• 제목/요약/키워드: RMSE (Root Mean Square Error)

검색결과 648건 처리시간 0.025초

시뮬레이션된 성인 남성 인체모형 팬텀을 이용한 전산화단층촬영 에서의 노이즈 제거를 위한 Median Modified Wiener 필터 (Median Modified Wiener Filter for Noise Reduction in Computed Tomographic Image using Simulated Male Adult Human Phantom)

  • 주성욱;안병헌;강성현;이영진
    • 한국방사선학회논문지
    • /
    • 제15권1호
    • /
    • pp.21-28
    • /
    • 2021
  • 전산화단층촬영장치 (computed tomography, CT)는 다른 방사선 촬영 장치와 비교하면 피폭이 많다는 문제점이 있다. 이러한 피폭을 감소하기 위하여 저선량 촬영을 하게 되면 영상에 잡음이 증가하게 된다. 이를 보완하기 위해 환자의 피폭선량은 감소시키면서 영상의 화질을 향상하는 다양한 잡음 제거 알고리즘이 개발되었으며, 그 중 우수한 시간 분해능을 가진 CT 장치에 효과적으로 적용할 수 있는 median modified Wiener filter (MMWF) 알고리즘이 제시되었다. 본 연구의 목적은 MMWF 알고리즘의 마스크 크기를 최적화하고, 기존의 알고리즘들에 대한 MMWF 알고리즘의 잡음 제거의 우수성을 보는 것이다. MATLAB 프로그램을 이용하여 획득한 Gaussian 잡음이 부가된 MASH 팬텀 복부 영상들로부터 각각의 마스크 크기가 설정된 MMWF 알고리즘을 적용한 후 root mean square error (RMSE), peak signal-to-noise ratio (PSNR), coefficient correlation (CC) 그리고 universal image quality index (UQI) 값을 비교하였다. 그 결과 5 × 5 마스크 크기에서 RMSE 값이 가장 낮고, PSNR, CC, UQI 값이 가장 높았다는 것을 확인할 수 있었다. 또한, 최적화된 마스크 크기로 Gaussian 필터, median 필터, Wiener 필터에 대한 MMWF의 RMSE, PSNR, CC, UQI 값을 비교하였으며 그 결과 MMWF 알고리즘에서 가장 개선된 RMSE, PSNR, CC, UQI 값을 얻을 수 있었다.

초점 연산자의 최적화를 통한 세포영상의 삼차원 형상 복원 알고리즘 (Shape From Focus Algorithm with Optimization of Focus Measure for Cell Image)

  • 이익현;최태선
    • 한국정보전자통신기술학회논문지
    • /
    • 제3권3호
    • /
    • pp.8-13
    • /
    • 2010
  • Shape from focus (SFF) 방법은 이미지의 초점화된 영상을 이용하여 삼차원의 형상을 복원하는 방법이다. 그동안 많은 SFF 방법들이 연구되어 왔지만 노이즈에 대한 문제점과 영상특성으로 인한 최적화되지 못한 문제점이 남아있었다. 그러므로 노이즈를 제거하기 위한 필터링과 최적화 알고리즘을 제안한다. 성능 평가를 위하여 통계적인 판별기준인 평균제곱근오차 (RMSE)와 상관관계 (correlation) 수치를 이용한다.

  • PDF

개수로에서의 부정류 수문곡선 재현을 위한 유량공급장치의 개발 및 정확도 분석 (Development and Accuracy Analysis of the Discharge-Supply System to Generate Hydrographs for Unsteady Flow in the Open Channel)

  • 김서준;김상혁;윤병만;지운
    • 한국수자원학회논문집
    • /
    • 제45권8호
    • /
    • pp.783-794
    • /
    • 2012
  • 시간에 따른 하도의 수위 및 유량 변화에 영향을 많이 받는 수리구조물의 설계에 있어서 부정류 흐름 해석은 반드시 필요하다. 일반적으로 부정류 흐름 해석에는 수치모형이 많이 활용되고 있으나 수치모형의 검 보정을 위한 현장 자료의 획득이 어려운 경우가 많다. 또한 자료구축이 가능하더라도 인력과 비용이 많이 소모되며, 측정 정확도를 신뢰하기 어려운 경우가 많다. 이러한 경우 수치모형의 검 보정을 위해 부정류 수리실험을 통해 획득되는 자료를 활용하는 것이 대안이 될 수 있다. 따라서 본 연구에서는 다양한 형태의 부정류 수문곡선을 실험에서 재현할 수 있는 유량공급장치를 개발하고자하며, 개발된 부정류 유량공급장치를 이용하여 수리실험 수로에서 재현되는 수문곡선과 목표 수문곡선을 비교 분석함으로써 재현 정확도를 정량적으로 평가하고자 한다. 본 연구에서는 유량이 급격하게 증가 또는 감소하는 사각형 형태, 첨두유량 발생 시간이 짧은 삼각형 형태 및 일반적인 홍수 수문곡선 형태의 종(bell) 형태 수문곡선을 대상으로 재현 오차 및 Root Mean Square Error (RMSE)를 분석하였다. 재현 정확도 분석 결과, 사각형 형태의 수문곡선 재현 오차는 약 59% 정도로 가장 크게 나타났으며, 삼각형 형태의 수문곡선은 단일첨두와 이중첨두 형태 모두 약 10% 정도의 재현 오차가 나타났지만 홍수 수문곡선 형태인 종 모양의 수문곡선의 재현 오차는 최대 2% 이내인 것으로 나타났다.

Enhancing Medical Images by New Fuzzy Membership Function Median Based Noise Detection and Filtering Technique

  • Elaiyaraja, G.;Kumaratharan, N.
    • Journal of Electrical Engineering and Technology
    • /
    • 제10권5호
    • /
    • pp.2197-2204
    • /
    • 2015
  • In recent years, medical image diagnosis has growing significant momentous in the medicinal field. Brain and lung image of patient are distorted with salt and pepper noise is caused by moving the head and chest during scanning process of patients. Reconstruction of these images is a most significant field of diagnostic evaluation and is produced clearly through techniques such as linear or non-linear filtering. However, restored images are produced with smaller amount of noise reduction in the presence of huge magnitude of salt and pepper noises. To eliminate the high density of salt and pepper noises from the reproduction of images, a new efficient fuzzy based median filtering algorithm with a moderate elapsed time is proposed in this paper. Reproduction image results show enhanced performance for the proposed algorithm over other available noise reduction filtering techniques in terms of peak signal -to -noise ratio (PSNR), mean square error (MSE), root mean square error (RMSE), mean absolute error (MAE), image enhancement factor (IMF) and structural similarity (SSIM) value when tested on different medical images like magnetic resonance imaging (MRI) and computer tomography (CT) scan brain image and CT scan lung image. The introduced algorithm is switching filter that recognize the noise pixels and then corrects them by using median filter with fuzzy two-sided π- membership function for extracting the local information.

기계학습을 이용한 염화물 확산계수 예측모델 개발 (Development of Prediction Model of Chloride Diffusion Coefficient using Machine Learning)

  • 김현수
    • 한국공간구조학회논문집
    • /
    • 제23권3호
    • /
    • pp.87-94
    • /
    • 2023
  • Chloride is one of the most common threats to reinforced concrete (RC) durability. Alkaline environment of concrete makes a passive layer on the surface of reinforcement bars that prevents the bar from corrosion. However, when the chloride concentration amount at the reinforcement bar reaches a certain level, deterioration of the passive protection layer occurs, causing corrosion and ultimately reducing the structure's safety and durability. Therefore, understanding the chloride diffusion and its prediction are important to evaluate the safety and durability of RC structure. In this study, the chloride diffusion coefficient is predicted by machine learning techniques. Various machine learning techniques such as multiple linear regression, decision tree, random forest, support vector machine, artificial neural networks, extreme gradient boosting annd k-nearest neighbor were used and accuracy of there models were compared. In order to evaluate the accuracy, root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE) and coefficient of determination (R2) were used as prediction performance indices. The k-fold cross-validation procedure was used to estimate the performance of machine learning models when making predictions on data not used during training. Grid search was applied to hyperparameter optimization. It has been shown from numerical simulation that ensemble learning methods such as random forest and extreme gradient boosting successfully predicted the chloride diffusion coefficient and artificial neural networks also provided accurate result.

시간효율 관점에서 드론을 이용한 3차원 모형 구축과 평가 (3D Model Construction and Evaluation Using Drone in Terms of Time Efficiency)

  • 손승우;김동우;윤정호;전형진;강영은;유재진
    • 한국산학기술학회논문지
    • /
    • 제19권11호
    • /
    • pp.497-505
    • /
    • 2018
  • 대형폐기물량을 산정해야 하는 상황에서 드론을 이용하여 폐기물의 3차원 모형을 구축하여 폐기물의 정량적인 양을 산출할 수 있다. 필요에 따라서 단시간에 폐기물량을 산정해야 하는 경우가 있다. 본 연구에서는 다양한 비행변수와 지상기준점 측량을 통해 드론 기반의 3차원 모형을 구축하고 정확도와 소요되는 시간의 관계를 분석하였으며 단시간에 폐기물량 산정을 위한 적절한 드론 활용 기법을 도출하고자 하였다. 드론을 이용하여 폐기물의 영상을 촬영하여 자동정합하고 3차원 좌표를 가지는 모형을 생성하였다. 3차원 모형의 정확도는 RMSE(Root Mean Square Error) 계산을 통해 평가하였다. 총 49개 모형의 RMSE는 최고 0.08부터 최저 124.75로 나타났다. 정확도가 높은 상위 15개 모형의 소요시간과 그 특성을 분석한 결과, RMSE가 0.08로 영상의 정확도가 가장 높은 1번 모형의 소요시간이 954.87분으로 나타났다. 또한 소요시간이 98.27분으로 가장 짧은 10번 3차원 모형의 RMSE는 0.15로써 정확도가 가장 높은 모형과 큰 차이가 없음을 확인하였다. 가장 효율적인 드론 비행변수는 비행고도 150m에서 높은 촬영중복도(종중복도 60-70%, 횡중복도 30-40%)이며 영상정합에 필요한 지상기준점 개수는 최소 10개 이상인 것으로 나타났다. 본 연구의 결과는 드론을 활용하여 신속하고 효율적인 폐기물량 산정하는데 기초자료로 활용될 수 있다.

생성 AI기반 뉴스 감성 분석과 부동산 가격 예측: LSTM과 VAR모델의 적용 (Sentiment Analysis of News Based on Generative AI and Real Estate Price Prediction: Application of LSTM and VAR Models)

  • 김수아;권미주;김현희
    • 정보처리학회 논문지
    • /
    • 제13권5호
    • /
    • pp.209-216
    • /
    • 2024
  • 부동산 시장은 다양한 요인에 의해 가격이 결정되며 거시경제 변수뿐 만 아니라 뉴스 기사, SNS 등 다양한 텍스트 데이터의 영향을 받는다. 특히 뉴스 기사는 국민들이 느끼는 경제 심리를 반영하고 있으므로 부동산 매매 가격 예측에 있어 중요한 요인이다. 본 연구에서는 뉴스 기사를 감성 분석하여 그 결과를 뉴스 감성 지수로 점수화 한 후 부동산 가격 예측 모델에 적용하였다. 먼저 기사 본문을 요약 후 요약된 내용을 바탕으로 생성 AI를 활용하여 긍정, 부정, 중립으로 분류한 다음 총 점수를 산출하였고 이를 부동산 가격 예측 모델에 적용하였다. 부동산 가격 예측 모델로는 Multi-head attention LSTM 모델과 Vector Auto Regression 모델을 사용하였다. 제안하는 뉴스 감성 지수를 적용하지 않은 LSTM 예측 모델은 1개월, 2개월, 3개월 예측에서 각각 0.60, 0.872, 1.117의 Root Mean Square Error (RMSE)을 보였으며, 뉴스 감성 지수를 적용한 LSTM 예측 모델은 각각 0.40, 0.724, 1.03의 RMSE값을 나타낸다. 또한 뉴스 감성 지수를 적용하지 않은 Vector Auto Regression 예측 모델은 1개월, 2개월, 3개월 예측에서 각각 1.6484, 0.6254, 0.9220, 뉴스 감성 지수를 적용한 Vector Auto Regression 예측 모델은 각각 1.1315, 0.3413, 1.6227의 RMSE 값을 나타낸다. 앞선 아파트 매매가격지수 예측 모델을 통해 사회/경제적 동향을 반영한 부동산 시장 가격 변동을 예측할 수 있을 것으로 보인다.

MODIS 손실 자료 복원을 위한 통계적 방법 개발: 평균 편차 방법, 회귀 분석 방법과 지역 변동 방법 (The development of statistical methods for retrieving MODIS missing data: Mean bias, regressions analysis and local variation method)

  • 김민욱;이종혁;박연구;송정현
    • 한국위성정보통신학회논문지
    • /
    • 제11권4호
    • /
    • pp.94-101
    • /
    • 2016
  • 원격 관측 자료인 위성 자료는 한계점이 있으며, 특히 광학 관측기를 활용하면 구름이나 기타 요인에 의해 손실 자료가 발생한다. 본 연구에서는 MODerate resolution Imaging Spectrometer(MODIS)의 관측 자료 중, 지표면 온도 자료를 대상으로 손실 자료를 복원하기 위한 방법인 평균 편차 방법, 회귀 분석 방법, 지역 변동 방법의 세 가지 복원 방법을 개발하였다. 검증을 위해 2014년과 2015년의 위성 자료에서 관측 비율을 근거로 사례를 선택하였다. 검증 자료에서 확인된 지역 변동 방법의 평균 제곱근 편차(RMSE)는 일부 사례에서 약 2 K 이상으로 다른 복원 방법에 비해 낮은 정확도를 보였으며, 회귀 분석 방법의 RMSE는 평균 약 1.13 K으로 대부분의 사례에서 가장 좋은 결과를 보였다. 평균 편차 방법 사용 시, RMSE는 회귀 분석 방법 시와 유사하게 약 1.32 K으로 나타났다.

GEMS 영상과 기계학습을 이용한 산불 연기 탐지 (Detection of Wildfire Smoke Plumes Using GEMS Images and Machine Learning)

  • 정예민;김서연;김승연;유정아;이동원;이양원
    • 대한원격탐사학회지
    • /
    • 제38권5_3호
    • /
    • pp.967-977
    • /
    • 2022
  • 산불의 발생과 강도는 기후 변화로 인하여 증가하고 있다. 산불 연기에 의한 배출가스 대기질과 온실 효과에 영향을 미치는 주요 원인 중 하나로 인식되고 있다. 산불 연기의 효과적인 탐지를 위해서는 위성 산출물과 기계학습의 활용이 필수적이다. 현재까지 산불 연기 탐지에 대한 연구는 구름 식별의 어려움 및 모호한 경계 기준 등으로 인한 어려움이 존재하였다. 본 연구는 우리나라 환경위성 센서인 Geostationary Environment Monitoring Spectrometer (GEMS)의 Level 1, Level 2 자료와 기계학습을 이용한 산불 연기 탐지를 목적으로 한다. 2022년 3월 강원도 산불을 사례로 선정하여 산불 연기 레이블 영상을 생성하고, 랜덤 포레스트 모델에 GEMS Level 1 및 Level 2 자료를 투입하여 연기 픽셀 분류 모델링을 수행하였다. 훈련된 모델에서 입력변수의 중요도는 Aerosol Optical Depth (AOD), 380 nm 및 340 nm의 복사휘도 차, Ultra-Violet Aerosol Index (UVAI), Visible Aerosol Index (VisAI), Single Scattering Albedo (SSA), 포름알데히드, 이산화질소, 380 nm 복사휘도, 340 nm 복사휘도의 순서로 나타났다. 또한 2,704개 픽셀에 대한 산불 연기 확률(0≤p≤1) 추정에서 Mean Bias Error (MBE)는 -0.002, Mean Absolute Error (MAE)는 0.026, Root Mean Square Error (RMSE)는 0.087, Correlation Coefficient (CC)는 0.981의 정확도를 보였다.

GOCI-II 기반 저염분수 산출과 태풍 힌남노에 의한 시간별 염분 변화 (GOCI-II Based Low Sea Surface Salinity and Hourly Variation by Typhoon Hinnamnor)

  • 김소현;김대원;조영헌
    • 대한원격탐사학회지
    • /
    • 제39권6_2호
    • /
    • pp.1605-1613
    • /
    • 2023
  • 해양 내의 다양한 물리적 변화는 수온과 염분의 지속적인 변동에 의해 결정된다. 수온과 더불어 넓은 영역의 염분 변화를 파악하기 위해서는 인공위성 자료에 의존할 수밖에 없다. 그럼에도 불구하고 염분을 관측하는 위성인 Soil Moisture Active Passive (SMAP)는 낮은 시·공간 해상도로 인해 연안 근처에서 빠르게 변화하는 해양환경을 관측하기에는 어렵다는 한계가 존재한다. 이러한 한계를 극복하기 위해 본 연구에서는 천리안 해양 관측 위성의 정지궤도 해색 센서인 Geostationary Ocean Color Imager-II (GOCI-II) 원격반사도 자료를 입력자료로 하여 고해상도 표층 염분을 산출하는 Multi-layer Perceptron Neural Network (MPNN) 기반의 알고리즘을 개발하였다. SMAP과 비교한 결과 coefficient of determination (R2)는 0.94, root mean square error (RMSE)는 0.58 psu 그리고 relative root mean square error (RRMSE)는 1.87%였으며, 공간적인 분포 또한 매우 유사한 결과를 나타냈다. R2의 공간 분포는 0.8 이상을 보여주었으며 RMSE는 전반적으로 1 psu 이하의 낮은 값을 보여주었다. 이어도 과학기지에서의 실측 염분값과도 비교하였지만 상대적으로 조금 낮은 결과를 보여주었다. 이에 대한 원인을 분석하였으며, 산출된 GOCI-II 기반 고해상도 염분 자료를 활용하여 2022년 11호 태풍 힌남노에 의한 하루 동안의 동중국해 표층 염분 변화를 표준편차로 계산하였다. 그 결과 SMAP에서 관측할 수 없는 시공간의 염분 변화를 고해상도의 GOCI-II 기반 염분 산출물을 통해 확인할 수 있었다. 따라서 본 연구를 통해 시간 단위로 변화하는 해양환경 모니터링에 큰 기여를 할 것으로 기대된다.