Ground subsidence in urban areas is mainly caused by anthropogenic factors such as excessive groundwater extraction and underground infrastructure development in the subsurface composed of soft materials. Global Navigation Satellite System data with high temporal resolution have been widely used to measure surface displacements accurately. However, these point-based terrestrial measurements with the low spatial resolution are somewhat limited in observing two-dimensional continuous surface displacements over large areas. The synthetic aperture radar interferometry (InSAR) technique can construct relatively high spatial resolution surface displacement information with accuracy ranging from millimeters to centimeters. Although constellation operations of SAR satellites have improved the revisit cycle, the temporal resolution of space-based observations is still low compared to in-situ observations. In this study, we evaluate the extraction of a time-series of surface displacement in Incheon Metropolitan City, South Korea, using the small baseline subset technique implemented using the commercial software, Gamma. For this purpose, 24 COSMO-SkyMed X-band SAR observations were collected from July 12, 2011, to August 27, 2012. The time-series surface displacement results were improved by reducing random phase noise, correcting residual phase due to satellite orbit errors, and mitigating nonlinear atmospheric phase artifacts. The perpendicular baseline of the collected COSMO-SkyMed SAR images was set to approximately 2-300 m. The surface displacement related to the ground subsidence was detected approximately 1 cm annually around a few Incheon Subway Line 2 route stations. The sufficient coherence indicates that the satellite orbit has been precisely managed for the interferometric processing.
This research investigates the effectiveness of data augmentation techniques in the automated analysis of B-scan images from ground-penetrating radar (GPR) using deep learning. In spite of the growing interest in automating GPR data analysis and advancements in deep learning for image classification and object detection, many deep learning-based GPR data analysis studies have been limited by the availability of large, diverse GPR datasets. Data augmentation techniques are widely used in deep learning to improve model performance. In this study, we applied four data augmentation techniques (geometric transformation, color-space transformation, noise injection, and applying kernel filter) to the GPR datasets obtained from a testbed. A deep learning model for GPR data analysis was developed using three models (Faster R-CNN ResNet, SSD ResNet, and EfficientDet) based on transfer learning. It was found that data augmentation significantly enhances model performance across all cases, with the mAP and AR for the Faster R-CNN ResNet model increasing by approximately 4%, achieving a maximum mAP (Intersection over Union = 0.5:1.0) of 87.5% and maximum AR of 90.5%. These results highlight the importance of data augmentation in improving the robustness and accuracy of deep learning models for GPR B-scan analysis. The enhanced detection capabilities achieved through these techniques contribute to more reliable subsurface investigations in geotechnical engineering.
Tenorio Ricardo Sarmento;Kwon Byung-Hyuk;Silva Moraes Marcia Cristina da
Journal of information and communication convergence engineering
/
제4권1호
/
pp.46-52
/
2006
Precipitation measurement with ground-based radar needs an information of the raindrop size distribution (RSD) characteristics. A 10-month dataset was collected in tropical Atlantic coastal zone of northeastern Brazil where the weather radar was installed. The number of drop was mainly recorded in 300 - 500 drop $mm^{-3}$, of which the maximum was registered around 1.1 mm drop diameter.
레이더 영상이나 광학 영상, 적외선 영상 등을 이용하여 표적을 식별하는 기술을 NCTR(Non-Cooperative Target Recognition) 또는 ATR(Automatic Target Recognition)이라 한다. 그 중에서 SAR(Synthetic Aperture Radar) 영상을 이용하여 자동으로 지상 표적을 식별하는 것을 SAR ATR이라고 한다. 일반적으로 SAR ATR은 탐지, 변별 및 식별 단계로 구성된다. 본 논문에서는 ISAR(Inverse Synthetic Aperture Radar) 영상 식별을 위해 개발된 극사상식별기(polar mapping classifier)를 수정하여 SAR 표적 식별에 이용하였으며, 전처리 과정을 통해 클러터 화소의 영향을 줄이고 표적의 그림자 화소들 표적 식별에 이용하여 식별 성능을 향상시켰다.
전차 탑재 레이더는 기상에 관계없이 전천후로 대전차 미사일을 탐지하는 능동 방호 장치의 필수적인 센서이다. 본 논문에서는 전차 탑재 레이더의 설계, 제작 및 시험 결과를 제시한다. 레이더 시스템은 안테나부, 송수신부, 신호처리부의 3개의 LRU로 구성되며, 개발 기술은 패치 안테나, SSPA 송신기, coherent I/Q detector, DSP기반 도플러 FFT 필터, 적응 CFAR, TWS 추적기 및 위협 판단을 포함한다. 개발된 레이더 시스템의 설계 성능은 고정 및 기동 시험을 통하여 확인한다.
본 논문에서는 FOD (foreign object debris) FMCW (frequency modulated continuous waveform) 레이다에 대한 지상 클러터 모델링 및 검출 성능에 미치는 영향을 분석한다. 레이다 수신신호에는 FOD에 의해 반사된 신호 뿐 만 아니라 활주로 표면 및 잔디영역에 의해 반사된 신호까지 포함된다. FOD의 RCS (radar cross section)가 잔디영역의 RCS와 거의 같기 때문에 클러터 제거 알고리즘을 적용하지 않으면 FOD의 검출이 어렵다. 또한, FOD와 클러터 모두가 움직이지 않기 때문에, 대표적 클러터 제거 알고리즘인 MTI (moving target indicator) 기법의 적용이 어렵다. 따라서 클러터 맵을 이용한 클러터 제거 기법이 필요하고, 이를 위해서는 활주로 표면을 고려한 클러터 맵을 정확하게 생성하는 것이 중요하다. 본 논문에서는 신뢰도 높은 클러터 맵을 생성하기 위해 FOD가 없는 표면의 경우에만 모든 범위의 레인지 빈에 대해 각각의 비트신호를 생성하고, 생성된 비트 신호를 100번 누적하였으며 RCS 값에 웨이블 분포를 적용하였다. 시뮬레이션 결과는 생성된 클러터 맵을 FOD FMCW 레이다에 적용함으로써 FOD가 제대로 검출됨을 보인다.
도심지에는 많은 지중 매설관이 설치되어 있으며, 이러한 지중 관로의 위치(깊이, 방향 등)은 굴착을 수행하기 전에 특정되어야 한다. 지중 매설관을 탐지하기 위해 다양한 지구물리학적인 방법을 사용할 수 있으나, 지반의 불균질성으로 인해 정확한 위치정보를 파악하는 것은 어렵다. 다양한 비파괴 탐사 방법 중 GPR (ground penetrating radar)는 고속으로 실험이 가능하며, 다른 탐사 방법에 비해 상대적으로 저렴한 탐사비용 등의 장점을 갖는다. 그러나 GPR의 탐사 데이터는 해석이 직관적이지 않아 상당한 전문적 지식이 요구된다. 최근 딥러닝을 이용한 탐사 데이터의 자동판독 기술에 대한 연구가 증가하고 있으나, 매설물의 위치를 정확히 알고 있는 탐사 데이터가 부족하여 학습모델 구축에 어려움이 있다. 이를 해결하기 위해 본 연구에서는 이러한 문제를 FDTD (finite difference time domain)수치해석을 통해 해결하고 자동탐지 학습 모델의 성능을 향상시키기 위한 기초연구를 수행하였다. 첫째, 단일유전율로 구성된 균질지반을 구성하고 해석을 수행하였다. 불균질 지반의 경우 프랙탈 기법을 이용하여 모델을 구성하고 해석을 수행하였다. 둘째, 합성곱 신경망을 이용하여 딥러닝 학습을 수행하였다. Model-A는 균질 지반 해석 데이터만 이용하여 학습을 수행하였으며, Model-B는 균질 및 불균질 지반 해석 데이터를 이용하여 학습을 수행하였다. 그 결과 Model-B가 Model-A보다 탐지성능이 우수한 것을 확인하였다. 이는 자동탐지 모델의 학습 시, 지반의 불균질성을 포함하여 학습을 수행하면 탐지 모델의 성능이 개선됨을 의미한다.
현행 면적평균 강수량 산정 방법인 티센 방법은 정확한 유역평균 강수량 산정에 있어 심각한 구조적 한계가 존재한다. 강수량계의 관측 정확도 외에, 강수량계 배치와 호우의 이동 방향에 따라서도 면적평균 강수량 산정에 오차가 발생할 수 있다. 유역이 작고 관측소 밀도가 희박한 경우 시뮬레이션 및 관측 사상 모두에서 티센 방법은 첨두 전후로 10분 사이에 유역평균 강수량이 계속 급격히 증감이 반복되는 특이한 경향 보였다. 그리고 티센 유역평균 강수량은 첨두 시점이 강우레이더와 다르게 나타났다. 유역이 작지만 관측소 밀도 비교적 높은 경우에는 전반적으로 티센 방법에 의해 톱니모양의 과대 첨두치의 경향은 나타나지 않았고 시간에 따른 변동이 유사하게 나타났다. 그러나 강우레이더 관측치와 지상 강수량계 관측치 유역평균 강수량 사이에 약 10분 정도의 연속적인 시차가 발생하였다. 강우레이더 유역평균 강수량의 지상보정 효과를 검토한 결과, 보정 후 면적평균 강수량이 보정 전 면적평균 강수량에 비해 오히려 상관이 낮게 나타나, 현행 강우레이더 지상보정 알고리즘 보정 효과가 높지 않은 것을 알 수 있었다.
Journal of electromagnetic engineering and science
/
제5권4호
/
pp.183-188
/
2005
A simple microwave backscattering model for vegetation canopies on earth surfaces is developed in this study. A natural earth surface is modeled as a two-layer structure comprising a vegetation layer and a ground layer. This scattering model includes various scattering mechanisms up to the first-order multiple scattering( double-bounce scattering). Radar backscatter from ground surface has been modeled by the polarimetric semi-empirical model (PSEM), while the backscatter from the vegetation layer modeled by the vector radiative transfer model. The vegetation layer is modeled by random distribution of mixed scattering particles, such as leaves, branches and trunks. The number of input parameters has been minimized to simplify the scattering model. The computation results are compared with the experimental measurements, which were obtained by ground-based scatterometers and NASA/JPL air-borne synthetic aperture radar(SAR) system. It was found that the scattering model agrees well with the experimental data, even though the model used only ten input parameters.
The radar wind profiler data contaminates with various non-atmospheric components that produce errors in moments and wind velocity estimations. This study implemented an adaptive Gaussian model to detect and remove the clutter from the radar return. This model includes DC filtering, ground clutter recognition, Gaussian fitting, and cost function to mitigate the clutter component. The adaptive model tested for the various types of clutter components and found that it is effective in clutter removal process. It is also applied for the both time series and spectrum datasets. The moments estimated using this method are compared with those derived using conventional DC-filtering clutter removal method. The comparisons show that the proposed method effectively removes the clutter and produce reliable moments.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.