• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 춘계학술발표대회
• /
• pp.807-810
• /
• 2014

로봇 시스템의 제어 및 이를 이용한 환경 인식에는 많은 전자 광학 소자들이 사용되고 있다. 로봇 제어회로에 사용되고 있는 Si CMOS 공정의 CPU, ASIC, FPGA 소자는 고 선량의 감마선에 취약하다. 환경정보 수집용으로 로봇에 탑재되는 CMOS/CCD 카메라의 관측영상에는 고선량 감마선으로 인한 speckle (백색잡음, white noise) 들이 나타나며, 이들이 카메라의 관측성능을 저하시킨다. 후쿠시마 원자력발전소 사고와 같이 원자력시설에서 제어불능의 심각한 사고가 발생되면 고선량 감마선이 방출된다. 이러한 고선량 감마선방출은 사람에 의한 사고수습을 불가능하게 하며, 사고 수습을 위해서는 로봇의 활용이 불가피하다. 그러나, 방출되는 고선량 감마선의 세기(선량율)가 지나치게 높을 경우, 로봇 전자회로가 장애를 일으키기 때문에 로봇의 적절한 임무수행이 가능한 감마선 세기에 대한 고려가 필요하다. 본 논문에서는 고선량 감마선 환경하에서의 로봇 탑재 CCD/CMOS 카메라의 관측 성능을 고려하여 100 Gy/h 를 감마선 선량율 제한조건으로 설정한다. 그리고, 재 가동 승인심사를 받기 위해 일본의 원전 운영자들이 제시한 PWR (가압경수로) 원전의 중대사고 대책 적합성 평가문서에 나타난 노심용융개시 시점의 원자로 격납건물내 감마선 선량율 추이 계산결과를 활용하여 로봇의 대응시간을 계산하였다. 문서 (PDF) 에 표현된 감마선 선량율 추이 그래프를 영상 판독하여, 격납건물내 감마선 선량율이 100 Gy/h 제한조건에 도달하는 시간을 계산하였다. 이를 로봇의 대응시간으로 설정한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.152-152
• /
• 2019

This study demonstrates a novel approach of remotely sensed estimates of stream flow at fifteen hydrological station in the Han River Basin, Korea. Multi-temporal data of the European Space Agency's Sentinel-1 SAR satellite from 19 January, 2015 to 25 August, 2018 is used to develop and validate the flow estimation model for each station. The flow estimation model is based on a power law relationship established between the remotely sensed surface area of water at a selected reach of the stream and the observed discharge. The satellite images were pre-processed for thermal noise, radiometric, speckle and terrain correction. The difference in SAR image brightness caused by the differences in SAR satellite look angle and atmospheric condition are corrected using the histogram matching technique. Selective area filtering is applied to identify the extent of the selected stream reach where the change in water surface area is highly sensitive to the change in stream discharge. Following this, an iterative procedure called the Optimum Threshold Classification Algorithm (OTC) is applied to the multi-temporal selective areas to extract a series of water surface areas. It is observed that the extracted water surface area and the stream discharge are related by the power law equation. A strong correlation coefficient ranging from 0.68 to 0.98 (mean=0.89) was observed for thirteen hydrological stations, while at two stations the relationship was highly affected by the hydraulic structures such as dam. It is further identified that the availability of remotely sensed data for a range of discharge conditions and the geometric properties of the selected stream reach such as the stream width and side slope influence the accuracy of the flow estimation model.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권4호
• /
• pp.402-410
• /
• 2006

연속된 초음파 영상 시퀀스로부터 파노라마 영상을 만들기 위해서는 인접된 프레임 사이의 움직임을 추정해야 한다. 기존에는 고정 블록 움직임 추정 방법이 주로 사용되고 있는데 본 논문은 정확성을 높이고 계산시간을 단축하기 위해 다해상도 영상을 이용한 특징점 기반 블록 움직임 추정 방법을 제안한다. 기존의 블록 움직임 추정 방법은 규칙적으로 블록을 배치하기 때문에 추정된 움직임의 정확도를 높이기 위해서는 블록의 크기가 커지기 때문에 처리 시간이 오래 걸린다. 본 논문에서는 특징점을 중심으로 블록을 배치하여 움직임 추정의 정확도는 유지하면서 블록의 크기를 줄일 수 있었다. 어파츄어문제(aperture problem)을 줄이기 위해 코너점을 특징점으로 하였다. 움직임 추정 영역은 일정한 크기의 부영역으로 나누고, 각 부영역에서 가장 코너 강도가 큰 점을 선택하였다. 특징점을 선택하는 데는 해리스 스테판 코너검출기를 사용하였다. 코너점들이 한 곳으로 편중될 경우 블록들이 움직임 추정 영역에서 골고루 분산되지 않아 이렇게 구한 블록 움직임을 이용하여 전역 움직임을 구하면 오차가 커진다. 본 논문에서는 이러한 문제를 해결하기 위해 특징점을 선택하는 영역에 제한을 두도록 하였다. 초음파 영상에는 스펙클과 잡음이 많아 코너점을 구하기 전에 영상 평활화를 해야 한다. 계산시간을 줄이고 잡음이 감소된 영상에서 코너점을 구하기 위해 저해상도 영상에서 블록 움직임을 구한 후 점점 고해상도로 확산하는 형태로 다해상도 영상을 사용한다. 실제 세가지 종류의 초음파 영상 시퀀스에 대해 실험결과 제안된 방법은 기존의 방법에 비해 움직임 추정 오차(Displaced Frame Difference)를 평균 66.02에서 58.98로 줄이면서 계산시간은 평균 71ms에서 44ms 으로 빠르게 됨을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.497-510
• /
• 2022

농업용 저수지는 수자원이 계절적으로 편중된 한반도에서 갈수기 용수 공급을 위한 필수적인 구조물이다. 효율적인 물 관리를 위해서는 중소규모 저수지에 대한 체계적이고 효과적인 모니터링이 필요하며, 합성개구 레이더(Synthetic Aperture Radar, SAR) 영상은 전천후 관측이 가능하다는 특징과 함께 연속적인 저수지 모니터링을 위한 도구가 된다. 본 연구에서는 10 m급 해상도를 갖는 Sentinel-1 SAR 영상과 1 m급 해상도의 Capella X-SAR 영상을 활용하여 울산광역시 차리, 갈전, 뒷골 저수지의 수체를 탐지하였으며, 이를 통해 국내 중소규모 저수지 모니터링에의 활용성을 평가하고자 하였다. Z fuzzy function 기반 임계값 산정을 통한 영상분할기법과 객체 탐지 기반 분할기법인 Chan-vese (CV) 기법을 통해 수체 영역을 산정하였으며, UAV 영상과의 비교를 통해 성능을 정량적으로 평가하였다. 임계값 기반 탐지 정확도는 Sentinel-1의 경우 약 0.87, 0.89, 0.77 (차리, 갈전, 뒷골), Capella의 경우 약 0.78, 0.72, 0.81로 나타났으며, CV 기법 적용 시 모든 저수지에서 정확도가 향상되는 것을 확인하였다(Sentinel-1: 0.94, 0.89, 0.84, Capella: 0.92, 0.89, 0.93). Capella는 모든 저수지/분할기법에 대해 수체와 비수체의 경계를 비교적 뚜렷하게 모의하였으나, 고해상도로 인한 speckle noise가 충분히 평활화되지 않아 오탐지 및 미탐지가 다소 발생하였다. 오탐지의 제거를 위해 광학 센서 기반 보조자료를 활용하여 마스킹한 결과, 정확도가 최대 13% 향상되는 것을 확인할 수 있었다. 본 연구 결과를 바탕으로 SAR 위성 기반 더욱 정확한 저수지 탐지가 이루어진다면 소규모 저수지를 포함, 종합적인 가용수량에 대한 연속적인 모니터링이 가능할 것이며, 효과적인 수자원 관리에 기여할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제36권2_2호
• /
• pp.365-377
• /
• 2020

국가해양영토에서 불법어업활동을 하는 어선으로부터 해상자원과 영토를 보호하기 위해 지속적인 모니터링과 즉각적인 대응은 필수적인 요소이다. Synthetic Aperture Radar (SAR) 영상은 넓은 촬영 범위를 가지고 있으며, 기상과 주야 조건에 영향을 받지 않아 광역적인 해상 모니터링에 효과적이다. 그러나 SAR 영상의 데이터 크기와 스펙클 노이즈 등 다양한 특성으로 인해 처리속도와 탐지율이 높은 선박탐지 알고리즘 개발은 쉽지 않다. 본 논문에서는 국내 최초의 X-band SAR 위성인 KOMPSAT-5에 적합한 선박탐지 알고리즘을 개발 적용하였다. 효율적인 선박탐지를 위해 선박탐지 알고리즘은 Human Visual Attention System (HVAS), SAR-Split, Constant False Alarm Rate (CFAR) 알고리즘의 특성을 융합하여 적용했다. 또한, SAR 영상의 관측모드 별 특성을 고려한 SAR-Split 알고리즘 적용을 통해 탐지율을 향상시켰다. SAR 영상으로부터 탐지된 선박은 Automatic Identification System (AIS) 데이터와의 매칭을 통해 탐지율 분석이 수행되었다. 탐지된 선박은 AIS 자료와 전반적으로 잘 매칭되었으며, SAR 영상의 모드 별 특성을 고려하여 적용했을 때 보다 향상된 탐지율을 보였다. 탐지율은 Enhanced Standard (ES) 모드에서 약 80%, Standard (ST) 모드에서 약 64%의 결과를 보였다. 선박 탐지결과에서 발생한 대부분의 오탐지는 선박의 이동으로 발생하는 기포항적, AIS의 위치오차 등으로 발생하였다. 개발된 선박탐지 알고리즘은 대한민국 국가해양영토 광역 감시망 구축에 기여할 것으로 기대된다.

• 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.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.475-491
• /
• 2021

최근 사용 가능한 고해상도 위성 SAR 영상이 다양해지면서, 변화 탐지를 포함한 다양한 분야에서 SAR 영상에 대한 정밀 정합 요구가 높아지고 있다. 다중 관측각 환경에서의 고해상도 SAR 영상간 정합은 SAR 영상의 특성상 발생하는 스펙클 노이즈, 기하 왜곡 등에 의해 어려움이 있다. 본 연구에서는 독일 TerraSAR-X의 staring spotlight 모드로 촬영된 고해상도 SAR 영상을 활용하여, 개략정합 단계와 정밀정합 단계의 2단계에 걸친 영상정합 알고리즘을 제안하였다. 개략정합 단계에서는 적응형 샘플링 기법과 SAR-SIFT(Scale Invariant Feature Transform)를 결합하여 정합을 수행하였고, 정밀정합 단계에서는 3가지의 강성 정합 기법인 NCC(Normalized Cross Correlation), PC (Phase Congruency)-NCC, MI (Mutual Information) 기법과 비강성 정합 기법인 Gefolki (Geoscience extended Flow Optical Flow Lucas-Kanade Iterative)를 적용하여 정합 성능을 비교 분석하였다. 정합 결과는 RMSE (Root Mean Square Error)와 FSIM (Feature Similarity) 지수를 사용하여 정량적인 비교를 수행하였다. 사용한 모든 영상 조합에서 강성정합 기법은 Gefolki 알고리즘에 비해 저조한 정합 성능을 보였다. 강성정합 모델들은 지형기복이 큰 지역에서 정합오차가 크게 발생함을 확인할 수 있었다. Gefolki 알고리즘 적용 결과, RMSE 1~3화소를 보이며 가장 우수한 결과를 확인하였으며, FSIM 지수 또한 다른 기법에 비해 0.02~0.03 이상 높은 값을 취득했다. 다중 관측각 영상에서의 고해상도 SAR 영상 간 정합 성능을 비교하였으며, 강성정합 기법에 비해 Gefolki 알고리즘을 통해 지형효과를 충분히 줄일 수 있음을 확인했다. 이는 추후 변화탐지를 포함한 다양한 분야의 전 처리 과정에 효과적으로 사용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.793-810
• /
• 2022

실시간 범람 모니터링을 위해 인공위성 SAR영상을 활용하는 수체탐지에 대한 필요성이 대두되었다. 주야와 기상에 상관없이 주기적으로 촬영 가능한 인공위성 SAR 영상은 육지와 물의 영상학적 특징이 달라 수체탐지에 적합하나, 스페클 노이즈와 영상별 상이한 밝기 값 등의 한계를 내포하여 다양한 시기에 촬영된 영상에 일괄적으로 적용 가능한 수체탐지 알고리즘 개발이 쉽지 않다. 이를 위해 본 연구에서는 Convolutional Neural Networks (CNN)기반 모델인 U-Net 아키텍처에 레이어의 조합인 모듈을 추가하여 별도의 전처리 없이 수체탐지의 정확도 향상 방법을 제시하였다. 풀링 레이어의 조합을 활용하여 형태학적 연산처리 효과를 제공하는 Morphology Module과 전통적인 경계탐지 알고리즘의 가중치를 대입한 컨볼루션 레이어를 사용하여 경계 학습을 강화시키는 Edge-enhanced Module의 다양한 버전을 테스트하여, 최적의 모듈 구성을 도출하였다. 최적의 모듈 버전으로 판단된 min-pooling과 max-pooling이 연속으로 이어진 레이어와 min-pooling로 구성된 Morphology 모듈과 샤를(Scharr) 필터를 적용한 Edge-enhanced 모듈의 산출물을 U-Net 모델의 conv 9에 입력자료로 추가하였을 때, 정량적으로 9.81%의 F1-score 향상을 보여주었으며, 기존의 U-Net 모델이 탐지하지 못한 작은 수체와 경계선을 보다 세밀하게 탐지할 수 있는 성능을 정성적 평가를 통해 확인하였다.