• 대한원격탐사학회지
• /
• 제1권1호
• /
• pp.29-37
• /
• 1985

A low cost image processing system based on a CROMEMCO microcomputer called KAIS-MIPS, is developed for processing remotely sensed Landsat data. It hardware system can be easily interfacd with other peripheral devices. The software system provides flexibility, expansibility, portability, and maintainability as well as extensive processing capacity. As an example, processing and land use classification of Landsat 2 data for the Inchun city and its 6vicinity in Korea are provided.

• 대한원격탐사학회지
• /
• 제17권4호
• /
• pp.335-344
• /
• 2001

Texture is extensively studied in a variety of image processing applications such as image segmentation and classification because it is an important property to perceive regions and surfaces. This paper focused on the analysis and synthesis of textured single and multiband images using Markov Random Field model considering the existent spatial correlation. Especially, for multiband images, the cross-channel correlation existing between bands as well as the spatial correlation within band should be considered in the model. Although a local interaction is assumed between the specified neighboring pixels in MRF models, during the maximization process, short-term correlations among neighboring pixels develop into long-term correlations. This result in exhibiting phase transition. In this research, the role of temperature to obtain the most probable state during the sampling procedure in discrete Markov Random Fields and the stopping rule were also studied.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 International Symposium on Remote Sensing
• /
• pp.361-364
• /
• 2008

It is well known that combining spatial and spectral information can improve land use classification from satellite imagery. High spatial resolution classification has a limitation when only using the spectral information due to the complex spatial arrangement of features and spectral heterogeneity within each class. Therefore, extracting the spatial information is one of the most important steps in high resolution satellite image classification. In this paper, we propose a new spatial feature extraction method. The extracted features are integrated with spectral bands to improve overall classification accuracy. The classification is achieved by applying a Support Vector Machines classifier. In order to evaluate the proposed feature extraction method, we applied our approach to KOMPSAT-2 data and compared the result with the other methods.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2004년도 Proceedings of ISRS 2004
• /
• pp.626-629
• /
• 2004

Texture imaging, which means texture image creation by co-occurrence relation, has been known as one of useful image analysis methodologies. For this purpose, most commercial remote sensing software provides texture analysis function named GLCM (Grey Level Co-occurrence Matrix). In this study, texture-imaging program for GLCM algorithm is newly implemented in the MS Visual IDE environment. While, additional texture imaging modules based on GLDV (Grey Level Difference Vector) are contained in this program. As for GLCM/GLDV texture variables, it composed of six types of second order texture function in the several quantization levels of 2(binary image), 8, and 16: Homogeneity, Dissimilarity, Energy, Entropy, Angular Second Moment, and Contrast. As for co-occurrence directionality, four directions are provided as $E-W(0^{\circ}),\;N-E(45^{\circ}),\;S-W(135^{\circ}),\;and\;N-S(90^{\circ}),$ and W-E direction is also considered in the negative direction of E- W direction. While, two direction modes are provided in this program: Omni-mode and Circular mode. Omni-mode is to compute all direction to avoid directionality problem, and circular direction is to compute texture variables by circular direction surrounding target pixel. At the second phase of this study, some examples with artificial image and actual satellite imagery are carried out to demonstrate effectiveness of texture imaging or to help texture image interpretation. As the reference, most previous studies related to texture image analysis have been used for the classification purpose, but this study aims at the creation and general uses of texture image for urban remote sensing.

• 대한원격탐사학회지
• /
• 제35권6_1호
• /
• pp.959-971
• /
• 2019

대표적인 딥러닝(deep learning) 기법 중 하나인 Convolutional Neural Network(CNN)은 고수준의 공간-분광 특징을 추출할 수 있어 초분광 영상 분류(Hyperspectral Image Classification)에 적용하는 연구가 활발히 진행되고 있다. 그러나 초분광 영상은 높은 분광 차원이 학습 과정의 시간과 복잡도를 증가시킨다는 문제가 있어 이를 해결하기 위해 기존 딥러닝 기반 초분광 영상 분류 연구들에서는 차원축소의 목적으로 Principal Component Analysis (PCA)를 적용한 바 있다. PCA는 데이터를 독립적인 주성분의 축으로 변환시킬 수 있어 분광 차원을 효율적으로 압축할 수 있으나, 분광 정보의 손실을 초래할 수 있다. PCA의 사용 유무가 CNN 학습의 정확도와 시간에 영향을 미치는 것은 분명하지만 이를 분석한 연구가 부족하다. 본 연구의 목적은 PCA를 통한 분광 차원축소가 CNN에 미치는 영향을 정량적으로 분석하여 효율적인 초분광 영상 분류를 위한 적절한 PCA의 적용 방법을 제안하는 데에 있다. 이를 위해 PCA를 적용하여 초분광 영상을 축소시켰으며, 축소된 차원의 크기를 바꿔가며 CNN 모델에 적용하였다. 또한, 모델 내의 컨볼루션(convolution) 연산 방식에 따른 PCA의 민감도를 분석하기 위해 2D-CNN과 3D-CNN을 적용하여 비교 분석하였다. 실험결과는 분류정확도, 학습시간, 분산 비율, 학습 과정을 통해 분석되었다. 축소된 차원의 크기가 분산 비율이 99.7~8%인 주성분 개수일 때 가장 효율적이었으며, 3차원 커널 경우 2D-CNN과는 다르게 원 영상의 분류정확도가 PCA-CNN보다 더 높았으며, 이를 통해 PCA의 차원축소 효과가 3차원 커널에서 상대적으로 적은 것을 알 수 있었다.

• 한국환경과학회:학술대회논문집
• /
• 한국환경과학회 2003년도 International Symposium on Clean Environment
• /
• pp.33-36
• /
• 2003

Principal component analysis (PCA) was used to improve image classification by the unsupervised classification techniques, the K-means. To do this, I selected a Landsat TM scene of Jeju Island, Korea and proposed two methods for PCA： unstandardized PCA (UPCA) and standardized PCA (SPCA). The estimated accuracy of the image classification of Jeju area was computed by error matrix. The error matrix was derived from three unsupervised classification methods. Error matrices indicated that classifications done on the first three principal components for UPCA and SPCA of the scene were more accurate than those done on the seven bands of TM data and that also the results of UPCA and SPCA were better than those of the raw Landsat TM data. The classification of TM data by the K-means algorithm was particularly poor at distinguishing different land covers on the island. From the classification results, we also found that the principal component based classifications had characteristics independent of the unsupervised techniques (numerical algorithms) while the TM data based classifications were very dependent upon the techniques. This means that PCA data has uniform characteristics for image classification that are less affected by choice of classification scheme. In the results, we also found that UPCA results are better than SPCA since UPCA has wider range of digital number of an image.

• 한국인터넷방송통신학회논문지
• /
• 제17권5호
• /
• pp.97-102
• /
• 2017

최근 고해상도 원격탐사 자료의 분류방안으로 컨볼루션 신경망(Convolutional Neural Networks)을 비롯한 딥 러닝 기법들이 소개되고 있다. 본 논문에서는 드론으로 촬영된 농경지 영상의 작물 분류를 위해 컨볼루션 신경망을 적용하여 가능성을 검토하였다. 농경지를 논, 고구마, 고추, 옥수수, 깻잎, 과수, 비닐하우스로 총 7가지 클래스로 나누고 수동으로 라벨링 작업을 완료했다. 컨볼루션 신경망 적용을 위해 영상 전처리와 정규화 작업을 수행하였으며 영상분류 결과 98%이상 높은 정확도를 확인할 수 있었다. 본 논문을 통해 기존 영상분류 방법들에서 딥 러닝 기반 영상분류 방법으로의 전환이 빠르게 진행될 것으로 예상되며, 그 성공 가능성을 확신할 수 있었다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1281-1283
• /
• 2003

By use of RS and GIS, the QuickBird image and geographic map were used for the survey of the foreshore resources of Shanghai. The image was processed and interpreted. The distribution maps of sea dike, foreshore, vegetation, soil, hydraulic structures, landscape, topography, and so on were extracted in manual classification. These data have been integrated into the information management system for the shoreline and foreshore. It plays an important role in the evolvement analysis of the shoreline and foreshore.

• 대한원격탐사학회지
• /
• 제15권3호
• /
• pp.217-225
• /
• 1999

Landsat TM 위성영상을 이용하여 전라북도 줄포만 간석지의 미지형을 무감독분류의 ISODATA 기법으로서 분석한 결과 mudflat, mixed flat, sandflat 의 3지형으로 분류되었다. 각각의 미지형들은 퇴적물 입도와 지형에 있어서 상이한 특성을 나타내었으며, mudflat은 내만쪽에 위치하고 snadflat은 만의 입구 그리고 mixedflat은 그 사이에 각각 분포하였다. 각 지역의 지형특성으로는 2m 내외의 갯골이 평탄면 사이에 분포하는 mudflat과 평균기복이 10cm 이하로서 아주 평탄한 지형으로 물결무늬가 발달한 sandflat 그리고 이 양자의 중간형태를 취하는 mixedflat 으로 구분되었다. 아울러 Landsat TM의 7개의 밴드중에서 밴드 5와 7이 간석지의 미지형분류, 밴드4는 육지와 간석지의 분류 그리고 밴드 3은 해면과 간석지의 분류에 각각 효율적임이 밝혀졌다.

• 대한원격탐사학회지
• /
• 제30권2호
• /
• pp.219-226
• /
• 2014

분광혼합분석 결과로 얻어지는 각 물체의 점유비율을 활용하면 보다 세밀한 분류가 가능하다. 이는 복잡한 도심지역의 피복분류 뿐만 아니라 혼효림이 많은 한반도 임상분류에 적합한 분류기법이 될 수 있다. 효과적인 임상분류를 위해서는 무엇보다 적절한 endmember의 추출이 선행되어야 하는데, 기존에 주로 사용되었던 기하학적 방법(geometric endmember selection)은 분광특성이 유사한 산림지역에 적합하지 않다. 본 연구에서는 영상에서 직접 순수한 화소를 추출하는 기법 중의 하나인 IEA(Iterative Error Analysis)와 침엽수와 활엽수의 분광특성을 이용하여 실험지역을 대표할 수 있는 각각의 endmember를 자동으로 추출하였다. CASI(Compact Airborne Spectrographic Imager) 영상의 두 지역에 대하여 분광혼합분석을 이용한 분류를 수행한 결과, 분류 정확도는 각각 86%와 90%로, 제안한 기법이 실험대상지역을 대표하는 침엽수와 활엽수의 endmember를 적절하게 추출한 것으로 나타났다. 분광혼합분석 기법을 이용한 보다 효과적인 분류를 위해서 분류항목 외 기타물질을 endmember로 고려하는 연구가 필요할 것으로 보인다.