PCA를 이용한 항공 하이퍼스펙트럴 영상의 분류정확도 개선에 대한 연구 = A Study on the Improvement of Aerial hyperspectral image classification accuracy Using PCA

국문 초록 (Abstract)

하이퍼스펙트럴 영상(Hyperspectral image)은 식생, 연안, 해양환경 등 다양한 분야에서 대상물 관측 및 해석이 가능한 새로운 센서로 주목을 받고 있다. 특히, 인공위성보다 수백 배 이상 공간해상도가 높은 항공 하이퍼스펙트럴 센서의 등장으로 관련 연구가 더욱 증가할 것으로 예상된다. PCA(Principal Component Analysis)는 다중 분광자료의 중첩을 제거하거나 노이즈를 감소시키기 위하여 사용되는 영상처리 기법이다. 본 연구에서는 항공 하이퍼스펙트럴 영상에 대해 PCA를 적용 후 고유성분이 높은 밴드를 선별적으로 조합하여 5개 유형의 PCA영상을 제작하였다. 유형별 영상은 SAM(Spectral Angle Mapping) 감독 분류 기법을 적용하여 영상분류를 시행하고 정확도를 평가하였다. 실험결과 PCA변환 시 고유성분 포함율은 PCA변환 영상의 첫 번째 밴드에 해당하는 영상이 76.74%의 성분을 포함하며, PCA변환 영상의 두 번째 누적 밴드에 해당하는 영상이 98.40%로써, 대부분의 성분자료가 두 번째 영상까지에 담긴 것을 알 수 있었다. 유형별 영상의 정량적 분류정확도 평가는 전체정확도, 생산자 및 사용자 정확도를 분석한 결과 유사한 패턴을 가지고 있으며, 특이한 사항은 정성적인 분류정확도 평가는 PCA변환 영상의 네 번째 밴드이상이 포함되어야 정확도가 확보되는 것으로 판단되나 정량적인 분류 정확도 평가에서는 PCA변환 영상의 두 번째 밴드까지를 포함하는 영상이 가장 높은 정확도를 나타냈다. 이것은 정략적인 분류 정확도 수치상으로는 두 번째 밴드까지 누적된 영상이 가장 높으나 정성적인 평가결과는 네 번째 밴드까지 누적해야 실용적 활용이 가능한 것을 의미한다.
본 연구를 통하여 PCA적용한 영상분류에는 실제 정확도와 실용적 평가에 의한 차이를 확인하였으므로 용도에 따라 적절한 누적 밴드를 취사하는 것이 필요할 것으로 판단된다. 본 연구를 통하여 향후 하이퍼스펙트럴 영상의 시각적 해석을 용이하게 하거나 영상분류의 정확도를 높이는 성과를 기대할 수 있을 것이다.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 1.1 연구 배경 및 목적 1
• 1.2 연구 동향 2
• 1.3 연구 방법 및 범위 3
• 제 2 장 기본 이론 4
• 2.1 하이퍼스펙트럴 시스템 4
• 2.1.1 하이퍼스펙트럴 원격탐사 4
• 2.1.2 항공기 제원 5
• 2.1.3 초분광 카메라 6
• 2.1.4 항공 하이퍼스펙트럴 촬영시스템 7
• 2.2 영상 분류 8
• 2.2.1 영상 분류의 개념 8
• 2.2.2 감독 분류 9
• 2.2.3 트레이닝 10
• 2.2.4 SAM(Spectral Angle Mapping) 11
• 2.3 PCA(Principal Component Analysis) 13
• 2.3.1 PCA의 개념 13
• 2.3.2 PCA의 방법 14
• 제 3 장 실험 및 분석 16
• 3.1 실험 대상 지역 16
• 3.2 항공 하이퍼스펙트럴 영상 17
• 3.3 트레이닝 자료 수집 18
• 3.4 PCA 변환 21
• 3.5 영상 분류 24
• 3.6 실험결과 분석 25
• 3.6.1 정량적 정확도 분석 및 평가 25
• 3.6.2 시각적 정확도 분석 및 평가 27
• 제 4 장 결 론 31
• 참고문헌 32
• 부 록 33
• Abstract 42