• 한국지능시스템학회논문지
• /
• 제22권2호
• /
• pp.253-260
• /
• 2012

원거리의 표적을 탐지하기 위한 IRST시스템에서 표적은 배경영역에 포함된 많은 클러터로 인하여 검출이 매우 어렵다. 특히 해상 환경에서 획득된 영상의 경우, 불균일한 해수면 온도 분포는 원거리에서 접근하는 소형 표적의 검출을 어렵게 하는 요인으로 작용한다. 이에 본 논문에서는 형태학적 연산을 기반으로 하는 불균일한 해수면 온도 분포를 추정하는 알고리즘을 제안한다. 정확한 해수면 온도 분포 추정을 위하여 상한 분포와 하한 분포로 나누어 추정하고, 추정된 결과의 평균값으로 최종 해수면 온도 분포를 도출한다. 또한 형태학적 연산을 적용함으로써 발생하는 서브샘플링 효과 문제를 해결하기 위하여 다양한 크기의 구조요소를 이용하는 다중 가중치(multi-weight) 기법을 적용한다. 제안 방법의 타당성을 검증하기 위하여 다양한 환경에서 획득된 해수면 영상에 대한 해수면 온도 분포 추정 결과를 기존 알고리즘과 비교 검증하였다.

• 한국해안·해양공학회논문집
• /
• 제34권4호
• /
• pp.109-118
• /
• 2022

정점 표층 수온 관측 데이터 중 결측 구간의 데이터를 양방향 순환신경망(Bidirectional Recurrent Neural Network, BiRNN) 기법을 이용하여 보간하였다. 인공지능 기법 중 시계열 데이터에 일반적으로 활용되는 Recurrent Neural Networks(RNNs)은 결측 추정 위치까지의 시간 흐름 방향 또는 역방향으로만 추정하기 때문에 장기 결측 구간에는 추정 성능이 떨어진다. 반면, 본 연구에서는 결측 구간 전후의 양방향으로 추정을 하여 장기 결측 데이터에 대해서도 추정 성능을 높일 수 있다. 또한 관측점 주위의 가용한 모든 데이터(수온, 기온, 바람장, 기압, 습도)를 사용함으로써, 이들 상관관계로부터 보간 데이터를 함께 추정하도록 하여 보간 성능을 더욱 높이고자 하였다. 성능 검증을 위하여 통계 기반 모델인 Multivariate Imputation by Chained Equations(MICE)와 기계학습 기반의 Random Forest 모델, 그리고 Long Short-Term Memory(LSTM)을 이용한 RNN 모델과 비교하였다. 7일간의 장기 결측에 대한 보간에 대해서 BiRNN/통계 모델들의 평균 정확도가 각각 70.8%/61.2%이며 평균 오차가 각각 0.28도/0.44도로 BiRNN 모델이 다른 모델보다 좋은 성능을 보인다. 결측 패턴을 나타내는 temporal decay factor를 적용함으로써 BiRNN 기법이 결측 구간이 길어질수록 보간 성능이 기존 방법보다 우수한 것으로 판단된다.