• Korean Journal of Geomatics
• /
• 제3권1호
• /
• pp.33-41
• /
• 2003

Every year, several typhoons hit the Korean peninsula and cause severe damage. For the prevention and accurate estimation of these damages, real time or almost real time flood information is essential. Because of weather conditions, images taken by optic sensors or LIDAR are sometimes not appropriate for an accurate estimation of water areas during typhoon. In this case SAR (Synthetic Aperture Radar) images which are independent of weather condition can be useful for the estimation of flood areas. To get detailed information about floods from satellite imagery, accurate classification of water areas is the most important step. A commonly- and widely-used classification methods is the ML(Maximum Likelihood) method which assumes that the distribution of brightness values of the images follows a Gaussian distribution. The distribution of brightness values of the SAR image, however, usually does not follow a Gaussian distribution. For this reason, in this study the ANN (Artificial Neural Networks) method independent of the statistical characteristics of images is applied to the SAR imagery. RADARS A TSAR images are primarily used for extraction of water areas, and DEM (Digital Elevation Model) is used as supplementary data to evaluate the ground undulation effect. Water areas are also extracted from KOMPSAT image achieved by optic sensors for comparison purpose. Both ANN and ML methods are applied to flat and mountainous areas to extract water areas. The estimated areas from satellite imagery are compared with those of manually extracted results. As a result, the ANN classifier performs better than the ML method when only the SAR image was used as input data, except for mountainous areas. When DEM was used as supplementary data for classification of SAR images, there was a 5.64% accuracy improvement for mountainous area, and a similar result of 0.24% accuracy improvement for flat areas using artificial neural networks.

• 대한원격탐사학회지
• /
• 제38권6_4호
• /
• pp.1911-1923
• /
• 2022

The availability of high-resolution satellite images provides precise information without direct observation of the research target. Korea Multi-Purpose Satellite (KOMPSAT), also known as the Arirang satellite, has been developed and utilized for earth observation. The machine learning model was continuously proven as a good classifier in classifying remotely sensed images. This study aimed to compare the performance of the support vector machine (SVM) model in classifying the land cover of the Delaware River port area on high and medium-resolution images. Three optical images, which are KOMPSAT-2, KOMPSAT-3A, and Sentinel-2B, were classified into six land cover classes, including water, road, vegetation, building, vacant, and shadow. The KOMPSAT images are provided by Korea Aerospace Research Institute (KARI), and the Sentinel-2B image was provided by the European Space Agency (ESA). The training samples were manually digitized for each land cover class and considered the reference image. The predicted images were compared to the actual data to obtain the accuracy assessment using a confusion matrix analysis. In addition, the time-consuming training and classifying were recorded to evaluate the model performance. The results showed that the KOMPSAT-3A image has the highest overall accuracy and followed by KOMPSAT-2 and Sentinel-2B results. On the contrary, the model took a long time to classify the higher-resolution image compared to the lower resolution. For that reason, we can conclude that the SVM model performed better in the higher resolution image with the consequence of the longer time-consuming training and classifying data. Thus, this finding might provide consideration for related researchers when selecting satellite imagery for effective and accurate image classification.

• 한국지리정보학회지
• /
• 제3권4호
• /
• pp.73-86
• /
• 2000

본 연구에서는 다시기 위성영상과 GIS(geographic information system)를 이용하여 과수재배분포도 작성에 있어 다양한 분류기법을 적용하여 보다 효율적인 기법도출에 그 목적을 두고 있다. 이를 위해 다시기별 Landsat TM영상과 현지 조사자료 및 기존 과수재배 면적 통계자료를 활용하여 각 분류기법에 대한 시기별 및 과수별 분포 특성과 비교 분석함으로서 과수재배분포도 작성에 있어 효과적인 분류기법을 도출하였다. 다시기 Landsat TM 영상을 이용한 과수재배 분포도작성을 위해서는 초가을 영상으로 MLC(maximum likelihood classification)기법을 적용하는 것이 가장 효율적인 것으로 나타났다. 또한 GIS를 통한 공간분석으로 행정별 과수재배의 면적을 효과적으로 추출함과 동시에 과수재배분포의 형태를 효율적으로 파악 할 수 있음을 규명하였다.

• 한국농공학회논문집
• /
• 제49권5호
• /
• pp.67-77
• /
• 2007

The images of MODerate resolution Imaging Spectroradiometer (MODIS) that provide wider swath and shorter revisit frequency than Land Satellite (Landsat) and Satellite Pour I' Observation de la Terre (SPOT) has been used fer land cover classification with better spatial resolution than National Oceanic and Atmosphere Administration/Advanced Very High Resolution Radiometer (NOAA/AVHRR)'s images. Due to the advantages of MODIS, several researches have conducted, however the results for the land cover classification using MODIS images have less accuracy of classification in small areas because of low spatial resolution. In this study, uncertainty of paddy fields classification using MODIS images was conducted in the region of Gyeonggi-do and the relation between this uncertainty of estimating paddy fields and topographical factors was also explained. The accuracy of classified paddy fields was compared with the land cover map of Environmental Geographic Information System (EGIS) in 2001 classified using Landsat images. Uncertainty of paddy fields classification was analyzed about the elevation and slope from the 30m resolution Digital Elevation Model (DEM) provided in EGIS. As a result of paddy classification, user's accuracy was about 41.5% and producer's accuracy was 57.6%. About 59% extracted paddy fields represented over 50 uncertainty in one hundred scale and about 18% extracted paddy fields showed 100 uncertainty. It is considered that several land covers mixed in a MODIS pixel influenced on extracted results and most classified paddy fields were distributed through elevation I, II and slope A region.

• 대한원격탐사학회지
• /
• 제24권5호
• /
• pp.437-444
• /
• 2008

Land-use or land-cover classification of satellite images is one of the important tasks in remote sensing application and many researchers have tried to enhance classification accuracy. Previous studies have shown that the classification technique based on wavelet transform is more effective than traditional techniques based on original pixel values, especially in complicated imagery. Various basis functions such as Haar, daubechies, coiflets and symlets are mainly used in 20 image processing based on wavelet transform. Selecting adequate wavelet is very important because different results could be obtained according to the type of basis function in classification. However, it is not easy to choose the basis function which is effective to improve classification accuracy. In this study, we first computed the wavelet coefficients of satellite image using ten different basis functions, and then classified images. After evaluating classification results, we tried to ascertain which basis function is the most effective for image classification. We also tried to see if the optimum basis function is decided by energy parameter before classifying the image using all basis functions. The energy parameters of wavelet detail bands and overall accuracy are clearly correlated. The decision of optimum basis function using energy parameter in the wavelet based image classification is expected to be helpful for saving time and improving classification accuracy effectively.

• 스마트미디어저널
• /
• 제11권1호
• /
• pp.17-30
• /
• 2022

기존 컴퓨터 비전의 연구 동향과 마찬가지로, 위성영상을 이용한 연구도 GPU 기반의 컴퓨터 연산능력과 이미지 처리와 관련된 딥러닝 방법론의 발전으로 많이 이루어지고 있다. 그로 인해 다양한 분야에 위성영상이 활용되고 있고, 위성 영상을 활용에 관한 연구도 증가하고 있다. 본 연구에서는 위성영상의 연구 활용 분야와 위성영상을 활용한 연구에 이용할 수 있는 데이터셋에 대해 소개하도록 한다. 먼저, 위성영상을 활용한 연구를 수집하여 연구 방법에 따라 분류하였다. 크게 분류 기반 연구와 회귀 기반 연구로 분류하였고, 그 이외의 방법으로 활용한 논문들을 정리하였다. 다음으로 위성영상을 활용한 연구들에서 이용한 데이터셋을 정리하였다. 본 연구에서는 데이터셋의 정보와 연구에서의 활용 방법에 대해 제안한다. 이와 함께 최근 AI hub에서 개방한 국내 위성영상 데이터셋의 정리와 활용 방안에 대해 소개한다. 마지막으로, 위성 이미지 관련 연구의 한계점과 앞으로의 동향을 간략하게 제시하였다.

• 대한원격탐사학회지
• /
• 제35권6_4호
• /
• pp.1319-1326
• /
• 2019

한국항공우주연구원은 지속적으로 증가하는 공공분야의 위성영상 수요에 대응하기 위해 정부 위성정보활용협의체를 운영하고 있으며, 사용자 편의성 증진 및 위성영상 활용 활성화를 위해 매년 한반도 모자이크 영상을 제작하여 제공하는 등 다양한 지원사업을 수행하고 있다. 특히 한반도 모자이크 영상의 활용도를 높이고 사용자가 손쉽게 분류 영상을 현업에 활용할 수 있도록 모자이크 영상을 분류 및 갱신하는 방안을 모색하고 자 하였다. 그러나 한반도 모자이크 영상은 영상 융합 및 컬러 밸런싱 등을 적용하기 때문에 분광정보, 즉 색상왜곡이 발생하고 R, G, B 밴드만 보유하고 있다는 한계점이 있기 때문에 모자이크 영상으로 만들어낸 분류 결과가 현업에서 활용될 수 있는 수준인지 확인 및 검증이 필요하다. 따라서 본 연구에서는 모자이크 영상으로 분류를 수행했을 때 그 결과물의 신뢰도를 KOMPSAT-3 영상과 비교하여 확인해보고자 하였다. 연구 결과, KOMPSAT-3 영상의 분류 정확도는 약 81~86%(전체 정확도 약 85%)로 나타난 반면, 모자이크 영상분류 결과의 정확도는 약 69~72%(전체 정확도 약 72%)로 다소 낮게 나타났다. 이러한 현상은 모자이크 영상을 생성하는 과정에서 영상 융합과 모자이크 과정을 거치며 본래의 분광정보가 왜곡되었을 뿐만 아니라, 컬러밴드인 R, G, B 세 가지의 밴드만 제공함에 따라 NDVI나 NDWI 정보를 실제 모자이크 영상이 아닌 KOMPSAT-3 영상에서 추출하였기 때문으로 해석된다. 비록 현재로서는 모자이크 영상으로 토지피복분류를 수행하여 사용자에게 배포하기에는 무리가 있을 것으로 판단되나, 추후 모자이크 영상을 제작할 때 분광정보 왜곡을 최소화할 수 있는 방법을 모색하고 R, G, B 밴드뿐만 아니라 NIR 밴드도 함께 제공하거나 모자이크 영상에 적합한 영상분류 기술을 개발할 필요가 있을 것으로 생각된다. 또한 지형특성별 분류결과 비교분석과 관심객체별 기계학습 등을 통한 영상분류 방법을 개발하는 등 관련 연구를 지속한다면, 추후 분광정보가 제한된 영상들도 활용도가 높아질 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권6_4호
• /
• pp.1945-1953
• /
• 2022

한국항공우주연구원에서는 위성영상의 활용 증진과 활용 활성화를 위하여 매년 한반도 모자이크 영상을 제작하여 공공분야 사용자에게 제공하고 있다. 그러나 해당 영상은 모자이크 과정에서 영상 융합 및 컬러 밸런싱의 과정을 거치기 때문에 본래의 분광 정보가 왜곡되어 있다. 또한 모자이크 영상은 Near Infrared (NIR) 밴드를 제외한 Red, Green, Blue 밴드만 제공하고 있기 때문에 해당 모자이크 영상을 활용하여 영상을 분석하는 데 한계가 존재한다. 따라서 이러한 한계점을 보완하고자 본 연구에서는 주성분분석(Principal Component Analysis, PCA) 기법과 R, G, B 밴드를 활용한 지수를 추출하여 영상 분류를 수행하고, 그 결과를 비교해 보았다. 분석 결과, 모자이크 영상의 분류 결과 정확도는 약 67.51%인 반면, PCA 기법과 RGB 지수를 모두 함께 활용한 영상 분류 결과의 정확도는 약 75.86%로 나타나 PCA와 RGB 지수를 함께 활용하면 영상 분류 결과의 정확도를 향상시킬 수 있는 것을 확인하였다. PCA 기법과 RGB 지수 활용 기법을 비교한 결과, PCA 기법만 활용하였을 때의 영상 분류 결과 정확도는 약 64.10%로 나타났으며, RGB 지수만 활용했을 때의 영상 분류 결과 정확도는 약 74.05%로 나타났다. 이를 통해 두 기법 중에서는 RGB 지수를 활용한 분류 정확도가 더 높게 나타나는 것을 확인할 수 있었으며, 양질의 보조 정보를 활용하는 것이 중요하다는 시사점을 도출할 수 있었다. 추후 모자이크 영상의 분류 및 분석결과를 향상시키기 위한 추가적인 지수 및 기법 개발이 필요할 것으로 생각되며, 관련 연구를 통해 모자이크 영상 및 제한된 분광 정보만을 제공하는 영상의 활용도를 높일 수 있을 것으로 기대된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1227-1229
• /
• 2003

Kojima Lake in Okayama prefecture is a freshing reservoir constructed adjacent to the oldest reclaimed land in Japan. This lake has a serious water quality problem because two urban rivers are flowing into it. In the present study, unsupervised classification was performed at intervals of several years using Landsat MSS data in the past 15 years. After geometric correction of these data, MSS data corresponding geographically to the field observation data were extracted and subjected to the multivariate analysis. Water quality distribution in the lake was estimated using the regression equation obtained as a result. In addition, two - dimensional and three-dimensional numerical simulations were performed and compared with the distribution obtained from the satellite images. Behavior of the reservoir flows is complicated and water quality distribution varies greatly with the flows. Here, I report the results of analysis on three factors, field observation, numerical simulation and satellite images.

• 한국측량학회지
• /
• 제30권2호
• /
• pp.189-197
• /
• 2012

This research attempted to find possibilities of the practical use utilizing geospatial methods for the balanced promotion of sustainable coastal development and preservation through a case study of Jekyll Island, one of Georgia's barrier islands. In response, this research provided ways for practical use in sustainable development and preservation plans. First this research thoroughly investigated the 1996 master plan of Jekyll Island and tried to recalculate developed and undeveloped areas. Second, new estimations for developed areas were investigated through field survey. Third, this research proposed the use of the satellite images with different levels of spatial resolutions and tested different classification schemes to find possibilities for practical use. For these purposes, first, we classified developed and undeveloped features by manual digitization using an aerial photo image with 0.5m spatial resolution. Second, a Landsat 7 ETM+ and a QuickBird satellite images with mid- and high-levels of spatial resolutions were applied to identify developed and undeveloped areas using both the National Land Cover Data (NLCD) and the Coastal Change Analysis Program (CCAP) classification schemes. Also, GEOBIA (Geographic Object-Based Image Analysis) was conducted to accurately identify developed and undeveloped areas.