• 한국통신학회논문지
• /
• 제25권9A호
• /
• pp.1306-1312
• /
• 2000

저궤도 관측위성에 탑재된 전자광학 카메라(Electro Optical Instrument)에서 생성되는 지상 표적의 영상데이터 (수 백 Mbps)를 실시간 지상 수신소로 전송하는 X-밴드 송신기에 대한 quality loss를 MC 방식의 시뮬레이션으로 산출하였다. 본 quality loss 시뮬레이션에는 QPSK 변조기의 데이터 비대칭(data asymmetry), I Q 채널간의 신호 크기 및 위상편차 불균형(unbalance), 채널결합기(OMUX)의 채널필터에 의한 변조파형 정형화 및 채널간섭 등의 변수가 포함되었다. 무선 구간의 잡음채널을 가산성 가우시안 백색잡음으로 가정할 때, 신뢰도 95 %를 기준한 시뮬레이션에서 X-밴드 송신기의 quality loss 0.7 dB를 구했으며, 이 quality loss는 데이터 링크의 링크버짓(link budget)에서 부가적인 손실항으로 반영되었다.

• 항공우주기술
• /
• 제6권1호
• /
• pp.213-221
• /
• 2007

본 연구에서는 2002년 4월에 획득된 Hyperion 초분광 원격탐사 자료를 이용하여 산불연료지도 제작을 위한 객체기반 분류 기법을 제시하였으며, 또한 객체기반 분석결과와 화소기반 분석결과를 비교해 보았다. 이를 위해 우선적으로 Hyperion 위성영상에 있는 잡음 화소 보정과 잡음 밴드를 제거하였으며, 또한 정확한 자료 처리를 위해 대기보정을 수행하였다. 산불 연료 지도 제작을 위한 방법은 분광혼합분석(SMA) 처리 결과를 재구성하여 얻었다. 객체 기반 접근 방법은 세그먼트 기반의 endmember 선택방법을 활용하였으며, 화소기반 분석은 표준 분광혼합분석기법을 적용하였다. 검증 및 비교를 위해서는 고해상도 칼라 항공정사영상이 활용되었다.

• 전자공학회논문지CI
• /
• 제48권2호
• /
• pp.66-77
• /
• 2011

본 논문은 특징을 효과적으로 병합하여 계층적 색인구조를 적용하는 광고영상의 분류기법에 대한 체계적 방법을 제안한다. 본 방법은 온라인 및 오프라인 상의 광고 영상 정보 관리를 위한 효과적인 응용으로써, 특별히 광고 영상정보의 추적을 위한 전처리 과정을 제공한다. 이를 위하여 전체 영상에 대한 일반적 정보를 포함하는 전역특징과 영상의 지역적 특성에 기반하는 지역특징을 고려한다. 고안된 지역특징은 영상 회전, 스케일링, 잡음추가, 빛의 변화에 불변하여 아핀(Affine) 변환에 의한 화면 차 영상에 대하여도 신뢰성 높은 매칭 도를 얻을 수 있고 동질의 영상 쌍을 검색하는데 있어서도 높은 정확도를 보여준다. 제안 방법은 우선 전역특징으로 전체영상자료에서 다수의 영상 쌍들로 개략적인 영상 군을 구성한 후에, 영상군안에서 지역특징에 의한 동질 영상 쌍들 즉 정밀한 영상 군들로 분리하는 정밀 매칭을 실행한다. 실행시간을 단축하기 위해 전형적인 클러스터링으로 전역특성이 유사한 영상들끼리 그룹화 함으로서 지역특징에 의한 동질 영상 쌍 간 과도한 매칭 시간의 문제점을 극복한다.

• 설비공학논문집
• /
• 제27권12호
• /
• pp.609-619
• /
• 2015

A preprocessing scheme utilizing multi-division of the ROI (region of interest) in a chemiluminescence image during inversion is proposed. The resulting inverted image shows the flame's structure, which can be useful for studying combustion instability. The flame structure is often quantitatively visualized with PLIF (planar laser-induced fluorescence) images as well. The chemiluminescence image, which is a line-integral of the flame, needs to be preprocessed before inversion, mainly due to the inherent noise and the assumption of axisymmetry during the inversion. The feasibility of the multi-division preprocessing technique has been tested with experimentally-obtained OH PLIF and $OH^*$ chemiluminescence images of jet and swirl-stabilized flames burning substitute natural gas (SNG). It turns out that the technique outperforms two conventional methods, specifically, the technique without preprocessing and the one with uni-division, reconstructing the SNG flame structures much better than its two counterparts when compared using corresponding OH PLIF images. The characteristics of the optimum degree of polynomials to be applied for curve-fitting of the flame region data for the multi-division method involving two flames has also been investigated.

• 지구물리와물리탐사
• /
• 제21권1호
• /
• pp.41-53
• /
• 2018

전통적인 탄성파 탐사 자료처리 분야에서 겹반사파(multiple)는 잡음으로 취급되어 제거한 후 자료처리를 수행한다. 그러나 최근 겹반사파를 잡음이 아닌 하나의 신호로 인식하고 이를 영상화에 이용하는 연구가 많이 이루어지고 있다. 겹반사파는 일차 반사파(primary reflection)가 도달하지 못하는 지점까지 도달할 수 있어 적은 수의 송신원과 수신기로도 더 넓은 범위를 영상화 할 수 있다. 이를 검증하기 위해 본 연구에서는 영상화 기법 중 하나인 거꿀시간 참반사 보정(reverse-time migration)을 이용하여 겹반사파 자료를 영상화한 후 일차 반사파를 사용한 전통적인 거꿀시간 참반사 보정 결과와 비교하였다. 겹반사파를 독립적으로 사용하기 위해 자유면 기인 겹반사파 제거(surface-related multiple elimination; SRME)기법을 사용해 탄성파 자료에서 겹반사파를 분리하였다. 수치 예제를 통해 겹반사파를 이용한 참반사 보정 결과가 일차 반사파를 이용한 전통적인 참반사 보정 결과보다 더 넓은 범위를 영상화 할 수 있음을 확인하였고, 특히 천부 지층에서 두드러진 효과가 나타나는 것을 알 수 있었다. 또한 겹반사파를 이용한 참반사 보정은 자료취득 흔적(acquisition footprint)에 의한 영상 왜곡이 제거됨을 확인할 수 있었다.

• 천문학회보
• /
• 제43권1호
• /
• pp.39.2-39.2
• /
• 2018

GW170817/GRB170817A establishes a double neutron star merger as the progenitor of a short gamma-ray burst, starting 1.7 s post-coalescence. GRB170817A represents prompt or continuous emission from a newly formed hyper-massive neutron star or black hole. We report on a deep search for broadband extended gravitational-wave emission in spectrograms up to 700 Hz of LIGO O2 data covering this event produced by butterfly filtering comprising a bank of templates of 0.5 s. A detailed discussion is given of signal-to-noise ratios in image analysis of spectrograms and confidence levels of candidate features. This new pipeline is realized by heterogeneous computing with modern graphics processor units (GPUs). (Based on van Putten, M.H.PM., 2017, PTEP, 093F01.)

• 한국정보전자통신기술학회논문지
• /
• 제12권6호
• /
• pp.629-635
• /
• 2019

여러 분야에서 사용되는 이미지 분류를 위한 딥러닝(Deep Learning) 모델은 오류 역전파 방법을 통해 미분을 구현하고 미분 값을 통해 예측 상의 오류를 학습한다. 엄청난 계산량을 향상된 계산 능력으로 해결하여, 복잡하게 설계된 모델에서도 파라미터의 전역 (혹은 국소) 최적점을 찾을 수 있다는 것이 장점이다. 하지만 정교하게 계산된 데이터를 만들어내면 이 딥러닝 모델을 '속여' 모델의 예측 정확도와 같은 성능을 저하시킬 수 있다. 이렇게 생성된 적대적 사례는 딥러닝을 저해할 수 있을 뿐 아니라, 사람의 눈으로는 쉽게 발견할 수 없도록 정교하게 계산되어 있다. 본 연구에서는 임의의 잡음 신호를 추가하는 방법을 통해 적대적으로 생성된 이미지 데이터셋을 탐지하는 방안을 제안한다. 임의의 잡음 신호를 추가하였을 때 일반적인 데이터셋은 예측 정확도가 거의 변하지 않는 반면, 적대적 데이터셋의 예측 정확도는 크게 변한다는 특성을 이용한다. 실험은 공격 기법(FGSM, Saliency Map)과 잡음 신호의 세기 수준(픽셀 최댓값 255 기준 0-19) 두 가지 변수를 독립 변수로 설정하고 임의의 잡음 신호를 추가하였을 때의 예측 정확도 차이를 종속 변수로 설정하여 시뮬레이션을 진행하였다. 각 변수별로 일반적 데이터셋과 적대적 데이터셋을 구분하는 탐지 역치를 도출하였으며, 이 탐지 역치를 통해 적대적 데이터셋을 탐지할 수 있었다.

• Smart Structures and Systems
• /
• 제24권5호
• /
• pp.567-585
• /
• 2019

In the past two decades, structural health monitoring (SHM) systems have been widely installed on various civil infrastructures for the tracking of the state of their structural health and the detection of structural damage or abnormality, through long-term monitoring of environmental conditions as well as structural loadings and responses. In an SHM system, there are plenty of sensors to acquire a huge number of monitoring data, which can factually reflect the in-service condition of the target structure. In order to bridge the gap between SHM and structural maintenance and management (SMM), it is necessary to employ advanced data processing methods to convert the original multi-source heterogeneous field monitoring data into different types of specific physical indicators in order to make effective decisions regarding inspection, maintenance and management. Conventional approaches to data analysis are confronted with challenges from environmental noise, the volume of measurement data, the complexity of computation, etc., and they severely constrain the pervasive application of SHM technology. In recent years, with the rapid progress of computing hardware and image acquisition equipment, the deep learning-based data processing approach offers a new channel for excavating the massive data from an SHM system, towards autonomous, accurate and robust processing of the monitoring data. Many researchers from the SHM community have made efforts to explore the applications of deep learning-based approaches for structural damage detection and structural condition assessment. This paper gives a review on the deep learning-based SHM of civil infrastructures with the main content, including a brief summary of the history of the development of deep learning, the applications of deep learning-based data processing approaches in the SHM of many kinds of civil infrastructures, and the key challenges and future trends of the strategy of deep learning-based SHM.

• 한국방사선학회논문지
• /
• 제10권8호
• /
• pp.597-602
• /
• 2016

현 임상에서는 저에너지 광자를 감소시키기 위한 알루미늄 재질의 부가필터를 이용하고 있다. 하지만, 부가필터의 이용은 X-ray 경화현상으로 인하여 발생하는 산란선량이 화질에 악영향을 미칠 수 있다. 또한, 부적절한 필터 두께를 이용은 환자에게 불필요한 노출이 발생하는 선량 크리프 현상이 나타날 수 있다. 이에 본 연구에서는 부가필터 사용 시 X선 빔 경화현상으로 인한 평균 에너지 증가에 따른 전방 산란선량 발생이 영상 화질에 미치는 영향을 정량적으로 평가하기 위하여 RMS 및 RSD를 측정하였다. 연구 결과, 부가필터 두께가 증가할수록 전방산란율과 더불어 상대표준편차가 증가하는 것으로 나타났다. 본 연구에서 상대표준편차는 평균값에 대한 표준편차가 상대적 크기를 의미한다. 평균값을 신호로 표준편차를 노이즈 성분으로 판단할 때 영상의 해상력에 지표인 신호 대 잡음비가 감소하는 것으로 이해할 수 있다. 이러한 연구 결과를 바탕으로 부가필터 사용에 따른 전방산란율과 화질의 상관관계가 있음을 정량적으로 검증하였다. 결과적으로, 북미방사선방호측정위원회에서 70 kVp 이상의 관전압에서 권고하는 2.5 mmAl 두께의 필터 사용 시 사용하지 않았을 때에 비해 14.6%가 증가되었다. 이러한 연구 결과는 영상 품질 개선을 위한 필터 연구 시 기초 자료로 활용할 수 있을 것으로 사료된다.

• 한국정보통신학회논문지
• /
• 제23권10호
• /
• pp.1234-1239
• /
• 2019

본 논문에서는 추가 설비 없이 기존 CCTV 영상을 디지털 영상 처리를 통하여 미세먼지 농도를 측정하는 방법을 제안한다. 영상처리 알고리즘은 노이즈 제거, 샤프닝, ROI 지정, 엣지 강도 계산, HSV 변환을 통한 보정 순으로 구성되며 C++ OpenCV 라이브러리를 이용해 구현하였다. 한달동안 캡쳐한 CCTV 이미지들에 본 알고리즘을 적용한 결과 ROI 영역에 대해 계산된 엣지 강도는 미세먼지 농도와 밀접한 관계가 있는 것으로 나타났다. 두 데이터간 상관관계를 추론하고자 MATLAB을 이용하여 거듭제곱 방정식 형태의 추세선을 수립하였으며 그 추세선으로부터 이탈한 데이터 포인트들의 개수는 12.5% 내외로 나타나 전체적으로 약 87.5%의 정확도를 보였다.