http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
초분광 영상의 Morphological Attribute Profiles와 추가 밴드를 이용한 감독분류의 정확도 평가
박홍련(Park, Hong Lyun),최재완(Choi, Jae Wan) 대한공간정보학회 2017 대한공간정보학회지 Vol.25 No.1
초분광 영상(hyperspectral imagery)은 주성분분석이나 최소잡음비율 등을 이용하여 자료의 차원과 잡음을 감소시켜 토지피복분류에 사용되는 것이 일반적이다. 최근에는 분광정보와 공간적 특성을 가진 다양한 입력 자료를 이용한 감독분류에 관한 연구가 활발히 진행되고 있다. 본 연구에서는 초분광 영상을 이용한 토지피복분류를 위해 principle component(PC) 밴드와 normalized difference vegetation index(NDVI) 자료를 감독분류의 입력자료로 활용하였다. NDVI 자료는 초분광 영상에서 추출된 PC 밴드가 포함하고 있지 않는 추가적인 정보를 활용하여 식생지역에 대한 토지피복분류 정확도를 높이고자 사용하였으며, morphological filter를 통해 각 밴드의 extended attribute profiles(EAP)를 제작하여 분류를 위한 입력 자료로 사용하였다. 감독분류기법은 random forest 알고리즘을 이용하였으며, EAP를 기반으로 다양한 입력 자료의 적용에 따른 분류정확도를 비교하고자 하였다. 연구지역으로는 두 대상지를 선정하였으며, 영상 내에서 취득한 참조자료를 이용하여 정량적인 평가를 수행하였다. 본 연구에서 제안한 기법의 분류정확도는 85.72%와 91.14%로 다른 입력 자료들을 이용한 경우와 비교하여 가장 높은 분류정확도를 나타냈다. 향후, 초분광 영상을 이용한 토지피복분류의 정확도를 높이기 위한 분류 알고리즘 개발과 대상지역 특성에 맞는 추가 입력자료 개발에 관한 연구가 필요할 것으로 사료된다. Hyperspectral imagery is used in the land cover classification with the principle component analysis and minimum noise fraction to reduce the data dimensionality and noise. Recently, studies on the supervised classification using various features having spectral information and spatial characteristic have been carried out. In this study, principle component bands and normalized difference vegetation index(NDVI) was utilized in the supervised classification for the land cover classification. To utilize additional information not included in the principle component bands by the hyperspectral imagery, we tried to increase the classification accuracy by using the NDVI. In addition, the extended attribute profiles(EAP) generated using the morphological filter was used as the input data. The random forest algorithm, which is one of the representative supervised classification, was used. The classification accuracy according to the application of various features based on EAP was compared. Two areas was selected in the experiments, and the quantitative evaluation was performed by using reference data. The classification accuracy of the proposed algorithm showed the highest classification accuracy of 85.72% and 91.14% compared with existing algorithms. Further research will need to develop a supervised classification algorithm and additional input datasets to improve the accuracy of land cover classification using hyperspectral imagery.
RapidEye 위성영상을 이용한 청주시의 불투수면지도 생성기법
박홍련(Park, Hong Lyun),최재완(Choi, Jae Wan),최석근(Choi, Seok Keun) 대한공간정보학회 2014 대한공간정보학회지 Vol.22 No.1
많은 연구들은 저해상도 위성영상을 이용하여 불투수면을 생성하며, 광역적인 객체 단위의 불투수면을 생성하는데에 효율적인 성과를 이루지 못하고 있는 실정이다. 본 논문에서는 RapidEye 위성영상을 활용한 객체 기반의 불투수면 생성 기법을 제안하였으며, 이를 실험지역에 적용하고자 하였다. 분광반사율로 변환된 RapidEye 위성영상을 활용하여 추가적인 밴드를 생성하였으며, 훈련자료를 이용하여 그림자 및 수계 클래스를 추출하였다. 해당 클래스를 제외한 나머지 클래스들은 환경부의 중분류 토지피복지도와 분광혼합분석 모델을 활용하여 피복단위의 불투수 비율 영상을 생성하였다. 참조자료와의 정량적 비교평가를 통하여 본 연구에서 적용한 불투수면 생성 방법의 효용성을 검증하였다. Most researches have created the impervious surface map by using low-spatial-resolution satellite imagery and are inefficient to generate the object-based impervious map with a broad area. In this study, segment-based impervious surface mapping algorithm is proposed using the RapidEye satellite imagery in order to map impervious area. At first, additional bands are generated by using TOA reflectance conversion RapidEye data. And then, shadow and water class are extracted using training data of converted reflectance image. Object-based impervious surface can be generated by spectral mixture analysis based on land cover map of Ministry of Environment with medium scale, in the case of other classes except shadow and water classes. The experiment shows that result by our method represents high classification accuracy compared to reference data, quantitatively.
초분광 영상과 DSM 자료의 융합을 통한 감독분류의 정확도 평가
박홍련 ( Hong Lyun Park ),최재완 ( Jae Wan Choi ) 충북대학교 건설기술연구소 2016 建設技術論文集 Vol.35 No.1
높은 분광해상도를 가지고 있는 초분광영상은 다중분광 영상과 비교하여 더 많은 분광정보를 지니고 있기 때문에, 도심지와 같은 복잡하고 다양한 피복을 가지고 있는 지역의 토지피복분류에 적합하다. 본 연구에서는 항공기 기반의 초분광연상과 UAV 기반의 정사영상을 처리하여 제작한 nDSM을 이용하여 감독분류 중 하나인 random forest를 수행하였다. 또한, 초분광영상의 잡을제거를 위해 PCA 기법을 적용하여 추출한 영상을 분류에 적용하였다. 실험결과, 원 초분광영상을 이용하여 감독분류를 수행한 결과와 비교하였을 때, nDSM을 통합하고 PCA 기법을 적용하여 추출한 영상을 이용하였을 때 더 높은 분류 정확도를 나타냈다. Because hyperspectral image has the high spectral resolution, compared with multi-spectral image, it is suitable for classification of area with various land cover such as urban areas, In this paper, random forest, which is a representative supervised classification algorithm, is applied to airborne hyperspectral image and mDSM(normalized Digital Surface Model). In addition, PC(Principal Component) bands were applied to classification process in order to remove the noise of the hyperspectral image. As a result, overall accuracy of classification result by mDSM and PC bands is higher than that by original hyperspectral image.