• 농촌계획
• /
• 제30권1호
• /
• pp.57-66
• /
• 2024

This study aimed to develop a precise vegetation cover classification model for small streams using the combination of drone remote sensing and support vector machine (SVM) techniques. The chosen study area was the Idong stream, nestled within Geosan-gun, Chunbuk, South Korea. The initial stage involved image acquisition through a fixed-wing drone named ebee. This drone carried two sensors: the S.O.D.A visible camera for capturing detailed visuals and the Sequoia+ multispectral sensor for gathering rich spectral data. The survey meticulously captured the stream's features on August 18, 2023. Leveraging the multispectral images, a range of vegetation indices were calculated. These included the widely used normalized difference vegetation index (NDVI), the soil-adjusted vegetation index (SAVI) that factors in soil background, and the normalized difference water index (NDWI) for identifying water bodies. The third stage saw the development of an SVM model based on the calculated vegetation indices. The RBF kernel was chosen as the SVM algorithm, and optimal values for the cost (C) and gamma hyperparameters were determined. The results are as follows: (a) High-Resolution Imaging: The drone-based image acquisition delivered results, providing high-resolution images (1 cm/pixel) of the Idong stream. These detailed visuals effectively captured the stream's morphology, including its width, variations in the streambed, and the intricate vegetation cover patterns adorning the stream banks and bed. (b) Vegetation Insights through Indices: The calculated vegetation indices revealed distinct spatial patterns in vegetation cover and moisture content. NDVI emerged as the strongest indicator of vegetation cover, while SAVI and NDWI provided insights into moisture variations. (c) Accurate Classification with SVM: The SVM model, fueled by the combination of NDVI, SAVI, and NDWI, achieved an outstanding accuracy of 0.903, which was calculated based on the confusion matrix. This performance translated to precise classification of vegetation, soil, and water within the stream area. The study's findings demonstrate the effectiveness of drone remote sensing and SVM techniques in developing accurate vegetation cover classification models for small streams. These models hold immense potential for various applications, including stream monitoring, informed management practices, and effective stream restoration efforts. By incorporating images and additional details about the specific drone and sensors technology, we can gain a deeper understanding of small streams and develop effective strategies for stream protection and management.

• 전자공학회논문지
• /
• 제51권4호
• /
• pp.144-159
• /
• 2014

다중의 영상을 이용하여 하나의 파노라마 영상을 제작하는 기법은 컴퓨터 비전, 컴퓨터 그래픽스 등과 같은 여러 분야에서 널리 연구되고 있다. 파노라마 영상은 하나의 카메라에서 얻을 수 있는 영상의 한계, 즉 예를 들어 화각, 화질, 정보량 등의 한계를 극복할 수 있는 좋은 방법으로서 가상현실, 로봇비전 등과 같이 광각의 영상이 요구되는 다양한 분야에서 응용될 수 있다. 파노라마 영상은 단일 영상과 비교하여 보다 큰 몰입감을 제공한다는 점에서 큰 의미를 갖는다. 현재 다양한 파노라마 영상 제작 기법들이 존재하지만, 대부분의 기법들이 공통적으로 파노라마 영상을 구성할 때 각 영상에 존재하는 특징점 및 대응점을 검출하는 방식을 사용하고 있다. 또한, 대응점을 이용한 RANSAC(RANdom SAmple Consensus) 알고리즘을 사용, Homography Matrix를 구하여 영상을 변환하는 방법을 사용한다. 본 논문에서 사용한 SURF(Speeded Up Robust Features) 알고리즘은 영상의 특징점을 검출할 때 영상의 흑백정보와 지역 공간 정보를 활용하는데, 영상의 크기 변화와 시점 검출에 강하며 SIFT(Scale Invariant Features Transform) 알고리즘에 비해 속도가 빠르다는 장점이 있어서 널리 사용되고 있다. SURF 알고리즘은 대응점 검출 시 잘못된 대응점을 검출하는 경우가 생긴다는 단점이 존재하는데 이는 RANSAC 알고리즘의 수행속도를 늦추며, 그로인해 CPU 사용 점유율을 높이기도 한다. 대응점 검출 오류는 파노라마 영상의 정확성 및 선명성을 떨어뜨리는 핵심 요인이 된다. 본 논문에서는 이러한 대응점 검출의 오류를 최소화하기 위하여 대응점 좌표 주변 $3{\times}3$ 영역의 RGB값을 사용하여 잘못된 대응점들을 제거하는 중간 필터링 과정을 수행하고, 문제해결을 시도하는 동시에 파노라마 이미지구성 처리 속도 및 CPU 사용 점유율 등의 성능 향상 결과와 추출된 대응점 감소율, 정확도 등과 관련한 분석 및 평가 결과를 제시하였다.

• 핵의학기술
• /
• 제14권1호
• /
• pp.101-104
• /
• 2010

레이노 현상에 대한 검사 중 $^{201}Tl$을 이용한 검사에서 관류영상을 composite하여 혈액 풀 영상 과 국소 지연 영상 관찰 및 비교 시의 유용성에 대해서 평가하고자 한다. 2008년 2월부터 2009년 8월까지 레이노 현상을 호소로 경희대학교 동서 신의학병원 혈관외과를 찾은 29명을 대상으로 시행하였다. 방사성 동위원소는 $^{201}Tl$ 111 Mbq (3 mCi)를 검사부위 반대편 팔과 다리의 대각선 사지에 정맥 내 주사하였고, 최초 dynamic 관류 영상과 혈액 풀 영상 그리고 국소지연 영상을 저에너지 고해상도 조준기를 장착한 감마카메라를 이용하여 검사하였다. 보고자 하는 손 또는 발에 대한 관심영역(ROI : Region of Interest)은 관류영상을 composite한 영상과 혈액 풀 영상, 국소 지연 영상 순으로 양측을 동시 분석하였고 대응표본 T 검정(SPSS v12.0)을 이용하여 p-value를 측정하여 데이터의 상관관계를 확인하였다. 분석대상 29명의 레이노 환자(positive)에서 분석된 관류 composite 영상, 혈액 풀 영상, 국소 지연 영상에서 나타난 count ratio(Rt./Lt.)의 평균은 $1.25{\pm}0.39$, $1.20{\pm}0.33$, $1.11{\pm}0.17$이었다. 이를 바탕으로 혈액 풀 영상과 국소 지연 영상의 대응표본 T-검정결과 p<0.029를 만족했고, 또한 관류 composite 영상에 대한 혈액 풀 영상(p<0.038)과 국소 지연 영상 (p<0.016)이 각각 차이가 없음을 알 수 있었다. $^{201}Tl$을 이용한 Raynaud scan에서 관류 영상을 composite함으로써 혈액 풀 영상과 국소 지연 영상을 비교 평가하는데 도움을 줄 수 있었다. 또한 육안적 식별도 가능하여 향후 좀 더 깊이있는 연구가 진행된다면 보다 적절하고 유용한 진단적 정보를 얻을 수 있을 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1309-1320
• /
• 2023

모바일 기기의 기술 발전과 대중화는 어디서든 사용자의 위치를 확인할 수 있으며 인터넷을 사용할 수 있도록 발전되었다. 그러나 실내의 경우 인터넷은 끊김없이 사용할 수 있지만 global positioning system (GPS) 기능은 활용하기 어렵다. 실내 공공장소인 백화점, 박물관, 컨퍼런스장, 학교, 터널 등 GPS가 수신되지 않는 음영 지역에서 실시간 위치정보 제공의 필요성이 증가하고 있다. 이에 따라 최근의 실내 측위 기술은 랜드마크 데이터베이스를 구축하기 위해 light detection and ranging (LiDAR) 장비를 기반으로 연구가 증가하고 있다. 본 연구에서는 랜드마크 데이터베이스 구축의 접근성에 초점을 두어 모바일 기기를 기반으로 랜드마크를 촬영한 단일 이미지와 사전에 구축된 랜드마크 데이터베이스 정보를 이용하여 사용자의 위치를 추정하는 기법을 개발하고자 하였다. 첫 번째로, 랜드마크 데이터베이스를 구축하였다. 랜드마크를 촬영한 모바일 이미지만으로 사용자 위치를 추정하기 위해서는 모바일 이미지에서 랜드마크 검출이 필수적이고, 검출된 랜드마크에서 고정적인 성격을 가진 지점의 지상좌표 취득이 필수적이다. 두 번째 단계에서는 bag of words (BoW) 영상 검색 기술을 적용해 랜드마크 데이터베이스 중 모바일 이미지가 촬영한 랜드마크를 유사한 4위까지 검색하였다. 세 번째 단계에서는 scale invariant feature transform (SIFT) 특징점 추출 기법과 Homography random sample consensus (RANSAC)을 통해 검색된 4개의 후보 랜드마크들 중 가장 유사한 하나의 랜드마크를 선정하였고, 이때 임계값 설정을 통해 정합점 수를 기반으로 한 차례 더 필터링을 수행하였다. 네 번째 단계에서는 대응된 랜드마크와 모바일 이미지간의 Homography 행렬을 통해 랜드마크 이미지를 모바일 이미지에 투사하여 랜드마크의 영역과 코너(외곽선)점을 검출하였다. 마지막으로, 위치추정 기법을 통해 사용자의 위치를 추정하였다. 해당 기술의 성능을 분석한 결과, 랜드마크 검색 성능은 약 86%로 측정되었다. 위치추정 결과와 사용자의 실제 지상좌표를 비교한 결과, 약 0.56 m의 수평 위치 정확도를 갖는 것이 확인되어 별도의 고가 장비 없이 랜드마크 데이터베이스를 구축하여 모바일 영상으로 사용자 위치 추정이 가능한 것을 확인하였다.

• 핵의학기술
• /
• 제14권1호
• /
• pp.83-89
• /
• 2010

UltraSPECT사의 Wide Beam Reconstruction (WBR)은 노이즈(Noise)와 조준기의 광속 확산 함수 효과(Beam spread function effect)를 제거하고 환자와의 거리를 자동적으로 보상하여 높은 해상도와 대조도를 제공할 수 있어 영상 획득 시간을 짧게 할 수 있고 상당한 영상 질 향상에 도움을 준다고 보고되고 있다. 이에 본 연구에서는 핵의학 분야에서 가장 흔히 이용되는 전신 뼈 스캔에 대해 WBR의 임상적 적용에 대한 유용성을 알아보고자 한다. XpressBone (WBR)의 성능 실험을 위하여 NEMA에서 제공하는 방법에 의하여 선원(Line source)과 SPECT Phantom을 이용하여 공간 분해능을 측정 분석하였다. 실험방법은 선원의 총 계수치를 200 kcps에서 300 kcps로 변화시켜 측정하였으며, SPECT Phantom은 매트릭스 크기를 변화시켜 측정하여 공간분해능에 대한 분석을 하였다. 또한 2009년 1월부터 2009년 9월까지 본원을 내원하여 뼈 스캔을 시행 받은 환자 40명을 두 군으로 나누어 임상 연구를 시행하였다. 1군은 $^{99m}Tc$-HDP 740 MBq (20mCi)를 투여하고 검사속도(20, 30 cm/min)를 변화시켰고, 2군은 동일한 검사속도에서 $^{99m}Tc$-HDP의 투여량을 변화시켜 영상을 획득하여 Standard data와 WBR기법으로 재구성한 영상을 비교 평가하였다. 분석방법은 대퇴골체부에서 뼈와 연부조직간 섭취비(Femur to tissue ratio: FTR)를 측정한 정량적인 분석과 핵의학과 전문의와 5년 이상의 실무경험을 가진 방사선사가 육안적인 분석을 하여 비교 평가하였다. 성능 실험에서 선원을 사용하여 실험한 결과 Planar WBR data는 Standard data에 비하여 분해능이 약 10% 향상되었으며, WBR 반치폭(Full-Width at Half-Maximum)은 16% 향상되었다(Standard data 8.45, WBR data 7.09). SPECT Phantom에서는 약 50%의 분해능이 향상되었으며, WBR 반치폭은 50% 향상되었다(Standard data 3.52, WBR data 1.65). 임상 연구에서는 $^{99m}Tc$-HDP 투여량을 고정시키고 검사속도를 20cm/min과 30 cm/min로 변화시킨 1군에서 Standard data와 WBR data의 전신 뼈 스캔 전면 영상에서 뼈 대비 연부조직간 섭취비는 통계적으로 유의한 차이를 보이지 않았다 (p=0.07). 검사속도를 고정하고 $^{99m}Tc$-HDP 투여량을 변화시킨 2군에서는 Standard data와 WBR data간의 전신 뼈 스캔전면 영상에서는 통계적으로 유의한 차이를 보이지 않았다 (p=0.458). 영상의 육안적 분석에서도 두 군 간 유의한 차이를 보이지 않았다(p>0.05). NEMA test 결과 WBR 기법의 영상에서 분해능이 향상되는 결과를 나타내었고, 임상 실험에서는 기존 재구성 방법에서의 동일한 해상도를 가지면서도 검사시간을 단축시킬 수 있었으며 방사성의약품의 투여량도 줄일 수 있었다. 이미 알려진 바와 같이 WBR은 노이즈를 감소시켜 신호 대 잡음비를 증강시키는 새로운 영상 재구성 방법임을 확인 할 수 있으며 동일한 검사속도에서 투여량을 감소시킬 수 있어 수신자의 피폭선량 경감과 검사시간을 단축할 수 있었으며 임상 현장에서 유용하게 이용되리라 사료된다.