• 대한원격탐사학회지
• /
• 제17권4호
• /
• pp.285-295
• /
• 2001

We developed a CASE-II water model that will enable the simulation of remote sensing reflectance($R_{rs}$) at the coastal waters for the retrieval of suspended sediments (SS) concentrations from satellite imagery. The model has six components which are: water, chlorophyll, dissolved organic matter (DOM), non-chlorophyllous particles (NC), heterotrophic microorganisms and an unknown component, possibly represented by bubbles or other particulates unrelated to the five first components. We measured $R_{rs}$, concentration of SS and chlorophyll, and absorption of DOM during our field campaigns in Korea. In addition, we generated $R_{rs}$ from different concentrations of SS and chlorophyll, and various absorptions of DOM by random number functions to create a large database to test the model. We assimilated both the computer generated parameters as well as the in-situ measurements in order to reconstruct the reflectance spectra. We validated the model by comparing model-reconstructed spectra with observed spectra. The estimated $R_{rs}$ spectra were used to (1) evaluate the performance of four wavelengths and wavelengths ratios for accurate retrieval of SS. 2) identify the optimum band for SS retrieval, and 3) assess the influence of the SS on the chlorophyll algorithm. The results indicate that single bands at longer wavelengths in visible better results than commonly used channel ratios. The wavelength of 625nm is suggested as a new and optimal wavelength for SS retrieval. Because this wavelength is not available from SeaWiFS, 555nm is offered as an alternative. The presence of SS in coastal areas can lead to overestimation chlorophyll concentrations greater than 20-500%.

• 대한원격탐사학회지
• /
• 제21권1호
• /
• pp.91-98
• /
• 2005

On board satellite magnetometer measures all possible magnetic components, such as the core and crustal components from the inner Earth, and magnetospheric, ionospheric and' its coupled components from the outer Earth. Due to its dipole and non-dipole features, separation of the respective component from the measurements is most difficult unless the comprehensive knowledge of each field characteristics and the consequent modeling methods are solidly constructed. Especially, regional long wavelength magnetic signals of the crust are strongly masked by the main field and dynamic external field and hence difficult to isolate in the satellite measurements. In particular, the un-modeled effects of the strong auroral external fields and the complicated behavior of the core field near the geomagnetic poles conspire to greatly reduce the crustal magnetic signal-to-noise ratio in the polar region relative to the rest of the Earth. We can, however, use spectral correlation theory to filter the static lithospheric and core field components from the dynamic external field effects that are closely related to the geomagnetic storms affecting ionospheric current disturbances. To help isolate regional lithospheric anomalies from core field components, the correlations between CHAMP magnetic anomalies and the pseudo-magnetic effects inferred from satellite gravity-derived crustal thickness variations can also be exploited, Isolation of long wavelengths resulted from the respective source is the key to understand and improve the models of the external magnetic components as well as of the lower crustal structures. We expect to model the external field variations that might also be affected by a sudden upheaval like tsunami by using our algorithm after isolating any internal field components.

• 문화기술의 융합
• /
• 제5권4호
• /
• pp.413-420
• /
• 2019

본 연구의 목적은 기존의 body fat mass 변수와 고콜레스테롤혈증의 연관성연구를 벗어나, 머신러닝기법을 기반으로 body fat mass 변수들의 조합을 이용하여 고콜레스테롤혈증 예측 모델을 개발하는 것이다. 이러한 연구를 위하여 국민건강영양조사 데이터를 기반으로 두 가지 variable selection 메소드와 머신러닝 알고리즘을 이용하여 총 6개의 모델을 생성하였고 질병 예측력을 비교분석하였다. 여러 body fat mass 관련 변수들 중에서 몸통지방량 변수가 고콜레스테롤혈증 예측력이 가장 우수한 변수인 것을 밝혀내었고, 머신러닝 기반 예측모델들 중에서 correlation-based feature subset selection 기반 naive Bayes 알고리즘을 이용한 모델이 0.739의 the area under the receiver operating characteristic curve 값과 0.36의 Matthews correlation coefficient 값을 얻었다. 이러한 연구의 결과는 향후 국내외 대규모 스크리닝 및 대중보건 연구에서 질병예측분야의 중요정보로 활용될 것으로 예상한다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1061-1070
• /
• 2021

본 연구에서는 국내 농업지역에 대한 작물재배지역의 분류를 위하여 FC-DenseNet 모델에 attention gate를 적용하여 딥러닝 모델의 성능을 향상시키고자 하였다. Attention gate는 특징맵의 공간/분광적 중요도에 따른 가중치를 추가적으로 학습하여 딥러닝 모델의 학습을 용이하게 하고, 모델의 성능을 향상시킬 수 있다. Attention gate를 FC-DenseNet의 스킵 연결 부분에 추가한 딥러닝 모델을 이용하여 양파 및 마늘 지역의 작물분류를 수행하였다. PlanetScope 위성영상을 이용하여 훈련자료를 제작하였으며, 훈련자료의 불균형 문제를 해결하기 위하여 전처리 과정을 적용하였다. 다양한 평가자료를 이용하여 작물재배분류 결과를 평가한 결과, 제안된 딥러닝 모델은 기존의 FC-DenseNet과 비교하여 효과적으로 양파 및 마늘 지역을 분류할 수 있는 것을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.141-147
• /
• 2021

본 연구를 통해 임베디드 시스템(Embedded System)에서 뉴럴 네트워크(Neural Network) 인풋의 차원 감소 방식으로 복잡한 연산량을 줄여 초분광 대용량 데이터 특징 정보의 활용률을 개선하기 위해, 전체 밴드를 밴드별 최댓값과 최솟값 차이로 부분집합으로 군집화하여, 각 부분집합에서 밴드 선택 알고리즘을 적용한다. 특징 추출과 특징 선택 기법 중에, 특징 선택 기법을 통해, 파장 범위와 관계없이 데이터세트에 맞는 최적의 밴드 수와 기존 알고리즘 적용 소요 시간과 성능을 향상하고자 한다. 이 실험을 통해 기존 밴드 선택 기법보다 1/3~ 1/9배 소요 시간을 단축했음에도 불구하고 K-최근접 이웃 분류기를 통한 성능 면에서는 약 4% 이상 향상된 의미 있는 결과를 도출하였다. 실시간 초분광 데이터 분석 활용에는 어렵지만, 개선된 가능성을 확인했다.

• 한국융합학회논문지
• /
• 제12권7호
• /
• pp.53-60
• /
• 2021

LOD-기반 추천 시스템은 보통 DBpedia와 같은 LOD 데이터세트 내에서 사용가능한 데이터를 활용하여 최종 사용자에게 영화, 책, 음악과 같은 아이템을 추천한다. 이러한 시스템은 링크드 데이터 리소스 쌍 간의 일치 정도를 측정하는 의미 유사도 알고리즘을 사용한다. 이 논문에서는 LOD 그래프의 링크에 사용자 평가 등급을 변환한 가중치를 할당하여 LOD-기반 추천 시스템에서 의미 거리를 측정하는 새로운 접근방식을 제안했다. 이 논문에서 제안된 의미 거리 측정 모델은 가중치 계산을 통해 그래프가 사용자에게 개인화되는 처리 단계와 이러한 가중치를 LDSD에 적용하는 방법을 기반으로 한다. 실험 결과는 다른 유사한 방법들과 비교하여 제안된 방법이 더 높은 정확도를 보였으며, 추천 시스템의 의미 거리 측정의 범위를 넓혀서 유사도 향상에 기여하였다. 향후 연구로는 다른 방법의 LOD-기반 유사도 측정을 사용하여 모델에 미치는 영향을 분석하는 것을 목표로 한다.

• 한국정보전자통신기술학회논문지
• /
• 제11권6호
• /
• pp.697-702
• /
• 2018

최근 국민소득 증가로 개인 보유차량이 급격하게 증가하였다. 한정된 국토 내에서 급격한 차량 증가는 심각한 교통 혼잡을 야기 시켰고, 이러한 교통 혼잡으로 인해 도로 위에서 낭비되는 교통혼잡 비용은 매년 증가하는 추세이다. 이러한 문제를 해결하고자 영상처리를 이용한 교통신호 제어시스템을 제안하였다. 본 논문에서는 교차로에 설치된 카메라를 이용하여 각 도로로 유입 유출되는 교통량을 동시에 측정하여 심각한 교통 정체가 일어나기 전에 이를 미연에 방지 할 수 있는 교통신호 제어시스템을 제안한다. 본 논문에서 제안한 교통신호 제어시스템을 주간에 적용한 경우는 교통량을 정확하게 측정 할 수 있었으나, 야간 일반 카메라로 측정한 결과 72.8%, 야간에 적외선 카메라로 헤드 라이트를 고려해 실험한 결과 86.6%의 향상된 결과를 얻을 수 있었다.

• 한국전자통신학회논문지
• /
• 제13권6호
• /
• pp.1353-1364
• /
• 2018

본 연구에서는 불균형 데이터 환경에서 기계학습 기법의 한 갈래인 로지스틱 회귀모형을 이용하여 인공위성 영상에서 Cochlodinium polykrikoides 적조 픽셀을 탐지하는 방법을 제안한다. 학습자료로 적조, 청수, 탁수 해역에서 추출된 수출광량 분광 프로파일을 활용하였다. 전체 데이터셋의 70%를 추출하여 모형 학습에 활용하였으며, 나머지 30%를 이용하여 모형의 분류 정확도를 평가하였다. 이 때, 청수와 탁수에 비해 자료 수가 상대적으로 적은 적조의 분광 프로파일에 백색 잡음을 추가하여 오버샘플링을 하여 불균형 데이터 문제를 해결하였다. 정확도 평가 결과 본 연구에서 제안하는 알고리즘은 약 94%의 분류 정확도를 보였다.

• 한국융합학회논문지
• /
• 제9권11호
• /
• pp.9-14
• /
• 2018

비전 시스템은 영상 이미지를 획득하여 대상 영역을 판별하고 분석하는 시스템이며, 자동화 공정에 사용하고자 하는 수요가 증가하면서 비전 기반의 검사 시스템 도입이 매우 중요한 이슈로 부상하고 있다. 이러한 비전 시스템은 일상생활과 생산 공정에서 검사 장비로 사용되고 있으며, 영상 처리 기술에 대한 연구가 매우 활발하게 이루어지고 있다. 그러나 문자 인식이나 반도체 패키지 등의 검사 대상을 추출하기 위한 영역 정의에 대한 연구는 미미한 상황이다. 본 논문에서는 사용자가 관심영역을 정의하여 엣지 추출을 수행함에 있어 잡음까지도 엣지로 판단하는 경우를 방지하기 위하여, 영상 이미지 내에서 잡음이 존재하여도 특정한 영역의 엣지들의 분포를 이용하여 검사 대상 영역의 엣지를 추출할 수 있는 잡음에 강인한 정렬 보정 모델을 제안한다. 제안 모델을 통하여 타이어의 문자 인식이나 반도체 패키지 검사와 같은 생산 분야에 적용하면 제품의 생산 효율이 향상될 수 있을 것으로 기대된다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제25권3호
• /
• pp.123-131
• /
• 2019

본 연구에서는 CT 영상의 대퇴골 부위를 해부학적으로 의미 있게 변형하여 CT 영상의 대퇴골 영역을 분할하기 위한 컨벌루션 신경망(CNN)의 훈련 데이터를 증강하는 방법을 제안한다. 먼저 CT 영상으로부터 삼차원 삼각형 대퇴골 메쉬를 얻는다. 그 후 메쉬의 국소부위에 대한 기하학적 특성을 계산하고, 군집화하여 메쉬를 의미 있는 부분들로 분할한다. 마지막으로, 분할한 부분들을 적절한 알고리즘으로 변형한 뒤, 이를 바탕으로 CT 영상을 와핑하여 새로운 CT영상을 생성하였다. 본 연구의 데이터 증강 방법을 이용하여 학습시킨 딥러닝 모델은 기하학적 변환이나 색상 변환 같이 일반적으로 사용되는 데이터 증강법과 비교하여 더 나은 영상분할 성능을 보인다.