KR102239386B1 - 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치 - Google Patents

광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치 Download PDF

Info

Publication number
KR102239386B1
KR102239386B1 KR1020200115182A KR20200115182A KR102239386B1 KR 102239386 B1 KR102239386 B1 KR 102239386B1 KR 1020200115182 A KR1020200115182 A KR 1020200115182A KR 20200115182 A KR20200115182 A KR 20200115182A KR 102239386 B1 KR102239386 B1 KR 102239386B1
Authority
KR
South Korea
Prior art keywords
vector
typhoon
image data
radar image
vector field
Prior art date
Application number
KR1020200115182A
Other languages
English (en)
Inventor
모선진
구지영
Original Assignee
대한민국
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 대한민국 filed Critical 대한민국
Priority to KR1020200115182A priority Critical patent/KR102239386B1/ko
Application granted granted Critical
Publication of KR102239386B1 publication Critical patent/KR102239386B1/ko
Priority to US17/355,921 priority patent/US11333795B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Abstract

광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법은, 레이더 이미지 자료로부터 광학흐름(Optical Flow) 기법을 이용하여 유효벡터장을 산출하는 단계; 선형 보간법을 이용하여 상기 유효벡터장의 벡터 공백 지역을 보간하여 조밀간격 벡터장을 생성하는 단계; 보간된 유효벡터장에서 상대 벡터를 제거하여 태풍의 회전성분 아노말리 벡터로 구성된 회전성분 아노말리 벡터장을 추출하는 단계; 추출된 회전성분 아노말리 벡터장의 벡터의 법선 벡터 교차점을 생성하는 단계; 및 가우시안 커널 밀도추정 기법을 기초로 법선 벡터 최대 밀도 교차점을 산출하여 태풍 중심을 최종적으로 선정하는 단계;를 포함한다. 이에 따라, 신속하고 객관적인 태풍 이동경로의 파악이 가능하다.

Description

광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치{METHOD FOR TYPHOON CENTER AUTOMATIC SELECTION USING VECTORS CALCULATED FROM RADAR IMAGE DATA BY OPTICAL FLOW TECHNIQUE, RECORDING MEDIUM AND DEVICE FOR PERFORMING THE METHOD}
본 발명은 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치에 관한 것으로서, 더욱 상세하게는 시간적, 공간적으로 고해상도인 레이더 이미지 자료를 직접 활용하여 레이더 이미지를 시각적(optical)으로 분석하는 원리로 신속하고 객관적으로 태풍 중심위치를 파악하는 기술에 관한 것이다.
기상레이더는 전자기파를 대기 중에 방사하여 비, 눈, 우박 등에 반사되어 되돌아오는 전자기파 신호의 강도와 수신되는 시간을 통해 관측반경 내 강수 목표물들의 위치와 강도를 관측하는 장비이다.
일반적으로 기상예보에 사용하는 레이더는 파장이 약 10cm인 S밴드 대형레이더로 관측반경은 200 km 전후이다. 기상레이더는 관측망의 형태로 여러 대를 네트워크로 운영하게 되는데, 이는 우리나라의 경우 해상을 포함한 넓은 범위의 기상 현상을 관측할 수 있음을 의미한다.
특히, 기상레이더 자료의 시간, 공간 분해능은 기타 기상 관측자료와 비교했을 때 매우 높아(우리나라의 경우 영해 대부분을 포함한 한반도 전역을 5분 간격으로 관측) 다양한 규모의 기상현상을 효과적으로 파악할 수 있는 장점이 있다. 또한, 매 5분 마다 생성되는 기상레이더 영상의 경우 한눈에 기상현상의 흐름을 파악하는데 용이하며 시간에 따른 기상현상의 이동을 추적할 수 있다.
레이더 영상에서 태풍의 중심 선정은 인접한 레이더들의 시선속도 0선 교차점과 나선 형태의 레이더 반사도의 회전 중심점을 분석자가 눈으로 판단하여 이루어진다. 그러나, 분석자들 간 자료 해석에 대한 주관적 차이가 발생하고 개별 레이더 영상 해석에 일정 시간을 소모하게 되는 문제점이 있다.
KR 10-1627714 B1 KR 10-1280562 B1 KR 10-2015-0022510 A
인공위성 SAR 영상 기반 태풍 중심 산정, 정준범, 박경애, 변도성, 정광영, 이은일, 한국지구과학회지, Vol.40 No.5 pp.502-517, 2019. 10. 28.
이에, 본 발명의 기술적 과제는 이러한 점에서 착안된 것으로 본 발명의 목적은 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법을 제공하는 것이다.
본 발명의 다른 목적은 상기 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 기록 매체를 제공하는 것이다.
본 발명의 또 다른 목적은 상기 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법을 수행하기 위한 장치를 제공하는 것이다.
상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법은, 레이더 이미지 자료로부터 광학흐름(Optical Flow) 기법을 이용하여 유효벡터장을 산출하는 단계; 선형 보간법을 이용하여 상기 유효벡터장의 벡터 공백 지역을 보간하여 조밀간격 벡터장을 생성하는 단계; 보간된 유효벡터장에서 상대 벡터를 제거하여 태풍의 회전성분 아노말리 벡터로 구성된 아노말리 벡터장을 추출하는 단계; 추출된 회전성분 아노말리 벡터장의 벡터의 법선 벡터 교차점을 생성하는 단계; 및 가우시안 커널 밀도추정 기법을 기초로 법선 벡터 최대 밀도 교차점을 산출하여 태풍 중심을 최종적으로 선정하는 단계;를 포함한다.
본 발명의 실시예에서, 상기 유효벡터장을 산출하는 단계는, 상기 레이더 이미지 자료로부터 연속하는 시간의 두 이미지를 선택하는 단계; 상기 두 이미지 간의 차이를 통해 광학흐름 기법을 이용하여 일정 간격을 가지는 성근 벡터들을 생성하는 단계; 생성된 벡터들로부터 오류 벡터들을 제거하는 단계; 및 해당 시각과 가장 가까운 시간대의 벡터장과의 평균을 통해 유효벡터장을 생성하는 단계;를 포함할 수 있다.
본 발명의 실시예에서, 상기 유효벡터장을 산출하는 단계는, 레이더 이미지 자료로부터 기준좌표를 선정하는 단계; 및 상기 기준좌표를 기준으로 추출영역을 한정하는 단계;를 더 포함할 수 있다.
본 발명의 실시예에서, 상기 조밀간격 벡터장을 생성하는 단계는, 상기 유효벡터장의 벡터 공백을 인근 벡터를 활용하여 1차 보간하는 단계; 1차 보간된 유효벡터장의 원거리 공백 지역을 벡터 분해능 상향 조정을 통해 2차 보간하는 단계; 및 분석장 전체영역에 대하여 미리 설정된 격자 간격으로 형성된 조밀간격 벡터장을 생성하는 단계;를 포함할 수 있다.
본 발명의 실시예에서, 상기 1차 보간은 선형 보간(Linear interpolation)을 이용하고, 상기 2차 보간은 방사기저함수(RBF; Radial Basis Function) 보간을 이용할 수 있다.
본 발명의 실시예에서, 상기 회전성분 아노말리 벡터장을 추출하는 단계는, 모든 벡터의 u, v 성분의 총합을 계산하는 단계; 계산된 u, v 성분의 총합을 벡터의 개수로 나누어 분석장 전체 벡터의 평균값으로 상대 벡터를 산출하는 단계; 및 상기 조밀간격 벡터장으로부터 상기 상대 벡터를 제거하여 상기 태풍의 회전성분 아노말리 벡터를 생성하는 단계;를 포함할 수 있다.
본 발명의 실시예에서, 상기 추출된 회전성분 아노말리 벡터장의 벡터의 법선 벡터 교차점을 생성하는 단계는, 상기 추출된 회전성분 아노말리 벡터의 법선 벡터 연장 가중치를 결정하는 단계; 상기 회전성분 아노말리 벡터장의 각 벡터의 법선 벡터를 산출하는 단계; 상기 회전성분 아노말리 벡터장에 상기 법선 벡터 연장 가중치를 적용하여 각 법선 벡터를 연장하는 단계; 오류 교차점 생성 가능 벡터를 제외하는 단계; 및 상기 오류 교차점 생성 가능 벡터가 제외된 회전성분 아노말리 벡터의 법선 벡터 교차점을 생성하는 단계;를 포함할 수 있다.
본 발명의 실시예에서, 상기 법선 벡터 연장 가중치를 결정하는 단계는, 해상도, 벡터장의 분해능, 컴퓨팅 시스템 비용 및 계산시간 중 적어도 하나를 기초로 결정할 수 있다.
본 발명의 실시예에서, 상기 오류 교차점 생성 가능 벡터는 평행 벡터, 동일 벡터, 반대 벡터, 발산 벡터 중 적어도 하나를 포함할 수 있다.
상기한 본 발명의 다른 목적을 실현하기 위한 일 실시예에 따른 컴퓨터로 판독 가능한 저장 매체에는, 상기 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법을 수행하기 위한 컴퓨터 프로그램이 기록되어 있다.
상기한 본 발명의 또 다른 목적을 실현하기 위한 일 실시예에 따른 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 장치는, 레이더 이미지 자료로부터 광학흐름(Optical Flow) 기법을 이용하여 유효벡터장을 산출하는 유효벡터장 산출부; 선형 보간법을 이용하여 상기 유효벡터장의 벡터 공백 지역을 보간하여 조밀간격 벡터장을 생성하는 벡터 보간부; 보간된 유효벡터장에서 상대 벡터를 제거하여 태풍의 회전성분 벡터로 구성된 회전성분 아노말리 벡터장을 추출하는 회전성분 아노말리 추출부; 추출된 회전성분 아노말리 벡터장의 벡터의 법선 벡터 교차점을 생성하는 교차점 생성부; 및 가우시안 커널 밀도추정 기법을 기초로 법선 벡터 최대 밀도 교차점을 산출하여 태풍 중심을 최종적으로 선정하는 태풍 중심 선정부;를 포함한다.
이와 같은 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법에 따르면, 지상의 저해상도 관측자료와 달리 시간, 공간으로 고해상도인 레이더 자료를 활용하여 태풍의 중심을 자동 추적할 수 있다. 특히, 레이더 이미지 자료를 즉각적으로 분석함으로써 준 실시간의 태풍중심 정보를 획득할 수 있으므로, 신속하고 정확한 태풍 이동경로 파악이 가능하다. 특히, 자동 추적을 통한 일관성 있는 정보 제공을 통해 분석자의 주관에 의한 오류를 최소화하여 객관적인 정보를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 장치의 블록도이다.
도 2는 2019년 제5호 태풍 다나스의 레이더 이미지 기반 벡터 공백 지역 보간 및 벡터 분해능 상향 조정 결과를 보여주는 도면이다.
도 3은 2019년 제5호 태풍 다나스의 레이더 이미지 기반 태풍의 회전성분 아노말리 산출 결과를 보여주는 도면이다.
도 4는 원운동(회전운동)에서 벡터 A와 B의 법선 벡터와 그 교차점을 설명하기 위한 도면이다.
도 5는 2019년 제5호 태풍 다나스의 레이더 이미지 기반 태풍의 회전성분 아노말리 벡터장에서 법선 벡터 교차점 생성 결과를 보여주는 도면이다.
도 6은 (a) 법선 벡터 교차점 분포, (b) 2D 히스토그램을 통한 밀도 분포, (c) 커널 밀도예측을 통한 밀도 분포를 보여주는 도면이다.
도 7은 2019년 제5호 태풍 다나스의 레이더 이미지 기반 광학 흐름(Optical Flow) 기법을 통한 태풍 중심 자동 선정 과정을 보여주는 도면이다.
도 8은 2019년 제5호 태풍 다나스의 레이더 이미지 기반 광학흐름(Optical Flow) 기법을 통한 태풍중심 이동경로와 기상청이 선정한 이동경로의 비교를 보여주는 도면이다.
도 9는 본 발명의 일 실시예에 따른 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법의 전체 흐름도이다.
도 10은 도 9의 레이더 이미지 기반 유효벡터 산출 과정에 대한 상세한 흐름도이다.
도 11은 도 9의 벡터 공백 지역 보간 및 벡터 분해능 상향 조정 과정에 대한 상세한 흐름도이다.
도 12는 도 9의 상대 벡터 제거를 통한 태풍의 회전성분 아노말리 추출 과정에 대한 상세한 흐름도이다.
도 13은 도 9의 태풍의 회전성분 아노말리 벡터장에서 벡터의 법선벡터 접선 교차점 생성 과정에 대한 상세한 흐름도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 장치의 블록도이다.
본 발명에 따른 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 장치(10, 이하 장치)는 해당 시각 전, 후 레이더 이미지 자료를 광학흐름(optical flow) 기법이라는 시각적 분석 알고리즘을 활용하여 레이더 에코의 순간 변화 양상을 감지해서 이동 벡터를 산출한다.
또한, 벡터 공백 지역에 가상 벡터 산출, 태풍 자체의 회전성분과 전체 기상 에코의 이동 벡터의 구분(상대 벡터 제거) 등의 과정을 거쳐 태풍 중심을 자동 선정한다. 본 발명에 따라 산출되는 높은 시간 분해능(준 실시간)의 태풍 중심 정보는 태풍 경로예측에 필요한 현업지원 기술로 활용될 수 있다.
도 1을 참조하면, 본 발명에 따른 장치(10)는 유효벡터장 산출부(110), 벡터 보간부(130), 회전성분 아노말리 추출부(150), 교차점 생성부(170) 및 태풍 중심 선정부(190)를 포함한다.
본 발명의 상기 장치(10)는 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정을 수행하기 위한 소프트웨어(애플리케이션)가 설치되어 실행될 수 있으며, 상기 유효벡터장 산출부(110), 상기 벡터 보간부(130), 상기 회전성분 아노말리 추출부(150), 상기 교차점 생성부(170) 및 상기 태풍 중심 선정부(190)의 구성은 상기 장치(10)에서 실행되는 상기 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정을 수행하기 위한 소프트웨어에 의해 제어될 수 있다.
상기 장치(10)는 별도의 단말이거나 또는 단말의 일부 모듈일 수 있다. 또한, 상기 유효벡터장 산출부(110), 상기 벡터 보간부(130), 상기 회전성분 아노말리 추출부(150), 상기 교차점 생성부(170) 및 상기 태풍 중심 선정부(190)의 구성은 통합 모듈로 형성되거나, 하나 이상의 모듈로 이루어 질 수 있다. 그러나, 이와 반대로 각 구성은 별도의 모듈로 이루어질 수도 있다.
상기 장치(10)는 이동성을 갖거나 고정될 수 있다. 상기 장치(10)는, 서버(server) 또는 엔진(engine) 형태일 수 있으며, 디바이스(device), 기구(apparatus), 단말(terminal), UE(user equipment), MS(mobile station), 무선기기(wireless device), 휴대기기(handheld device) 등 다른 용어로 불릴 수 있다.
상기 장치(10)는 운영체제(Operation System; OS), 즉 시스템을 기반으로 다양한 소프트웨어를 실행하거나 제작할 수 있다. 상기 운영체제는 소프트웨어가 장치의 하드웨어를 사용할 수 있도록 하기 위한 시스템 프로그램으로서, 안드로이드 OS, iOS, 윈도우 모바일 OS, 바다 OS, 심비안 OS, 블랙베리 OS 등 모바일 컴퓨터 운영체제 및 윈도우 계열, 리눅스 계열, 유닉스 계열, MAC, AIX, HP-UX 등 컴퓨터 운영체제를 모두 포함할 수 있다.
상기 유효벡터장 산출부(110)는 레이더 이미지 자료로부터 광학흐름(Optical Flow) 기법을 이용하여 유효벡터장을 산출한다.
본 발명에서는 고해상도 기상레이더 이미지 자료를 광학 흐름(Optical Flow) 기법으로 분석하여, 기상레이더 자료 분석자들의 눈에 의한 분석에서 발생하는 주관성을 배제할 수 있고 준 실시간으로 기상현상 이동 추이 정보를 얻을 수 있다.
이를 위해, 상기 유효벡터장 산출부(110)는 먼저 분석하고자 하는 시간의 레이더 이미지(Image(t))와 바로 직전 이미지(Image(t-1))를 선택하는데, 이때 두 이미지 간의 시간차이는 작을수록 좋다. 두 이미지 간 차이를 통해 유효벡터장을 생성하고 벡터의 공백 지역에 대한 보간과 분석의 용이함을 위해 벡터 분해능을 상향 조정한다. 고분해능의 균일 벡터장이 완성되면 태풍의 회전성분 아노말리를 추출하고 아노말리 벡터의 법선 벡터 교차점 생성과 최대밀도 교차점 산출을 통해 최종적으로 태풍의 중심을 선정하게 된다.
본 발명에서 사용하는 광학 흐름(Optical Flow) 알고리즘은 기상레이더 이미지 자료처리를 위해 개발된 것이 아니기 때문에 벡터 생산 시 기상학적 의미를 내포하지 않는 값들이 간헐적으로 생성되기도 한다. 예를 들어, 벡터의 u, v 성분 중 하나가 0의 값을 가지는 경우이다. 물론 u 혹은 v 성분만 가지는 대기의 흐름이 존재할 수도 있지만, 기상학적 측면에서 극히 드물며 본 발명의 구현에서 오류 값으로 인지될 가능성이 있다.
이러한 오류를 배제하기 위해 광학 흐름(Optical Flow) 기법으로 벡터 생성 시 일정 간격의 성근 벡터를 생성하고(예를 들어, 조밀 간격 벡터 생성 시 단일 u, v 값 생성 가능성이 높으며, 일정 간격의 결정은 다양한 태풍 사례 분석을 통해 40 km × 40 km로 선정함), 단일 u, v 값 존재 시 그 값을 제거하고 해당 시각에 가장 가까운 시간대의 벡터장과의 평균을 통해 구하고자 하는 시간대의 유효벡터를 산출한다.
단, 유효벡터 산출 시 계산 시스템의 성능 등을 고려하여 분석 영역을 사용자가 선택하여 한정할 수 있는데 레이더 이미지 전체영역에 대해 1차 광학흐름 분석을 통해 기준좌표를 정하고 시스템 성능 대비 적정 범위를 정하면 된다. 본 발명에서는 기준좌표를 중심으로 상하좌우 250 km를 추출한 500 km × 500 km 영역으로 한정하였다.
상기 벡터 보간부(130)는 선형 보간법을 이용하여 상기 유효벡터장의 벡터 공백 지역을 보간하여 조밀간격 벡터장을 생성한다.
상기 생성된 유효벡터는 레이더 반사도 이미지가 존재하는 영역에만 존재하므로 태풍의 중심을 찾기 위한 전체 대기의 흐름과 그 흐름 내 회전구역의 중심을 결정하기에는 정보가 부족하다. 특히, 레이더 반사도가 존재하지 않아 유효벡터가 산출되지 않는 벡터 공백 지역의 분포 비율이 높은 경우 태풍 중심을 찾기 위한 벡터의 교차점이 충분하지 않아 태풍 중심 선정의 정확도가 저하될 수 있다. 이러한 문제점을 최소화하기 위해서 레이더 반사도가 존재하는 근접 영역의 벡터 공백 지역을 인근 벡터 자료를 활용해 선형 보간한다.
태풍 중심의 경우 회전의 법선 벡터 연장선의 최대 교차점에 존재하게 되는데 이때 충분한 교차점을 확보하기 위해서 벡터 분해능을 상향 조정할 필요가 있고, 레이더 반사도 존재 영역 이외 원거리 벡터 공백 지역 또한 보간할 필요가 있다. 이를 위해 방사기저함수(RBF: Radial Basis Function)를 이용하여 분해능을 높이고(40 km → 20 km) 원거리 벡터 공백 지역도 보간하여 분석장 전체영역에 대해 조밀한 간격의 벡터장을 산출한다.
도 2는 2019년 제5호 태풍 다나스의 레이더 이미지 자료에 대해 벡터 공백 지역 보간 및 벡터 분해능 상향 조정 과정을 보여준다.
상기 회전성분 아노말리 추출부(150)는 보간된 유효벡터장에서 상대 벡터를 제거하여 태풍의 회전성분 아노말리 벡터로 구성된 아노말리 벡터장을 추출한다.
태풍의 중심은 형태적으로 강한 회전의 중심이라고 볼 수 있다. 기상학적 관점에서 기압, 바람 등의 실측 자료를 통해 정확한 중심 선정이 필요하겠지만 본 발명에서 도출하고자 하는 것은 연속된 레이더 이미지 자료 그대로를 이용한 태풍중심 자동 선정이다. 이를 위해서, 보간과 분해능 조정 등을 통해 산출된 분석장에서 회전성분 아노말리를 추출하여 회전성분 벡터의 법선 벡터 연장선 교차의 정밀도를 높이는 것이 필요하다.
태풍의 회전성분 아노말리 추출을 위해서는 분석장 전체의 벡터 흐름과 태풍 자체의 벡터 흐름을 분리해야 하는데, 분석장 전체 흐름을 나타내는 상대벡터는 모든 벡터의 u, v 성분의 합을 그 개수로 나누어주어 분석장 전체 벡터의 평균값으로 구할 수 있다.
태풍의 회전성분 아노말리는 이렇게 구해진 상대벡터 값을 기존 벡터값에서 제거하여 구하게 되고 이는 태풍의 회전성분을 보다 명확하게 표출하게 한다. 도 3은 2019년 제5호 태풍 다나스 사례에서 회전성분 아노말리를 추출한 결과이다.
상기 교차점 생성부(170)는 추출된 회전성분 아노말리 벡터장의 아노말리 벡터의 법선 벡터 교차점을 생성한다.
태풍의 회전성분만을 추출한 회전성분 아노말리 벡터장에서 회전의 중심을 찾는 것은 구심력의 원리를 고려하면 된다. 구심력은 원운동(회전)에서 원의 중심방향으로 작용하는 힘으로 실제 운동방향에 수직으로 작용하는 힘이다.
즉, 이 회전성분 벡터의 수직(본 발명에서는 태풍의 반시계 방향의 회전을 고려해야 하므로, 벡터의 반 시계 방향 90° 고려)의 가상 선분(법선)들의 교차점을 태풍의 중심으로 볼 수 있다. 도 4의 화살표는 원운동에서 벡터 A와 B의 법선 벡터를 나타내며, 이때 이 두 벡터의 교차점 O(x, y)는 아래의 수학식 1과 같다.
[수학식 1]
Figure 112020095432380-pat00001
벡터 법선의 교차점을 찾기 위해서는 법선들의 연장을 통해 교차기회를 만들어 주어야 하는데 이를 위해 법선 벡터에 연장 가중치를 적용하였다. 이때, 예를 들어 기준좌표를 기준하여 시간적으로 태풍 중심의 물리적 이동 가능 영역을 고려한 유효 영역을 선정(300 km × 300 km)할 수 있다. 이는 전체영역 벡터 교차점을 계산하는 비효율성과 분석 영역 모서리 부분에서 발생할 수 있는 오차 발생을 방지하고자 함이다.
만약 분석하는 벡터장의 분해능이 매우 고해상도라면 이 가중치는 매우 낮거나 적용하지 않아도 된다. 태풍 회전성분 아노말리 벡터장의 공간분해능은 20 km이고 효과적인 교차점 선정을 위해 컴퓨팅 시스템 비용과 계산시간도 함께 고려하여 적절한 가중치를 조사한 결과 가중치 30이 가장 적당하였다.
오류 교차점 생성 경우, 예를 들어, 평행 벡터, 동일 벡터, 반대 벡터, 발산 벡터 등을 제외한 벡터들의 법선 교차점을 생성한다. 도 5는 2019년 제 5호 태풍 다나스에 대해 태풍 회전성분 아노말리 벡터장 산출 후 법선 벡터 교차점을 생성한 예시이다.
상기 태풍 중심 선정부(190)는 가우시안 커널 밀도추정 기법을 기초로 법선 벡터 최대 밀도 교차점을 산출하여 태풍 중심을 최종적으로 선정한다.
태풍의 회전성분 아노말리 벡터장에서 생성된 법선 벡터의 교차점 중 최대밀도 지점이 태풍의 중심으로 선정된다. 최대밀도 지점 선정을 위해서 본 발명에서 사용한 방법은 가우시안 커널 밀도추정기법으로 일반적으로 밀도 추정 시 가장 간단한 형태인 2D 히스토그램 기법의 자료 요소분포(bin) 불연속성을 보완한 기법이다.
커널밀도 추정의 경우 각 자료 요소분포를 중심으로 아래의 수학식 2의 커널 함수를 계산하여 이를 모두 더한 후 전체 자료 개수로 나누게 되는데 이는 자료 요소분포(bin)의 연속성과 완만한 형태의 확률밀도함수를 얻을 수 있는 장점이 있다.
[수학식 2]
Figure 112020095432380-pat00002
다만, 적정한 자료 요소분포(bin)와 대역폭(Band width)을 설정해야 효율적인 계산과 분석자료 해상도에 적정한 함수 도출이 가능하다. 본 발명에서는 요소분포(bin) 크기를 100으로 설정하고 대역폭(Band width)은 1로 설정하였다.
도 6은 앞선 과정에서 산출한 법선 벡터 교차점을 2D 히스토그램과 커널 밀도함수로 분석한 자료이며, 도면에서도 확인할 수 있듯이 커널 밀도함수를 통한 분석이 태풍 중심 선정에 효율적이다.
도 7은 2019년 제5호 태풍 다나스에 대해서 광학흐름 기법으로 레이더 이미지 자료를 활용하여 태풍 중심을 자동으로 선정하는 과정의 각 단계별 산출 정보를 보여준다.
최종적으로, 본 발명을 통해 도출한 태풍 다나스의 중심 이동 경로는 도 8과 같다. 도 8의 실선은 본 발명으로 선정한 태풍중심 이동경로이고 점선은 기상청에서 위성자료, 지상자료를 종합하여 최종적으로 결정한 태풍중심 이동경로이다. 아래의 표 1은 두 경로의 위치 정보를 비교한 것이다.
[표 1]
Figure 112020095432380-pat00003
본 발명은 시간적, 공간적으로 분해능이 높은 레이더 이미지 자료의 효율적 활용과 광학흐름 기법을 통한 태풍 중심 자동 선정 기술개발에 관한 것이다. 본 발명은 기존 분석자들의 주관성이 포함된 레이더 이미지 기반 태풍 중심 분석을 자동화하여 객관성 확보와 신속한 자료 제공이 가능하다.
또한, 레이더 이미지에서 에코의 순간 변화 양상을 감지하고 이동 벡터를 산출하여 벡터 공백 지역의 보간과 태풍의 회전성분 아노말리 추출 과정 등을 통해 레이더 이미지 자료를 직접적으로 이용하는 본 발명은 준 실시간의 태풍 중심 분석정보를 제공함으로써 신속한 위험기상 정보를 필요로 하는 기상 예보 및 특보 업무에서 활용 가치가 높다.
도 9는 본 발명의 일 실시예에 따른 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법의 전체 흐름도이다.
본 실시예에 따른 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법은, 도 1의 장치(10)와 실질적으로 동일한 구성에서 진행될 수 있다. 따라서, 도 1의 장치(10)와 동일한 구성요소는 동일한 도면부호를 부여하고, 반복되는 설명은 생략한다.
또한, 본 실시예에 따른 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법은 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정을 수행하기 위한 소프트웨어(애플리케이션)에 의해 실행될 수 있다.
도 9를 참조하면, 본 실시예에 따른 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법은, 레이더 이미지 자료로부터(단계 S10) 광학흐름(Optical Flow) 기법을 이용하여 유효벡터장을 산출한다(단계 S20).
도 10을 참조하면, 상기 유효벡터장을 산출하는 단계는, 상기 레이더 이미지 자료로부터 연속하는 시간의 두 이미지(Image(t), Image(t-1))를 선택한다(단계 S10).
먼저, 레이더 이미지 자료로부터 전체 영역의 1차 광학흐름을 분석하여 기준좌표를 선정하고(단계 S21), 상기 기준좌표를 기준으로 추출영역을 한정할 수 있다(단계 S22). 예를 들어, 기준좌표를 기준으로 상하좌우 250 km 영역을 추출하여 전체 500 km × 500 km의 영역을 선정할 수 있다.
상기 두 이미지 간의 차이를 통해 광학흐름 기법을 이용하여 일정 간격을 가지는 성근 벡터들을 생성한다(단계 S23). 예를 들어, 성근 벡터들은 40 km × 40 km 마다 생성할 수 있다.
생성된 벡터 중에서 벡터의 u, v 성분 중 하나가 0의 값을 가지는지 확인하여(단계 S24), 생성된 벡터들로부터 오류 벡터들을 제거하고(단계 S25), 벡터장을 저장한다(단계 S26).
해당 시각과 가장 가까운 시간대의 벡터장과의(단계 S27) 평균을 통해(단계 S28) 유효벡터장을 생성한다(단계 S29).
광학 흐름을 이용한 유효벡터장이 생성되면, 선형 보간법을 이용하여 상기 유효벡터장의 벡터 공백 지역을 보간하여 조밀간격 벡터장을 생성한다(단계 S30).
도 11을 참조하면, 상기 조밀간격 벡터장을 생성하는 단계는, 상기 유효벡터장의 벡터 공백을 인근 벡터를 활용하여 1차 보간한다(단계 S31). 예를 들어, 상기 1차 보간은 선형 보간(Linear interpolation)을 이용할 수 있다.
1차 보간된 유효벡터장의 원거리 공백 지역을 벡터 분해능 상향 조정을 통해 2차 보간한다(단계 S32). 예를 들어, 상기 2차 보간은 방사기저함수(RBF; Radial Basis Function) 보간을 이용할 수 있다.
분석장 전체영역에 대하여 미리 설정된 격자 간격으로 형성된 조밀간격 벡터장을 생성한다(단계 S33). 예를 들어, 상기 조밀 간격은 20 km로 설정될 수 있다.
보간된 유효벡터장에서 상대 벡터를 제거하여 태풍의 회전성분 아노말리 벡터로 구성된 회전성분 아노말리 벡터장을 추출한다(단계 S40).
도 12를 참조하면, 상기 회전성분 아노말리 벡터장을 추출하는 단계는, 모든 벡터의 u, v 성분의 총합을 계산한다(단계 S41). 계산된 u, v 성분의 총합을 벡터의 개수로 나누어 분석장 전체 벡터의 평균값으로 상대 벡터를 산출한다(단계 S42).
상기 조밀간격 벡터장으로부터 상기 상대 벡터를 제거하여 상기 태풍의 회전성분 아노말리 벡터를 계산하여(단계 S43), 태풍 회전 성분 벡터를 저장한다(단계 S44).
추출된 회전성분 아노말리 벡터장의 벡터의 법선 벡터 교차점을 생성한다(단계 S50).
도 13을 참조하면, 상기 추출된 회전성분 아노말리 벡터의 법선 벡터 교차점을 생성하는 단계는, 상기 추출된 회전성분 아노말리 벡터의 법선 벡터 연장 가중치를 결정한다(단계 S61). 상기 법선 벡터 연장 가중치는 해상도, 벡터장의 분해능, 컴퓨팅 시스템 비용 및 계산시간 등을 고려하여 결정할 수 있다.
상기 회전성분 아노말리 벡터장의 각 벡터의 법선 벡터를 산출한다(단계 S62). 예를 들어, 반시계 방향으로 90도 회전하여 법선 벡터를 산출할 수 있다. 상기 회전성분 아노말리 벡터장에 상기 법선 벡터 연장 가중치를 적용하여 각 법선 벡터를 연장한다(단계 S63).
오류 교차점 생성 가능 벡터의 유무를 확인하고(단계 S64), 존재하는 경우 이들을 제외한다(단계 S65). 상기 오류 교차점 생성 가능 벡터는 평행 벡터, 동일 벡터, 반대 벡터, 발산 벡터 등일 수 있다.
상기 오류 교차점 생성 가능 벡터가 제외된 회전성분 아노말리 벡터의 법선 벡터 교차점을 생성한다(단계 S66).
가우시안 커널 밀도추정 기법을 기초로 법선 벡터 최대 밀도 교차점을 산출하여(단계 S60), 태풍 중심을 최종적으로 선정한다(단계 S70).
태풍의 회전성분 아노말리 벡터장에서 생성된 법선 벡터의 교차점 중 최대밀도 지점이 태풍의 중심으로 선정된다. 최대밀도 지점 선정을 위해서 본 발명에서 사용한 방법은 가우시안 커널 밀도추정기법으로 일반적으로 밀도 추정 시 가장 간단한 형태인 2D 히스토그램 기법의 자료 요소분포(bin) 불연속성을 보완한 기법이다.
본 발명은 기존의 레이더 원시 자료를 통한 태풍 분석에서 벗어나 레이더 이미지 자료를 직접 활용하여 분석자들이 레이더 이미지를 시각적 (optical)으로 분석하는 원리로 신속하게 태풍 중심위치를 파악할 수 있어 분석자들 간의 주관에 따른 분석 차이를 최소화하고 레이더 이미지 자료 해석의 객관성을 높일 수 있다.
이와 같은, 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
태풍의 정확한 이동 경로 추적이 가능하므로, 기상청, 방재기관, 수문, 항공기상 등에 매우 중요한 정보로써 신속하고, 정확한 고해상도의 태풍 중심 정보 제공은 태풍의 이동에 따른 피해 예상지역 예측에 주요 정보로 사용될 수 있다. 따라서, 본 발명은 기상 및 방재 서비스 분야, 수문 분야, 항공 분야에서 관심이 높을 것으로 판단된다. 특히, 레이더 이미지 자료를 활용한 즉각적인 기상현상 변화 특성 탐지는 민간차원에서도 다양한 기상 관련 콘텐츠 개발에 유용하게 활용될 수 있을 것으로 예상된다.
10: 태풍 중심 자동 선정 장치
110: 유효벡터장 산출부
130: 벡터 보간부
150: 회전성분 아노말리 추출부
170: 교차점 생성부
190: 태풍 중심 선정부

Claims (11)

  1. 레이더 이미지 자료로부터 광학흐름(Optical Flow) 기법을 이용하여 유효벡터장을 산출하는 단계;
    선형 보간법을 이용하여 상기 유효벡터장의 벡터 공백 지역을 보간하여 조밀간격 벡터장을 생성하는 단계;
    보간된 유효벡터장에서 상대 벡터를 제거하여 태풍의 회전성분 아노말리 벡터로 구성된 아노말리 벡터장을 추출하는 단계;
    추출된 회전성분 아노말리 벡터장의 벡터의 법선 벡터 교차점을 생성하는 단계; 및
    가우시안 커널 밀도추정 기법을 기초로 법선 벡터 최대 밀도 교차점을 산출하여 태풍 중심을 최종적으로 선정하는 단계;를 포함하는, 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법.
  2. 제1항에 있어서, 상기 유효벡터장을 산출하는 단계는,
    상기 레이더 이미지 자료로부터 연속하는 시간의 두 이미지를 선택하는 단계;
    상기 두 이미지 간의 차이를 통해 광학흐름 기법을 이용하여 일정 간격을 가지는 성근 벡터들을 생성하는 단계;
    생성된 벡터들로부터 오류 벡터들을 제거하는 단계; 및
    해당 시각과 가장 가까운 시간대의 벡터장과의 평균을 통해 유효벡터장을 생성하는 단계;를 포함하는, 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법.
  3. 제2항에 있어서, 상기 유효벡터장을 산출하는 단계는,
    레이더 이미지 자료로부터 기준좌표를 선정하는 단계; 및
    상기 기준좌표를 기준으로 추출영역을 한정하는 단계;를 더 포함하는, 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법.
  4. 제1항에 있어서, 상기 조밀간격 벡터장을 생성하는 단계는,
    상기 유효벡터장의 벡터 공백을 인근 벡터를 활용하여 1차 보간하는 단계;
    1차 보간된 유효벡터장의 원거리 공백 지역을 벡터 분해능 상향 조정을 통해 2차 보간하는 단계; 및
    미리 설정된 격자 간격으로 형성된 조밀간격 벡터장을 생성하는 단계;를 포함하는, 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법.
  5. 제4항에 있어서,
    상기 1차 보간은 선형 보간(Linear interpolation)을 이용하고, 상기 2차 보간은 방사기저함수(RBF; Radial Basis Function) 보간을 이용하는, 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법.
  6. 제1항에 있어서, 상기 회전성분 아노말리 벡터장을 추출하는 단계는,
    모든 벡터의 u, v 성분의 총합을 계산하는 단계;
    계산된 u, v 성분의 총합을 벡터의 개수로 나누어 상대 벡터를 산출하는 단계; 및
    상기 조밀간격 벡터장으로부터 상기 상대 벡터를 제거하여 상기 태풍의 회전성분 아노말리 벡터를 생성하는 단계;를 포함하는, 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법.
  7. 제1항에 있어서, 상기 회전성분 아노말리 벡터장의 벡터의 법선 벡터 교차점을 생성하는 단계는,
    상기 추출된 회전성분 아노말리 벡터의 법선 벡터 연장 가중치를 결정하는 단계;
    상기 회전성분 아노말리 벡터장의 각 벡터의 법선 벡터를 산출하는 단계;
    상기 회전성분 아노말리 벡터장에 상기 법선 벡터 연장 가중치를 적용하여 각 법선 벡터를 연장하는 단계;
    오류 교차점 생성 가능 벡터를 제외하는 단계; 및
    상기 오류 교차점 생성 가능 벡터가 제외된 회전성분 아노말리 벡터의 법선 벡터 교차점을 생성하는 단계;를 포함하는, 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법.
  8. 제7항에 있어서, 상기 법선 벡터 연장 가중치를 결정하는 단계는,
    해상도, 벡터장의 분해능, 컴퓨팅 시스템 비용 및 계산시간 중 적어도 하나를 기초로 결정하는, 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법.
  9. 제7항에 있어서,
    상기 오류 교차점 생성 가능 벡터는 평행 벡터, 동일 벡터, 반대 벡터, 발산 벡터 중 적어도 하나를 포함하는, 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법.
  10. 제1항에 따른 상기 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 저장 매체.
  11. 레이더 이미지 자료로부터 광학흐름(Optical Flow) 기법을 이용하여 유효벡터장을 산출하는 유효벡터장 산출부;
    선형 보간법을 이용하여 상기 유효벡터장의 벡터 공백 지역을 보간하여 조밀간격 벡터장을 생성하는 벡터 보간부;
    보간된 유효벡터장에서 상대 벡터를 제거하여 태풍의 회전성분 벡터로 구성된 회전성분 아노말리 벡터장을 추출하는 회전성분 아노말리 추출부;
    추출된 회전성분 아노말리 벡터장의 벡터의 법선 벡터 교차점을 생성하는 교차점 생성부; 및
    가우시안 커널 밀도추정 기법을 기초로 법선 벡터 최대 밀도 교차점을 산출하여 태풍 중심을 최종적으로 선정하는 태풍 중심 선정부;를 포함하는, 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 장치.
KR1020200115182A 2020-09-09 2020-09-09 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치 KR102239386B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200115182A KR102239386B1 (ko) 2020-09-09 2020-09-09 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치
US17/355,921 US11333795B2 (en) 2020-09-09 2021-06-23 Method for typhoon center automatic selection using vectors calculated from radar image data by optical flow technique, recording medium and device for performing the method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200115182A KR102239386B1 (ko) 2020-09-09 2020-09-09 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치

Publications (1)

Publication Number Publication Date
KR102239386B1 true KR102239386B1 (ko) 2021-04-12

Family

ID=75439699

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200115182A KR102239386B1 (ko) 2020-09-09 2020-09-09 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치

Country Status (2)

Country Link
US (1) US11333795B2 (ko)
KR (1) KR102239386B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117036983B (zh) * 2023-10-08 2024-01-30 中国海洋大学 一种基于物理增强深度学习的台风中心定位方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000098055A (ja) * 1998-09-28 2000-04-07 Nec Eng Ltd 気象衛星画像受信装置及びそれに用いる台風追尾方法並びにその制御プログラムを記録した記録媒体
JP2005106744A (ja) * 2003-10-01 2005-04-21 Mitsubishi Electric Corp 画像解析装置
JP2008051541A (ja) * 2006-08-22 2008-03-06 Mitsubishi Electric Corp 台風中心検出装置
KR101280562B1 (ko) 2012-11-23 2013-07-02 (주)오픈에스앤에스 태풍정보 예보 시스템 및 그 방법
KR20150022510A (ko) 2013-08-23 2015-03-04 대한민국(기상청장) 태풍 위치 확률반경 제공 방법 및 시스템
WO2016057859A1 (en) * 2014-10-10 2016-04-14 The Penn State Research Foundation Identifying visual storm signatures form satellite images
KR101627714B1 (ko) 2015-11-25 2016-06-07 대한민국(기상청장) 천리안 위성자료를 이용한 태풍의 강풍 및 폭풍 반경 산출 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3377079B2 (ja) * 1997-07-09 2003-02-17 日本電信電話株式会社 流速推定装置
US7843378B2 (en) * 2008-03-04 2010-11-30 Colorado State University Research Foundation Dynamic and adaptive radar tracking of storms (DARTS)
US20110149268A1 (en) * 2009-12-17 2011-06-23 Marchant Alan B Dynamic 3d wind mapping system and method
CN112379345B (zh) * 2020-10-23 2024-04-19 吴海英 融合数值模式的雷达短临外推预报方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000098055A (ja) * 1998-09-28 2000-04-07 Nec Eng Ltd 気象衛星画像受信装置及びそれに用いる台風追尾方法並びにその制御プログラムを記録した記録媒体
JP2005106744A (ja) * 2003-10-01 2005-04-21 Mitsubishi Electric Corp 画像解析装置
JP2008051541A (ja) * 2006-08-22 2008-03-06 Mitsubishi Electric Corp 台風中心検出装置
KR101280562B1 (ko) 2012-11-23 2013-07-02 (주)오픈에스앤에스 태풍정보 예보 시스템 및 그 방법
KR20150022510A (ko) 2013-08-23 2015-03-04 대한민국(기상청장) 태풍 위치 확률반경 제공 방법 및 시스템
WO2016057859A1 (en) * 2014-10-10 2016-04-14 The Penn State Research Foundation Identifying visual storm signatures form satellite images
KR101627714B1 (ko) 2015-11-25 2016-06-07 대한민국(기상청장) 천리안 위성자료를 이용한 태풍의 강풍 및 폭풍 반경 산출 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
인공위성 SAR 영상 기반 태풍 중심 산정, 정준범, 박경애, 변도성, 정광영, 이은일, 한국지구과학회지, Vol.40 No.5 pp.502-517, 2019. 10. 28.

Also Published As

Publication number Publication date
US11333795B2 (en) 2022-05-17
US20220075093A1 (en) 2022-03-10

Similar Documents

Publication Publication Date Title
Bowler et al. Development of a precipitation nowcasting algorithm based upon optical flow techniques
AU2017303947B2 (en) Small radar-based thunder and lightning monitoring and warning method for electric transmission line, and storage medium
KR102212524B1 (ko) 기상 레이더의 소실된 시선속도 복원 방법, 이를 수행하기 위한 기록 매체 및 장치
Liang et al. A composite approach of radar echo extrapolation based on TREC vectors in combination with model-predicted winds
KR102006847B1 (ko) 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법
CN105158762A (zh) 识别和跟踪对流天气单体
US11422286B2 (en) Method for precipitation nowcasting using dynamic motion vectors, recording medium and device for performing the method
CN107193060B (zh) 一种多路径台风风暴潮快速预测方法及系统
US11035953B2 (en) Radar apparatus
CN108549080A (zh) 一种输电杆塔位置提取方法及系统
KR102239386B1 (ko) 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치
Ruzanski et al. Weather radar data interpolation using a kernel-based lagrangian nowcasting technique
KR101221793B1 (ko) 위험기상과 관련된 반사도 셀의 추적 방법
KR101221755B1 (ko) 위험기상과 관련된 반사도 셀의 탐지 방법
Ritvanen et al. Advection-free convolutional neural network for convective rainfall nowcasting
Sahoo et al. Estimating atmospheric motion winds from satellite image data using space‐time drift models
Harjupa et al. Fundamental Investigation of Generation of Guerilla-heavy rainfall using Himawari-8 and XRAIN information in Kinki region
Winiwarter et al. Full 4D Change Analysis of Topographic Point Cloud Time Series using Kalman Filtering
US11079461B2 (en) Consistent arrival time measurement and determination of discharge polarity
Daliakopoulos et al. A weather radar data processing module for storm analysis
KR102315739B1 (ko) 이중편파변수 기반 밝은띠 탐지 결과를 이용한 반사도 보정 방법, 이를 수행하기 위한 기록 매체 및 장치
Winiwarter et al. Full four-dimensional change analysis of topographic point cloud time series using Kalman filtering
Peng et al. Quantifying the precision of retracked Jason-2 sea level data in the 0–5 km Australian coastal zone
US11609095B2 (en) Method and system for estimating the trajectory of an object on a map
KR20220123886A (ko) 이동 객체의 이동 경로에 따른 위험도를 표시하는 확률맵을 생성하기 위한 확률맵 생성 장치 및 방법