• 한국음향학회지
• /
• 제43권2호
• /
• pp.225-233
• /
• 2024

능동소나는 은밀하게 기동하는 수중 물체를 탐지하기 위해 음파를 송신하여 표적에서 반사되어 돌아오는 신호를 탐지한다. 그러나 능동소나의 수신 신호에는 표적의 반향음 외에도 해저면/해수면의 잔향, 생물 소음 및 기타 잡음 등이 섞여 있어 표적 인식을 어렵게 한다. 기존의 문턱값 이상의 신호를 탐지하는 기법은 설정한 문턱값에 따라 오탐지가 발생하거나 표적을 놓치는 경우가 발생할 뿐 아니라 다양한 수중환경마다 적절한 문턱값을 설정해야하는 문제가 있다. 이를 극복하기 위해 Constant False Alarm Rate(CFAR) 등의 기법을 이용한 문턱값의 자동산출과 진보된 형태의 추적 필터 및 연계 기법을 적용한 연구가 수행되었지만, 상당수의 탐지가 발생하는 환경에서는 그 한계가 있다. 최근 심층학습 기술이 발달함에 따라 수중 표적 탐지분야에도 이를 적용하기 위한 노력이 있었으나, 분류기 학습을 위한 능동소나 데이터의 획득이 매우 어려워 데이터가 희소할 뿐 아니라, 극소수의 표적과 상대적 다수의 비표적으로 인한 데이터의 불균형성으로 어려움이 있다. 본 논문에서는 탐지 신호의 에너지 분포 영상을 이용하되, 데이터의 불균형성을 고려한 방식으로 분류기를 학습하여 표적과 비표적을 구분하는 기법을 기존 소나처리 기법에 추가하여 표적의 오분류를 최소화하면서 비표적을 제거하여 능동소나 운용자의 표적 인식을 용이하게 하였다. 그리고 동해에서 수행한 해상실험에서 획득한 능동소나 데이터를 통해 제안 기법의 유효성을 검증하였다.

• 자원환경지질
• /
• 제48권5호
• /
• pp.379-390
• /
• 2015

다중빔 음향 측심기의 후방산란 음압은 해저면 퇴적상뿐만 아니라 지형 경사로 인해 변화된 음파의 실제 입사각에 의해서도 강도가 달라지므로 후방산란 음압 분석에 앞서, 지형 경사를 고려한 정밀한 자료처리가 필요하다. 본 논문은 지형 경사에 따른 실제 입사각 및 입사면적에 대한 후방산란 자료처리 방법과 경사 지형에서의 후방산란 특징에 대해 기술하였다. 황해 동부의 사퇴분포 해역에 위치한 연구지역은 수심이 46~55 m의 범위를 보이며, 다양한 지형 경사를 가지는 대규모 dune들이 발달되어 있다. 대규모 dune들의 경사는 대부분 $1{\sim}3^{\circ}$ 내외로 완만하지만 등성이에서는 경사가 $5{\sim}15^{\circ}$로 가파른 특징을 보인다. 후방산란 자료처리 결과, 지형 경사를 고려하지 않은 경우에는 등성이에서 음압이 -34~-23 dB의 범위를 보인다. 반면, 본 연구 방법으로 지형 경사를 고려한 경우에는 같은 지역에서 음압이 -32~-25 dB 범위로써 음압 변동 폭이 완화되는 효과를 보였다. 또한, 후방산란 영상에서도 등성이에서 나타나는 강하고 약한 이상 음압 분포가 개선되어, 본 연구의 후방산란 자료처리 방법이 지형 경사로 인한 음압 변화를 효과적으로 보정하는 것으로 확인되었다.

• 한국해안·해양공학회논문집
• /
• 제32권6호
• /
• pp.553-560
• /
• 2020

드론 항공사진을 L∗a∗b 색공간으로 변환하고 항공사진에서 잘피가 나타난 영역을 분할 및 보정하여 드론 항공사진을 이용한 수심측량의 정확도를 향상시켰다. 드론을 이용한 수심측량은 음향측심기와 같은 보편적으로 통용되던 방식에 비해 저비용으로 빠른 시간에 수심자료를 얻을 수 있다. 그러나 수심측량 대상 해역에 잘피가 서식할 경우 해저면의 반사 특성이 일정하지 않아 드론을 이용한 수심측량시 오차가 발생한다. 우리나라에 서식하는 잘피를 비롯한 해조류는 수온이 낮아지기 시작하는 11월부터 자라기 시작하여 1~4월에 최대 밀도를 형성한다. 따라서 해당 시기의 드론 항공사진을 그대로 사용할 경우 수심측량의 정확도가 낮아지며, 이는 드론을 이용한 수심측량방식을 상용화하는데 극복해야 할 단점이다. 본 연구에서는 경북 월포해수욕장에서 드론으로 촬영한 고해상도 카메라 이미지를 분석하여 오차 발생해역을 구분하고 보정하는 알고리즘을 개발하였다. 또한, 보정한 드론 항공 사진으로 천해 수심 추정을 수행하여 알고리즘을 검증하였다. 잘피로 인한 오차 보정 알고리즘 적용 전 수심 5 m 이내의 200 m × 300 m 해역에서 발생하는 오차 표준편차의 1.5배를 넘는 오차 이상값 비율은 전체 이미지의 8.6%를 차지하였다. 오차 보정 알고리즘을 적용한 결과 오차 이상값의 92%가 제거되었으며, 평균제곱근오차(RMSE)는 33% 감소하였다.