인하대 공간정보공학과 학생들, 각종 학술대회서 잇따라 수상

인하대 공간정보공학과 (시계방향으로) 손종환, 박소연, 장재훈, 박민규 학생.

인하대학교(총장 조명우)는 공간정보공학과 영상공학연구실 손종환(29), 환경지구정보학연구실 박소연(24), 박민규(27), 장재훈(25) 학생이 최근 열린 국제·국내 학술대회에서 우수논문상을 잇따라 수상했다고 10일 밝혔다.

손종환, 박소연 학생은 최근 열린 ‘40회 아시아 원격탐사 학술대회(Asian Conference on Remote Sensing)’에서 각각 우수논문상을 수상했다.

손종환 학생이 발표한 ‘다중 밴드 및 다중 패치 기반 매칭을 이용한 센서 모델 정확도 향상(Improving sensor model accuracy using multi-band and multi-patch based matching)’ 논문은 한정된 수량의 지상기준점 영상 칩만 이용 가능한 상황에서 고해상도 위성영상의 기하보정 성능 향상을 위한 연구 결과를 담고 있다.

위성영상의 자동 기하보정을 위해서는 충분한 수의 지상기준점 영상 칩이 필요하다. 하지만 지상기준점 영상 칩은 정밀한 지상좌표를 포함해야하기 때문에 충분한 수를 확보하기가 쉽지 않다.

이번 연구에서 다룬 다중 패치, 다중 밴드 매칭 기법은 하나의 지상기준점 칩을 여러 개 밴드와 패치로 나눠 다중 매칭을 수행하는 방법이다. 충분한 지상기준점 영상 칩이 없는 상황에서 기존 단일 매칭 기법보다 우수한 성능을 보여 국토위성과 같은 고해상도 위성영상의 자동 기하보정에 유용하게 적용할 수 있다.

손종환 학생은 지난해 ‘대한원격탐사학회 추계학술대회’에서 우수발표논문상을, ‘드론기반 하천 유지관리 해커톤 대회’에서 최우수상을 수상했다.

이어 ‘2차원 CNN을 이용한 작물 분류에서 훈련자료의 클래스 순도의 영향(Effects of class purity of training data on crop classification with 2D-CNN)’ 논문을 발표한 박소연 학생은 작물 분류를 위한 딥러닝 모델의 학습 과정에 적합한 훈련자료 수집 방안을 제시했다.

박소연 학생은 2차원 합성곱 신경망 모델과 무인기, 위성 영상을 이용한 작물 분류 실험을 통해 패치 기반 훈련자료에 포함된 작물들의 혼재 정도가 분류 정확도에 미치는 영향을 정량적으로 분석했다. 딥러닝과 원격탐사 영상을 농업분야에 적용할 때 유의점도 함께 제시해 시의성과 실용성을 모두 갖춘 연구라는 평가를 받았다.

‘한국지리정보학회 추계학술대회 및 ICSANE 2019’에서는 박민규, 장재훈 학생이 각각 우수논문상을 받았다.

박민규 학생은 논문 ‘다중 스케일 공간 특징과 합성곱 신경망을 이용한 작물 분류’에서 작물 재배 필지의 크기와 모양이 다양하다는 점에 착안했다. 다양한 크기의 필터들을 적용해서 추출한 여러 특징들을 중요도에 따라 선별하는 과정을 기존 합성곱 신경망 모델 구조와 결합했다. 논문에서 제안한 결합 모델은 작물 분류뿐만 아니라 다양한 크기의 객체들이 존재하는 도심지 피복 분류와 같은 다양한 분야에도 적용이 가능하다.

‘Area-to-point regression kriging을 이용한 GLDAS 토양수분 산출물의 공간 상세화’로 수상한 장재훈 학생은 수치모델로부터 생성된 공간해상도 25km의 토양수분 산출물과 5km에서 얻어진 토양수분과 관련이 있는 식생지수, 지표면온도, 토지피복도, 고도 등 환경변수를 공간통계 모델로 통합해 5km 해상도에서의 토양수분 값을 예측했다.

이 연구에 적용한 모델은 토양수분뿐만 아니라 지표면온도, 해수면온도 등 다른 자료의 고해상도 변환에도 적용이 가능하다는 장점을 가지고 있다.

지도를 맡은 인하대 공간정보공학과 김태정 교수와 박노욱 교수는 “학생들의 연구 결과는 ‘국토위성정보 수집 및 활용기술 개발’과 ‘무인기 영상 활용 작물분류 기술 고도화’ 등 연구 프로젝트를 수행하면서 얻어냈다”며 “학생들이 연구 프로젝트에 능동적으로 참여하면서 최신 기술을 적극적으로 접목한 실용적인 연구 결과를 도출할 수 있도록 실무 위주로 대학원을 운영해 온 것이 좋은 결실을 맺게 한 원동력이 됐다”고 말했다.