최근 해상 교통량 증가 및 연안 중심의 레저활동으로 인해 다양한 해양사고가 발생하고 있다. 그 중 선박사고는 인 명 및 재산 피해를 유발할 뿐만 아니라 기름 및 위험·유해물질 유출을 동반한 해양 오염사고로 이어질 가능성이 크다. 따 라서 해양사고 대비 및 대응을 위한 지속적인 선박 모니터링이 필요하다. 본 연구에서는 해상 선박 모니터링 체계 구축을 위한 초분광 원격탐사 기반의 항공 실험 수행 및 선박탐지 결과를 제시하였다. 한반도 서해 궁평항 인근 해역을 대상으로 초분광 항공관측을 수행하였으며, 사전에 다양한 선박 갑판에 대한 분광 라이브러리를 구축하였다. 탐지 방법으로는 spectral correlation similarity (SCS) 기법을 사용하였으며 초분광 영상과 선박 스펙트럼 사이의 공간 유사도 분포를 분석하 였다. 그 결과 초분광 영상에 존재하는 총 15개의 선박을 탐지하였으며 최대 유사도에 기반한 선박 갑판의 색상도 분류하 였다. 탐지 선박들은 고해상도 digital mapping camera (DMC) 영상과의 매칭을 통해 검증하였다. 본 연구는 해상 선박탐지 를 위한 항공 초분광 센서 활용의 기초로서 향후 원격탐사 기반의 선박 모니터링 시스템에 주요 역할을 할 것으로 기대된 다.

이 연구는 초분광 영상으로 두 품종의 콩(청자 3호, 대찬)의 들불병을 진단할 수 있는 모델과 다중분광 영상센서를 개발하기 위해 수행되었다. 무처리구와 들불병 처리구에서 5 nm full width at half maximum (FWHM)으로 구성된 원시 초분광 중심파장들의 콩 식물 영역 반사율들을 추출하여 10 nm FWHM으로 병합한 후, t-test로 차이가 나타난 blue, green, red, red edge, NIR1 및 NIR2 각 영역에서 선정된 대표 밴드로 121개의 식생지수를 계산하였다. 식생지수를 입력변수로 support vector machine (SVM), random forest (RF), extra tree (EXT), extreme gradient boosting (XGB)의 머신러닝 기법과 shapley additive explanation 변수 선택 기법을 적용하여 들불병 진단에 가장 적절한 모델을 선정하고 사용된 식생지수와 파라미터를 나타내었다. T-test 결과 품종에 상관없이 blue 1개(420 nm), green 2개(500, 540 nm), red 1개(600 nm), red edge 2개(680, 700 nm), NIR1 2개(780, 840 nm), NIR2 1개(920 nm)의 총 9개 대표 밴드들이 선택되었고, 성능 평가를 통해 선정된 모델에 청자 3호의 경우 SVM모델(OA=0.86, KC=0.72, 10 VIs)이 선정되었으나 혼동행렬 분석 결과 정상오분류가 적은 RF모델이 선택되었다. RF모델(식 생지수 : RE/Blue, NSI, GDVI, Green/Blue, 파라미터 : max_depth=6, n_estimators=100)은 OA=0.81, KC=0.60, precision=0.86, recall=0.81, F1 score=0.80의 성능을 나타내었다. 대찬은 EXT모델(식생지수 : YVI, RE/Green, 2YVI, 파라미터 : max_depth=8, n_estimators=10)이 선정되 었고, OA=0.86, KC=0.72, precision=0.86, recall=0.86, F1 score=0.86의 성능을 나타내었다.

해양사고 발생시 실종자는 해양에 노출된 시간이 길어질수록 생존확률이 빠르게 감소하기 때문에 인명구조를 위해서는 신 속한 수색이 필요하다. 또한 해양의 수색영역은 육상에 비해서 매우 넓기 때문에 효율적인 수색을 위해서는 선박을 이용한 육안수색보 다는 인공위성이나 항공기에 탑재된 센서를 이용한 해상 객체 탐지 기술의 적용이 필요하다. 본 연구는 항공기에 탑재된 초분광 영상 센서를 이용하여 해양에서 객체를 신속하게 탐지하기 위한 목적으로 진행되었다. 초분광 영상 센서로 촬영된 영상은 8,241 × 1,024의 공간 해상도를 가지며, 한 화소당 0.7 m의 분해능과 127개의 스펙트럼으로 구성된 대용량의 데이터이다. 본 연구에서는 이러한 데이터 를 신속하게 분석하기 위한 목적으로 DBSCAN을 사용한 해수 식별 알고리즘과 밀도 기반의 육지 제거 알고리즘을 결합한 해상 객체 탐지 모델을 개발하였다. 개발한 모델은 초분광 영상에 적용하였을 때 약 5 km2의 해상 영역을 100초 내로 분석할 수 있는 성능을 보 였다. 또한 개발한 모델의 탐지 정확도를 평가하기 위해서 항공기를 이용하여 목포, 군산, 여수 지역의 초분광 영상을 촬영하였으며, 본 연구에서 개발한 탐지 모델에 적용한 결과, 실험 영상 내의 선박들을 90 %의 정확도로 탐지할 수 있는 결과를 얻었다. 본 연구에서 개발된 기술은 소형 선박의 수색·구조 활동을 지원하는 중요한 정보로 활용될 수 있을 것으로 기대한다.

국내외 해상 위험·유해물질(HNS, Hazardous and Noxious Substances) 물동량 증가와 함께 HNS 유출 사고가 빈번히 발생하고 있다. HNS는 전 세계적으로 약 6,000여 종으로 대부분 유독한 성질을 가지므로 이러한 유출 사고 발생은 해양 생태계 파괴를 비롯하여 폭발 및 화재 등으로 인한 인명 및 재산피해를 유발한다. 따라서 해상 HNS 유출 사고를 대비하여 파장에 따른 HNS 분광 라이브러리 구축 및 탐지 알고리즘을 개발해야 한다. 본 연구에서는 프랑스 현지에서 지상 HNS 유출 실험을 진행하였다. 초분광센서 관측을 통해 파장에 따른 톨루엔 라이브러리 스펙트럼을 구축하였으며, 분광혼합 알고리즘을 활용하여 초분광 HNS를 탐지하였다. 전처리 과정으로 주성분 분석을 적용하여 노이즈 제거 및 차원 압축을 수행하였으며, N-FINDR 기법을 통해 영상을 대표하는 톨루엔과 해수의 엔드멤버 스펙트럼을 추출하였다. 스펙트럼 기반의 톨루엔 및 해수의 점유비율을 계산함으로써 모든 픽셀의 HNS 탐지 정확도를 확률로 제시하였다. 최대 탐지 정확도를 가지는 점유비율 선정을 위해 418.15 nm 파장의 복사도 영상과 비교하였으며, 그 결과 약 42%의 비율에 서 99% 이상의 정확도를 나타내었다. 해상 HNS 유출은 높은 위험성으로 인해 사람이 쉽게 접근할 수 없는 한계를 지닌다. 본 HNS 실험과정 및 탐지 결과는 초분광 원격탐사에 기반한 HNS 오염 해역 추정에 도움이 될 것이다.

In this paper, the model for predicting yields of chinese cabbages of each cultivar (joined-up in 2015 and wrapped-up in 2016) was developed after the reflectance of hyperspectral imagery was merged as 10 nm, 25 nm and 50 nm of FWHM (full width at half maximum). Band rationing was employed to minimize the unstable reflectance of multi-temporal hyperspectral imagery. The stepwise analysis was employed to select key band ratios to predict yields in all cultivars. The key band ratios selected for each of FWHM were used to develop the yield prediction models of chinese cabbage for all cultivars (joined-up & wrapped-up) and each cultivar (joined-up, wrapped-up). Effective accumulated temperature (EAT) was added in the models to evaluate its improvement of performances. In all models, the performance of models was improved with adding of EAT. The models with EAT for each of FWHM showed the predictability of yields in all cultivars as R2≥0.80, RMSE≤694 g/plant and RE≤28.3%. Such as this result, if the yield can be predicted regardless of the cultivar, it is considered to be advantageous when predicting the yield over a wide area because it is not require a cultivar classification work as pre-processing in imagery.

Pavement Condition Index (PCI) is an important index to establish a proper maintenance and rehabilitation strategy of a road network. The index is calculated based on the present state of surface defects, deformation and cracking. The information is normally obtained by visual inspection and observation of road networks. Nowadays, various sensor-based visual inspection techniques are applied to obtain detailed information of a road network, and to automate the entire process of calculating PCI. Hyperspectral analysis is a technique to identify the spectral signature of a material in the electromagnetic spectrum. The technique is being applied to pavement condition evaluation. Some researchers have reported that Exposed Aggregate Index (EAI) has a relationship with the reflectance of a hyperspectral image of a road network. In this study, the possibility of using hyperspectral images for pavement condition evaluation is experimentally investigated and the relationship between EAI and PCI is addressed.