Improvement in Image Classification by GRF-based Anisotropic Diffusion Restoration

GRF기반이방성 분산 복원에 의한 분류 결과 향상

This study proposed an anisotropic diffusion restoration fer image classification. The anisotropic diffusion restoration uses a probabilistic model based on Markov random field, which represents geographical connectedness existing in many remotely sensed images, and restores them through an iterative diffusion processing. In every iteration, the bonding-strength coefficient associated with the spatial connectedness is adaptively estimated as a function of brightness gradient. This study made experiments on the satellite images remotely sensed on the Korean peninsula. The experimental results show that the proposed approach is also very effective on image classification in remote sensing.

본 연구는 원격탐사 영상분류 과정에 이방성 분산 복원의 적용을 제안하고 있다. 수정 이방성 분산 복원은 많은 원격탐사 영상에 나타나는 지리적 연결성을 대표하는 Markov random field에 기반한 확률적 모형을 사용하고 있고 반복적인 확산과정을 통해 영상복원을 수행한다. 제안 확산과정은 지리적 연결성과 연관된 응집력 계수를 위하여 brightness gradient의 함수를 사용하며 매 반복단계마다 adaptive하게 추정한다. 한반도의 위성 원격탐사 자료에 대한 실험을 실시하였고 제안된 수정 이방성 분산 복원의 적용은 실제 관측 자료에도 매우 효과적임을 알 수 있었다.