Abstract
Recently the high-resolution satellite images are helpfully using the land cover, status data for the natural resources or environment management. The effective satellite analysis process for these satellite images that require high investment can be increase the effectiveness has become increasingly important. In this Study, the statistical value of the training data is calculated and analyzed during the preprocessing. Also, that is explained about the maximum likelihood classification of traditional classification method, artificial neural network (ANN) classification method and Support Vector Machines(SVM) classification method and then the IKONOS high-resolution satellite imagery was produced the land cover map using each classification method. Each result data had to analyze the accuracy through the error matrix. The results of this study prove that SVM classification method can be good alternative of the total accuracy of about 86% than other classification method.
최근 고해상도 위성영상은 자연자원이나 환경 관리에 필요로 하는 토지 피복 및 이용 현황자료 등에 유용하게 사용되고 있는 실정이다. 이에 따라 고액의 투자가 필요로 하는 위성영상의 효율성을 높이기 위하여 영상자료의 분석과정이 중요해지고 있다. 따라서 본 연구에서는 전처리 과정 중 연구대상에 대한 통계값에 대한 계산 및 분석을 수행하였으며, 전통적인 분류 기법인 최대우도 분류 외에도 인공신경망 분류와 SVM 분류에 대하여 설명하고 고해상도 위성영상인 IKONOS영상에 각 분류기법을 적용하여 토지피복분류를 하였으며, 각각의 결과를 오차 행렬을 통해 정확도 분석을 수행하였다. 그 결과 다른 분류 기법에 비해 Support Vector Machines(SVM) 분류 기법이 전체 정확도가 약 86%정도로 가장 우위의 결과물을 도출하였다.
