DOI QR코드

DOI QR Code

Feature Selection for Image Classification of Hyperion Data

Hyperion 영상의 분류를 위한 밴드 추출

  • Published : 2003.04.01

Abstract

다중분광 영상의 정확한 지형지물 분류를 수행할 때 고려해야 할 중요한 요소중에 적절한 분류 클래스의 선정과 선정된 클래스의 분리도가 높아지도록 트레이닝 지역(training fields)을 잡는 것은 특히 중요하다. 최근에 이용되고 있는 위성탑재 하이퍼스펙트럴(hyperspectral) 영상은 많은 밴드를 포함하고 있기 때문에 데이터 처리가 어렵고, 잡음(noise)으로 인하여 다중분광 영상보다 분류 결과가 나쁜 경우도 나타난다. 특히 대상지역의 클래스에 따른 트레이닝 지역의 선정시 일부 클래스에서 하이퍼스펙트럴 밴드수에 비해 상대적으로 적은 수의 트레이닝 샘플로 인하여 공분산 행렬의 계산에 어려움이 따른다. 따라서 본 연구에서는 Hyperion 데이터를 이용한 분류를 수행하기 위하여 밴드 추출 방식을 알아보고, 분류영상의 정확도 평가를 통하여 밴드 추출의 효용성을 시험하였다. 밴드를 줄이는 또 다른 방법인 클래스간 분리도에 따른 최적 밴드를 추출하여 분류정확도를 평가하였다. 실험 결과, 밴드 추출이나 클래스 분리도에 따라 선택된 영상의 분류 정확도는 분류자(classifier)에 상관없이 전체 밴드를 사용한 원영상과 유사하게 나타났지만, 사용된 밴드수와 계산 시간은 단축되었다. 분류자는 MLC, SAM, ECHO의 3종류가 사용되었다.

Keywords

References

  1. 서울대 대학원 박사학위논문 위성영상 분류를 위한 트레이닝 정규화 알고리즘과 클래스 분리도 측정기법 개발 어양담
  2. Nevada: in Proceedings, ERIM Tenth Thematic Conference on Geologic Remote Sensing Automated spectral analysis: a geological example using AVIRIS data, north Grapevine Mountains Boardman,J.W.;F.A.Kruse
  3. IEEE Transactions on Neural Networks v.8 no.1 Decision Boundary Feature Extraction for Neural Networks Lee,C.;D.A.Landgrebe https://doi.org/10.1109/72.554193
  4. Pattern Recognition v.12 no.3 The Development of a Spectral-Spatial Classifier for Earth Observational Data Landgrebe,D.A. https://doi.org/10.1016/0031-3203(80)90041-2
  5. Special Issue of the IEEE Signal Processing Magazine v.19 no.1 Hyperspectral Image Data Analysis as a High Dimensional Signal Processing Problem,(Invited) Landgrebe,D.A.
  6. Multispec. Tutorial: An Introduction to Multispec. Version 5 Landgrebe,D.A.;L.Biehl
  7. Research Systems ENVI Tutorial
  8. Imaging Spectrometry: Basic Principles and Prospective Applications Freek D.V.;M.D.Steven
  9. Geographic Information Sciences v.8 no.1 Dimension reduction of hyperspectral images for classification applications Hsu,P.;T.Yi-Hsing;P.Gong
  10. Remote Sensing Digital Image Analysis(2nd ed.) Richards,J.A.
  11. Introduction to Statistical Pattern Recognition Fukunaga,K.
  12. Photogrammetric Engineering and Remote Sensing v.56 Mineral Mapping at Cuprite, Nevada with a 63-channel Imaging Spectrometer Kruse,F.A.;K.S.Keiren-Young;J.W.Boardman
  13. Hyperion & ALI Data Users Workshop Introduction to the Hyperion Instrument & Data Processing Barry,P.
  14. IEEE Transactions on Geoscience and Remote Sensing v.39 no.7 Automated differentiation of urban surfaces based on airborne hyperspectral imagery Roessner,S.;K.Segl;U.Heiden;H.Kaufmann https://doi.org/10.1109/36.934082
  15. Remote Sensing of Environment v.79 no.1 Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data Koponen,S.;J.Pulliainen;K.Kallio;M.Hallikainen https://doi.org/10.1016/S0034-4257(01)00238-3
  16. Remote Sensing of Environment v.69 no.3 Structure Analysis and Classification of Boreal Forests Using Airborne Hyperspectral BRDF Data from ASAS Sandmeier,S.;D.W.Deering https://doi.org/10.1016/S0034-4257(99)00032-2
  17. The Use of Hyperspectral Data for Precision Farming; ISPRS Commission Ⅶ Symposium Staenz,K.;J.C.Deguise;J.Chen;H.McNairn;T.Szeredi;M.McGovern
  18. Summaries of the Third Annual JPL, Airborne Geosciences Workshop, Volume 1:AVIRIS Workshop. JPL Publication 92-14 v.1 Ground-Truthing AVIRIS Mineral Mapping at Cuprite Swayze,G.A.;R.N.Clark;S.Sutley;A.Gallagher