• 대한원격탐사학회지
• /
• 제37권4호
• /
• pp.719-731
• /
• 2021

This study proposes a two-stage hybrid classification model for crop classification using multi-temporal remote sensing images; the model combines feature embedding by using an autoencoder (AE) with a convolutional neural network (CNN) classifier to fully utilize features including informative temporal and spatial signatures. Long short-term memory (LSTM)-based AE (LAE) is fine-tuned using class label information to extract latent features that contain less noise and useful temporal signatures. The CNN classifier is then applied to effectively account for the spatial characteristics of the extracted latent features. A crop classification experiment with multi-temporal unmanned aerial vehicle images is conducted to illustrate the potential application of the proposed hybrid model. The classification performance of the proposed model is compared with various combinations of conventional deep learning models (CNN, LSTM, and convolutional LSTM) and different inputs (original multi-temporal images and features from stacked AE). From the crop classification experiment, the best classification accuracy was achieved by the proposed model that utilized the latent features by fine-tuned LAE as input for the CNN classifier. The latent features that contain useful temporal signatures and are less noisy could increase the class separability between crops with similar spectral signatures, thereby leading to superior classification accuracy. The experimental results demonstrate the importance of effective feature extraction and the potential of the proposed classification model for crop classification using multi-temporal remote sensing images.

• 대한원격탐사학회지
• /
• 제19권5호
• /
• pp.381-392
• /
• 2003

Multi-temporal approaches using sequential data acquired over multiple years are essential for satisfactory discrimination between many land-cover classes whose signatures exhibit seasonal trends. At any particular time, the response of several classes may be indistinguishable. A harmonic model that can represent seasonal variability is characterized by four components: mean level, frequency, phase and amplitude. The trigonometric components of the harmonic function inherently contain temporal information about changes in land-cover characteristics. Using the estimates which are obtained from sequential images through spectral analysis, seasonal periodicity can be incorporates into multi-temporal classification. The Normalized Difference Vegetation Index (NDVI) was computed for one week composites of the Advanced Very High Resolution Radiometer (AVHRR) imagery over the Korean peninsula for 1996 ～ 2000 using a dynamic technique. Land-cover types were then classified both with the estimated harmonic components using an unsupervised classification approach based on a hierarchical clustering algorithm. The results of the classification using the harmonic components show that the new approach is potentially very effective for identifying land-cover types by the analysis of its multi-temporal behavior.

• 대한원격탐사학회지
• /
• 제35권4호
• /
• pp.573-587
• /
• 2019

A multi-temporal approach using remotely sensed time series data obtained over multiple years is a very useful method for monitoring land covers and land-cover changes. While spectral-based methods at any particular time limits the application utility due to instability of the quality of data obtained at that time, the approach based on the temporal profile can produce more accurate results since data is analyzed from a long-term perspective rather than on one point in time. In this study, a multi-temporal approach applying a multi-periodic harmonic model is proposed for classification of remotely sensed data. A harmonic model characterizes the seasonal variation of a time series by four parameters: average level, frequency, phase, and amplitude. The availability of high-quality data is very important for multi-temporal analysis.An satellite image usually have many unobserved data and bad-quality data due to the influence of observation environment and sensing system, which impede the analysis and might possibly produce inaccurate results. Harmonic analysis is also very useful for real-time data reconstruction. Multi-periodic harmonic model is applied to the reconstructed data to classify land covers and monitor land-cover change by tracking the temporal profiles. The proposed method is tested with the MODIS and GOCI NDVI time series over the Korean Peninsula for 5 years from 2012 to 2016. The results show that the multi-periodic harmonic model has a great potential for classification of land-cover types and monitoring of land-cover changes through characterizing annual temporal dynamics.

• 대한원격탐사학회지
• /
• 제31권3호
• /
• pp.205-214
• /
• 2015

이 연구에서는 자료변환기법을 이용해 추출된 여러 특징과 다양한 분류방법론을 결합하여 다중시기 SAR 자료를 위한 새로운 토지피복 분류기법을 제안하였다. 먼저, 다중시기 SAR 자료로부터 원본자료와는 다른 새로운 정보를 추출하기 위해 주성분분석과 3차원 웨이블렛 변환을 이용한 자료변환을 수행하였다. 그리고 나서 최대우도법 분류자, 신경망, support vector machine을 포함한 세 가지 다른 분류자를 변환된 특징자료들과 원본 후방산란계수 자료를 포함한 세가지 자료에 적용하여 다양한 초기 분류 결과를 얻도록 한다. 이후 다수결규칙을 통해 모든 초기결과를 결합하여 최종 분류 결과를 생성하게 된다. 다중시기 ENVISAT ASAR 자료를 이용한 사례연구에서 모든 초기 결과는 사용한 특징자료와 분류자의 종류에 따라 매우 다양한 분류정확도를 보였다. 이러한 9개의 초기 분류 결과를 결합한 최종 분류 결과는 가장 높은 분류 정확도를 보여주고 있는데, 이는 각 초기 분류 결과가 토지피복을 결정하기 위한 상호 보완적인 정보를 제공하기 때문이다. 이 연구에서의 분류정확도 향상은 주로 자료변환을 통해 얻어진 각기 다른 특징자료와 다른 분류자를 결합에 의한 다양성 확보에서 기인한다. 그러므로 이 연구에서 제안한 토지피복 분류방법론은 다중시기 SAR자료의 분류에 효과적으로 적용가능하며, 또한 다중센서 원격탐사 자료융합으로 확장이 가능하다.

• The Journal of the Acoustical Society of Korea
• /
• 제16권1E호
• /
• pp.3-8
• /
• 1997

Three new classification methods for multi temporal images are proposed. They are named as a likelihood addition method, a likelihood majority method and a Dempster-Shafer's rule method. Basic strategies using these methods are to calculate likelihoods for each temporal data and to combine obtained likelihoods for final classification. These three methods use different combining algorithms. From classification experiments, following results were obtained. The method based on Dempster-Shafer's rule of combination showed about 12% improvement of classification accuracies compared to a conventional method. This method needed about 16% more processing times than that of a conventional method. The other two proposed method showed 1% to 5% increase of classification accuracies. However processing times of these two proposed method showed 1% to 5% increase of classification accuracies. However processing times of these two methods are almost the same with that of a conventional method. Among the newly proposed three methods, the Dempster-Shafer's rule method showed the highest classification accuracies with more processing time than those of other methods.

• 대한원격탐사학회지
• /
• 제33권5_2호
• /
• pp.621-630
• /
• 2017

이 논문에서는 고해상도 다중시기 위성영상을 이용한 밭작물 재배지 분류 가능성을 확인하기 위해 마늘과 양파 주산지를 대상으로 분류를 수행하였다. 마늘과 양파의 생육주기에 맞춰 영상을 수집하고 단일시기와 다양한 다중시기 자료의 조합으로 분류를 시도하였다. 단일시기 자료의 경우 파종이 모두 끝난 시기인 12월과 작물이 활발히 자라기 시작하는 3월 영상을 이용하였을 때 높은 분류 정확도를 보였다. 한편, 단일시기 자료 보다는 다중시기 자료를 이용하였을 때 더 높은 분류 정확도를 보였는데 자료의 수가 많은 것이 무조건 높은 분류 정확도를 반영하지는 않았다. 오히려 파종 시기 또는 파종 직후의 영상은 분류 정확도를 떨어뜨리는 역할을 하였고 마늘과 양파의 성장기인 3, 4, 5월 영상을 동시에 이용하여 분류하였을 때 가장 높은 분류 정확도를 얻었다. 따라서, 다중시기 위성영상을 이용하여 마늘과 양파를 분류하기 위해서는 작물 주요 성장기의 영상 확보가 매우 중요하다는 것을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제23권3호
• /
• pp.181-188
• /
• 2007

The objective of this research was to investigate the optimal land cover classification algorithm for the monitoring of North Korea with MODIS multi-temporal data based on monthly phenological characteristics. Three frequently used land cover classification algorithms, ISODATA1), SMA2), and SOM3) were employed for this study; the land cover categories were forest, grass, agricultural, wetland, barren, built-up, and water body. The outcomes of the study can be summarized as follows. First, the overall classification accuracy of ISODATA, SMA, and SOM was 69.03%, 64.28%, and 73.57%, respectively. Second, ISODATA and SMA resulted in a higher classification accuracy of forest and agricultural categories, but SOM performed better for the built-up area, bare soil, grassland, and water. A possible explanation for this difference would be related to the difference of sensitivity against the vegetation activity. This would be related to the capability of SOM to express all of their values without any loss of data by maintaining the topology between pixels of primitive data after classification, while ISODATA and SMA retain limited amount of data after normalization process. Third, we can conclude that SOM is the best algorithm for monitoring the land cover change of North Korea.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 International Symposium on Remote Sensing
• /
• pp.76-79
• /
• 2008

This study presents the use of multi-temporal JERS-1 SAR images to the land cover classification. So far, land cover classified by high resolution aerial photo and field survey and so on. The study site was located in Non-san area. This study developed on multi-temporal land cover status monitoring and coherence information mapping can be processing by L band SAR image. From July, 1997 to October, 1998 JERS SAR images (9 scenes) coherence values are analyzed and then classified land cover. This technique which forms the basis of what is called SAR Interferometry or InSAR for short has also been employed in spaceborne systems. In such systems the separation of the antennas, called the baseline is obtained by utilizing a single antenna in a repeat pass

• 항공우주기술
• /
• 제8권1호
• /
• pp.132-137
• /
• 2009

본 연구는 지표투과력이 높은 L밴드 SAR 영상자료를 이용하여 토지피복 분류를 수행하였다. 다중시기 SAR 영상자료의 시간적 변이도 특성이 각기 다르게 나타나는 점을 이용하여 영상의 긴밀도 정보를 추출하고, 추출된 긴밀도 정보를 기반으로 분류를 수행하였다. 시간적 긴밀도 정보를 추출하기 위해 반복 패스를 통해 획득된 간섭 레이더(Interferometry SAR, 이하 InSAR) 기법을 이용하였고, 다중시기 영상에 대해 가장 최적의 기선거리에서 선정된 긴밀도 정보를 포함하는 영상을 선정하여 토지피복 분류작업을 수행한 결과 분류된 객체들 간에 명확하게 구분됨을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제29권5호
• /
• pp.569-579
• /
• 2013

이 연구에서는 다중시기 SAR 영상으로부터 3D 웨이블렛 변환을 통해 추출된 특징 정보를 이용하여 토지피복 분류를 수행하였고 그 적용가능성을 평가하였다. 분류를 하기 전 단계로 3차원 웨이블렛 변환기반 특징을 추출하였고, 이후 토지 피복 분류에 사용하였다. 비교를 목적으로 특징추출 단계가 들어가지 않는 원본 영상과 주성분분석 기반 특징들의 분류를 함께 수행하였다. 성능 검증을 위해 당진에서 촬영된 다중시기 Radarsat-1호 영상을 사용하였고 토지피복은 논, 밭, 산림, 수계, 도심지가 포함된 5개의 클래스로 구분하였다. 토지피복 식별 능력 분석에 따르면 밭과 산림은 매우 유사한 특성을 보이기 때문에 두 클래스를 구분하는 것은 매우 어렵다. 3차원 웨이블렛 기반 특징을 사용하는 경우, 도심지를 제외하고 모든 클래스의 분류 정확도가 향상되었다. 특히 밭과 산림의 정확도가 향상된 것을 확인할 수 있었다. 이러한 향상은 다중시기자료를 시간과 공간적으로 동시에 분석하는 3차원 웨이블렛 변환 과정에 기인한 것으로 판단된다. 이 결과로부터 3차원 웨이블렛 변환이 영상으로부터 특징을 추출하는데 이용 가능하다는 것을 확인할 수 있었고, 추후에 다른 센서나 다른 연구지역으로 추가 실험을 수행할 예정이다.