본 연구에서는 a-Se 기반 디지털 X-선 영상장치의 저대조도 특성을 평가하기 위하여 contrast-detail 곡선 해석을 수행하였다. 본 실험에 사용된 X-선 영상장치는 픽셀크기가 139㎜×139㎜이고 유효면적이 46.7㎝×46.7㎝인 a-Si TFT 기판 위에 500㎜ 두께의 광전도체가 코팅된 구조를 갖고 있다. Contrast-detail 곡선을 측정하기 위하여 우선 주어진 촬영조건(즉, 40, 50, 60, 70, 80 kVp, and 16 mA.s)에서 상용 팬톰 인 CDRAD 2.0을 사용하여 X-선 영상을 획득한 후, 그 영상으로부터 IQFinv 인자를 사용하여 그 특성을 최종 평가하였다. 평가된 IQFinv 값은 주어진 광 플루언스(즉, 1.8×105, 5.9×105, 11.3×105, 19.4×105, and 29.4×105 photons/㎟)에서 각각 24.4, 35.3, 39.2, 41.5, 43.4으로 광 플루언스가 증가할수록 점진적으 로 증가하였으며 이는 광 플루언스가 증가할수록 영상의 가독성이 향상됨을 나타낸다.

본 연구에서는 2003년 2월 1일 군산과 부안을 중심으로 한 호남 서해안 지역의 Landsat ETM+ 영상과 기상 관측 지점의 적설 자료를 이용하여 적설 면적을 지도화하는 방법을 비교ㆍ분석하였다. 기상 관측 지점의 자료를 이용한 방법은 각 관측 지점별로 적설량의 많고 적음을 잘 나타낼 수 있다. 그러나 이 방법은 해당 관측 지점에 대한 정보만 신뢰할 수 있을 뿐, 주변 지역에 대한 정보는 부정확하게 추정될 수 있다. 반면에 Landsat ETM+ 영상 자료를 이용하여 작성된 적설 분포도는 영상이 제공하는 시점의 적설의 실제적인 분포 상태를 구체적으로 표현 가능하였다. 또한 픽셀의 개수를 통해 영상 내의 대략적인 적설 면적도 계산 가능하다.

본 연구의 목적은 홍수범람 시에도 침수상황의 파악이 가능한 RADARSAT SAR 영상을 이용하여 안성천 농촌유역의 홍수에 의한 침수지역을 추정하고자 하였다. 분석에 사용된 영상은 안성천유역에 1998년 8월 9일에 발생한 홍수피해시기를 중심으로 홍수 전, 직후, 후의 세 시기 영상을 선정하였다. 5m DEM을 이용하여 정사보정을 실시한 후, 세 영상의 RGB 합성방법을 실시한 결과 침수된 지역의 공간적 위치를 파악할 수 있었으며, 영상간의 연산방법인

융설 모형을 이용하여 융설 기간 동안의 하천유출량을 모의하기 위해서는 융설 관련 매개변수의 정립이 반드시 필요하다. 우리나라의 경우 관측 자료의 부족으로 인하여 적설분포면적, 적설심, 적설분포면적 감소곡선과 같은 융설 관련 매개변수의 추출이 불가능하였다. 본 연구에서는 1997년부터 2003년까지의 겨울철(11월-4월) NOAA/AVHRR 위성영상을 이용하여 한반도의 적설분포도를 추출하고 기상청의 69개소 유인지상기상관측소의 기상자료 중 최심적설심 자료

In this paper, we introduce visual contexts in terms of types and utilization methods for robust object recognition with intelligent mobile robots. One of the core technologies for intelligent robots is visual object recognition. Robust techniques are strongly required since there are many sources of visual variations such as geometric, photometric, and noise. For such requirements, we define spatial context, hierarchical context, and temporal context. According to object recognition domain, we can select such visual contextx. We also propose a unified framework which can utilize the whole contexts and validates it in real working environment. Finally, we also discuss the furture research directions of object recognition technologies for intelligent robots.

실 세계 공간에 가상 물체를 사실적으로 합성하기 위해서는 공간 내에 존재하는 조명정보 등을 분석해야 한다. 본 논문에서는 카메라에 대한 사전 교정(calibration)없이 카메라 및 조명의 위치 등을 추정하는 새로운 조명공간 재구성 방법이 제안된다. 먼저, 어안렌즈(fisheye lens)로부터 얻어진 전방향(omni-directional) 다중 노출 영상을 이용해 HDR (High Dynamic Range) 래디언스 맵(radiance map)을 생성한다. 그리고 다수의 대응점으로부터 카메라의 위치를 추정한 다음, 방향벡터를 이용해 조명의 위치를 재구성한다. 또한 대상 공간 내 많은 영향을 미치는 전역 조명과 일부 지역에 국한되어 영향을 주는 방향성을 갖는 지역 조명으로 분류하여 조명 환경을 재구성한다. 재구성된 조명환경 내에서 분산광선추적(distributed ray tracing) 방법으로 렌더링한 결과로부터 사실적인 합성영상이 얻어짐을 확인하였다. 제안된 방법은 카메라의 사전 교정 등이 필요하지 않으며 조명공간을 자동으로 재구성할 수 있는 장점이 있다.

The western coast of South Korea is famous for its large and broad tidal lands. Nevertheless, land reclamation, which has been conducted on a large scale, such as Sihwa embankment construction project has accelerated coastal environmental changes in the embankment inland. For monitoring of environmental change, vegetation change detecting of the embankment inland were carried out and field survey data compared with Landsat TM, ETM+, IKONOS, and EOC satellite remotely sensed data. In order to utilize multi-temporal remotely sensed images effectively, all data set with pixel size were analyzed by same geometric correction method. To detect the tidal land vegetation change, the spectral characteristics and spatial resolution of Landsat TM and ETM+ images were analyzed by SMA(spectral mixture analysis). We obtained the 78.96% classification accuracy and Kappa index 0.2376 using March 2000 Landsat data. The SMA(spectral mixture analysis) results were considered with comparing of vegetation seasonal change detection method.

본 연구에서는 최대우도법과 인공신경망 모형에 의해 카테고리 분류를 수행하고 각각의 분류 성능을 비교 평가하였다. 인공신경망 모형은 오류역전파 알고리즘을 이용한 것으로서 학습을 통한 은닉층의 최적노드수를 결정하여 카테고리 분류를 수행하도록 하였다. 인공신경망 최적 모형은 입력층의 노드수가 7개, 은닉층의 최적노드수가 18개, 그리고 출력층의 노드수가 5개인 것으로 구성하였다. 위성영상은 1996년에 촬영된 Landsat TM-5 영상을 사용하였고, 최대우도법과 인공신경망 모형에 의한 카테고리 분류를 위하여 각각의 카테고리에 대한 분광특성을 대표하는 지역을 절취하였다. 분류 정확도는 인공신경망 모형에 의한 방법이 90%, 최대우도법이 83%로서, 인공신경망 모형의 분류 성능이 뛰어난 것으로 나타났다. 카테고리 분류 항목인 토지 피복 상태에 따른 분류는 두 가지 방법에서 밭과 주거지의 분류오차가 큰 것으로 나타났다. 특히, 최대우도법에 의한 밭에서의 태만오차는 62.6%로서 매우 큰 값을 보였다. 이는 밭이나 주거지의 특성이 위성 영상 촬영시기에 따라 나지의 형태로 분류되거나 산림, 또는 논으로도 분류되는 경향이 있기 때문인 것으로 보인다. 차후에 카테고리 분류를 위한 각각의 클래스의 보조적인 정보를 추가한다면, 카테고리 분류 향상이 이루어질 것으로 기대된다.

강우에 따른 토사유실은 호소내 저수용량 감소 및 탁수 등의 수질오염을 유발하기 때문에 유역관리 측면에서 중요한 인자가 된다. 최근 GIS를 활용한 토사유실평가 연구가 진행되고 있으나, 토사유실 원인지역에 대한 검토는 고려하지 않고 있다. 본 연구에서는 GIS 기반 토사유실모델을 활용하여 임하호 유역의 토사유실량을 산정하였으며, SPOT 5 고해상도 위성영상과 토지피복도 자료를 활용하여 토사유실원인지역을 검토하였다. 분석결과 토사유실이 높게 나타나는 지역

본 연구의 목적은 태풍 피해로 인한 토지피복변화가 수문변화에 미치는 영향을 평가하는 것이다. 2002년 8월 31일부터 9월 1일까지 발생한 태풍 루사(1,402mm)가 강릉 남대천 유역에 미친 영향을 파악하기 위하여 2000년 9월 29일 Landsat 7 ETM+ 영상(태풍 전)과 2002년 9월 11일 Landsat 5 TM영상(태풍 후)을 선정하여 각각 토지피복도를 작성하였다. 유역유출과 하도추적에 대해 WMS HEC-1의 SCS 무차원 단위도법

본 논문의 목적은 위성영상 피복분류항목에 대해 통계적 접근법으로부터 산정된 유출곡선지수(CN)를 이용하여 계산 유효우량과 관측 유효우량을 비교함으로써 그 적용성을 검토하는데 있다. 검정을 위한 적용대상지역은 경안천 수위지점 상류유역, 백옥포 수위지점 상류유역, 괴산댐 수위지점 상류유역으로 선정하였으며 각 지역별로 4개의 홍수사상을 선정하였다. CN 값 산정을 위해 2000년에 획득된 Landsat-7 ETM 영상을 이용하여 토지이용도를 구축하였으며 개략