• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1567-1577
• /
• 2020

시가화 지역 토지피복분류는 도시계획 및 관리에 활용된다. 따라서, 시가화 지역에 대한 분류 정확도 향상 연구는 중요하다고 할 수 있다. 본 연구에서는 고해상도 위성영상인 KOMPSAT-3A을 기계학습 중 Support Vector Machine(SVM)과 Artificial Neural Network(ANN)을 기반으로 시가화지역 분류를 진행하였다. 훈련 데이터 구축과정에서 25 m 격자를 기반으로 훈련 지역을 구분하여 영상을 학습하였으며, 학습된 모델을 활용하여 테스트 지역을 분류하였다. 검증과정에서 250개의 GTP를 활용하여 오차 행렬을 통한 결과를 제시하였다. SVM 4가지 기법과 ANN 2가지 기법 중 SVM Polynomial Model이 가장 높은 정확도인 86%를 나타냈다. Ground Truth Points(GTP)를 활용하여 두 개의 모델을 비교하는 과정에서, SVM 모델은 전체적으로 ANN 모델보다 효과적으로 KOMPSAT-3A 영상을 분류하였다. 건물, 도로, 식생, 나대지 4가지 클래스 분류 중 건물이 가장 낮은 분류정확도를 보여주었으며, 이는 고층건물에 따른 건물 그림자에 의한 오분류가 주요 원인으로 나타났다.

• 대한원격탐사학회지
• /
• 제36권1호
• /
• pp.29-39
• /
• 2020

Forest fire is a critical disaster that causes massive destruction of forest ecosystem and economic loss. Hence, accurate estimation of the burned area is important for evaluation of the degree of damage and for preparing baseline data for recovery. Since most of the area size damaged by wildfires in Korea is less than 1 ha, it is necessary to use satellite or drone images with a resolution of less than 10m for detecting the damage area. This paper aims to detect wildfire-damaged area from a Kompsat-3 image using the indices such as NDVI (normalized difference vegetation index) and FBI (fire burn index) and to examine the classification characteristics according to the methods such as Otsu thresholding and ISODATA(iterative self-organizing data analysis technique). To mitigate the salt-and-pepper phenomenon of the pixel-based classification, a gaussian filter was applied to the images of NDVI and FBI. Otsu thresholding and ISODATA could distinguish the burned forest from normal forest appropriately, and the salt-and-pepper phenomenon at the boundaries of burned forest was reduced by the gaussian filter. The result from ISODATA with gaussian filter using NDVI was closest to the official record of damage area (56.9 ha) published by the Korea Forest Service. Unlike Otsu thresholding for binary classification,since the ISODATA categorizes the images into multiple classes such as(1)severely burned area, (2) moderately burned area, (3) mixture of burned and unburned areas, and (4) unburned area, the characteristics of the boundaries consisting of burned and normal forests can be better expressed. It is expected that our approach can be utilized for the high-resolution images obtained from other satellites and drones.

• Spatial Information Research
• /
• 제19권6호
• /
• pp.43-54
• /
• 2011

본 연구는 위성영상 자료(2000-2009)를 이용하여 성남-용인 인근지역의 지표변화를 시계열 분석하기 위해 규칙기반 영상분류 방법을 제안하였다. 도시지역의 연도별 변화 패턴을 파악하기 위해 통계적/수학적 기반의 규칙에 따라 11개 클래스로 구분하였다. 훈련지역을 설정하지 않는 무감독분류 방법으로서 규칙을 적용할 수 있도록 알고리즘을 일반화 하였다. 분석 결과, 택지개발 등에 의하여 연구범위 내 도시지역면적이 약 1.45배 증가하였으며, 2009년 영상의 분류정확도는 98%로 나타났다. 방법 검증을 위하여 선분류 후비교법을 이용한 토지피복 변화분석 결과와 비교하였다. 다중영상 내 가용한 데이터를 최대한 이용할 수 있었고, 목적에 최적화된 분류가 가능해져, 분류정확도의 향상을 기대할 수 있었다. 본 규칙기반 영상분류 방법은 향후 도시개발 주제도 제작 및 도시개발, 환경변화 모니터링 등 영상 시계열 분석에 다양하게 적용될 수 있을 것이다.

• 대한원격탐사학회지
• /
• 제38권6_3호
• /
• pp.1777-1788
• /
• 2022

저수지는 국내 영농환경에서 주요한 용수 공급처이며, 저수지의 저수량 파악은 농업용수의 활용 및 관리차원에서 중요하다. 위성영상을 활용한 원격탐사는 저수지와 같이 광역적으로 분포하는 객체에 대하여 정기적인 모니터링을 할 수 있는 효과적인 수단으로, 본 연구에서는 Sentinel-1 Synthetic Aperture Radar (SAR) 영상을 통해 영상분류 및 영상분할 알고리즘을 적용하여 국내 저수지 53개소의 수표면적 탐지를 수행하였다. 사용한 알고리즘은 Neural Network (NN), Support Vector Machine (SVM), Random Forest (RF), Otsu, Watershed (WS), Chan-Vese (CV)로 총 6가지이며, 드론으로 촬영한 실측 정사영상으로 수표면적 탐지 결과를 평가하였다. 각 알고리즘으로부터 산출된 수표면적과 실측 수표면적간의 상관성은 NN 0.9941, SVM 0.9942, RF 0.9940, Otsu 0.9922, WS 0.9709, CV 0.9736로 나타났으며, 저수지 유효저수량의 규모가 클수록 더 높은 선형 상관관계를 보였다. 혼동 행렬로부터 산출한 정확도, 정밀도, 재현율을 통해 알고리즘간 수표면적 탐지 정확도와 탐지 경향을 분석하였다. 정확도의 경우 각 10만 m³ 미만 저수지에서 WS가 0.8752, 10만~30만 m³에서 Otsu가 0.8845, 30만~50만 m³에서 RF가 0.9100, 50만 m³ 이상에서 Otsu와 CV가 0.9400으로 가장 높은 수치를 보였다. WS의 경우 수표면적을 미탐지하는 경향으로 인해 낮은 재현율을 보였고, NN, SVM, RF의 경우 과대 탐지로 인한 낮은 정밀도를 보였다. SAR 영상을 통한 수표면적 탐지 시 저수지 수표면의 수생식물 및 인공건축물이 미탐지를 발생시키는 오차 요소로 작용함을 분석결과 및 실측영상을 통해 확인하였다.

• 한국측량학회지
• /
• 제31권6_2호
• /
• pp.559-565
• /
• 2013

Spatial resolution of land covers from remotely sensed images can be increased using super-resolution mapping techniques for soft-classified land cover proportions. A further development of super-resolution mapping technique is downscaling the original remotely sensed image using super-resolution mapping techniques with a forward model. In this paper, the model for increasing spatial resolution of remote sensing multispectral image is tested with real SPOT 5 imagery at 10m spatial resolution for an area in Bac Giang Province, Vietnam in order to evaluate the feasibility of application of this model to the real imagery. The soft-classified land cover proportions obtained using a fuzzy c-means classification are then used as input data for a Hopfield neural network (HNN) to predict the multispectral images at sub-pixel spatial resolution. The 10m SPOT multispectral image was improved to 5m, 3,3m and 2.5m and compared with SPOT Panchromatic image at 2.5m resolution for assessment.Visually, the resulted image is compared with a SPOT 5 panchromatic image acquired at the same time with the multispectral data. The predicted image is apparently sharper than the original coarse spatial resolution image.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1084-1086
• /
• 2003

The aim of this study is to assess the integrated use of different features extracted from spaceborne interferometric synthetic aperture radar (InSAR) data and optical data for land cover classification. Special attention is given to the discriminatory characteristics of the features derived from the multisource data sets. For the evaluation of the features , the statistical maximum likelihood decision rule and neural network classification are used and the results are compared. The performance of each method was evaluated by measuring the overall accuracy. In all cases, the performance of the first method was better than the performance of the latter one. Overall, the research indicated that multisource data sets containing different information about backscattering and reflecting properties of the selected classes of objects can significantly improve the classification of land cover types.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.467-469
• /
• 2003

This research aimed to develop forest type classification technique for the mixed forest with coniferous and broad-leaved species using the high resolution satellite data. QuickBird data was used as satellite data. The method of this research was to extract satellite data for every single tree crown using image segmentation technique, then to evaluate the accuracy of classification by changing grouping criteria such as tree species, families, coniferous or broad-leaved species, and timber prices. As a result, the classification of tree species and families level was inaccurate, on the other hand, coniferous or broad-leaved species and timber price level was high accurate.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권7호
• /
• pp.1858-1872
• /
• 2023

With the advance of radar technologies, the availability of synthetic aperture radar (SAR) images increases. To improve application of SAR images, a management system for SAR images is proposed in this paper. The system provides trainable land cover classification module and display of SAR images on the map. Users of the system can create their own classifier with their data, and obtain the classified results of newly captured SAR images by applying the classifier to the images. The classifier is based on convolutional neural network structure. Since there are differences among SAR images depending on capturing method and devices, a fixed classifier cannot cover all types of SAR land cover classification problems. Thus, it is adopted to create each user's classifier. In our experiments, it is shown that the module works well with two different SAR datasets. With this system, SAR data and land cover classification results are managed and easily displayed.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.403-406
• /
• 2005

In order to evaluate the Capability of ETM+ remotely- sensed data to provide 'Forest-shrub land-Rangeland' cover type map in areas near the timberline of northern forests of Iran, the data were analyzed in a portion of nearly 790 ha located in Neka-Zalemroud region. First, ortho-rectification process was used to correct the geometric errors of the image, yielding 0/68 and 0/69 pixels of RMS. error in X and Y axis, respectively. The original and panchromatic bands were fused using PANSHARP Statistical module. The ground truth map was made using 1 ha field plots in a systematic-random sampling grid, and vegetative form of trees, shrubs and rangelands was recorded as a criteria to name the plots. A set of channels including original bands, NDVI and IR/R indices and first components of PCI from visible and infrared bands, was used for classification procedure. Pair-wise divergence through CHNSEL command was used, In order to evaluate the separability of classes and selection of optimal channels. Classification was performed using ML classifier, on both original and fused data sets. Showing the best results of $67\%$ of overall accuracy, and 0/43 of Kappa coefficient in original data set. Due to the results represented above, it's concluded that ETM+ data has an intermediate capability to fulfill the spectral variations of three form- based classes over the study area.

• 한국지리정보학회지
• /
• 제7권4호
• /
• pp.24-33
• /
• 2004

원격탐사(remote sensing) 기술의 비약적인 발전과 함께 위성 영상데이터의 분광대역수가 급속히 증가하고 있다. 대역수의 증가로 영상데이터량이 급격히 증가하게 되고, 이에 따라 이들 데이터를 처리하기 위해서는 처리속도가 빠른 영상처리 기술이 필요하게 되었다. 분광 대역 수를 줄여 빠르게 처리하는 한가지 방법으로 널리 사용되고 있는 것이 주성분 변환법이다. 본 논문에서는 주성분 변환법에 대한 처리과정에 대해 논하였으며, 위성 영상데이터를 주성분 변환한 결과인 주성분 영상데이터를 분석하였다. 분석결과 실험 영상데이터의 경우, 3개의 주성분($PC_1$, $PC_2$, $PC_3$)의 누적 백분율 분산 값이 99.1%로 이는 3개의 주성분이 거의 대부분의 정보를 가지고 있음을 알 수 있었다. 3개의 주성분 영상데이터만을 사용한다면 데이터 저장을 위한 메모리 용량이나 데이터 전송시간 및 처리시간을 크게 감소시킬 수 있다. 또한 본 논문에서는 주성분 영상데이터를 최대유사분류법과 신경회로망을 이용한 다층 퍼셉트론 분류법으로 분류하고 결과를 평가한 후, 주성분 변환법이 갖는 차원축소 효과를 분석하였다. 분석결과 주성분 3개를 사용한 분류결과와 주성분 6개를 사용한 분류결과간의 분류정답률이 크게 차이가 나지 않았다. 이는 분류에 사용하는 영상데이터 수를 6개 차원에서 3개 차원으로 줄여도 비슷한 분류성능을 얻을 수 있음을 확인할 수 있었다.