• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.933-948
• /
• 2023

대기 중 에어로졸은 인체에 악영향을 끼칠 뿐 아니라 기후 시스템에도 직간접적인 영향을 미치므로 에어로졸의 특성과 시공간적인 분포에 대한 이해는 매우 중요하다. 이를 위해 위성기반 관측을 통해 에어로졸 광학 두께(Aerosol Optical Depth, AOD)를 산출하여 에어로졸을 모니터링하는 다양한 연구가 수행되어 왔다. 하지만 이는 주로 조견표를 활용한 역 산출 알고리즘에 기반하여 이루어지기 때문에 많은 계산량을 요구하며 불확실성이 존재한다. 따라서, 본 연구에서는 Geostationary Ocean Color Imager-II (GOCI-II)의 대기상한반사도와 30일 동안의 대기상한반사도 중 최솟값과 관측 시점 값의 차이 값, 수치 모델 기반 기상학적 변수 등을 활용하여 기계학습 기반 고해상도 AOD 직접 산출 알고리즘을 개발하였다. Light Gradient Boosting Machine (LGBM) 기법이 사용되었으며, 추정된 결과는 지상 관측 자료인 Aerosol Robotic Network (AERONET) AOD를 활용하여 랜덤, 시간 및 공간별 N-fold 교차검증을 통해 검증되었다. 세 가지 교차검증 결과 R²=0.70-0.80, RMSE=0.08-0.09, 기대오차(Expected Error, EE) 안에 있는 비율은 75.2-85.1% 수준으로 안정적인 성능을 보였다. Shapley Additive exPlanations (SHAP) 분석에서는 반사도 관련 변수들이 기여도의 상위권 대부분을 차지하고 있는 것을 통해 반사도 자료가 AOD 추정에 많은 기여를 하는 것을 확인하였다. 서울과 울산 지역에 대한 시간 별 AOD의 공간 분포를 분석한 결과, 개발된 LGBM 모델은 시간의 흐름에 따라 AERONET AOD 값과 유사한 수준으로 AOD를 추정하고 있었다. 이를 통해 높은 시공간 해상도(i.e., 시간별, 250 m)에서의 AOD 산출이 가능함을 확인하였다. 또한, 산출 커버리지 비교에서 LGBM 모델의 평균 산출 빈도가 GOCI-II L2 AOD 산출물 대비 8.8%가량 증가한 것을 통해 기존 물리모델기반 AOD 산출 과정에서 발생하던 밝은 지표면에 대한 과도한 마스킹의 문제점을 개선시킨 것을 확인하였다.

• 방송공학회논문지
• /
• 제22권4호
• /
• pp.496-508
• /
• 2017

본 논문은 전역적 대비를 보존하는 동시에 경계 정보를 정확히 보존할 수 있는 혼합 톤 매핑 기법 (Tone Mapping Operator: TMO)을 제안한다. 우선, 넓은 동적 영역 (High Dynamic Rangae: HDR) 영상을 낮은 동적 영역 (Low Dynamic Range: LDR) 디스플레이에 적합하게 압축하기 위해 인간의 시각 시스템 (Human Visual System: HVS)에 기반한 임계 값 대 밝기 값 (Threshold vs. Intensity: TVI) 함수와 영상의 대비를 사용하였으며 이에 따라 영상의 전역적인 대비를 보존할 수 있었다. 또한, 가이디드 영상 필터링 (Guided Image Filtering: GIF)을 이용하여 검출된 경계 정보와 변화감지역 (Just Noticeable Difference: JND) 모델의 공간적 마스킹을 이용하여 검출된 경계 정보를 결합함으로써 영상의 경계를 보존하고 출력 영상의 인지적 화질을 향상시켰다. 기존에 TMO들은 크게 전역적 톤 매핑 (Global Tone Mapping: GTM)과 지역적 톤 매핑 (Local Tone Mapping: LTM)으로 분류되었다. GTM은 전역적인 대비를 보존하며 구현이 단순해 실행시간이 빠르다는 장점이 있지만 영상의 경계 정보가 손실되며 지역적 대비를 보존하지 못하는 단점이 있었다. 반면 LTM은 영상의 지역적 대비와 경계 정보를 잘 보존하였지만 경계 영역에서의 헤일로 열화 현상의 발생과 같이 일부 영역이 부자연스럽게 표현되는 경우가 발생하였으며 GTM과 비교하여 높은 계산 복잡도를 가졌다. 따라서 본 논문에서는 GTM과 LTM의 장점을 결합하여 전역적인 대비를 보존하는 동시에 영상의 경계 정보를 보존하는 TMO를 제안하였으며 실험결과를 통해 제안하는 톤 매핑 기법이 인지적 화질 측면에서 성능이 우수한 것으로 확인되었다.

• 대한원격탐사학회지
• /
• 제34권6_3호
• /
• pp.1383-1398
• /
• 2018

해상풍은 복잡한 해양 현상을 이해하는 데 가장 기초 요소 중 하나이다. 1990년대 초부터 산란계를 활용하여 전세계 바람장 자료를 생산해왔지만, 낮은 해상도로 인해 해양 연구에 제한적으로 사용되었다. Synthetic Aperture Radar(SAR)는 이러한 한계점을 보완하여 고해상도의 바람장 자료 생산이 가능하다. KOMPSAT-5는 한반도 최초의 X-band SAR 탑재 인공위성으로 고해상도 해상풍 산출이 가능하다. 본 연구는 KOMPSAT-5 후방산란계수 자료를 활용하여 산출한 해상풍의 검증 결과를 최초로 제시하였다. 18장의 KOMPSAT-5 ES 모드 자료를 수집하여 해양 부이와의 일치점 데이터베이스를 생산하였다. 정확한 해상풍 산출을 위해 육지 화소, 스페클 잡음, 선박 화소를 제거하는 전처리 과정을 거쳤고, 해양 부이 실측 자료에 Liu-Katsaros-Businger (LKB) 모델을 통해 10-m 중성 바람으로 변환하여 기준 자료로 활용하였다. XMOD2를 활용하여 산출한 해상풍은 후방산란계수 산출식에 따라 $2.41-2.74m\;s^{-1}$의 평균 제곱근 오차를 보였다. 분석 결과 KOMPSAT-5 후방산란계수 자료를 활용하여 해상풍을 산출하는 경우, 대기 중력파, 파랑, 내부파를 포함한 해양 기상 환경과 레인지 모호성(range ambiguity), 입사각의 이산적 불연속적 분포를 포함한 영상 품질에 의한 잠재적 오차 요인이 존재함을 규명하였다.

• 한국전자거래학회지
• /
• 제26권1호
• /
• pp.93-106
• /
• 2021

최근 도로균열 탐지에 대한 많은 연구에서 딥러닝 기반의 접근법을 활용하면서 과거 알고리즘 기반의 접근법을 활용한 연구들보다 높은 성능과 성과를 보이고 있다. 그러나 딥러닝 기반의 많은 연구가 여전히 균열의 유형을 분류하는 것에 집중되어 있다. 균열 유형의 분류는 현재 수작업에 의존하고 있는 균열탐지 프로세스를 획기적으로 개선해 줄 수 있다는 점에서 상당한 기대를 받고 있다. 그러나 실제 도로의 유지보수 작업에 있어서는 균열의 유형뿐만 아니라 균열의 심각도에 관한 판단이 필수적이지만, 아직까지 도로균열 탐지와 관련된 연구들이 균열의 심각도에 대한 자동화된 산출까지 진전되지 못하고 있다. 균열의 심각도를 산출하기 위해서는 균열의 유형과 이미지 속 균열의 부위가 함께 파악되어야 한다. 본 연구에서는 균열 유형과 균열 부위의 동시적 탐지를 효과적으로 자동화하기 위해 딥러닝 기반의 객체탐지 모델인 Mobilenet-SSD를 활용하는 방법을 다루고 있다. 균열탐지의 정확도를 개선하기 위해 U-Net을 활용해 입력 이미지를 자동 분할하고, 이를 객체탐지 기법과 결합하기 위한 여러 실험을 진행하여 그 결과를 정리하였다. 결과적으로 U-Net을 활용한 이미지 의 자동 마스킹을 통해 객체탐지의 성능을 mAP 값이 0.9315가 되도록 향상시킬 수 있었다. 본 연구의 결과를 참고하여 도로포장 관리시스템의 구현에 균열탐지 기능의 자동화가 더욱 진전될 수 있다고 기대된다.

• 한국가금학회:학술대회논문집
• /
• 한국가금학회 2004년도 제21차 정기총회 및 학술발표회
• /
• pp.80-90
• /
• 2004

본 실험은 사료내 아미노산 균형과 라이신 함량이 성장기 브로일러의 에너지 대사 중 Heat production(HP)과 질소 대사에 어떤 영향을 미치는 규명하기 위해 실시하였다. 실험1은 여러 단계의 조단백 함량과, 제1제한 아미노산으로써 일정 농도의 라이신 함량으로 만들어진 사료로 테스트하였다. 실험2에서는 이와 반대로 일정한 조단백 함량과 각기 다른 수준의 라이신을 함유한 사료들을 사용하였다. Thermoregulatory demand에 따른 영향을 최소화하기 위해 실험3은 이전 실험들(20 $^{\circ}C$)보다 높은 온도인 30 $^{\circ}C$에서 시행되었다. 에너지 및 질소 대사 실험은 컴퓨터로 제어되는 multi-chamber calorimeter system을 사용하여 조사하였으며 사료의 단백질 및 라이신 조성에 따른 닭의 HP를 측정하였다. 또한 이를 통해 나온 결과들은 에너지 대사 컴퓨터 시뮬레이션 모델을 통한 예측치와 비교하였다. 다양한 단백질 함량과 일정한 라이신 함량의 사료를 통한 실험에서 단백질 함량이 증가함에 따라 질소 섭취에서는 75 %의 증가가 나타났다. 이것은 질소 배출에 있어서 150 %의 증가를 가져왔으나 이에 따른 HP에 유의적인 차이는 보이지 않았다. 다양한 라이신 함량과 일정한 단백질 함량의 사료를 사용한 실험2에서는 최저 라이신과 최고 라이신 처리구 간에 3배의 증체량의 차이를 보여주었다. HP에 있어서는 라이신 증가에 따라 유의적으로 증가하는 경향을 보였으나 체중 보정치에 있어서는 유의차가 사라졌다. 실험1과 실험2, 두 실험의 시뮬레이션을 통한 HP 계산치에 있어서도 처리구들 간에 차이를 보이지 않았다. 30 $^{\circ}C$에서 실시된 실험3에서는 실험2와 동일하게 라이신 함량 증가에 따라 HP가 유의적으로 증가하였으나 그 경향은 이전 실험보다 크게 나타났다. 결과를 종합 할 때, 총 HP의 발생은 사료의 단백질 함량보다는 제한 아미노산 농도와 더욱 관련이 깊으며, 아미노산 불균형에 따른 질소 배출로 인해 발생하는 energy cost가 차지하는 비율은 높지 않은 것으로 사료된다. 또한 질소 축적율에서 볼 때, 사료내 아미노산 균형이 체내 질소 이용효율과 밀접한 관련이 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1615-1633
• /
• 2023

괭생이모자반은 황해 및 동중국해에서 대규모 번식하는 부유조류 중 하나로 우리나라 연안에 유입되어 환경 파괴 및 양식업 피해 등 다양한 문제점을 야기한다. 효율적인 피해 예방 및 연안 환경 보존을 위하여 최근 인공위성 기반 원격탐사 기술을 활용한 괭생이모자반 탐지 알고리즘 개발이 활발하게 이루어지고 있다. 하지만, 잘못된 탐지 정보는 해상 수거 선박의 이동 거리 증가, 지자체나 유관기관의 대응 혼선 등을 유발하므로 괭생이모자반 공간정보 생산 시 오탐지 최소화는 매우 중요하다. 본 연구는 국립해양조사원 국가해양위성센터의 GOCI-II 기반 괭생이모자반 탐지 알고리즘을 활용하여 자동으로 오탐지 화소를 제거하는 기술을 적용하였다. 주요 오탐지 발생 원인 분석 결과를 바탕으로 선형·산발적 오탐지 및 봄, 여름철에 중국 연안에서 대량으로 발생하는 녹조류를 오탐지로 간주하여 제거하는 과정을 포함하였다. 2022년 2월 24일부터 6월 25일까지 괭생이모자반 발생일을 대상으로 오탐지 자동 제거 기법을 적용하고, 중해상도 위성 영상을 이용하여 육안 판독 결과를 생성하고 정성적, 정량적 평가를 수행하였다. 선형 오탐지는 완전히 제거하였으며, 산발적 및 녹조 오탐지는 분포 파악에 영향을 주는 대부분의 오탐지 결과를 제거하였다. 자동 오탐지 제거 과정 이후에도 육안 판독 결과 대비 괭생이모자반의 분포 면적 확인이 가능하였으며, 이진분류모델을 이용하여 정확도와 정밀도는 각각 평균 97.73%, 95.4%로 산출하였다. 재현율은 매우 낮은 29.03%였는데, 이는 GOCI-II와 중해상도 위성영상의 관측 시간 불일치에 의한 괭생이모자반 이동 영향, 공간해상도 차이, 정사보정에 따른 위치 편차, 그리고 구름 마스킹 영향에 의한 것으로 추정하였다. 본 연구의 괭생이모자반 오탐지 제거 결과는 공간적인 분포 현황을 준실시간으로 파악할 수 있으나 생체량을 정확하게 추정하는 것은 한계가 존재하였다. 따라서, 지속적인 괭생이모자반 모니터링 시스템 고도화 연구를 통해 향후 괭생이모자반 대응계획수립을 위한 자료로 활용하고자 한다.