• 대한원격탐사학회지
• /
• 제19권2호
• /
• pp.170-179
• /
• 2003

다중분광 영상의 정확한 지형지물 분류를 수행할 때 고려해야 할 중요한 요소중에 적절한 분류 클래스의 선정과 선정된 클래스의 분리도가 높아지도록 트레이닝 지역(training fields)을 잡는 것은 특히 중요하다. 최근에 이용되고 있는 위성탑재 하이퍼스펙트럴(hyperspectral) 영상은 많은 밴드를 포함하고 있기 때문에 데이터 처리가 어렵고, 잡음(noise)으로 인하여 다중분광 영상보다 분류 결과가 나쁜 경우도 나타난다. 특히 대상지역의 클래스에 따른 트레이닝 지역의 선정시 일부 클래스에서 하이퍼스펙트럴 밴드수에 비해 상대적으로 적은 수의 트레이닝 샘플로 인하여 공분산 행렬의 계산에 어려움이 따른다. 따라서 본 연구에서는 Hyperion 데이터를 이용한 분류를 수행하기 위하여 밴드 추출 방식을 알아보고, 분류영상의 정확도 평가를 통하여 밴드 추출의 효용성을 시험하였다. 밴드를 줄이는 또 다른 방법인 클래스간 분리도에 따른 최적 밴드를 추출하여 분류정확도를 평가하였다. 실험 결과, 밴드 추출이나 클래스 분리도에 따라 선택된 영상의 분류 정확도는 분류자(classifier)에 상관없이 전체 밴드를 사용한 원영상과 유사하게 나타났지만, 사용된 밴드수와 계산 시간은 단축되었다. 분류자는 MLC, SAM, ECHO의 3종류가 사용되었다.

• 대한공간정보학회지
• /
• 제4권2호
• /
• pp.181-193
• /
• 1996

본 연구는 원격탐사의 수치화상분류에 적용된 바 없는 정준상관분석(Canonical Correlation Analysis)기법을 무감독분류한 위성화상데이터에 적용하여 토지피복분류하는 새로운 방법을 개발하는 것을 목적으로 한다. 개발된 분류기법은 기존의 분류기법인 최대우도분류기법에 비해 분류기준용 표본데이터 선정이 용이함을 알 수 있었다. 즉, 정준상관분석에 의한 분류결과는 분류기준용 표본데이터의 선정위치에 거의 영향을 받지 않는다. 또한 무감독분류 후 정준상관분석에 의해 결정된 각 군집의 토지피복은 최대우도분류를 위한 사전정보로 활용정보로 활용가능하다. 동일한 분류기준용 표본데이터 사용시, 무감독분류 후 정준상관분석에 의한 분류가 최대우도분류보다 분류정확도가 우수하였다. 이상과 같은 결과로 판단해 볼 때 연구에서는 시도된 분류기법은 원격탐사의 분류기법 분야에서 실용화 될 수 있으며, 나아가서는 GIS 데이터베이스 구축에 중요한 역학을 할 수 있을 것이다.

• 한국지리정보학회지
• /
• 제21권1호
• /
• pp.35-45
• /
• 2018

항공기 탑재용 초분광 카메라시스템에 의해 얻어진 영상데이터는 수십 내지 수백의 연속된 초분광 해상도로부터 동시에 각 화소별 완전한 분광 및 공간정보를 포함하고 있으므로 복잡한 연안지역에 대한 해안선 매핑, 특정재료로 이루어진 시설물 탐지, 연안지역의 토지이용 상세분석 및 변화 모니터링 등에 그 활용잠재성이 대단히 크다. 육역과 해역을 포함하는 연안지역을 대상으로 항공기 탑재 초분광센서인 CASI-1500으로부터 취득된 초분광 항공영상을 이용하여 분광각매퍼(SAM;Spectral Angle Mapper) 감독분류방법으로 토지피복분류를 행하였다. 첫번째, 대기보정영상에 대하여 육역과 해역이 포함된 지역에 대한 통합분류, 두번째, 육 해역의 통합분류결과로부터 육역과 해역의 분리 후 재분류, 그리고 세번째로 육역만을 대상으로 한 분류를 각각 수행하여 결과 및 정확도를 비교하였다. 또한 초분광 항공영상 48개 밴드로부터 IKONOS, QuickBird, KOMPSAT, GeoEye 등 고해상도 위성영상과 동일한 파장대의 4개 밴드영상, 그리고 WorldView-2 위성영상과 동일한 파장대의 8개 밴드영상만을 선택하여 각각 토지피복분류를 수행하고 초분광 48개 밴드영상으로 분류한 결과와 비교하였다. 연구결과, 연안지역에 대한 육역과 해역 통합영상으로 분류하는 것에 비해 육역과 해역 통합영상으로 분류한 후 육역과 해역을 분리하여 재분류를 수행하는 것이 효과적인 것으로 나타났다. 육역의 분류 결과에서 분광해상도가 높은 영상의 결과일수록 아스팔트나 콘크리트 도로가 더 정확하게 분류되었다.

• 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.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.406-412
• /
• 2022

Scene classification of very high-resolution (VHR) imagery can attribute semantics to land cover in a variety of domains. Real-world application requirements have not been addressed by conventional techniques for remote sensing image classification. Recent research has demonstrated that deep convolutional neural networks (CNNs) are effective at extracting features due to their strong feature extraction capabilities. In order to improve classification performance, these approaches rely primarily on semantic information. Since the abstract and global semantic information makes it difficult for the network to correctly classify scene images with similar structures and high interclass similarity, it achieves a low classification accuracy. We propose a VHR remote sensing image classification model that uses extracts the global feature from the original VHR image using an EfficientNet-V2L CNN pre-trained to detect similar classes. The image is then classified using a multilayer perceptron (MLP). This method was evaluated using two benchmark remote sensing datasets: the 21-class UC Merced, and the 38-class PatternNet. As compared to other state-of-the-art models, the proposed model significantly improves performance.

• 한국지리정보학회지
• /
• 제13권1호
• /
• pp.89-100
• /
• 2010

본 연구는 다양한 고해상도 위성영상을 사용하여 토지피복도를 제작하고 영상종류와 피복도의 분류에 따른 정확도를 비교함에 목적이 있다. 토지피복도 작성시 세분류의 다양함을 위해 시가지와 농지, 수역 등을 포함하는 낙동강 하구 일대를 연구지역으로 선정하였고, 1m 이상의 해상도를 가지는 KOMPSAT2, QuickBird, IKONOS, 항공사진등을 육안판독 후 분류 하였다. 영상과 피복분류에 따른 토지피복도를 작성 후 상호 비교 한 결과 영상별 정확도는 항공사진과 QuickBird가 KOMPSAT2와 IKONOS 보다 상대적으로 높은 것으로 나타났고, 분류방법에 따른 일치도는 대분류의 경우 0.934~0.956, Kappa value는 0.905~0.937, 중분류의 일치도는 0.888~0.913, Kappa value는 0.872~0.901, 세분류의 일치도는 0.833~0.901, Kappa value는 0.813~0.888로 나타났다. 또한 영상별 혼돈발생 정도는 분류 항목에 따라 대분류의 경우 시가화 건조지역과 나지의 혼돈이 발생했고, 중분류는 논, 밭, 하우스 재배지, 인공초지에서 주로 발생하며, 세분류의 경우 자연녹지, 시설물 경작지, 간석지와 해수면으로 주로 나타났다. 본 연구를 통해 토지피복도 작성시 육안판독에 의한 고해상도 영상분류는 전체 80% 이상의 일치도를 나타내어 활용이 가능했고, 고해상도 영상을 사용할수록 정확한 분류가 가능하며 영상의 촬영시기가 토지피복도 작성에 중요함을 알 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.

• 한국측량학회지
• /
• 제38권2호
• /
• pp.87-95
• /
• 2020

South korea has been developing and managing the complete dimensions, around the rivers to rapid economic growth. In Korea, where water resources are scarce, administration and work are complicated and diversified in the computerization of related facilities and hydrologic data due to the indiscriminate development of river facilities. In general, dividing the water system based on object in remote sensing is relatively accurate in the image with the same spectral characteristics. However, the distinction between the reservoir and the river must be made manually due to the characteristics of remote sensing. Therefore, this study performed three classifications using GIS (Geographic Information System) to classify reservoirs and rivers. For the purpose of accuracy analysis, the land cover map provided by EGIS (Environmental Geographic Information Service) was used to evaluate the accuracy, and the average of 85.63% was found to be 75.40% of rivers, 89.50% of reservoirs, and 92.00% of others.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.727-731
• /
• 2003

ASTER image has some advantages for classification such as 15 spectral bands and 15m ${\sim}$ 90m spatial resolution. However, in the classification using general remote sensing image, shadow areas are often classified into water area. It is very difficult to divide shadow and water. Because reflectance characteristics of water is similar to characteristics of shadow. Many land cover items are consisted in one pixel which is 15m spatial resolution. Nowadays, very high resolution satellite image (IKONOS, Quick Bird) and Digital Surface Model (DSM) by air borne laser scanner can also be used. In this study, mixed pixel analysis of ASTER image has carried out using IKONOS image and DSM. For mixed pixel analysis, high accurated geometric correction was required. Image matching method was applied for generating GCP datasets. IKONOS image was rectified by affine transform. After that, one pixel in ASTER image should be compared with corresponded 15×15 pixel in IKONOS image. Then, training dataset were generated for mixed pixel analysis using visual interpretation of IKONOS image. Finally, classification will be carried out based on Linear Mixture Model. Shadow extraction might be succeeded by the classification. The extracted shadow area was validated using shadow image which generated from 1m${\sim}$2m spatial resolution DSM. The result showed 17.2% error was occurred in mixed pixel. It might be limitation of ASTER image for shadow extraction because of 8bit quantization data.

• 한국지리정보학회지
• /
• 제24권3호
• /
• pp.83-98
• /
• 2021

도시녹지는 도시 생태계 건강성 증진을 위한 중요한 요소이며, 건강한 도시 생태계 유지 및 관리를 위해서는 도시녹지의 공간적인 현황 파악이 필요하다. 환경부에서는 2010년 이후부터 총 41개의 분류 항목을 갖는 1m 급 해상도의 세분류 토지피복지도를 제공해오고 있으나, 가로수와 같은 도시 내 고해상도 상세 녹지 정보는 기타 초지로 분류되거나 누락되어 오고 있다. 따라서, 본 연구에서는 수원시 지역을 대상으로 1m 이하 급의 고해상도 원격탐사 자료(항공 LiDAR 및 RGB 정사영상)를 이용하여, 기존 세분류 토지피복지도에서는 나타나지 않는 고해상도의 상세 도시 녹지(수목, 관목 및 초지) 정보를 분류하고자 하였다. 분류 기법으로는 딥러닝 기반의 이미지 분할방법인 U-Net 구조의 모델을 활용하였으며, 분류 항목의 수 및 사용하는 자료의 종류에 따라 총 3가지의 모델(LRGB10, LRGB5, 및 RGB5)을 제안하고 성능을 평가하였다. 검증 지역에 대한 세 모델의 평균 전체 정확도는 각 83.40%(LRGB10), 89.44%(LRGB5), 74.76%(RGB5)이며, 항공 LiDAR와 RGB 정사영상을 함께 사용하여 총 5개의 항목(수목, 관목, 초지, 건물, 및 그 외)을 분류하는 LRGB5 모델의 성능이 가장 높게 나타났다. 수원시의 수목, 관목 및 초지 기준의 전체 녹지 현황은 각 45.61%(LRGB10), 43.47%(LRGB5), 및 44.22%(RGB5)로 나타났으며, 세 모델 모두 기존 세분류 토지피복지도와 비교하여 평균 13.40%의 도시 수목 정보를 더 제공할 수 있는 것으로 나타났다. 더불어 이러한 도시녹지 분류 결과는 향후 중분류 토지피복지도와 같은 기존 GIS 정보와의 융합을 통해 가로수 녹지 비율 현황 등 추가적인 상세 녹지 현황 정보를 제공할 수 있어, 다양한 도시녹지 연구 및 정책의 기초 자료로 활용될 수 있을 것으로 기대된다.