KR101814644B1 - 이안류 계측 및 예측 시스템 - Google Patents
이안류 계측 및 예측 시스템 Download PDFInfo
- Publication number
- KR101814644B1 KR101814644B1 KR1020160123395A KR20160123395A KR101814644B1 KR 101814644 B1 KR101814644 B1 KR 101814644B1 KR 1020160123395 A KR1020160123395 A KR 1020160123395A KR 20160123395 A KR20160123395 A KR 20160123395A KR 101814644 B1 KR101814644 B1 KR 101814644B1
- Authority
- KR
- South Korea
- Prior art keywords
- image data
- wave
- measurement
- data
- radar
- Prior art date
Links
- 238000005259 measurement Methods 0.000 claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 22
- 238000013500 data storage Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 239000013535 sea water Substances 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000009304 pastoral farming Methods 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000282465 Canis Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 238000012966 insertion method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003305 oil spill Substances 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
- G01S13/956—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on ship or other platform
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ocean & Marine Engineering (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
본 발명은 이안류 계측 및 예측 시스템에 관한 것으로, 보다 상세하게는 X-밴드 레이더를 이용한 이안류의 계측 및 예측이 가능한 시스템에 관한 것이다.
본 발명에 따른 이안류 계측 및 예측 시스템은, 연안에 설치되어 해상의 X-밴드 영상 데이터를 제공하는 레이더; 및 해상의 해석영역을 복수개로 지정하며, 각각의 해석영역에서의 X-밴드 영상 데이터를 가공하여 이안류 발생여부를 계측하고, 각각의 해석영역에서의 X-밴드 영상 데이터를 가공하여 너울성 파도를 계측하여, 이안류 계측 데이터와 너울성 파도 계측 데이터로부터 이안류 발생 가능성을 예측하는 이안류 계측 및 예측 서버;를 포함한다.
본 발명에 따른 이안류 계측 및 예측 시스템은, 연안에 설치되어 해상의 X-밴드 영상 데이터를 제공하는 레이더; 및 해상의 해석영역을 복수개로 지정하며, 각각의 해석영역에서의 X-밴드 영상 데이터를 가공하여 이안류 발생여부를 계측하고, 각각의 해석영역에서의 X-밴드 영상 데이터를 가공하여 너울성 파도를 계측하여, 이안류 계측 데이터와 너울성 파도 계측 데이터로부터 이안류 발생 가능성을 예측하는 이안류 계측 및 예측 서버;를 포함한다.
Description
본 발명은 이안류 계측 및 예측 시스템에 관한 것으로, 보다 상세하게는 X-밴드 레이더를 이용한 이안류의 계측 및 예측이 가능한 시스템에 관한 것이다.
일반적으로, 최근 국내외의 해변에서 이안류가 발생하여 해수욕을 하던 사람들이 이안류에 의해 해변에서 깊은 바다쪽으로 떠내려가서 위험에 처해지는 안전사고가 빈번하게 발생하고 있다. 특히, 인명사고 및 안전사고를 일으키는 이안류는 "돌발성" 이안류로서, 지속시간이 약 5분 이내에 급작스럽게 발생하는 이안류인 것이다. 따라서 먼 바다에서 파도가 해안으로 내습할 때, 해안에서 먼 바다 방향으로 발생하는 해류의 유속을 분석하여, 이안류의 발생여부를 판단 한 후, 필요한 경우에는 해안에 대해 대피 명령 등의 이안류 경보를 발할 필요가 있다.
그러나 종래에는 단지 일기예보를 기준으로 하루에 수회에 걸쳐 이안류 발생 경보를 발하는 수준의 경보 체계만이 있을 뿐이며, 돌발성 이안류를 포함하여, 실상황을 고려한 이안류의 예측 및 그에 근거한 이안류 경보 발생시스템이 전혀 구축되어 있지 아니하며, 이를 수행할만한 기술도 전혀 제안되어 있지 않다.
대한민국 공개특허 제10-2008-52718호(특허출원 제2006-124235호)에는 해양 방류 시스템의 모의방법에 대해 개시되어 있으나, 이러한 기술로는 이안류의 예측이나 경보 발생 방법을 도출할 수는 없다.
본 발명은 상기의 문제를 해결하기 위해서 안출된 것으로, 해상용 X-밴드 레이더를 이용하여, 연안에서의 이안류를 정확하게 계측하고 신뢰성 있게 예측할 수 있는 이안류 계측 및 예측 시스템을 제공하는데 그 목적이 있다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제로 제한되지 않으며, 여기에 언급되지 않은 본 발명이 해결하고자 하는 또 다른 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명에 따른 이안류 계측 및 예측 시스템은, 연안에 설치되어 해상의 X-밴드 영상 데이터를 제공하는 레이더; 및 해상의 해석영역을 복수개로 지정하며, 각각의 해석영역에서의 X-밴드 영상 데이터를 가공하여 이안류 발생여부를 계측하고, 각각의 해석영역에서의 X-밴드 영상 데이터를 가공하여 너울성 파도를 계측하여, 이안류 계측 데이터와 너울성 파도 계측 데이터로부터 이안류 발생 가능성을 예측하는 이안류 계측 및 예측 서버;를 포함한다.
또한, 본 발명의 이안류 계측 및 예측 서버는, 레이더로부터 X-밴드 영상 데이터가 입력되는 제1 입력부와, X-밴드 영상 데이터를 시간에 따른 영상 프레임별로 저장하되, 미리 설정된 영상 프레임 수만큼 저장하며 새로운 영상 프레임이 버퍼에 저장되면 제일 마지막 영상 프레임은 삭제를 반복하는 영상 데이터 저장부와, 저장되는 영상 프레임을 중첩하는 영상 데이터 중첩부와, 히스토그램 평활화 기법으로 중접된 영상 데이터의 명암값의 범위를 증가시켜, 이안류 영역의 선명도를 증가시키는 영상 데이터 필터부와, 필터링된 영상 데이터를 모니터링하여, 유입되는 해수가 연안류로 분출되지 못하고 파도에 정면에 대응하여 해양으로 빠른 속도로 빠지는 해류 패턴을 인식하면, 이안류의 발생으로 판단하는 이안류 탐색부를 포함하는 이안류 계측 모듈을 포함하는 것을 특징으로 한다.
또한, 본 발명의 이안류 계측 및 예측 서버는, 레이더로부터 X-밴드 영상 데이터가 입력되는 제2 입력부와, X-밴드 영상 데이터를 극좌표계에서 직교좌표계로 변환하는 좌표 변환부와, X-밴드 영상 데이터의 음영 영역을 추출하기 위해 기준 값이 되는 임계 값을 산출한 후, 산출된 임계값을 이용하여 X-밴드 영상 데이터의 음영 영역을 추출하는 음영 추출부와, 음영 추출부에서 추출된 X-밴드 영상 데이터에 스미스 함수를 적용하여 파도의 파고, 주기, 방향성을 연산하여 파도 데이터를 생성하는 파도 데이터 생성부와, 파도 데이터의 파고, 주기 및 방향성이, 미리 설정된 너울성 파도의 파고값, 주기값 및 방향성값에 해당되는 경우, 너울성 파도로 판단하는 너울성 파도 탐색부를 포함하는 너울성 파도 계측 모듈을 더 포함하는 것을 특징으로 한다.
또한, 본 발명의 음영 추출부는, 임계값을 연산하되, X-밴드 영상 데이터의 에지(edge)를 캐니(Canny) 에지 검출 알고리즘에 의해 검출하며, 에지가 검출된 X-밴드 영상 데이터에 히스토그램 처리하는 것을 특징으로 한다.
또한, 본 발명의 파도 데이터 생성부는, X-밴드 영상 데이터에 스미스 함수를 적용한 이후에 RMS 표면 슬롭을 연산하되, RMS 표면 슬롭 연산은 스미스 함수에 적용되는 조명 비(illumination ratio) 및 입사각(grazing angle)을 이용하여 커브 피팅(curve fitting)을 수행하여 연산되고, 파고의 연산 중에서 파랑의 주기는 고속 푸리에 변환에 의해 연산되는 것을 특징으로 한다.
또한, 본 발명의 이안류 계측 및 예측 서버는, 이안류의 발생으로 판단되는 경우, 이안류 계측 모듈로부터 필터링된 영상 데이터를 수신하여 지속적으로 저장하고, 이안류 발생시점 전후에 해석영역 각각에서 너울성 파도로 판단되는 경우, 너울성 파도 계측 모듈로부터 연산된 파도 데이터를 수신하여 지속적으로 저장하는 계측 데이터 저장부와, 이안류 계측 모듈로부터 필터링된 영상 데이터와 너울성 파도 계측 모듈로부터 연산된 파도 데이터를 각각 실시간으로 입력받는 실시간 데이터 입력부와, 계측 데이터 저장부에 축적된 계측 데이터와 실시간 데이터부로 입력되는 실시간 데이터의 해류 패턴 및 너울성 파도 패턴의 유사도롤 비교하여 이안류 발생 가능성을 예측하는 이안류 발생 예측부를 포함하는 이안류 예측 모듈을 더 포함하는 것을 특징으로 한다.
상기 과제의 해결 수단에 의해, 본 발명의 이안류 계측 및 예측 시스템은 해상용 X-밴드 레이더를 이용하여, 연안에서의 이안류를 정확하게 계측하고 신뢰성 있게 예측할 수 있는 효과가 있다.
도 1은 본 발명의 일실시예에 따른 이안류 계측 및 예측 시스템을 나타낸 블록도이다.
도 2는 본 발명의 일실시예에 따른 이안류 계측 모듈을 나타낸 블록도이다.
도 3은 본 발명의 일실시예에 따른 영상 데이터 저장부의 동작특성을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 영상 데이터 중첩부의 동작특성을 설명하기 위한 도면이다.
도 5는 본 발명의 일실시예에 따른 영상 데이터 필터부와 이안류 탐색부의 동작특성을 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 너울성 파도 계측 모듈을 나타낸 블록도이다.
도 7은 본 발명의 일실시예에 따른 레이더를 통해 얻어진 x-밴드 영상 데이터를 나타낸 도면이다.
도 8 내지 13은 본 발명의 일실시예에 따른 너울성 파도 계측 모듈의 동작특성을 설명하기 위한 도면이다.
도 14는 본 발명의 일 실시예에 따른 너울성 파도 계측 모듈의 결과와 부이의 결과 값을 비교한 도면이다.
도 15는 본 발명의 일실시예에 따른 이안류 예측 모듈을 나타낸 블록도이다.
도 16은 본 발명의 일실시예에 따른 이안류 계측 및 예측 시스템을 적용한 예를 나타낸 도면이다.
도 2는 본 발명의 일실시예에 따른 이안류 계측 모듈을 나타낸 블록도이다.
도 3은 본 발명의 일실시예에 따른 영상 데이터 저장부의 동작특성을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 영상 데이터 중첩부의 동작특성을 설명하기 위한 도면이다.
도 5는 본 발명의 일실시예에 따른 영상 데이터 필터부와 이안류 탐색부의 동작특성을 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 너울성 파도 계측 모듈을 나타낸 블록도이다.
도 7은 본 발명의 일실시예에 따른 레이더를 통해 얻어진 x-밴드 영상 데이터를 나타낸 도면이다.
도 8 내지 13은 본 발명의 일실시예에 따른 너울성 파도 계측 모듈의 동작특성을 설명하기 위한 도면이다.
도 14는 본 발명의 일 실시예에 따른 너울성 파도 계측 모듈의 결과와 부이의 결과 값을 비교한 도면이다.
도 15는 본 발명의 일실시예에 따른 이안류 예측 모듈을 나타낸 블록도이다.
도 16은 본 발명의 일실시예에 따른 이안류 계측 및 예측 시스템을 적용한 예를 나타낸 도면이다.
이상과 같은 본 발명에 대한 해결하고자 하는 과제, 과제의 해결 수단, 발명의 효과를 포함한 구체적인 사항들은 다음에 기재할 실시예 및 도면들에 포함되어 있다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다.
이하, 첨부된 도면을 참조하여 본 발명을 보다 상세히 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 이안류 계측 및 예측 시스템을 나타낸 블록도이다.
도 1에 도시된 바와 같이, 본 발명의 일실시예에 따른 이안류 계측 및 예측 시스템은, 레이더(100)와 이안류 계측 및 예측 서버(200)를 포함한다.
레이더(100)는 연안에 설치되어 해상의 X-밴드 영상 데이터를 제공한다. 레이더(100)는 선박 또는 연안의 일정한 범위 내의 물체를 확인하여 해상의 장애물(해양 구조물), 다른 선박, 해안 등을 탐지하고, 레이더 영상 신호, 트리거(Trigger), 헤딩(Heading) 및 베어링(Bearing) 신호를 이용해서 레이더 영상을 제공하는 해상용 레이더이다. 보다 상세하게, 레이더(100)는 선박 또는 연안 에서 사용하기 위해 설계된 레이더 장치로서, 해상의 장애물, 다른 선박, 해안 등을 탐지하고 그 위치와 자기 선박으로부터의 거리, 방향을 평면 위치 표시기(PPI, Plane Position Indicator) 위에 표시하도록 한다.
레이더(100)의 PPI 영상은 레이더 안테나로부터 조사된 신호가 해수면에 부딪혀 되돌아오기까지 걸린 시간과 방향, 그리고 그 때의 신호 크기를 나타내는 것으로, 해수면의 높이를 정량적인 값으로 보여주지는 않지만 파랑의 주기와 높이 그리고 진행 방향과 밀접한 정보를 내포하고 있다.
레이더(100)의 PPI 영상은 다른 계측 장비들과 달리 넓은 범위의 공간적인 정보를 제공할 뿐만 아니라 연속된 영상을 얻게 되면 시간적인 정보 또한 얻을 수 있다.
레이더(100)는 현재 운항중인 선박의 일정한 범위 내의 물체를 확인하고, 레이더 비디오의 신호처리와 디스플레이를 지원하도록 한다.
본 발명의 일 실시예에서 상기와 같은 레이더(100)는 X-밴드 레이더일 수 있다. X-밴드 레이더는 부이와 인공위성의 각각의 장·단점의 중간적 성격을 가질 수 있다. 특히, 본 발명의 실시예에서의 레이더(100)는 파도 및 해류의 물리적인 특성을 파악하기 위해 해수면 계측이 필요하기 때문에 X-밴드 레이더가 더욱 적합하다. 또한, X-밴드 레이더는 대체적으로 저가이기 때문에 이안류 계측 및 예측 시스템의 경제성이 향상될 수 있다.
이안류 계측 및 예측 서버(200)는 해상의 해석영역을 복수개로 지정하며, 각각의 해석영역에서의 X-밴드 영상 데이터를 가공하여 이안류 발생여부를 계측하고, 각각의 해석영역에서의 X-밴드 영상 데이터를 가공하여 너울성 파도를 계측하여, 이안류 계측 데이터와 너울성 파도 계측 데이터로부터 이안류 발생 가능성을 예측한다. 이를 위해, 이안류 계측 및 예측 서버(200)는, 이안류 계측 모듈(210), 너울성 파도 계측 모듈(220) 및 이안류 예측 모듈(230)을 포함한다.
구체적으로, 이안류는 파도가 해안에 거의 정면으로 유입되는 경우, 해안으로 지속적으로 밀려드는 해수가 연안류로 분출되지 못하고 파도에 정면으로 대응하여 산발적으로 빠르게 빠지는 현상으로, 주기가 길고 지속적인 너울성 파도의 영향도 있다. 따라서, 본 발명의 일실시예에서는 이안류의 계측과 예측을 위해서는 연안류 및 너울성 파도의 계측이 필수적으로 포함된다. 도 16을 참조하면, 이안류의 발생이 빈번한 해운대 해수욕장을 예를 든 것으로, 초록색 지점에 레이더(100)를 설치하고, M1 내지 M10과 같은 지점을 해석영역으로 설정하여, 연안류와 이안류를 계측하고, 너울성 파도를 계측하여, 계측된 사전 정보를 통해 해수욕장에서 발생 가능한 이안류를 예측할 수 있다.
도 2 내지 도 5를 통해, 이안류 계측 모듈(210)을 보다 상세하게 살펴보면, 도 2는 본 발명의 일실시예에 따른 이안류 계측 모듈을 나타낸 블록도이고, 도 3은 본 발명의 일실시예에 따른 영상 데이터 저장부의 동작특성을 설명하기 위한 도면이고, 도 4는 본 발명의 일실시예에 따른 영상 데이터 중첩부의 동작특성을 설명하기 위한 도면이며, 도 5는 본 발명의 일실시예에 따른 영상 데이터 필터부와 이안류 탐색부의 동작특성을 설명하기 위한 도면이다. 도 5에서 중심에서 외측으로 향하며 밝은색 부분으로 표시된 부분이 이안류 영역이 된다.
도 2 내지 도 5에 도시된 바와 같이, 이안류 계측 모듈(210)은, 제1 입력부(211), 영상 데이터 저장부(212), 영상 데이터 중첩부(213), 영상 데이터 필터부(214) 및 이안류 탐색부(215)를 포함한다.
제1 입력부(211), 레이더(100)로부터 X-밴드 영상 데이터가 입력된다. 이때의 X-밴드 영상 데이터는 도 4와 같다.
영상 데이터 저장부(212)는 X-밴드 영상 데이터를 시간에 따른 영상 프레임별로 저장하되, 미리 설정된 영상 프레임 수만큼 저장하며 새로운 영상 프레임이 버퍼에 저장되면 제일 마지막 영상 프레임은 삭제를 반복한다.
구체적으로, 이안류 탐지가 시작되면, 레이더의 신호를 레이더 스캔 컨버터(Radar Scan Converter) 보드를 통하여 원시 데이터인 X-밴드 영상 데이터를 계측한다. 원시 데이터는 필터 및 가공을 거치지 않은 신호로써, 계측에 필요한 해면반사파의 성분이 그대로 나타나 있다. 레이더 영상의 일시적 저장이다. 레이더 영상 자료는 해상도에 따라 데이터의 크기가 매우 크기 때문에 모두 저장하는데 한계가 있기 있다. 따라서, 미리 설정된 영상 수만큼 저장한다. 새로운 영상이 버퍼에 저장되면, 제일 마지막 영상은 삭제되며 계속 반복된다.
영상 데이터 중첩부(213)는 저장되는 영상 프레임을 중첩한다.
구체적으로, 레이더 영상을 통한 이안류 탐지는 해수 흐림의 차이의 원인으로 인하여, 레이더로 계측되는 해면 반사의 차이에 기인하여 계측하는 방법이다. 이론적으로 그 차이가 크면 클수록 분명하기 때문에 계측하기 쉽지만, 실제 현상에서는 그 차이가 육안으로 구분하기가 어렵다. 따라서 이러한 차이를 크게 발생시켜 육안으로 분명히 확인하기 위한 방법이 레이더 영상 중첩법이다. 레이더 영상을 중첩하면 할수록 해수면으로 계측된 영역은 평균값에 가까워진다. 이는 해양 파고의 통계적인 분포 특징이 가우시안 분포를 따르고 있기 때문이다. 하지만 이안류로 인하여 계측되는 영역은 통계적으로 해수면의 가우시안분포값과 서로 다른 경향을 나타낼 수 있다. 통계적 분포의 특징은 데이터가 많으면 더 정확할 수 있다. 유류 유출의 정도 및 강도에 따라서 버퍼에 저장되는 레이더 영상의 수는 조절 될 수 있으며, 보다 많은 양의 데이터 축적이 계측에 용이하다.
영상 데이터 필터부(214)는 히스토그램 평활화 기법으로 중접된 영상 데이터의 명암값의 범위를 증가시켜, 이안류 영역의 선명도를 증가시킨다.
구체적으로, 구분된 이안류 영역을 선명하게 나타내기 위한 방법으로 히스토그램 평활화 기법을 도입하였다. 명암의 차이를 이용하는 방법이며 영상의 밝기가 어느 특정한 범위에 집중되는 경우 영상에 포함된 정보, 예를 들면 경계선이나 특징 등을 구분해 내기가 매우 어렵게 된다. 영상전체를 기준으로 명암값의 범위를 늘림으로써 화질을 향상시키는 방법이다.
이안류 탐색부(215)는 필터링된 영상 데이터를 모니터링하여, 유입되는 해수가 연안류로 분출되지 못하고 파도에 정면에 대응하여 해양으로 빠른 속도로 빠지는 해류 패턴을 인식하면, 이안류의 발생으로 판단한다. 도 5에서 중심에서 외측으로 향하며 밝은색 으로 표시된 부분이 이안류 영역으로 판단된다.
도 6 내지 도 14를 통해, 너울성 파도 계측 모듈(220)을 보다 상세하게 살펴보면, 도 6은 본 발명의 일실시예에 따른 너울성 파도 계측 모듈을 나타낸 블록도이고, 도 7은 본 발명의 일실시예에 따른 레이더를 통해 얻어진 x-밴드 영상 데이터를 나타낸 도면이고, 도 8 내지 13은 본 발명의 일실시예에 따른 너울성 파도 계측 모듈의 동작특성을 설명하기 위한 도면이며, 도 14는 본 발명의 일 실시예에 따른 너울성 파도 계측 모듈의 결과와 부이의 결과 값을 비교한 도면이다.
도 6 내지 도 14에 도시된 바와 같이, 너울성 파도 계측 모듈(220)은, 제2 입력부(221), 좌표 변환부(222), 음영 추출부(223), 파도 데이터 생성부(224) 및 너울성 파도 탐색부(225)를 포함한다.
먼저, X-밴드 레이더를 이용하여 파고를 측정하기 위해서는 여러 방법이 있으나, 그 대표적인 방법으로는 신호 대 잡음 비율(signal to notise ration)에 따라 측정하거나, 음영 영역(shadowing ration)에 따라 측정하는 방법이 있다. 본 발명의 일실시예에서는 X-밴드 레이더의 레이더 영상을 기초로 음영 영역을 추출하여 파고를 측정하는 방법에 대해 개시하고자 한다. 이와 같이 레이더 영상에서 음영 영역을 추출하여 파고를 측정하는 방법은 낮은 방목 각도를 갖는 해상 레이더에 적합한 알고리즘으로, 해수면의 통계적 특성을 이용하여 별도의 부이와의 비교 검증 작업이 필요없기 때문에 보다 경제적일 수 있다.
제2 입력부(221)는 레이더(100)로부터 X-밴드 영상 데이터가 입력된다. 이때, 입력되는 영상은 PPI 영상일 수 있고, 도 7에 도시된 바와 같은 영상일 수 있다. 한편, 레이더의 PPI 영상은 레이더 안테나로부터 조사된 신호가 해수면에 부딪혀 되돌아오기까지 걸린 시간과 방향, 그리고 그 때의 신호 크기를 나타내는 것으로 파의 주기와 높이 그리고 진행 방향과 밀접한 정보를 내포하여 넓은 범위의 공간적인 정보를 제공할 뿐만 아니라 연속된 영상을 얻게 되면 시간적인 정보 또한 얻을 수 있다.
좌표 변환부(222)는 X-밴드 영상 데이터를 극좌표계에서 직교좌표계로 변환한다. 이렇게 직교 좌표계로 변환된 레이더 영상 데이터는, 도 8에 도시된 바와 같은 영상일 수 있다.
음영 추출부(223)는 X-밴드 영상 데이터의 음영 영역을 추출하기 위해 기준 값이 되는 임계 값을 산출한 후, 산출된 임계값을 이용하여 X-밴드 영상 데이터의 음영 영역을 추출한다. 이때, 음영 추출부(223)는, 임계값을 연산하되, X-밴드 영상 데이터의 에지(edge)를 캐니(Canny) 에지 검출 알고리즘에 의해 검출하며, 에지가 검출된 X-밴드 영상 데이터에 히스토그램 처리한다.
구체적으로, 음영 영역을 판단하는데 기준이 되는 임계값(Threshold)을 연산한다. 임계값 연산을 위해서는 먼저 레이더 영상 데이터의 에지(edge)를 검출한다. 여기서 검출된 레이더 영상 데이터의 에지 영역은, 도 8에 도시된 바와 같이, 정의될 수 있다. 본 발명의 일실시예에서는 레이더 영상 데이터의 에지 검출은 캐니(Canny) 에지 검출 알고리즘이 이용될 수 있다. 캐니 에지 검출 알고리즘은 가우시안 스무딩 필터링(Gaussian smoothing filtering), x-y축에 대한 경사도(gradient) 계산, 경사도 강도(gradient strength) 계산 및 히스테리시스(hysteresis)로 구성되기 때문에 노이즈로 인해 잘못된 에지를 검출하는 것을 최소화할 수 있다.
이렇게 레이더 영상 데이터의 에지를 검출하여 검출된 해당 지점의 레이더 강도(intensity)의 히스토그램(histogram)의 최빈값을 이용하여 임계값은 아래의 수학식 1에 의해 연산될 수 있고, 레이더 영상 데이터는, 도 8에 도시된 바와 같을 수 있다.
τ는 임계치이며, FEdge는 Edge가 검출된 지점에서의 image intensity histogram이며, mode는 edge image intensity histogram의 최빈값이다. 따라서 τ값을 기준으로 shadowing 영역을 판단한다.
이후, 레이더 영상 데이터의 음영을 추출한다. 레이더 영상 데이터의 음영 영역은 직진성이 강한 X-밴드 대역의 레이더에서 송신된 전자기파가 해수면의 물리적인 한계로 인해 반사되지 않은 부분이 발생하고, 이에 따라 수신되는 신호가 없을 경우를 일컬으며, 레이더 영상 데이터의 음영 영역은 다음 수학식 2에 의해 추출된다. 이때, 음영 영역이 추출된 레이더 영상 데이터는, 도 9 및 도 10에 도시된 바와 같을 수 있다.
파도 데이터 생성부(224)는 음영 추출부(223)에서 추출된 X-밴드 영상 데이터에 스미스 함수를 적용하여 파도의 파고, 주기, 방향성을 연산하여 파도 데이터를 생성한다. 여기서, 파도 데이터 생성부(224)는, X-밴드 영상 데이터에 스미스 함수를 적용한 이후에 RMS 표면 슬롭을 연산하되, RMS 표면 슬롭 연산은 스미스 함수에 적용되는 조명 비(illumination ratio) 및 입사각(grazing angle)을 이용하여 커브 피팅(curve fitting)을 수행하여 연산되고, 파고의 연산 중에서 파랑의 주기는 고속 푸리에 변환에 의해 연산되는 것이 가능하다.
구체적으로, 음영 영역이 추출된 레이저 영상 데이터에 스미스 함수를 적용한다. 이때, 스미스 함수를 적용하는 이유는 음영 영역을 추출하여 파고를 측정에 있어서 정확도를 향상시키기 위해서이다.
이와 같은 스미스 함수는 입사각에 따른 조명 비(illumination ratio)를 정의하는 식으로 다음의 수학식 3, 수학식 4 및 수학식 5와 같다.
에(where)
및(and)
특히 조명 비(illumination ratio)는 
로 간주되며, 앞서 계산된 음영 비에 따른 음영 효과(shadowing effect)의 결과를 이용한다. 조명 비 계산을 위해서는 레이더 방위(azimuth)각은 10도로 계산되었으며, 입사각은 1도로 계산되어 해당 범위의 음영 유무를 판단하여 비율을 계산하였다.
이후, 최소의 에러를 가질 수 있도록 레이더 영상 데이터의 RMS 표면 슬롭 을 연산한다. 레이더 영상 데이터의 RMS 표면 슬롭 연산은, 앞서 설명한 수학식 3 내지 수학식 5에서 연산된 정보인 조명 비 
및 입사각 
을 이용하여 스미스 함수의 수학식 3에 커브 피팅(curve fitting)을 수행하면서 동시에 이루어진다.
한편, 단일 방위각에 대해 계산된 RMS 표면 슬롭 
은 전체 각도 성분에 대해서 계산후 평균 처리된다. 이렇게 연산된 RMS 표면 슬롭은 도 8에 도시된 바와 같이, 레이더 영상으로 측정된 조명 비를 이용하여 계산된 커브 피트 결과를 보여주며, 최소 에러의 RMS 표면 슬롭 
를 계산한다.
이후, 레이더 영상 데이터의 RMS 표면 슬롭을 이용하여 최종적인 파고를 연산한다. 파고 연산은 다음 수학식 6에 의해 연산될 수 있다.
파랑 주기
는 도 13과 같이 3차원 고속 푸리에 변환(Fast Fourier Transform, FFT) 방법을 이용하여 계산되며, g는 중력 가속도이다.
이와 같이, 도 13을 참조하면, 3차원 FFT를 위해서 2n 레이더 영상 획득한다. 획득된 영상을 쌓아서 X축, Y축 공간과, 쌓인 시간영역으로 3차원 FFT 수행을 하면, 오른쪽 상단의 선형 분산성 관계 쉘(LINEAR DISPERSION RELATION SHELL)을 얻을 수 있다. 나팔모양은 신호는 흩어진 에너지원 단위의 3차원 삽입법을 통해서 계산하며, 상세히 설명하면, 파도의 성분은 선형 분산성 관계 쉘의 나팔모양에 걸리며, 파도가 아닌 이외의 성분은 다른 공간에 분포하게 된다. 따라서 분산성 관계식 을 통해 파도의 성분을 유추하게 된다. 우측 최상단 방법을 통해서 파도의 주기와 파도의 방향을 계산되고, 파고의 경우 오른쪽 하단의 방법인 음영비를 이용하여 계산된다. 웨이브 에너지는 선형 분산성 관계 쉘에 속해있는 성분이며,백그라운드 노이즈는 그 이외의 성분이다.
도 14는 본 발명의 일실시예에 따른 너울성 파도 계측 모듈의 결과와 부이의 결과 값을 비교한 도면이다.
도 14를 참조하면, 너울성 파도 계측 모듈은 레이더 영상 데이터의 음영 영역을 추출하여 파고를 측정한 것으로, 부이에 의한 측정 값보다 보다 정확한 파고 값을 측정할 수 있다.
이와 같은 본 발명에 일실시예에 따른 너울성 파도 계측 모듈에서는 X-밴드 레이더를 이용함으로써 너울성 파도 계측 모듈의 경제성을 향상시키면서 레이더 영상 데이터의 음영 영역을 연산하여 파고를 측정함으로써 보다 정확하게 파고를 측정할 수 있다.
너울성 파도 탐색부(225)는 파도 데이터의 파고, 주기 및 방향성이, 미리 설정된 너울성 파도의 파고값, 주기값 및 방향성값에 해당되는 경우, 너울성 파도로 판단한다.
도 15는 본 발명의 일실시예에 따른 이안류 예측 모듈을 나타낸 블록도이다.
도 15에 도시된 바와 같이, 이안류 예측 모듈(230)은, 계측 데이터 저장부(231), 실시간 데이터 입력부(232) 및 이안류 발생 예측부(233)를 포함한다.
계측 데이터 저장부(231)는 이안류의 발생으로 판단되는 경우, 이안류 계측 모듈(210)로부터 필터링된 영상 데이터를 수신하여 지속적으로 저장하고, 이안류 발생시점 전후에 해석영역 각각에서 너울성 파도로 판단되는 경우, 너울성 파도 계측 모듈(220)로부터 연산된 파도 데이터를 수신하여 지속적으로 저장한다.
실시간 데이터 입력부(232)는 이안류 계측 모듈(210)로부터 필터링된 영상 데이터와 너울성 파도 계측 모듈(220)로부터 연산된 파도 데이터를 각각 실시간으로 입력받는다.
이안류 발생 예측부(233)는 계측 데이터 저장부(231)에 축적된 계측 데이터와 실시간 데이터부(232)로 입력되는 실시간 데이터의 해류 패턴 및 너울성 파도 패턴의 유사도롤 비교하여 이안류 발생 가능성을 예측한다.
이와 같이, 본 발명의 일실시예에서는, 이안류에는, 주기가 길고 지속적인 너울성 파도의 영향도 있는 점을 착안하여, 이안류의 예측을 위해서는 너울성 파도의 계측이 필수적으로 포함된다.
도 16은 본 발명의 일실시예에 따른 이안류 계측 및 예측 시스템을 적용한 예를 나타낸 도면이다.
도 16에 도시된 바와 같이, 1기 또는 2기의 레이더 설치를 통해,해수욕장 전영역 계측 및 예측이 대응 가능하며, M1 내지 M10과 같은 레이더 해석영역의 자유로운 설정 및 추가 방법을 이용하여 원하는지점(영역)의 해상 상태를 실시간으로 분석하고 예측할 수 있다.
이와 같이, 상술한 본 발명의 기술적 구성은 본 발명이 속하는 기술분야의 당업자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.
그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해되어야 하고, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타나며, 특허청구범위의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 : 레이더
200 : 이안류 계측 및 예측 서버
210 : 이안류 계측 모듈
211 : 제1 입력부
212 : 영상 데이터 저장부
213 : 영상 데이터 중첩부
214 : 영상 데이터 필터부
215 : 이안류 탐색부
220 : 너울성 파도 계측 모듈
221 : 제2 입력부
222 : 좌표 변환부
223 : 음영 추출부
224 : 파도 데이터 생성부
225 : 너울성 파도 탐색부
230 : 이안류 예측 모듈
231 : 계측 데이터 저장부
232 : 실시간 데이터 입력부
233 : 이안류 발생 예측부
200 : 이안류 계측 및 예측 서버
210 : 이안류 계측 모듈
211 : 제1 입력부
212 : 영상 데이터 저장부
213 : 영상 데이터 중첩부
214 : 영상 데이터 필터부
215 : 이안류 탐색부
220 : 너울성 파도 계측 모듈
221 : 제2 입력부
222 : 좌표 변환부
223 : 음영 추출부
224 : 파도 데이터 생성부
225 : 너울성 파도 탐색부
230 : 이안류 예측 모듈
231 : 계측 데이터 저장부
232 : 실시간 데이터 입력부
233 : 이안류 발생 예측부
Claims (6)
- 연안에 설치되어 해상의 X-밴드 영상 데이터를 제공하는 레이더; 및
해상의 해석영역을 복수개로 지정하며, 각각의 상기 해석영역에서의 상기 X-밴드 영상 데이터를 가공하여 이안류 발생여부를 계측하고, 각각의 상기 해석영역에서의 상기 X-밴드 영상 데이터를 가공하여 너울성 파도를 계측하여, 이안류 계측 데이터와 너울성 파도 계측 데이터로부터 이안류 발생 가능성을 예측하는 이안류 계측 및 예측 서버; 를 포함하며,
상기 이안류 계측 및 예측 서버는, 상기 레이더로부터 상기 X-밴드 영상 데이터가 입력되는 제1 입력부와, 상기 X-밴드 영상 데이터를 시간에 따른 영상 프레임별로 저장하되, 미리 설정된 영상 프레임 수만큼 저장하며 새로운 영상 프레임이 버퍼에 저장되면 제일 마지막 영상 프레임은 삭제를 반복하는 영상 데이터 저장부와, 저장되는 상기 영상 프레임을 중첩하는 영상 데이터 중첩부와, 히스토그램 평활화 기법으로 중접된 상기 영상 데이터의 명암값의 범위를 증가시켜, 이안류 영역의 선명도를 증가시키는 영상 데이터 필터부와, 필터링된 상기 영상 데이터를 모니터링하여, 유입되는 해수가 연안류로 분출되지 못하고 파도에 정면에 대응하여 해양으로 빠른 속도로 빠지는 해류 패턴을 인식하면, 이안류의 발생으로 판단하는 이안류 탐색부를 포함하는 이안류 계측 모듈을 포함하는 것을 특징으로 하는 이안류 계측 및 예측 시스템. - 삭제
- 제1항에 있어서,
상기 이안류 계측 및 예측 서버는,
상기 레이더로부터 상기 X-밴드 영상 데이터가 입력되는 제2 입력부와,
상기 X-밴드 영상 데이터를 극좌표계에서 직교좌표계로 변환하는 좌표 변환부와,
상기 X-밴드 영상 데이터의 음영 영역을 추출하기 위해 기준 값이 되는 임계 값을 산출한 후, 산출된 임계값을 이용하여 상기 X-밴드 영상 데이터의 음영 영역을 추출하는 음영 추출부와,
상기 음영 추출부에서 추출된 상기 X-밴드 영상 데이터에 스미스 함수를 적용하여 파도의 파고, 주기, 방향성을 연산하여 파도 데이터를 생성하는 파도 데이터 생성부와,
상기 파도 데이터의 파고, 주기 및 방향성이, 미리 설정된 너울성 파도의 파고값, 주기값 및 방향성값에 해당되는 경우, 너울성 파도로 판단하는 너울성 파도 탐색부
를 포함하는 너울성 파도 계측 모듈을 더 포함하는 것을 특징으로 하는 이안류 계측 및 예측 시스템. - 제3항에 있어서,
상기 음영 추출부는, 상기 임계값을 연산하되, 상기 X-밴드 영상 데이터의 에지(edge)를 캐니(Canny) 에지 검출 알고리즘에 의해 검출하며, 상기 에지가 검출된 상기 X-밴드 영상 데이터에 히스토그램 처리하는 것을 특징으로 하는 이안류 계측 및 예측 시스템. - 제3항에 있어서,
상기 파도 데이터 생성부는, 상기 X-밴드 영상 데이터에 스미스 함수를 적용한 이후에 RMS 표면 슬롭을 연산하되, 상기 RMS 표면 슬롭 연산은 상기 스미스 함수에 적용되는 조명 비(illumination ratio) 및 입사각(grazing angle)을 이용하여 커브 피팅(curve fitting)을 수행하여 연산되고,
상기 파고의 연산 중에서 파랑의 주기는 고속 푸리에 변환에 의해 연산되는 것을 특징으로 하는 이안류 계측 및 예측 시스템. - 제3항에 있어서,
상기 이안류 계측 및 예측 서버는,
이안류의 발생으로 판단되는 경우, 상기 이안류 계측 모듈로부터 필터링된 상기 영상 데이터를 수신하여 지속적으로 저장하고, 이안류 발생시점 전후에 상기 해석영역 각각에서 너울성 파도로 판단되는 경우, 상기 너울성 파도 계측 모듈로부터 연산된 상기 파도 데이터를 수신하여 지속적으로 저장하는 계측 데이터 저장부와,
상기 이안류 계측 모듈로부터 필터링된 상기 영상 데이터와 상기 너울성 파도 계측 모듈로부터 연산된 상기 파도 데이터를 각각 실시간으로 입력받는 실시간 데이터 입력부와,
상기 계측 데이터 저장부에 축적된 계측 데이터와 상기 실시간 데이터부로 입력되는 실시간 데이터의 해류 패턴 및 너울성 파도 패턴의 유사도롤 비교하여 이안류 발생 가능성을 예측하는 이안류 발생 예측부
를 포함하는 이안류 예측 모듈을 더 포함하는 것을 특징으로 하는 이안류 계측 및 예측 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160123395A KR101814644B1 (ko) | 2016-09-26 | 2016-09-26 | 이안류 계측 및 예측 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160123395A KR101814644B1 (ko) | 2016-09-26 | 2016-09-26 | 이안류 계측 및 예측 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101814644B1 true KR101814644B1 (ko) | 2018-01-04 |
Family
ID=60997647
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160123395A KR101814644B1 (ko) | 2016-09-26 | 2016-09-26 | 이안류 계측 및 예측 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101814644B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109469477A (zh) * | 2018-10-18 | 2019-03-15 | 中国海洋石油集团有限公司 | 一种人工裂缝延伸方向的预测方法和装置 |
| KR102588415B1 (ko) | 2023-04-19 | 2023-10-12 | (주)유에스티21 | 인공지능 기반 cctv 영상정보와 관측자료를 이용한 이안류 예측 방법 및 그 장치 |
| KR102602439B1 (ko) | 2023-04-14 | 2023-11-15 | (주)유에스티21 | 인공지능 기반 cctv 촬영 이미지 정보를 이용한 이안류 탐지 방법 및 그 장치 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004338580A (ja) * | 2003-05-16 | 2004-12-02 | Yokohama Tlo Co Ltd | 個別波予測・警報システム |
| US20050271266A1 (en) * | 2001-06-01 | 2005-12-08 | Gregory Perrier | Automated rip current detection system |
-
2016
- 2016-09-26 KR KR1020160123395A patent/KR101814644B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050271266A1 (en) * | 2001-06-01 | 2005-12-08 | Gregory Perrier | Automated rip current detection system |
| JP2004338580A (ja) * | 2003-05-16 | 2004-12-02 | Yokohama Tlo Co Ltd | 個別波予測・警報システム |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109469477A (zh) * | 2018-10-18 | 2019-03-15 | 中国海洋石油集团有限公司 | 一种人工裂缝延伸方向的预测方法和装置 |
| CN109469477B (zh) * | 2018-10-18 | 2022-08-02 | 中国海洋石油集团有限公司 | 一种人工裂缝延伸方向的预测方法和装置 |
| KR102602439B1 (ko) | 2023-04-14 | 2023-11-15 | (주)유에스티21 | 인공지능 기반 cctv 촬영 이미지 정보를 이용한 이안류 탐지 방법 및 그 장치 |
| KR102588415B1 (ko) | 2023-04-19 | 2023-10-12 | (주)유에스티21 | 인공지능 기반 cctv 영상정보와 관측자료를 이용한 이안류 예측 방법 및 그 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2012384518B2 (en) | Infrared image based early detection of oil spills in water | |
| Tello et al. | A novel algorithm for ship detection in SAR imagery based on the wavelet transform | |
| Karvonen et al. | Open water detection from Baltic Sea ice Radarsat-1 SAR imagery | |
| KR102067242B1 (ko) | 인공위성 sar 영상기반 인공신경망을 이용한 오일 유출 탐지 방법 | |
| Power et al. | Iceberg detection capabilities of RADARSAT synthetic aperture radar | |
| Panico et al. | SAR-based vessel velocity estimation from partially imaged Kelvin pattern | |
| CN105160648B (zh) | 基于小波和恒虚警率的雷达目标及阴影分割方法 | |
| KR102345873B1 (ko) | 해양관측 부이용 영상촬영 카메라를 이용한 파랑관측 방법 및 시스템 | |
| KR101814644B1 (ko) | 이안류 계측 및 예측 시스템 | |
| Espedal | Detection of oil spill and natural film in the marine environment by spaceborne SAR | |
| Zheng et al. | A method for detecting rainfall from X-band marine radar images | |
| Ajadi et al. | Oil spill detection in synthetic aperture radar images using Lipschitz-regularity and multiscale techniques | |
| Iqbal et al. | Coastline extraction from sar data using doppler centroid images | |
| Xiangwei et al. | A fast ship detection algorithm in SAR imagery for wide area ocean surveillance | |
| Ji et al. | A new CFAR ship target detection method in SAR imagery | |
| Graziano | SAR-based ship route estimation by wake components detection and classification | |
| Lu et al. | Research on rainfall identification based on the echo differential value from X-band navigation radar image | |
| Gancheva et al. | Verification of the SNAP ocean-tool for oil spill detection for the Bulgarian Black sea region | |
| Tello et al. | Use of the multiresolution capability of wavelets for ship detection in SAR imagery | |
| Smith et al. | The statistical characterization of the sea for the segmentation of maritime images | |
| Renga et al. | Adaptive threshold and sub-look processing in ship detection by SAR | |
| CN112270675B (zh) | 一种基于极化雷达遥感影像的城市内涝区域检测方法 | |
| CN106970373A (zh) | 基于水面状态连续成像系统的小波浪浪高提取方法 | |
| Ajadi et al. | Reducing the susceptibility of SAR-based oil spill detection to low-wind look-alikes | |
| Lin et al. | Marine target extraction based on adjoint covariance correction model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |