• 한국통신학회논문지
• /
• 제24권12A호
• /
• pp.1974-1984
• /
• 1999

본 논문은 정확한 전파 모델과 신속한 전파 예측 모델을 필요로 하는 다중 경로 현상을 효과적으로 획득하기 위해 효율적인 데이터 표현 구조를 제안한다. 본 논문은 ray tracing에서 사용되고 있는 VR(Vector Representation)을 향상시키기 위한 데이터 표현 구조로서, 빌딩과 같은 오브젝트를 표현하기 위해 CR(Circular Representation)을 이용하는 오브젝트 표현 방법을 제안한다. 제안된 CR은 건물의 중심에서 건물을 둘러싸도록 원을 그리는 형태이다. 본 구성에서 CR은 기하학적 구조를 위한 기본 빌딩 구조로서의 기능을 가지며, VR이 단독으로 사용되어 졌을 때 보다 더 많은 효율성을 증진시킨다. VR은 건물을 표현하기 위해 여러 개의 벽면 벡터를 필요로 하는 반면, CR은 하나의 원으로 표현된다. 결과적으로 제안된 방법에 의해 ray tracing에서 상당한 양의 계산 비용을 줄일 수 있다. 본 논문의 목표는 효율적인 ray tracing 예측 모델을 위해 데이터 구조화 시에 효율성을 얻기 위한 해결책으로서 CR을 제안하는 것이다. 본 논문은 제안된 방법에 의해 계산 부하량이 현저하게 줄어듬을 보인다. 또한 deterministic ray tracing 모델에서 CR의 계층? 구조의 수반 가능한 사용을 보인다. 시뮬레이션 결과는 계층적 octree 구조가 약 50% 계산 부하를 감소시키고 있는 반면 본 논문에서 제안된 CR은 분산된 물체의 수에 비례하여 계산 부하량을 현저하게 감소시킨다는 것을 나타낸다.

• 대한원격탐사학회지
• /
• 제20권4호
• /
• pp.235-244
• /
• 2004

본 연구는 SPOT-4 위성의 VEGETATION-1 센서의 가시 채널, 근적외 채널, 단파 적외채널 자료를 이용하여 눈과 구름을 구별하기 위해 새롭게 제시된 알고리즘을 평가하기 위한 것이다. 눈과 구름의 마스크를 위해 전통적으로 이용되고 있는 임계치 방법들은 본 연구에서 좋은 결과를 보여 주지 못하였다 따라서 K-means 군집화 방법이 이러한 임계치 방법 대신 본 연구에서 사용되었다. 군집화에서는 두 임계치 알고리즘을 통합하여 적설과 구름을 그룹화 시켜 동시에 추출한 화소들을 적용하였다. 이것은 전체 영상을 군집화에 적용시킬 때와 비교해 군집화의 과정을 단순화시키고 나아가 정확도를 향상시킬 수 있다. 본 연구는 이러한 과정을 통해 얻어진 결과를 임계치 방법이 적용되었을 때의 결과와 비교함과 동시에 VEGETATION 자료의 분별능력을 평가하였다. 본 연구에서 제시한 방법을 이용하였을 때, 구름과 눈의 분별 능력은 상당히 향상되었다. 분별 오차는 임계치 방법을 사용하였을 때 보다 구름에 대해 19.4% 적설에 대해 9.7% 정도 감소하였다.