• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 춘계학술대회 논문집
• /
• pp.223-227
• /
• 2006

최근 위성기술의 발전은 크게 두 가지 방향으로 진행되고 있다. 하나는 고해상도(High Resolution)라는 말로 대표되는 공간해상도(Spatial Resolution)의 향상이고, 다른 하나는 초분광(Hyperspectral)으로 대표되는 분광해상도(Spectral Resolution)의 향상이다. 특히 초분광영상(Hyperspectral Image)은 지상피복 및 대상물에 대해 실험실에서 얻을 수 있을 정도의 연속적이고 좁은 파장 간격의 분광정보를 제공하고 있어, 기존에 사용하던 다중분광영상(Multispectral Image) 보다 많은 양의 정보를 사용자에게 제공한다. 본 논문에서는 다중분광영상과 초분광영상의 분광 정보를 활용한 영상분류능력을 비교분석하고 그 결과를 평가하였다. 분석결과는 다중분광영상에서 식별이 어려웠던 초지, 농지, 나지에 대한 분석 능력이 초분광영상에서 상당히 향상됨으로써 감독분류에서 약 20% 정도의 정확도 향상을 가져왔으며, 무감독분류의 경우에는 미소한 차이로 그 정확도가 향상된다는 것이다. 이런 결과는 향후 초분광영상의 토지 피복분류 및 대상물 탐사에 긍정적인 활용 방안을 제시할 수 있음을 알려주고 있다.

• 한국토양비료학회지
• /
• 제34권5호
• /
• pp.342-349
• /
• 2001

Landsat TM 인공위성 자료(1997년 6월 16일 촬영)를 이용하여 평택시에 대한 지표피복분류도를 만들고 정확도를 평가하였고, 또한 우리 나라의 농업실정에 맞는 지표피복 분류체계를 세우기 위해 Anderson의 지표피복분류안을 응용하여 새로운 분류안을 만들었다. 분류방식으로는 감독분류를 사용하였는데 결과에 직접적인 영향을 주는 훈련장소(training site)의 선정을 위해 지형도, 항공사진 등과 현지 실사자료인 DGPS 자료를 사용하여 논, 밭 등 13개의 훈련조(training sets)를 작성 후 최대우도법(最大尤度法)(maximum likelihood classifier)을 적용하여 주제도를 만들었다. 이의 정확도 평가를 위해 DGPS, 항공사진, 지형도 등을 이용한 분류정확도 평가에서 전체 정확도는 86.8%이며, 카파계수가 85.4%로 매우 양호한(Excellent) 것으로 판명되었다. 그러나 도시/촌락, 비닐하우스 등의 사용자 정확도는 60% 정도로서 낮은 편이며, 도로, 비닐하우스 등의 생산자 정확도는 70% 정도로 낮은 편인데, 이는 인공건조물이라는 특징에 따른 분광학적 반사특성과 이질성(異質性)과 분포면적이 적은데 기인된 것으로 생각된다. 한편 원격탐사자료를 이용하여 토지피복 분류도를 작성할 때 우리나라 농업실정에 알맞은 농업적(農業的) 지표피복분류안(地表被覆分類案)을 만들었는데, 수준 I에는 농경지, 산림지, 물, 불모지, 도시나 인공건조물 등으로 나눌 수 있다.

• 대한공간정보학회지
• /
• 제20권2호
• /
• pp.73-79
• /
• 2012

본 연구는 LANDSAT TM영상을 이용하여 도농중심도시인 김제시의 토지이용변화를 분석하고 미래 변화예측을 시도한 것이다. 감독분류 시 새로운 시도로 훈련영역 선정 시 HSB(Hue, Saturation, Brightness) 변환영상을 이용함으로써 약 5% 이상의 분류정확도 향상을 가져왔다. 분류결과와 해당지역의 구역 별 인구, DEM, 도로망, 수계 등 GIS데이터를 고려하여 셀룰라오토마타 알고리즘을 발전시킨 Markov Chain 기법으로 토지이용변화예측을 실시하였다. 토지변화비율을 비교 분석한 결과 지형적인 특성이 토지이용의 변화에 가장 크게 영향을 미치는 것으로 판단되었다. 또한 2030년 후의 토지이용변화 예측 결과 김제시 전체에서 산악지의 21.67%가 농경지로 13.11%는 시가지로 변화될 것으로 예측되었다. 주된 변화는 도심 중심부에 위치한 규모가 작은 산악지인 것으로 예측 되었다. 연구결과 미래의 토지이용변화를 예측함으로써 식량자원의 확보를 위한 도농도시의 토지이용계획에 도움이 될 것으로 확신한다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.545-557
• /
• 2022

본 연구는 직접적인 접근이 어려운 demilitarized zone (DMZ)의 산불 피해 지역을 파악하기 위하여, 고해상도 위성영상 및 머신러닝 기반의 감독 분류 기법을 이용하였다. 고해상도 위성 영상은 Sentinel-2 A/B를 이용하였으며, SVM 감독분류 기법을 기반으로 토지피복도를 산출하였다. DMZ 산불 피해 지역을 분류하기 위한 최적의 조합을 찾기 위하여 SVM 내에 다양한 커널과 밴드 조합에 따른 감독 분류를 진행하고 오차 행렬을 통해 정확도를 평가하였다. 또한, 2020년, 2021년은 위성영상 자료 기반의 산불 탐지 결과와 산불 연보의 피해 지역 면적 간의 비교를 통한 검증을 수행하였다. 이후, 현재 피해 면적 자료가 없는 2022년의 산불 피해 지역을 탐지함으로써 신뢰할 만한 수준의 결과를 신속적으로 파악하고자 하였다.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.433-442
• /
• 2018

저수구역은 계획된 홍수위에 의하여 둘러싸인 지역 혹은 댐의 계획된 홍수위 내에 있는 지역으로 정의된다. 본 연구에서는 저수구역 내 농경지를 탐지하기 위하여, 대표적인 기계학습 기법인 RF (Random Forest) 기반의 감독 분류 방법을 적용하였다. 저수구역 내의 농경지를 효과적으로 분류하기 위하여, 질감정보를 정량화하기 위한 대표적인 기법인 GLCM (Gray Level Co-occurrence Matrix)과 NDWI (Normalized Difference Water Index), NDVI (Normalized Difference Vegetation Index)를 추가적인 입력자료로 활용하였다. 특히, 질감정보를 생성하는데 사용된 윈도우 크기가 농경지의 분류 정확도에 미치는 영향을 분석하여, 저수구역 내의 농경지를 효과적으로 분류하기 위한 방법론을 제시하였다. 실험결과, UAV 영상을 이용한 분류결과를 통하여 취득된 다중분광영상과 NDVI, NDWI, GLCM 영상들을 이용하여 저수구역 내의 농경지를 효과적으로 탐지할 수 있음을 확인하였다. 또한, GLCM의 윈도우 크기가 분류정확도를 향상시키기 위한 중요한 변수임을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.132-137
• /
• 2005

재해분야에 인공위성의 활용도가 높아짐에 따라 본 연구에서는 Landsat 영상과 RADARSAT 영상을 이용하여 안성천유역을 대상으로 침수지역을 추출하고자 하였다. Landsat 영상은 침수 전과 후의 영상을 각각 선정하였으며 RADARSAT 영상은 침수 중과 침수 후 의 영상을 선정하였다. 각 영상에 대하여 전처리와 기하보정을 걸친 후 침수지역을 파악하기 위한 방법으로 토지피복분류 방법을 사용하였고, 그 중 Landsat 영상은 분광반사계를 이용하여 감독분류를 실시하였고, RADARSAT 영상은 무감독 분류를 실시하여 침수 지역을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제35권6_2호
• /
• pp.1095-1106
• /
• 2019

산불 피해는 복구, 보상 및 2차 피해 예방을 위해 빠르고 정확히 조사되어야 한다. 원격탐사 기반의 산불 피해강도 조사 방법으로 주로 산불 전과 후의 반사율 및 분광지수의 차이를 비교하고 있다. 최근 고해상도 위성영상 및 무인기 영상의 활용이 증가하고 있으나, 언제 어디에서 발생할지 예측할 수 없는 산불에 대한 발생 전 영상을 획득하는 것이 쉽지 않다. 본 연구에서는 산불 피해강도 분류에 있어 고해상도 영상과 감독분류 기법의 활용 가능성을 분석하고자 하였다. 산불 후에 촬영된 KOMPSAT-3A 영상과 무인기 다중분광영상에 반사율의 절대값을 이용하는 최대우도법과 반사율의 패턴을 이용하는 분광각매퍼의 두 가지 감독분류 기법을 적용하였다. 그 결과 분류 기법 측면에서 최대우도법이 분광각매퍼에 비해 높은 분류정확도를 보여주었으며, 이는 피해강도 등급 간에 분광반사율의 절대값은 다르지만 패턴이 유사한 등급들이 존재하기 때문인 것으로 판단된다. 공간해상도 측면에서 상대적으로 해상도가 높은 무인기 영상의 분류정확도가 위성영상보다 높게 나타났다. 그러나 무인기와 위성 영상 모두 분류정확도가 매우 높게 나타나고 있어 피해강도 분류에 활용 가능성이 높다고 할 수 있다. 따라서, 피해강도 분류에 있어 산불 후에 촬영된 고해상도 영상들을 이용할 수 있을 것으로 판단된다.

• 한국지구과학회지
• /
• 제25권8호
• /
• pp.764-773
• /
• 2004

산불지역 토양의 침식양상을 구분하기위하여 강원도 강릉시 사천면 일대의 산불지역 토양을 조사하였다. 토양은 유기물의 분포양상 및 토양층의 두께, 토양층 발달의 완전성(성숙도)를 근거로 5개 유형으로 구분하였다. 침식 현상은 토양의 유형에 따라 다르게 나타났다. 나뭇잎, 낙엽층, 뿌리, 재 그 밖의 유기물의 피복이 토양의 색과 영상 이미지 반사에 영향을 미치는 중요한 요인이었다. 침식양상의 차이를 보이는 5개 유형의 토양의 Landsat ETM 영상은 토양 유형별로 상이한 반사특성을 보였다. 산불지역 토양의 정규식생지수(NDVI)와 무감독 분류는 토양유형에 따른 Landsat ETM 영상 차이를 잘 반영하기 못하였으나, 최대우도법에 의한 감독분류 기법의 적용시 산불지역에서 침식형태에 따른 토양유형 구분이 가능하였다. 본 연구는 산불지역에서 침식현상을 파악하고 예측하는데 Landsat ETM 영상의 활용이 매우 효과적임을 보여주었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 춘계학술대회 학술발표 논문집 제15권 제1호
• /
• pp.428-432
• /
• 2005

영상 데이터와 같은 대용량의 데이터를 분류하고자 할 경우, 입력 데이터의 차원을 줄여서 특징 벡터를 뽑아내는 전처리 과정은 필수적이다. 이 경우 특징 벡터가 입력 데이터의 정보를 최대한 포함하도록 하는 것이 중요하다. 특징 벡터를 뽑는 대표적인 방법으로는 PCA, ICA, LDA, MLP와 같은 특징 추출(feature extraction) 방법을 들 수 있다. PCA와 LDA는 무감독 학습 방식이고, LDA, MLP는 감독 학습 방식에 해당한다. 감독학습 방식의 경우 입력 정보와 함께 클래스 정보를 사용하기 때문에 데이터를 분류하기에 더 좋은 특징들을 뽑아낼 수 있는 장점이 있다. 본 논문에서는 무감독 학습 방식인 PCA에 클래스에 대한 정보를 함께 사용하여 특징을 추출함으로써 데이터 분류에 더욱 적합한 특징들을 뽑는 방법을 제안하였다. 그리고, Yale face database를 사용하여 제안한 알고리즘의 성능을 기존의 알고리즘과 비교, 테스트하였다.

• 한국군사과학기술학회지
• /
• 제13권1호
• /
• pp.147-155
• /
• 2010

Landcover information of access-denied area was extracted from low-medium and high resolution satellite image. Training for supervised classification was performed to refer visually by landcover map which is made and distributed from The Ministry of Environment. The classification result was compared by relating data of FACC land classification system. As we rasterize digital military map with same pixel size of satellite classification, the accuracy test was performed by image to image method. In vegetation case, ancillary data such as NDVI and image for seasons are going to improve accuracy. FACC code of FDB need to recognize the properties which can be automated.