• 한국측량학회지
• /
• 제17권3호
• /
• pp.311-320
• /
• 1999

본 연구에서는 두만강 하류지역 다분광 TM영상의 변환기법과 그에 대한 감독분류방법을 비교 분석하였다. 총체적 분류 정확도는 최대우도법이 높으며 식생은 MNF와 TC 변환 영상에서 비교적 좋은 분류 결과를 얻을 수 있다. MNF, TC, NDVI 등 영상들로 구성된 7차원 영상은 3차원 영상보다 좋은 결과를 나타내며 그 중에서도 최대우도법의 분류 결과가 제일 좋았다. 다분광 영상은 두만강 지역 경제 개발 계획과 산업 입지 선정에 중요한 기초자료로 활용될 수 있다.

• 한국지역지리학회지
• /
• 제12권4호
• /
• pp.496-507
• /
• 2006

본 연구는 고해상도 자료와 하이퍼스펙트럴 자료를 혼용하여 하와이 화산 국립공원 내 해안 지역의 식생을 분류하고자 하였다. 연구지역에 주로 나타나는 식생은 3종의 초본(broomsedge, natal redtop, and pili)과 작은 관목 등으로 대표되는 비초본으로 구분된다. 분류 기법으로는 unsupervised classification과 supervised classification을 결합한 하이브리드법을 이용하여 전체적으로 3단계 분류과정을 적용하였다. 첫째로는, IKONOS 고해상 위성자료를 이용하여, 식생 및 비식생지역을 unsupervised classification법을 통해 분류하였다. 두 번째로는, minimum noise fraction(MNF) transformation을 이용하여 AVIRIS하이퍼스펙트럴 자료로부터 주성분을 추출하여 자료를 압축하는 과정을 거쳤다. 20미터 해상도를 가진 AVIRIS 픽셀들은 대부분 용암면과 식생면으로부터 반사된 복사신호가 혼합되어 있기때문에, 용암과 식생의 지표피복 비율에 따른 선형모형을 적용하여 용암면이 갖는 반사 신호를 각 픽셀로부터 제거하였다. 최종적으로, 각 픽셀에 대하여, 식생피복 비율에 비례하는 AVIRIS 하이퍼스펙트럴 자료의 식생성분을 토대로 maximum likelihood algorithm에 따라 supervised classification법을 적용하여 초지 및 관목으로 대표되는 지표식생을 분류하였다.

• 한국산학기술학회논문지
• /
• 제19권10호
• /
• pp.633-639
• /
• 2018

하천환경을 구성하고 있는 복잡하고 다양한 인자의 특성에 따라 공간을 세밀하게 분류하기 위해서는 원격탐사(RS)를 통해 고해상도의 영상을 확보하는 것이 무엇보다 중요하다. 본 연구는 하천공간을 대상으로 환경 특성에 따른 공간 분류를 수행하기 위해 드론을 활용하여 취득한 고해상도 초분광 영상의 활용 가능성을 제시하고, 분류 결과에 대한 정확도를 평가하고자 하였다. 연구지역에서 획득한 초분광 영상은 노이즈로 인한 영향을 줄이고자 MNF와 PCA 기법으로 차원축소를 수행하였으며, MLC(Maximum Likelihood Classification)와 SVM(Support Vector Machine), SAM(Spectral Angle Mapping) 감독분류기법을 적용하여 하천환경특성에 따른 공간분류를 수행하였다. 연구 결과 MNF기법으로 차원 축소한 영상을 적용하여 MLC 감독분류를 수행하였을 때 가장 높은 분류정확도를 얻을 수 있었으나, 일부 클래스 및 수역의 경계와 그림자 공간에서 주로 오분류가 나타나는 것을 확인할 수 있었다. 이와 같은 연구 결과는 앞으로 드론과 초분광센서를 적용한 원격탐사를 위한 기초자료로 활용 할 수 있으며, 추가적인 알고리즘 개발을 통해 보다 광범위한 하천환경 분야에 적용할 수 있을 것으로 기대한다.

• 한국정보통신학회논문지
• /
• 제12권4호
• /
• pp.716-723
• /
• 2008

최근 과학기술의 급속한 발달과 더불어 인간의 활동 영역이 넓어짐으로써 연안해역 개발과 환경 등의 문제가 전세계적으로 대두되고 있으며, 보다 광범위한 분석을 위해 위성영상을 활용이 증대되고 있는 실정이다. 본 연구는 보다 효율적인 연안해역의 수심 결정에 있어 하이퍼스펙트럴 위성영상을 활용하는데 그 목적을 둔다. 이를 위해 먼저 EO-1 Hyperion 위성영상에서 연구대상지에 해당하는 부분영상을 추출하고, 대기보정과 기하보정을 실시하였다. 그리고 MNF 변환을 통해 밴드를 압축하고, 수체의 특성을 분석하는데 적합한 밴드를 선정하였다. 선정된 밴드내에서 수심 산정을 위한 계수인 Kd를 결정하였으며, 순수한 분광 특성을 가진 화소의 endmember의 결정과 선형분광순수화 기법을 이용한 매핑을 통해 대상 연안의 수심을 최종적으로 결정하였다. 연구 결과, 산정 된 수심은 수치해도상의 수심과 평균 1.2m 정도의 차이를 보였고, 산정 하고자 하는 수심이 깊을수록 오차는 크게 나타났다. 향후 대기보정, endmember 결정, Kd 산정 등의 정확도를 높인다면 보다 경제적이고 효율적인 수심 결정이 가능할 것으로 판단된다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2003년도 추계학술대회논문집
• /
• pp.23-29
• /
• 2003

Detection in remotely sensed images can be conducted spatially, spectrally or both [2]. If the images have high spatial resolution, materials can be detected by using spatial and spectral information, unless we can't see the object embedded in a pixel. In this paper, we intend to solve the limit of spatial resolution by using the hyperspectral image which has high spectral resolution. Therefore, the Linear Spectral Mixing(LSM) Model which is sub-pixel detection algorithm is used to solve this problem. To find class Endmembers, we applied Geometric Model with MNF(Minimum Noise Fraction) transformation. From the result of sub-pixel detection algorithm, we can see the detection of water is satisfied and the object shape cannot be extracted but the possibility of material existence can be identified.

• 대한토목학회논문집
• /
• 제29권3D호
• /
• pp.419-431
• /
• 2009

본 연구의 핵심은 하이퍼스펙트럴영상에 정준상관분류기법을 적용할 때, 최적의 분광밴드를 찾아내는 유효밴드 선정 및 추출기법은 무엇인가를 알아내는 것이다. 본 연구에서는 미국의 Purdue University에서 개발된 Multispec$^{(C)}$ 소프트웨어를 사용하여 각각의 분리도 결정기법에 따른 최적의 유효밴드를 선정하였다. 사용된 분리도 결정기법은 Divergence, Transformed Divergence, Bhattacharyya, Mean Bhattacharyya, Covariance Bhattacharyya, Non Covariance Bhattacharyya로서 총 6가지이다. 특징추출을 위해 Erdas Imagine과 ENVI 소프트웨어를 사용하여 PCA 변환과 MNF 변환을 수행하였다. 유효밴드 선정 및 특징추출의 효과에 대한 비교평가를 위해, 정준상관분류기법에 의한 토지피복분류작업을 수행하였다. 1차 선별된 60개 밴드를 사용한 정준상관분류의 정확도는 71.8%이며, 정준상관분류를 사용하여 가장 높은 분류정확도를 얻은 방법은 Noncovariance Bhattacharyya 적용 후 정준상관분류를 수행한 경우로서 전체정확도 79.0% 이다. 결론적으로 정준상관분류에 의한 하이퍼스펙트럴영상 분류에서는 유효밴드선정기법으로 사실상 Noncovariance Bhattacharyya 기법만 유용하였으며, 나머지 유효밴드 선정기법(Divergence 제외)과 특징추출기법은 정준상관분류에서는 오히려 분류정확도가 하락함을 확인하였다.