SPOT-5 영상과 LiDAR 데이터를 이용한 감독분류 기반의 자동 지형분류 : Automatic Supervised Classification Utilizing SPOT-5 Satellite Image and LiDAR Data

국문 초록 (Abstract)

기존의 수동적인 지형분류 방법이 가지고 있는 문제점을 해결하기 위해 위성영상과 LiDAR 자료를 융합한 감독분류기반의 자동 지형분류방안을 제시하고, 제시된 자동 지형분류 알고리즘의 성능 및 정확도 등을 평가하기 위하여 수동 감독분류 결과와 비교·분석하였다. LiDAR 자료를 융합한 감독분류기반의 자동 지형분류의 전체 정확도는 77.8%로 수동 감독분류의 66.7%, 영상자료만을 이용한 자동 감독분류 62.7%보다 향상된 정확도를 나타냈다. 특히 산림지, 도로, 도시 및 주거지, 수계의 경우 85% 이상의 정확도를 가진다.

목차 (Table of Contents)

• 제1장 서 론 1
• 1.1 연구배경 및 목적 1
• 1.2 연구 방법 및 범위 2
• 제2장 자동 지형분류 수행을 위한 자료 4
• 2.1 SPOT 5 위성영상 4
• (1) 개요 4
• (2) SPOT 5 위성의 센서특징 5
• (3) HRG 센서의 기하학적 특성 7
• (4) 영상제품의 종류 및 특징 9
• 2.2 LIDAR 11
• (1) 개요 11
• (2) 데이터 특징 14
• (3) 데이터 처리 15
• 2.3 수치지도 v2.0 19
• (1) 개요 19
• (2) 수치지도 v1.0과의 관계 20
• 2.4 환경부 토지피복분류도 21
• (1) 개요 21
• (2) 환경부 토지피복 분류체계 22
• 제3장 감독분류기반의 자동 지형분류 26
• 3.1 영상처리 27
• (1) 객체기반 영상 27
• (2) 수계 영상 29
• (3) NDVI 영상 30
• (4) 텍스처 영상 34
• 3.2 LiDAR 자료처리 39
• (1) Lidar Height Data 처리 41
• (2) Lidar Intensity Data 처리 48
• 3.3 트레이닝 사이트의 자동 선정 49
• 3.4 Fuzzy 기반 자동감독분류 50
• (1) 개요 50
• (2) 퍼지 최대우도분류 51
• 제4장 실험결과 55
• 4.1 실험자료 55
• (1) SPOT-5 위성영상 55
• (2) LiDAR 자료 58
• (3) 수치지도 v2.0 58
• (4) 환경부 토지피복분류도 60
• 4.2 SPOT-5 영상 처리 61
• 4.3 LiDAR 자료 처리 63
• 4.4 트레이닝 사이트 자동 선정 63
• 4.5 감독분류 기반의 자동지형분류 결과 65
• 4.6 LiDAR 자료와의 융합을 통한 지형분류 정확도 향상 효과분석 67
• 제5장 결론 71
• 참고문헌 72