이는 것을 활용하여, 초분광 영상 기반 수심 산정 기법을 개발하였다. 초분광 영상 기반 수심 산정 기법은 복수의 파장이 존재하는 초분광영상으로부터 두 개의 파장대의 밴드를 추출하여 모든 경우의 수에 대해 밴드비를 산정한 후, 실측수심과 밴드비 간의 회귀분석을 실시하여 상관계수가 가장 높은 회귀식을 찾아내는 방식이 최적 밴드비 분석법에 기반한다. 최적 밴드비 분석법을 통해 획득된 높은 상관성의 밴드비-수심 관계식을 이용하여 수심을 추정할 수 있다. 이러한 방법은 직접 수심 측정 방식에 비해, 높은 해상도와 밀도, 양질의 데이터를 수집할 수 있는 장점이 있다. 과거 연구에 따르면 저수심부에서의 높은 정확도의 수심추정 결과를 보였지만, 고수심부에서는 실측수심과의 오차도 높아지는 등 정확성이 떨어지는 경향을 보인다. 따라서 본 연구에서는 보다 효율적인 수심계측을 할 수 있도록 최적 밴드비 분석법을 활용한 수심추정에서 신뢰성 있는 수심의 범위를 파악할 수 있는 방법을 제시하고자 한다. 본 연구에서는 대상지역으로 낙동강 본류와 황강 지류 합류부로 선정하였고, 초음파 기반 유속계(ADCP)와 드론을 활용하여 실측수심과 초분광 영상을 취득하였다. 민감도 분석을 위한 수심자료를 0.5m 단위로 분할하였으며, 구간별로 최적 밴드비 분석을 실시하였다. 그 결과, 구간별로 산정된 상관계수와 평균제곱근오차 (RMSE)를 통해 정확도가 높은 구간을 구별할 수 있었다. 또한 해당 구간을 초과하는 수심은 초분광 영상을 통해 추정이 어려운 것으로 판단되며, 분석한 구간까지를 최대 추정 가능 수심으로 정의하였다. 마지막으로 검증을 위해 최대추정가능수심으로 판단된 구간까지의 데이터만 활용하여 최적 밴드비 분석법을 적용하여 상관계수나 평균제곱근오차 결과의 개선여부 확인을 통해, 본 연구에서 제시한 방법이 정확한 최대추정가능수심 구간을 산정할 수 있는지 확인하였다.

• Journal of Software Assessment and Valuation
• /
• v.17 no.2
• /
• pp.75-81
• /
• 2021

Since plant growth is greatly influenced by moisture, it is important to control the soil to have optimal moisture for the plant being grown. Recently, researches on automatically analyzing plant growth information including soil moisture using spectral images are being conducted. However, hyperspectral images are difficult to use due to huge amount of data appearing in spectral bands. In this paper, we propose a method to solve the complexity of hyperspectral images using a CNN. Since the proposed method automatically analyzes the entire band of the target hyperspectral using deep learning, there is no need to make an effort to find a specific band for analysis of each image. In order to show the effectiveness of the proposed system, we conduct an experiment to analyze moistures using hyperspectral images obtained from soil.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.423-423
• /
• 2019

RGB나 다중분광영상은 높은 공간 해상도로 인해 크기가 작은 물질의 클래스를 부여하는데 있어서는 효과적이지만 분광해상도가 낮아 다양한 종류의 지표물 분류 및 분광적으로 미세한 차이를 보이는 대상 체간의 분류에는 한계를 가지고 있다. 그러나 초분광 영상(Hyperspectral Image)은 대상 객체의 분광 반사곡선을 수백개의 연속적인 분광 파장대 영역으로 상세하게 해당 물체의 정보를 취득할 수 있는 기능을 가지고 있다. 최근 국내에서도 초분광 영상을 이용한 토지피복도 작성 및 환경 모니터링 등 다양한 분야에 적용하기 위한 연구가 시도되고 있다. 최근에는 드론과 같은 소형 UAV를 활용하여 경제적인 비용으로 시공간해상도가 높은 영상을 획득하는 것이 가능하게 되었으며 분광정보를 수집하는 영상 장비의 발전으로 드론에 탑재가 가능한 경량의 소형 초분광센서가 개발됨으로써 보다 높은 분광해상도의 영상을 취득할 수 있게 되었다. 본 연구에서는 효율적인 하천환경조사를 위해 UAV를 활용하여 고해상도 초분광 영상을 취득하였으며, 차원축소법과 분류기 적용에 따른 공간 분류 정확도 분석을 통해 하천환경에 대한 분류 및 평가를 실시하였다. 연구지역에서 획득한 초분광 영상은 노이즈로 인한 영향을 줄이고자 MNF와 PCA 기법으로 차원축소를 수행하였으며, MLC(Maximum Likelihood Classification)와 SVM(Support Vector Machine), SAM(Spectral Angle Mapping) 감독분류기법을 적용하여 하천환경특성에 따른 공간분류를 수행하였다. 연구 결과 MNF기법으로 차원 축소한 영상을 적용하여 MLC 감독분류를 수행하였을 때 가장 높은 분류정확도를 얻을 수 있었으나, 일부 클래스 및 수역의 경계와 그림자 공간에서 주로 오분류가 나타나는 것을 확인할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.133-133
• /
• 2019

하천의 하상재료는 전반적인 하천 계획 및 정비 등의 기초자료이다. 특히 하천의 하상재료 조사는 하천의 조도계수 산정, 하천의 유사이송 특성 분석 및 하천 서식처 등의 하천환경 조사를 위하여 수행한다. 지금까지의 하천 하상재료 조사는 사람이 직접 하상토를 채취하거나 사진을 이용하여 대략적인 스케치를 통해 진행하다보니 자료의 품질에 대한 신뢰도가 떨어지고, 사람이 직접조사를 해야 하기 때문에 비용이 많이 필요하여 몇 개 지점을 대상으로 하상재료 조사를 수행해야 하는 등의 한계를 가지고 있다. 따라서 하천 환경 평가를 위한 하상재료 조사를 위해서는 좀 더 체계적이고 과학적인 기술 개발이 요구된다. 특히 물속의 하천 하상재료를 조사하는 것은 육안 또는 카메라를 이용한 조사로는 어려움이 많기 때문에 하천 전체의 공간적인 하상재료 조사를 위해서는 새로운 기술이 필요하다. 이에 본 연구에서는 보다 정확한 조도계수 산정을 위해 초분광 영상을 이용하여 하상재료를 분류하고, 이를 이용하여 하천 환경 평가를 할 수 있는 하상재료 분포도를 만들기 위한 하상재료의 분광특성 분석 연구를 수행하였다. 초분광 영상의 분광특성은 수백개의 밴드가 연속적으로 구성된 정보를 말하며, 영상 내 모든 화소의 파장정보를 포함하는 데이터 큐브형식으로 구성된다. 물체의 파장정보는 분광기나 초분광 영상 촬영 장치를 통해 수집할 수 있으며 파장정보는 파장과 이에 해당하는 영역의 반사도를 측정하여 하상재료의 분광반사특성으로 확인할 수 있다. 따라서 본 연구에서는 하천의 다양한 하상재료들만의 고유 분광반사특성을 분석하여 하상재료별 분광 라이브러리를 구축하고자 한다. 또한 이와 같이 하상재료별 분광 라이브러리를 구축한 결과를 활용하여 무인기 기반의 초분광 영상을 활용한 하천 하상재료 분류 기술을 개발하고자 한다. 이를 위해 본 연구에서는 하상재료별 분광라이브러리를 구축하였고, 실제 하천에서 무인기 초분광 영상에 활용한 결과 수체가 존재하는 영역에서도 초분광 영상을 활용하여 하상재료의 분류가 가능한 것을 확인하였다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.24 no.1
• /
• pp.121-128
• /
• 2016

Many studies are focused on image data and classifier for comparison or improvement of classification accuracy. Therefore studies are needed aspect of the training samples on supervised classification which depend on reference data or skill of analyst. This study tries to assess usability of field spectra as training samples on supervised classification. Classification accuracies of hyperspectral and multispectral images were assessed using training samples from image itself and field spectra, respectively. The results shown about 90% accuracy with training sample collected from image. Using field spectra as training sample, accuracy was decreased 10%p for hyperspectral image, and 20%p for multispectral image. Especially, some classes shown very low accuracies due to similar spectral characteristics on multispectral image. Therefore, field spectra might be used as training samples on classification of hyperspectral image, although it has limitation for multispectral image.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.21 no.3
• /
• pp.205-213
• /
• 2018

Hyperspectral image is more increasing spectral resolution that Multi-spectral image. Because of that, each pixel of the hyperspectral image includes much more information and it is considered the most appropriate technic for land cover classification. but recent research of hyperspectral image is stayed land cover classification of general level. therefore we classified land cover of detail level using ED, SAM, SSS method and made Decision Tree from result of that. As a result, the overall accuracy of general level was improved by 1.68% and the overall accuracy of detail level was improved by 5.56%.