• 방송공학회논문지
• /
• 제24권3호
• /
• pp.430-439
• /
• 2019

CNN (convolutional neural network) 기반의 단일 열화 영상 복원 방법은 우수한 성능을 나타내지만 한가지의 특정 열화를 해결하는 데 맞춤화 되어있다. 본 연구에서는 복합적으로 열화 된 영상 분류 및 복원을 위한 알고리즘을 제시한다. 복합 열화 영상 분류 문제를 해결하기 위해 CNN 기반의 알고리즘인 사전 학습된 Inception-v3 네트워크를 활용하고, 영상 열화 복원을 위해 기존의 CNN 기반의 복원 알고리즘을 사용하여 툴체인을 구성한다. 실험적으로 복합 열화 영상의 복원 순서를 추정하였으며, CNN 기반의 영상 화질 측정 알고리즘의 결과와 비교하였다. 제안하는 알고리즘은 추정된 복원 순서를 바탕으로 구현되어 실험 결과를 통해 복합 열화 문제를 효과적으로 해결할 수 있음을 보인다.

• 한국환경복원기술학회지
• /
• 제19권1호
• /
• pp.73-83
• /
• 2016

Forest degradation reduces ecosystem services provided by forest and could lead to change in composition of species. In North Korea, there has been significant forest degradation due to conversion of forest into terrace fields for food production and cut-down of forest for fuel woods. This study analyzed the phenological changes in North Korea, in terms of vegetation and moisture in soil and vegetation, from March to Octorber 2013, using MODIS (MODerate resolution Imaging Spectroradiometer) images and indexes including NDVI (Normalized Difference Vegetation Index), NDSI (Normalized Difference Soil Index), and NDWI (Normalized Difference Water Index). In addition, marginal farmland was derived using elevation data. Lastly, degraded terrace fields of 16 degree was analyzed using NDVI, NDSI, and NDWI indexes, and marginal farmland characteristics with slope variable. The accuracy value of land cover classification, which shows the difference between the observation and analyzed value, was 84.9% and Kappa value was 0.82. The highest accuracy value was from agricultural (paddy, field) and forest area. Terrace fields were easily identified using slope data form agricultural field. Use of NDVI, NDSI, and NDWI is more effective in distinguishing deforested terrace field from agricultural area. NDVI only shows vegetation difference whereas NDSI classifies soil moisture values and NDWI classifies abandoned agricultural fields based on moisture values. The method used in this study allowed more effective identification of deforested terrace fields, which visually illustrates forest degradation problem in North Korea.

• 한국측량학회지
• /
• 제32권5호
• /
• pp.451-457
• /
• 2014

최근 몽골 수도 울란바타르를 둘러싸고 있는 Tuv지역의 토지 황폐화가 급속도로 진행되고 있는데 이는 광산업의 발달과 인구 밀집으로 인하여 기존의 목초지가 파괴됨으로써 더욱 더 가속화 되고 있다. 따라서 본 연구에서는 Tuv지역의 도심지역과 광산지역을 대상으로 하여 토지피복의 변화 탐지와 토지황폐화에 대한 추이를 분석하기 위하여 2001년부터 2009년까지의 Landsat TM과 +ETM 위성영상을 활용하여, 정규식생지수와 무감독분류(Unsupervised Classification)의 K-Mean 알고리즘과 감독분류(Supervised Classification)의 MLC 등의 디지털 영상 분류기법을 적용하여 몽골 Tuv지역의 다중시기별 토지피복변화를 분석하였다. 그 결과 광산지역의 확장과 더불어 기후변화 및 인구밀집 등으로 인하여 토지가 황폐화되어 사막지역으로 변화되어가는 추이를 알 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 추계학술대회 논문집 전기물성,응용부문
• /
• pp.195-197
• /
• 2003

In this paper, Neural Networks is studied for estimation of XLPE cable specimen according to degradation. And these data making use of a computer-aided discharge analyser, a combination of statistical and discharge parameter was calculated to discrimination processing stage of degradation. NN has not bad recognition rate result of discrimination for degradation stage because discharge characteristics are very similar to between degradation stage. So, there is some improvement for applied NN.

• Journal of Forest and Environmental Science
• /
• 제36권3호
• /
• pp.199-206
• /
• 2020

Satchari National Park is one of the most biodiverse forest in Bangladesh and home of many endangered flora and fauna. 206 tons of CO₂ per hectare is sequestrated in this national park every year which helps to mitigate climate issues. As people living near the area are dependent on this forest, degradation has become a regular phenomenon destroying the forest biodiversity by altering its forest cover. So, it is important to map land cover quickly and accurately for the sustainable management of Satchari National Park. The main objective of this study was to obtain information on land cover change using remote sensing data. Combination of unsupervised NDVI classification and supervised classification using maximum likelihood is followed in this study to find out land cover map. The analysis showed that the land cover is gradually converting from one land use type to another. Dense forest becoming degraded forest or bare land. Although it was slowed down by the establishment of 'National Park' on the study site, forecasting shows that it is not enough to mitigate forest degradation. Legal steps and proper management strategies should be taken to mitigate causes of degradation such as illegal felling.

• Journal of Positioning, Navigation, and Timing
• /
• 제12권2호
• /
• pp.149-155
• /
• 2023

In urban areas it can be difficult to utilize global navigation satellite systems (GNSS) due to signal reflections and blockages. It is thus crucial to detect reflected or blocked signals because they lead to significant degradation of GNSS positioning accuracy. In a previous study, a classifier for global positioning system (GPS) signal reception conditions was developed using three features and the support vector machine (SVM) algorithm. However, this classifier had limitations in its classification performance. Therefore, in this study, we developed an improved machine learning based method of classifying GPS signal reception conditions by including an additional feature with the existing features. Furthermore, we applied various machine learning classification algorithms. As a result, when tested with datasets collected in different environments than the training environment, the classification accuracy improved by nine percentage points compared to the existing method, reaching up to 58%.

• 스마트미디어저널
• /
• 제8권4호
• /
• pp.17-24
• /
• 2019

IoT 기술이 산업 환경에서 널리 활용되면서, IoT 환경 보안 문제가 중요해지고 있다. 이러한 문제를 해결하기 위해 하드웨어 보안 기능을 활용한 연구가 활발히 진행되고 있다. 그러나, 기존 연구는 IoT 환경에서 하드웨어 보안 기능을 이용할 때 발생하는 성능저하에 대해 고려하지 않았다. IoT 환경에서 주로 활용되는 게이트웨이 기기는 자원이 제한적인 경우가 많다. 이러한 환경에서 하드웨어 보안 기능을 활용하는 것은 게이트웨이와 연결된 IoT 기기가 점점 증가함에 따라 심각한 성능 저하를 일으킬 수 있다. 따라서, 본 논문에서는 자원이 제한적인 환경에서 효율적으로 하드웨어 보안 기능을 활용하기 위한 데이터 분류 기법을 제안한다. ARM 트러스트존을 사용하여 제안한 기법이 적용된 플랫폼을 구현한다. 구현한 플랫폼상에서 실험을 통해 하드웨어 보안 기능으로 인한 성능 저하를 측정하고 제안한 기법을 적용하였을 시 성능과 비교 및 분석한다.

• 한국수자원학회논문집
• /
• 제53권3호
• /
• pp.215-223
• /
• 2020

본 연구의 목적은 국내 하천을 대상으로 데이터 마이닝의 분류 및 예측 기법을 활용하여 비유사량 추정 모델을 개발하는 것이다. 이를 위해 유사이송에 영향을 미치는 요소들을 전반적으로 고려하여 유역인자를 추출하였으며, 유역의 지형학적 요소, 강우, 토지 피복, 토지 이용, 하상 재료 등이 고려되었다. 추출된 인자를 활용하여 모델을 도출한 결과 유역 형태학적 특성인자 중 평균 면적비에서 유역고도 및 토지피복인자 중 도시화 비율과 전체 유역 중 습지와 수역의 비율이 조건인자로 활용되었다. 도출된 모델은 실측값과의 비교를 통해 실측 비유사량의 발생 패턴이 유사하게 재현됨을 확인하였다. 또한 기존의 사용되던 산정 공식과 비교하였으며, 국외의 데이터를 기반으로 도출된 모델은 개발 배경 및 국내 하천 환경과의 차이로 인해 국내 하천 데이터 적용에 한계가 있는 것으로 나타났다. 이에 본 연구에서는 개발 및 적용 환경, 데이터 범위의 차이 등으로 인해 발생하던 기존 공식의 한계를 개선하고자 하였다.

• Journal of Forest and Environmental Science
• /
• 제40권1호
• /
• pp.15-23
• /
• 2024

This research aimed to assess the possibility of detecting forest degradation using time-series satellite imagery and three different deep learning-based change detection techniques. The dataset used for the deep learning models was composed of two sets, one based on surface reflectance (SR) spectral information from satellite imagery, combined with Texture Information (GLCM; Gray-Level Co-occurrence Matrix) and terrain information. The deep learning models employed for land cover change detection included image differencing using the Unet semantic segmentation model, multi-encoder Unet model, and multi-encoder Unet++ model. The study found that there was no significant difference in accuracy between the deep learning models for forest degradation detection. Both training and validation accuracies were approx-imately 89% and 92%, respectively. Among the three deep learning models, the multi-encoder Unet model showed the most efficient analysis time and comparable accuracy. Moreover, models that incorporated both texture and gradient information in addition to spectral information were found to have a higher classification accuracy compared to models that used only spectral information. Overall, the accuracy of forest degradation extraction was outstanding, achieving 98%.

• ETRI Journal
• /
• 제33권3호
• /
• pp.454-457
• /
• 2011

In this letter, we propose a new quality measurement method to identify the causes of video quality degradation for IP-based video services. This degradation mainly results from network performance issues and video compression. The proposed algorithm identifies the causes based on statistical feature values from blocky block distribution in degraded IP-based videos. We found that the sensitivity and specificity of the proposed algorithm are 93.63% and 91.99%, respectively, in comparison with real error types and subjective test data.