• 대한핵의학회지
• /
• 제39권1호
• /
• pp.57-68
• /
• 2005

목적: PET 영상화를 위해 다양한 감쇠 보정 방법들이 $^{137}Cs$ 투과 점선원의 데이터를 처리하는데 있어서 개발되어 왔다. 본 연구의 목적은 뇌 PET 영상을 위해 $^{137}Cs$ 점선원에서 사용하는 감쇠보정 가법들을 평가하는 것이다. 대상 및 방법: 감쇠 보정 기법들을 시험하기 위해, 4가지 종류의 팬텀들이 사용되었다. $^{137}Cs$투과 점선원의 데이터는 팬텀 안에 방출 선원을 주입한 후 획득되었고, 그 뒤로 방출 선원 데이터가 3D 획득 방식으로 획득되었다. 산란 보정은 배후 방사능을 가감하는 방법 (background tail-fitting algorithm)으로 실행되었다. 그리고 나서, 방출 데이터는 각각 측정 감쇠 보정(MAC), 타원형 감쇠 보정(ELAC), 분할 감쇠보정(SAC), 재배치 감쇠보정(RAC)으로 반복적 재구성 방법을 사용하여 재구성되었다. 그런 다음, 재구성된 영상들이 정량적으로 그리고 정성적으로 평가가 되었다. 부가적으로, 정상인에 대해서 평가가 이루어졌는데, 정상인에 대한 재구성 영상은 핵의학 전문의들에 의해서 평가되었다. 또한 가감된 영상들이 비교되었다. 결과: ELAC, SAC, RAC은 원통형 팬텀에 대해 노이즈가 적은 균일한 팬텀 영상을 제공하였다. 반면에, MAC의 결과에서 감쇠맵의 중심 부분에서 세기가 떨어지는 것을 보여주었다. Jaszack과 Hoffman 팬텀들에 대한 재구성 영상은 RAC과 SAC을 각각 적용시 더 좋은 영상 질을 나타냈다. 정상인 대상자의 영상에 있어서 두개골의 감쇠가 두드러졌고, 두개골에 대한 감쇠를 고려하지 않은 감쇠 보정은 뇌 영상들상에서 인공적인 손상이 있는 것처럼 나타났다. 결론: 복잡하고 개선된 감쇠보정 기법들이 정량적 그리고 정성적으로 정확한 뇌 PET영상으로 개선시키는데 있어서 필요하다. 본 연구는 $^{137}Cs$ 투과 선원을 사용하여 이루어지는 감쇠보정법을 이용하는 뇌 PET 영상화 기기들을 개선시키는데 유용할 것으로 사료된다.

• 한국수자원학회논문집
• /
• 제55권10호
• /
• pp.761-774
• /
• 2022

가뭄과 홍수의 예측, 기후변화가 유역 유출량, 더 나아가 수질 및 생태계에 미치는 영향의 정확한 분석을 위해서는 수문 모의 과정의 불확실성을 정량화하고 최소화하기 위한 노력이 필요하다. 수문자료동화는 수문모형의 상태량이나 매개변수를 갱신(update)하여 모의 초기 조건의 가장 가능성 있는 추정치를 생성하는 기법으로, 실시간 관측 정보를 이용하여 예측 정확도를 향상시킬 수 있는 방법이다. 본 연구에서는 airGRdatassim 모형을 이용하여 앙상블 기반 순차 자료동화 기법인 앙상블 칼만 필터와 파티클 필터로 용담댐 유역에 대해 일 유출을 모의하고, 자료동화 기법별 특성을 비교 및 분석하였다. 모의 결과, Kling-Gupta efficiency (KGE) 지표가 자료동화 적용 전 0.799에서 앙상블 칼만 필터와 파티클 필터 적용시 각각 0.826, 0.933으로 향상되었다. 또한 기상 강제력 노이즈의 범위, 갱신 대상 상태량 설정, 앙상블 수 등 수문자료동화의 설정과 관련된 하이퍼-매개변수(hyper-parameter)의 불확실성이 모의 예측 성능에 미치는 영향을 분석하였다. 강수 및 잠재 증발산 강제력의 오차 범위에 대한 민감도 분석 결과, 모든 모의 범위에서 파티클 필터가 앙상블 칼만 필터보다 예측 성능이 우수하였다. 파티클 필터는 기상 강제력 오차 크기가 작을수록 모의 성능이 향상되었으며, 앙상블 칼만 필터는 상대적으로 오차가 큰 경우 최적 성능이 확인되었다. 한편, 자료동화시 갱신되는 상태량의 종류를 줄일수록 자료동화에 의한 모의 성능은 감소하였다. 본 연구의 모의 실험 결과는 앙상블 자료동화를 이용하여 일 유출 모의 정확도 향상이 가능하지만, 최적 성능을 발휘하기 위해서는 수문자료동화 기법별 하이퍼-매개변수의 적정한 조정이 필요함을 함의한다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1211-1224
• /
• 2023

구름은 광학위성을 이용한 국토 관측 및 재난 대응, 변화 탐지 등 지표의 현상을 관측하는데 있어 많은 어려운 문제를 야기한다. 구름의 존재는 영상 처리 단계 뿐만 아니라 최종적으로는 데이터의 품질에 영향을 미치므로 이를 반드시 식별하고 제거하는 과정이 필요하다. 따라서 본 연구에서는 위성영상 내 구름의 분광패턴에 가장 근접한 화소를 탐색 및 추출해 최적의 임계값을 선정하고 임계값을 바탕으로 구름 산출물을 제작하는 일련의 과정을 자동으로 수행하는 새로운 구름 탐지 기법을 개발하고자 하였다. 구름 탐지 기법은 크게 세 단계로 구성된다. 첫 번째 단계에서는 Digital Number (DN) 단위 영상을 대기상층 반사율 단위로 변환하는 과정을 수행한다. 두 번째 단계에서는 대기상층 반사율 영상을 이용하여 Hue-Value-Saturation (HSV) 변환 및 삼각형 임계 처리, 최대우도 분류 등의 전처리를 적용하고 각 영상별로 초기 구름 마스크 생성을 위한 임계값을 결정한다. 세번째 후처리 단계에서는 생성된 초기 구름 마스크에 포함된 노이즈를 제거하고 구름 경계 및 내부를 개선한다. 구름 탐지를 위한 실험 자료로 구름의 공간적, 계절적 분포의 다양성을 보여주는 4~11월 시기에 한반도 지역에서 촬영된 국토위성 L2G 영상을 사용하였다. 제안 방법의 성능을 검증하기 위해 단일 임계화 방법으로 생성된 결과를 비교하였다. 실험 결과, 제안 방법은 기존 방법과 비교하여 전처리 과정을 통해 각 영상의 방사학적 특성을 고려할 수 있어 보다 정확하게 구름을 검출할 수 있었다. 또한, 구름 개체를 제외한 나머지 밝은 물체(판넬식 지붕, 콘크리트 도로, 모래 등)의 영향을 최소화하는 결과를 보여주었다. 제안 방법은 기존 방법 대비 F1-score 기준으로 30% 이상의 개선된 결과를 보여주었으나 눈이 포함된 특정 영상에서 한계점이 있었다.