차량 내 환경에서의 복잡도 모델 프레임워크 개발

이슬찬(Seulchan Lee),김지만(Jiman Kim),황보환(Hwan Hwangbo),지용구(Yonggu Ji) 한국HCI학회 2014 한국HCI학회 학술대회 Vol.2014 No.2

‘이건희컬렉션’의 공공화에 대한 논점과 제언

이슬찬(Lee, SeulChan) 명지대학교 문화유산연구소 2022 미술사와 문화유산 Vol.11 No.-

농업용 저수지 모니터링을 위한 다해상도 SAR 영상의 활용

이슬찬 ( Seulchan Lee ),정재환 ( Jaehwan Jeong ),오승철 ( Seungcheol Oh ),정하규 ( Hagyu Jeong ),최민하 ( Minha Choi ) 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.5

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 XSAR 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. Agricultural reservoirs are essential structures for water supplies during dry period in the Korean peninsula, where water resources are temporally unequally distributed. For efficient water management, systematic and effective monitoring of medium-small reservoirs is required. Synthetic Aperture Radar (SAR) provides a way for continuous monitoring of those, with its capability of all-weather observation. This study aims to evaluate the applicability of SAR in monitoring medium-small reservoirs using Sentinel-1 (10 m resolution) and Capella X-SAR (1 m resolution), at Chari (CR), Galjeon (GJ), Dwitgol (DG) reservoirs located in Ulsan, Korea. Water detected results applying Z fuzzy function-based threshold (Z-thresh) and Chan-vese (CV), an object detection-based segmentation algorithm, are quantitatively evaluated using UAV-detected water boundary (UWB). Accuracy metrics from Z-thresh were 0.87, 0.89, 0.77 (at CR, GJ, DG, respectively) using Sentinel-1 and 0.78, 0.72, 0.81 using Capella, and improvements were observed when CV was applied (Sentinel-1: 0.94, 0.89, 0.84, Capella: 0.92, 0.89, 0.93). Boundaries of the waterbody detected from Capella agreed relatively well with UWB; however, false- and un-detections occurred from speckle noises, due to its high resolution. When masked with optical sensor-based supplementary images, improvements up to 13% were observed. More effective water resource management is expected to be possible with continuous monitoring of available water quantity, when more accurate and precise SAR-based water detection technique is developed.

Sentinel-1 SAR 토양수분 산정 연구: 식생에 따른 토양수분 모의평가

조성근,정재환,이슬찬,최민하,Cho, Seongkeun,Jeong, Jaehwan,Lee, Seulchan,Choi, Minha 한국수자원학회 2021 한국수자원학회논문집 Vol.54 No.2

Synthetic Apreture Radar (SAR) is attracting attentions with its possibility of producing high resolution data that can be used for soil moisture estimation. High resolution soil moisture data enables more specific observation of soil moisture than existing soil moisture products from other satellites. It can also be used for studies of wildfire, landslide, and flood. The SAR based soil moisture estimation should be conducted considering vegetation, which affects backscattering signals from the SAR sensor. In this study, a SAR based soil moisture estimation at regions covered with various vegetation types on the middle area of Korea (Cropland, Grassland, Forest) is conducted. The representative backscattering model, Water Cloud Model (WCM) is used for soil moisture estimation over vegetated areas. Radar Vegetation Index (RVI) and in-situ soil moisture data are used as input factors for the model. Total 6 study areas are selected for 3 vegetation types according to land cover classification with 2 sites per each vegetation type. Soil moisture evaluation result shows that the accuracy of each site stands out in the order of grassland, forest, and cropland. Forested area shows correlation coefficient value higher than 0.5 even with the most dense vegetation, while cropland shows correlation coefficient value lower than 0.3. The proper vegetation and soil moisture conditions for SAR based soil moisture estimation are suggested through the results of the study. Future study, which utilizes additional ancillary vegetation data (vegetation height, vegetation type) is thought to be necessary.

농업저수지의 저수량 추정을 위한 Sentinel-1 SAR 영상 기반 수체탐지 기법

정재환,오승철,이슬찬,김진영,최민하,Jeong, Jaehwan,Oh, Seungcheol,Lee, Seulchan,Kim, Jinyoung,Choi, Minha 한국수자원학회 2021 한국수자원학회논문집 Vol.54 No.7

Agricultural water occupies 48% of water demand, and management of agricultural reservoirs is essential for water resources management within agricultural basins. For more efficient use of agricultural water, monitoring the distribution of water resources in agricultural reservoirs and agricultural basins is required. Therefore, in this study, three threshold determination methods (i.e., fixed threshold, Otsu threshold, Kittler-Illingworth (KI) threshold) were compared to detect terrestrial water bodies using Sentinel-1 images for 3 years from 2018 to 2020. The purpose of this study was to evaluate methods for determining threshold values to more accurately estimate the reservoir area. In addition, by analyzing the relationship between the water surface and water storage at the Edong, Gosam, and Giheung reservoirs, water storage based on the SAR image was estimated and validated with observations. The thresholding method for detecting a waterbody was found to be the most accurate in the case of the KI threshold, and the water storage estimated by the KI threshold indicated a very high agreement (r = 0.9235, KGE' = 0.8691). Although the seasonal error characteristics were not observed, the problem of underestimation at high water levels may occur; the relationship between the water surface and the water storage could change rapidly. Therefore, it is necessary to understand the relationship between the water surface area and water storage through ground observation data for a more accurate estimation of water storage. If the use of SAR data through water resources satellites becomes possible in the future, based on the results of this study, it is judged that it will be beneficial for monitoring water storage and managing drought.

자율주행 차량 내 인공지능 에이전트 음성의 선호도 조사 연구

박세현(Sehyeon Park),이슬찬(Seulchan Lee) 대한인간공학회 2022 대한인간공학회 학술대회논문집 Vol.2022 No.4

베이지안 모델 평균을 이용한 수문기상인자와 미세먼지 농도의 상관성 분석

정재환(Jaehwan Jeong),이슬찬(Seulchan Lee),조성근(Seongkeun Cho),최민하(Minha Choi) 대한토목학회 2019 대한토목학회 학술대회 Vol.2019 No.10

기계학습 기반 고해상도 토양수분 복원을 위한 Sentinel-1 SAR의 자립형 활용성 평가

정재환,조성근,전현호,이슬찬,최민하,Jeong, Jaehwan,Cho, Seongkeun,Jeon, Hyunho,Lee, Seulchan,Choi, Minha 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.5

기후변화로 인한 가뭄, 홍수, 산불, 산사태 등 자연재해의 위협이 증가함에 따라, 합성개구레이더(Synthetic Aperture Radar, SAR)와 같이 고해상도 토양수분 복원에 대한 사회적 수요도 증가하고 있다. 하지만 국내 환경은 산림 지형의 비율이 높아, 식생과 지형의 영향을 크게 받는 SAR 자료에서 토양수분을 복원하는데 많은 어려움을 겪고 있다. 이에 본 연구에서는 기계학습의 일종인 인공신경망(Artificial Neural Network, ANN) 기법을 활용하여, Sentinel-1 SAR 영상의 자립형 활용성을 평가하였다. Sentinel-1에서 얻을 수 있는 이중편파 산란계수는 토양수분 거동과 유의미한 상관성을 가지고 있음을 확인할 수 있었으며, 다른 위성이나 지점에서 관측된 보조자료를 사용하지 않고도 식생의 효과 등을 보정할 수 있는 자립형 활용 가능성도 확인할 수 있었다. 하지만 각 지점별, 지형 그룹별 특성에 의한 차이가 크게 나타났으며, 특히 산지와 평지에서 학습된 모형을 교차적용하였을 때 토양수분을 제대로 모의할 수 없는 현상이 발생하였다. 또한 이러한 문제를 해결하고자 학습 지점의 수를 늘리는 경우에는 토양수분 복원 모형이 평활화되어 상관계수는 증가하였으나, 지점에서의 오차는 점점 증가하였다. 따라서 고해상도 SAR 토양수분 자료를 광범위하게 적용하기 위해서는 체계적 연구 수행이 선행되어야 하며, 목적에 따른 학습 지점의 선정, 적용 지역의 범위 등을 구체적으로 제한하여 활용한다면 다양한 분야에서 효과적으로 활용할 수 있을 것으로 기대된다. As the threat of natural disasters such as droughts, floods, forest fires, and landslides increases due to climate change, social demand for high-resolution soil moisture retrieval, such as Synthetic Aperture Radar (SAR), is also increasing. However, the domestic environment has a high proportion of mountainous topography, making it challenging to retrieve soil moisture from SAR data. This study evaluated the usability of Sentinel-1 SAR, which is applied with the Artificial Neural Network (ANN) technique, to retrieve soil moisture. It was confirmed that the backscattering coefficient obtained from Sentinel-1 significantly correlated with soil moisture behavior, and the possibility of stand-alone use to correct vegetation effects without using auxiliary data observed from other satellites or observatories. However, there was a large difference in the characteristics of each site and topographic group. In particular, when the model learned on the mountain and at flat land cross-applied, the soil moisture could not be properly simulated. In addition, when the number of learning points was increased to solve this problem, the soil moisture retrieval model was smoothed. As a result, the overall correlation coefficient of all sites improved, but errors at individual sites gradually increased. Therefore, systematic research must be conducted in order to widely apply high-resolution SAR soil moisture data. It is expected that it can be effectively used in various fields if the scope of learning sites and application targets are specifically limited.

Sentienl-1 SAR 영상과 AI 기법을 이용한 국내 중소규모 농업저수지의 수표면적 산출

최소연 ( Soyeon Choi ),윤유정 ( Youjeong Youn ),강종구 ( Jonggu Kang ),박강현 ( Ganghyun Park ),김근아 ( Geunah Kim ),이슬찬 ( Seulchan Lee ),최민하 ( Minha Choi ),정하규 ( Hagyu Jeong ),이양원 ( Yangwon Lee ) 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.5

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다. Agricultural reservoirs are an important water resource nationwide and vulnerable to abnormal climate effects such as drought caused by climate change. Therefore, it is required enhanced management for appropriate operation. Although water-level tracking is necessary through continuous monitoring, it is challenging to measure and observe on-site due to practical problems. This study presents an objective comparison between multiple AI models for water-body extraction using radar images that have the advantages of wide coverage, and frequent revisit time. The proposed methods in this study used Sentinel-1 Synthetic Aperture Radar (SAR) images, and unlike common methods of water extraction based on optical images, they are suitable for long-term monitoring because they are less affected by the weather conditions. We built four AI models such as Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), and Automated Machine Learning (AutoML) using drone images, sentinel-1 SAR and DSM data. There are total of 22 reservoirs of less than 1 million tons for the study, including small and medium-sized reservoirs with an effective storage capacity of less than 300,000 tons. 45 images from 22 reservoirs were used for model training and verification, and the results show that the AutoML model was 0.01 to 0.03 better in the water Intersection over Union (IoU) than the other three models, with Accuracy=0.92 and mIoU=0.81 in a test. As the result, AutoML performed as well as the classical machine learning methods and it is expected that the applicability of the water-body extraction technique by AutoML to monitor reservoirs automatically.