영상처리

6 Contents

[카오스 짧강] 2026 카오스콘서트 예습하기: 컴퓨터비전과 딥러닝의 현재와 미래_PART 2

딥러닝 기술이 데이터를 분석하는 단계를 넘어, 새로운 데이터를 직접 생성해내는 생성 모델의 시대로 접어들었습니다. 그 중심에는 2014년 등장한 ‘적대적 생성 신경망(GAN)’이 있습니다. 이 구조는 생성자와 판별자라는 두 가지 네트워크를 활용하여 높은 수준의 결과물을 도출합니다. 초기에는 아주 작은 이미지 생성에 그쳤으나, 최근에는 실제 사진과 구분하기 어려울 정도의 고해상도 이미지를 생성하는 수준에 이르렀으며 이는 예술과 디자인 등 다양한 산업 분야에 새로운 혁신을 가져오고 있습니다. 생성형 AI는 단순히 임의의 이미지를 생성하는 것을 넘어 사용자의 의도를 반영하는 조건부 생성에서도 두각을 나타내고 있습니다. 사용자가 영역별로 클래스를 지정해 간단한 그림을 그리면, 신경망이 이를 바탕으로 실제 풍경과 같은 정교한 이미지를 완성해 줍니다. 또한 흑백 사진을 컬러로 복원하는 작업처럼 실용적인 응용도 가능합니다. 컬러 사진을 흑백으로 바꾸는 과정이 매우 간단하기 때문에 양질의 학습 데이터를 대량으로 확보할 수 있으며, 이를 통해 인공지능은 흑백 데이터 속에서 색상 정보를 정교하게 유추하는 법을 학습합니다. 이미지의 품질을 개선하는 화질 개선 분야에서도 딥러닝은 놀라운 성능을 발휘합니다. 노이즈가 심해 형체를 알아보기 힘든 사진이라도, 컴퓨터는 사물의 형태나 클래스에 대한 사전 정보를 바탕으로 미세한 패턴을 파악해 선명한 결과물을 도출합니다. 비디오의 프레임 사이를 메워주는 보간 기술 역시 주목받고 있습니다. 초당 30프레임의 영상을 240프레임으로 변환하여 훨씬 매끄러운 움직임을 구현하는 이 기술은 프레임 간의 자연스러운 연결을 생성하여 시청자가 느끼는 시각적 몰입감을 극대화하는 데 기여하고 있습니다. 강화 학습은 행동에 따른 피드백을 통해 스스로 최적의 전략을 수립하는 인공지능의 진화된 형태입니다. 벽돌 깨기 게임에서 점수를 극대화하는 방법을 스스로 터득한 인공지능은 이제 인간의 기보 없이 룰만으로 학습하여 바둑과 체스에서 정점에 도달했습니다. 최근에는 정보가 제한된 스타크래프트 같은 복잡한 게임 환경에서도 뛰어난 성적을 내고 있습니다. 보이지 않는 영역의 상황을 추정하고 수많은 유닛을 동시에 관리해야 하는 고난도 과제는 인공지능이 실제 세상의 복잡한 문제들을 충분히 해결할 수 있음을 증명합니다. 인공지능 기술이 우리의 일상에 가장 큰 영향을 미칠 분야는 바로 자율 주행입니다. 테슬라와 같은 기업들은 카메라 기반의 컴퓨터 비전 시스템을 활용해 도로 상황을 실시간으로 분석합니다. 차량 곳곳에 장착된 카메라로 들어온 시각 정보를 처리하여 주변 사물, 차선, 도로의 흐름을 정확하게 인식합니다. 단순히 사물을 구별하는 수준을 넘어 상황을 판단하고 주행을 제어하는 고도의 지능형 시스템은 인간의 안전을 지키고 교통 환경을 혁신하는 미래 핵심 기술로서 그 가치를 입증하며 우리 곁으로 다가오고 있습니다.

[카오스 짧강] 2026 카오스콘서트 예습하기: 컴퓨터비전과 딥러닝의 현재와 미래_PART 2
카오스재단카오스 짧강(짧은 강연)
  • 뇌인지과학
  • 융합

[카오스 짧강] 2026 카오스콘서트 예습하기: 수학을 통하여 세상을 3차원으로 보는 법_PART 2

스테레오 비전은 두 개 이상의 서로 다른 관점에서 대상을 바라보는 기술로, 인간의 양안 시각과 유사한 원리를 가집니다. 이를 통해 대상의 정확한 3차원 좌표를 구하기 위해서는 먼저 각 카메라가 공간상에 어떻게 배치되어 있는지 파악하는 캘리브레이션 과정이 필수적입니다. 기준 좌표계를 중심으로 카메라의 이동 거리와 회전 각도를 계산하여 연결함으로써, 비로소 3차원 세계를 수학적으로 분석하기 위한 데이터의 정렬이 완성됩니다. 이러한 정밀한 위치 파악은 복잡한 공간 정보를 디지털 데이터로 변환하는 첫 단추가 됩니다. 수학적 관점에서 카메라는 3차원 세계의 대상을 2차원 평면으로 투영하는 하나의 함수로 정의됩니다. 컴퓨터 비전에서는 이를 3×4 크기의 행렬로 표현하며, 여기에는 카메라의 초점 거리나 렌즈 왜곡과 같은 내부 파라미터뿐만 아니라 공간상의 위치와 방향이라는 외부 파라미터 정보가 모두 포함됩니다. 이 행렬을 통해 공간 속의 한 점이 이미지의 어떤 픽셀에 맺히는지 계산할 수 있게 되어 시각적 정보의 수식화가 가능해지며, 이는 실제 사물을 디지털 공간에 재현하는 핵심적인 도구가 됩니다. 위치 파악만큼이나 어려운 과제는 서로 다른 사진 속에서 동일한 지점을 찾아내는 대응점 문제입니다. 인간은 경험을 통해 두 이미지 속의 같은 부위를 쉽게 인지하지만, 이미지를 단순한 숫자 배열로 인식하는 컴퓨터에게 이는 매우 고된 연산 과정입니다. 수많은 픽셀 데이터 속에서 어떤 점이 상대 이미지의 어느 점과 일치하는지 정확히 판별하는 이 과정은 3차원 영상 재구성에서 가장 많은 시간이 소요되는 핵심적인 난제 중 하나로 꼽히며, 전체 작업의 성패를 결정짓는 중요한 요소가 됩니다. 대응점을 보다 효율적으로 찾기 위해 컴퓨터는 픽셀의 밝기 변화가 급격하게 일어나는 엣지나 코너 같은 특징점을 먼저 탐색합니다. 특정 지점 주변의 숫자 분포를 분석하여 유사한 패턴을 가진 영역을 매칭하는 방식을 사용하며, 이를 통해 두 카메라의 기하학적 관계를 연결하는 기초 행렬(Fundamental Matrix)을 도출할 수 있습니다. 이 행렬 정보를 활용하면 탐색 범위를 획기적으로 좁힐 수 있어, 방대한 이미지 데이터 사이의 연결 고리를 전체를 뒤지지 않고도 훨씬 빠르게 계산하여 데이터 간의 연관성을 파악하는 것이 가능해집니다. 최종적으로 각 이미지에서 추출된 대응점들을 바탕으로 삼각측량법(Triangulation)을 수행합니다. 카메라의 중심점과 사진 속의 지점을 잇는 두 직선의 방정식이 만나는 교점을 계산함으로써, 평면적인 사진 데이터는 비로소 입체적인 3차원 좌표로 변환됩니다. 이러한 기술은 관광객들이 찍은 수천 장의 평면 사진을 모아 콜로세움과 같은 거대 유적지를 정교한 포인트 클라우드(Point Cloud) 형태로 복원해 내는 등 현대 컴퓨터 비전 분야에서 혁신적인 성과를 거두며 다양한 산업 분야에 응용되고 있습니다.

[카오스 짧강] 2026 카오스콘서트 예습하기: 수학을 통하여 세상을 3차원으로 보는 법_PART 2
카오스재단카오스 짧강(짧은 강연)
  • 수학
  • 융합

[KERI TV]의료용 백색광-분광 다중 영상 광학 의료기기 기술

위장관 내시경 검사는 현대 건강 검진에서 빼놓을 수 없는 중요한 과정입니다. 내시경은 삽입관 끝의 소형 카메라와 광원을 통해 체내 조직의 선명한 영상을 제공합니다. 보통 가시광선 전 영역을 사용하는 백색광 영상을 통해 진단이 이루어지지만, 최근에는 진단의 정확도를 높이기 위해 분광 영상 기술이 주목받고 있습니다. 이는 특정 파장의 빛을 활용해 일반 영상으로는 확인하기 어려운 미세 혈관의 대조도를 높여 질병의 조기 발견을 돕는 첨단 기술입니다. 한국전기연구원(KERI)이 개발한 의료용 백색광-분광 다중 영상 시스템은 이러한 요구를 충족하는 혁신적인 솔루션입니다. 이 시스템은 Full HD급 해상도를 지원하는 소형 카메라 모듈과 세계 최초의 퀀텀닷 LED 광원, 그리고 고성능 영상 프로세서로 구성됩니다. 특히 초당 30프레임의 속도로 데이터를 처리하여, 백색광 영상과 분광 영상을 각각 15프레임씩 실시간으로 동시에 화면에 띄울 수 있는 것이 가장 큰 특징입니다. 이를 통해 의료진은 두 가지 정보를 동시에 확인하며 더욱 정밀한 검진을 수행할 수 있습니다. 시스템의 핵심 중 하나인 광원 기술에는 양자점이라 불리는 퀀텀닷 나노 입자가 적용되었습니다. 연구팀은 퀀텀닷을 필름 형태로 제작하여 특정 파장의 빛을 선택적으로 방출하는 광 재변환 파장 모듈레이터를 개발했습니다. 이 기술을 통해 광원 내부에서 백색광과 다중 대역의 분광 광원을 자유롭게 전환하며 조사할 수 있습니다. 이는 기존의 제논 램프나 레이저 방식과 차별화되는 지점으로, 필요에 따라 다양한 파장대의 광원을 설계할 수 있는 높은 확장성을 제공합니다. 영상 획득의 핵심인 소형 카메라 모듈 또한 독자적으로 개발되었습니다. 가로세로 5mm의 초소형 크기임에도 불구하고 140도의 넓은 화각과 10~100mm 사이의 깊은 심도를 확보하여 기존 내시경 카메라와 대등한 광학 성능을 자랑합니다. 또한 고가의 전용 프로세서 대신 범용성이 높은 GPU를 활용하여 영상 처리 프로세스를 구현함으로써 상용 제품 수준의 효율성을 확보했습니다. 연구팀은 카메라의 초점 조절과 성능 평가를 위한 별도의 프로토콜까지 구축하여 기술의 완성도를 높였습니다. 이번 기술은 글로벌 기업들이 보유한 기존 기술과 비교했을 때도 뚜렷한 강점을 가집니다. 특정 파장만을 사용하거나 영상을 선택적으로만 볼 수 있었던 한계를 넘어, 다중 대역 방출을 통한 동시 디스플레이 기능을 구현했기 때문입니다. 이 기술은 향후 연성 내시경뿐만 아니라 안저 카메라 등 다양한 의료 분야에 응용될 수 있으며, 고출력 LED가 필요한 산업 현장에서도 광범위하게 활용될 것으로 기대됩니다. 이는 국산 의료 기기의 기술 경쟁력을 한 단계 끌어올린 중요한 성과라고 할 수 있습니다.

[KERI TV]의료용 백색광-분광 다중 영상 광학 의료기기 기술
한국전기연구원중소기업 하드KERI
  • 융합
  • 공학·기술

[강연] 컴퓨터비전과 딥러닝의 현재와 미래 _ by한보형 | 2020 가을 카오스강연 'Ai X' 5강 | 5강

컴퓨터 비전은 이미지나 비디오의 내용을 컴퓨터가 자동으로 이해하게 만드는 기술입니다. 과거에는 사람이 데이터의 특징을 직접 정의해 주어야 했지만, 딥러닝의 등장으로 인공지능이 스스로 데이터에서 중요한 정보를 추출하는 법을 학습하게 되었습니다. 특히 여러 계층으로 구성된 인공 신경망은 복잡한 시각 정보를 계층적으로 파악하며, 인간의 시각 체계를 모방하는 수준까지 발전했습니다. 이러한 기술적 도약은 기계가 세상을 바라보는 방식을 근본적으로 변화시켰으며, 단순한 데이터 나열을 넘어선 의미 있는 정보 추출을 가능하게 했습니다. 시각 정보를 처리하는 데 가장 핵심적인 도구는 합성곱 신경망(CNN)입니다. 이는 이미지 필터를 적용하듯 공간 정보를 보존하며 특징을 추출하는 방식입니다. 반면, 시간에 따라 변화하는 비디오나 음성 같은 시계열 데이터에는 순환 신경망(RNN)이 주로 사용됩니다. RNN은 이전 단계의 출력이 다시 입력으로 들어가는 구조를 통해 데이터의 흐름과 맥락을 파악합니다. 이 두 구조는 현대 컴퓨터 비전이 공간과 시간이라는 두 축의 정보를 정밀하게 이해할 수 있도록 돕는 기반이 되며, 다양한 시각적 태스크를 수행하는 핵심 엔진 역할을 합니다. 컴퓨터 비전의 대표적인 응용 분야로는 물체 검출과 의미론적 분할이 있습니다. 'YOLO'와 같은 알고리즘은 이미지 속 물체의 위치를 실시간으로 파악하며, 이미지 분할 기술은 각 픽셀이 어떤 사물에 해당하는지 정밀하게 구분해 냅니다. 이러한 기술은 자율 주행 자동차가 도로 상황을 파악하고 장애물을 피하는 데 필수적인 역할을 합니다. 인공지능은 이제 단순히 사물을 보는 것을 넘어, 장면 전체의 구조와 맥락을 파악하여 안전한 주행을 가능케 하는 지능형 시스템으로 진화하고 있으며, 이는 미래 모빌리티 산업의 핵심이 되고 있습니다. 최근에는 이미지와 언어를 동시에 다루는 기술이 주목받고 있습니다. 이미지의 내용을 문장으로 설명하는 이미지 캡셔닝 기술이나, 이미지에 대한 질문에 답하는 시각적 질의응답(VQA)이 대표적입니다. 또한 생성적 적대 신경망(GAN)은 가짜와 진짜를 구별하는 경쟁 과정을 통해 실제와 구분이 불가능한 고해상도 이미지를 만들어냅니다. 이는 인공지능이 단순히 정보를 수동적으로 인식하는 단계를 지나, 새로운 콘텐츠를 창조하고 인간과 고차원적인 소통을 나눌 수 있는 가능성을 보여주는 사례로, 예술과 산업 전반에 걸쳐 새로운 영감을 불어넣고 있습니다. 화질 개선 및 영상 처리 분야에서도 딥러닝은 놀라운 성능을 발휘합니다. 흑백 사진을 자연스러운 컬러로 복원하거나, 심한 노이즈가 섞인 이미지에서 원래의 형체를 찾아내는 기술이 실용화되었습니다. 또한 낮은 프레임의 영상을 부드러운 고프레임 영상으로 변환하는 프레임 보간 기술은 영상 제작 현장에서 혁신을 일으키고 있습니다. 이러한 기술들은 인공지능이 사전에 학습한 방대한 시각적 패턴을 바탕으로 부족한 정보를 추론하여 인간의 눈보다 더 정밀하게 이미지를 재구성할 수 있음을 증명하며, 오래된 기록물의 복원이나 고화질 콘텐츠 제작에 기여합니다. 강화 학습은 인공지능이 시행착오를 통해 최적의 행동을 배우게 합니다. 벽돌깨기 같은 고전 게임부터 바둑의 알파고, 복잡한 전략이 필요한 스타크래프트의 알파스타까지 인공지능은 인간의 한계를 뛰어넘는 전략을 스스로 터득해 왔습니다. 특히 보이지 않는 영역의 정보를 추정해야 하는 게임 환경에서의 성공은 인공지능의 판단 능력이 얼마나 정교해졌는지를 잘 보여줍니다. 이러한 학습 방식은 단순히 게임에 그치지 않고, 향후 복잡한 변수가 존재하는 현실 세계의 물류 시스템이나 로봇 제어 문제를 해결하는 데에도 중요한 열쇠가 될 것으로 기대됩니다. 하지만 인공지능의 눈부신 발전 뒤에는 해결해야 할 과제도 산적해 있습니다. 학습 데이터에 포함된 인종이나 성별에 대한 편향이 결과에 반영되거나, 딥페이크 기술이 악용되어 사회적 혼란을 야기하기도 합니다. 또한 방대한 모델을 학습시키는 과정에서 발생하는 막대한 탄소 배출은 환경적인 부담으로 작용합니다. 따라서 기술적 완성도를 높이는 것만큼이나 윤리적 가이드라인을 마련하고 사회적 합의를 이끌어내는 노력이 병행되어야 합니다. 진정한 인공지능의 완성은 기술의 효율성과 인간의 보편적 가치가 조화를 이룰 때 비로소 가능해질 것입니다.

[강연] 컴퓨터비전과 딥러닝의 현재와 미래 _ by한보형 | 2020 가을 카오스강연 'Ai X' 5강

한보형

카오스재단카오스강연
  • 융합

[인터뷰] 강명주 ─ 겨울왕국 그래픽에 수학공식이 사용된 이유! | 2020 봄 카오스강연 '첨단기술의 과학'

많은 이들이 수학을 입시를 위한 도구로만 여기지만, 사실 수학은 우리 사회 곳곳에서 유용하게 쓰이고 있습니다. 순수 수학의 이론적 아름다움을 넘어, 실생활에 직접적인 영향을 미치는 응용 수학의 세계는 무궁무진합니다. 예를 들어 우리가 즐겨 보는 애니메이션 '겨울왕국' 속 눈의 질감이나 움직임은 정교한 수학 방정식으로 구현된 결과물입니다. 단순한 스케치로는 표현할 수 없는 극사실적인 묘사가 수학적 원리를 통해 완성되는 것입니다. 이처럼 스마트폰의 영상 처리 기능부터 복잡한 그래픽 기술에 이르기까지, 우리가 누리는 현대 문명의 편리함 뒤에는 언제나 보이지 않는 수학적 기초가 튼튼하게 자리 잡고 있습니다. 최근 화두가 되고 있는 인공지능은 단순히 로봇을 만드는 기술을 넘어 매우 광범위한 개념을 포괄합니다. 인공지능이라는 거대한 틀 안에는 데이터를 통해 스스로 학습하는 기계학습이 존재하며, 그중에서도 가장 핵심적인 역할을 수행하는 것이 바로 딥러닝입니다. 1980년대부터 시작된 기계학습의 개념은 기술의 발전을 거듭하며 오늘날의 딥러닝으로 진화하였고, 이는 현재 가장 유용하고 강력한 성능을 발휘하는 기술로 자리매김했습니다. 결국 인공지능의 눈부신 성과는 수학적 알고리즘이 뒷받침된 기계학습과 딥러닝의 유기적인 결합 덕분이라고 할 수 있습니다. 이러한 기술적 위계 구조를 이해하는 것은 현대 과학 기술의 흐름을 파악하는 첫걸음이 됩니다. 인공지능의 발전사는 응용 수학의 발전 궤적과 그 흐름을 같이합니다. 1980년대부터 본격적으로 연구된 응용 수학의 이론들이 연결 고리가 되어 현재의 딥러닝 기술을 탄생시켰기 때문입니다. 인공지능 연구에 있어 어떤 수학적 원리가 필요한지, 그리고 현재 직면한 문제점은 무엇인지 파악하는 과정은 매우 중요합니다. 수학은 인공지능이 가진 한계를 극복하고 더 높은 단계로 도약하게 만드는 핵심 열쇠입니다. 앞으로 인공지능이 어떤 방향으로 나아가고 우리 삶을 어떻게 변화시킬지는 수학적 탐구의 깊이에 달려 있습니다. 이러한 학문적 연결 고리를 이해함으로써 우리는 미래 기술에 대한 더욱 명확한 통찰을 얻을 수 있을 것입니다.

[인터뷰] 강명주 ─ 겨울왕국 그래픽에 수학공식이 사용된 이유! | 2020 봄 카오스강연 '첨단기술의 과학'

강명주

카오스재단카오스강연
  • 수학

[강연] 우주 레이다로 만든 지구그림과 이웃행성 탐사(4) | 패널토의 | 2016 가을 카오스 강연 '지구인도 모르는 지구' 10강 | 10강 ④

레이더 위성은 인류가 직접 도달하기 어려운 남극과 북극, 그리고 광활한 바다의 변화를 관측하는 데 핵심적인 역할을 수행합니다. 지표 변위를 탐지하고 자동으로 분석하는 알고리즘을 통해 우리는 지구 환경의 변화를 실시간으로 모니터링할 수 있게 되었습니다. 특히 빙하의 흐름이나 얼음이 깨져 나가는 양상을 관측함으로써 기후 변화가 지구에 미치는 영향을 정밀하게 파악하는 것이 가능해졌습니다. 이러한 기술은 단순한 관측을 넘어 지구의 미래를 예측하는 중요한 지표가 됩니다. 1957년 스푸트니크 1호가 발사된 이후, 인류는 수천 개의 인공위성을 우주로 쏘아 올리며 본격적인 우주 시대를 열었습니다. 현재 지구 궤도에는 레이더 위성뿐만 아니라 지도를 제작하는 광학 위성, 위치 정보를 제공하는 GPS 위성, 그리고 중력 변화 측정 위성 등 다양한 목적을 가진 장치들이 활동하고 있습니다. 각 위성은 고유의 센서를 탑재하여 기상 예보, 미세먼지 추적, 해양 생태계 관측 등 우리 실생활과 밀접한 분야에서 방대한 데이터를 수집하며 과학 기술의 향연을 펼치고 있습니다. 우리가 흔히 사용하는 GPS 위성과 레이더 위성은 작동 원리에서 뚜렷한 차이를 보입니다. GPS는 최소 4대 이상의 위성으로부터 신호를 받아 사용자의 정밀한 위치를 계산하는 1차원적 신호 체계를 기반으로 합니다. 반면 레이더 위성은 스스로 전파를 쏘아 돌아오는 신호를 분석하여 2차원 영상을 생성하며, 데이터 가공을 통해 3차원 수치 표고 모델(DEM)까지 구현할 수 있습니다. 이러한 차이 덕분에 레이더는 단순한 위치 파악을 넘어 지형의 높낮이나 구조물의 형태를 정밀하게 시각화하는 독보적인 능력을 갖추게 되었습니다. 우주 탐사 분야에서 레이더 기술의 가치는 더욱 빛을 발합니다. 카시니-호이겐스 미션은 토성의 위성인 타이탄에서 액체 메탄 호수의 존재를 증명하며 지구 밖 행성에도 액체 순환 체계가 있음을 확인시켜 주었습니다. 영하 180도의 극한 환경에서도 메탄이 기체, 액체, 고체로 변하며 비가 내리고 강이 흐르는 모습은 지구의 물 순환과 매우 흡사합니다. 이는 생명체 존재 가능성에 대한 새로운 가설을 제시하며, 우리가 직접 가보지 못한 먼 우주의 신비를 밝혀내는 데 결정적인 단서를 제공하고 있습니다. 레이더는 기후 변화 대응과 재난 감시 분야에서도 탁월한 성능을 발휘합니다. 남극 빙하의 이동 속도를 계산하여 해수면 상승이 도서 국가에 미치는 영향을 예측하거나, 광학 카메라로는 식별하기 어려운 습지대의 수위 변화를 정확하게 지도화할 수 있습니다. 또한 구름이 짙게 낀 상황에서도 바다 위의 선박을 탐지하여 조난 구조를 돕거나, 지하 핵실험으로 인한 지표 변위를 찾아내는 등 보이지 않는 곳에서 일어나는 변화를 포착하여 인류의 안전을 지키는 파수꾼 역할을 수행합니다. 인공위성 기술은 특정 국가의 자산을 넘어 전 지구적인 협력의 도구로 활용되고 있습니다. '인터내셔널 차터'와 같은 국제 기구를 통해 재난 발생 시 각국의 위성 데이터를 신속하게 공유함으로써 피해를 최소화하려는 노력이 이어지고 있습니다. 네팔 지진이나 이탈리아 지진 당시에도 여러 국가의 우주 기구들이 긴밀하게 협력하여 지진 모델링과 변위 지도를 제작해 공유한 사례가 대표적입니다. 우리나라도 아리랑 위성 시리즈를 통해 이러한 국제적 인도주의 활동에 적극적으로 참여하며 우주 기술의 가치를 실현하고 있습니다. 레이더 영상이 정밀한 입체감을 가질 수 있는 비결은 전파를 비스듬하게 쏘아 물체와의 거리 차이를 이용하는 기술에 있습니다. 마이크로웨이브를 사용하는 레이더는 구름이나 모래를 투과할 수 있어 기상 조건에 상관없이 지표면 아래의 옛 강줄기나 다른 행성의 지형까지 선명하게 보여줍니다. 많은 이들이 전자파의 유해성을 우려하기도 하지만, 수백 킬로미터 상공에서 전달되는 신호는 지상의 전자레인지보다 훨씬 약한 수준입니다. 이처럼 안전하면서도 강력한 투과력을 가진 레이더는 인류의 시야를 우주 끝까지 확장하고 있습니다.

[강연] 우주 레이다로 만든 지구그림과 이웃행성 탐사(4) | 패널토의 | 2016 가을 카오스 강연 '지구인도 모르는 지구' 10강

김덕진, 윤상호, 홍상훈

카오스재단카오스강연
  • 지구환경과학