Journal of Cadastre & Land InformatiX (지적과 국토정보)

LX Spatial Information Research Institute (한국국토정보공사 공간정보연구원)
권호 표지
DOI QR코드

DOI QR Code

Detection of Settlement Areas from Object-Oriented Classification using Speckle Divergence of High-Resolution SAR Image

고해상도 SAR 위성영상의 스페클 divergence와 객체기반 영상분류를 이용한 주거지역 추출

  • Song, Yeong Sun (Department of Aerial Geoinformatics, Inha technical College)
  • 송영선 (인하공업전문대학 항공지리정보과)
  • Received : 2017.10.10
  • Accepted : 2017.12.08
  • Published : 2017.12.10
Download PDF
⟨ Previous Next ⟩

Abstract

Urban environment represent one of the most dynamic regions on earth. As in other countries, forests, green areas, agricultural lands are rapidly changing into residential or industrial areas in South Korea. Monitoring such rapid changes in land use requires rapid data acquisition, and satellite imagery can be an effective method to this demand. In general, SAR(Synthetic Aperture Radar) satellites acquire images with an active system, so the brightness of the image is determined by the surface roughness. Therefore, the water areas appears dark due to low reflection intensity, In the residential area where the artificial structures are distributed, the brightness value is higher than other areas due to the strong reflection intensity. If we use these characteristics of SAR images, settlement areas can be extracted efficiently. In this study, extraction of settlement areas was performed using TerraSAR-X of German high-resolution X-band SAR satellite and KOMPSAT-5 of South Korea, and object-oriented image classification method using the image segmentation technique is applied for extraction. In addition, to improve the accuracy of image segmentation, the speckle divergence was first calculated to adjust the reflection intensity of settlement areas. In order to evaluate the accuracy of the two satellite images, settlement areas are classified by applying a pixel-based K-means image classification method. As a result, in the case of TerraSAR-X, the accuracy of the object-oriented image classification technique was 88.5%, that of the pixel-based image classification was 75.9%, and that of KOMPSAT-5 was 87.3% and 74.4%, respectively.

도시지역은 지구상에서 가장 변화가 활발히 일어나는 지역 중의 하나로써, 우리나라에서도 산림지나 녹지, 농경지가 주거지역, 공업지역 등의 주거지역으로 빠르게 변화하고 있다. 이러한 빠른 토지이용의 변화를 모니터링하기 위해서는 신속한 데이터의 취득을 필요로 하게 되고, 위성영상은 이러한 요구의 대안이 될 수 있다. 일반적으로 SAR 위성은 능동적 탐측체계로 영상을 취득하기 때문에 지표면의 거칠기에 따라 영상의 밝기값이 결정되며, 대표적으로 수계영역은 반사강도가 낮아 어둡게 나타나고, 인공구조물이 분포하고 있는 주거지역의 경우 반사강도가 높아 타 지역에 비해 밝기값이 높게 나타난다. 이러한 SAR 영상의 특성을 이용하면 주거지역을 효과적으로 추출할 수 있다. 본 연구에서는 고해상도 X-band SAR 위성인 독일의 TerraSAR-X, 우리나라의 KOMPSAT-5를 이용하여 주거지역의 추출을 수행하였으며, 추출을 위해서 영상분할기법을 통한 객체기반 영상분류를 적용하였다. 영상분할의 정확도를 향상시키기 위해서 스페클 divergence를 먼저 계산하여 주거지역의 반사강도를 조정하였다. 두 위성영상의 정확도 평가를 위해서 추가로 픽셀기반의 K-means 영상분류법을 적용하여 주거지역을 분류하였다. 연구의 결과로써 TerraSAR-X의 객체기반 영상분류법은 약 88.5%, 픽셀기반영상분류법은 75.9%, KOMPSAT-5는 약 87.3%와 74.4%의 overall accuracy를 보였다.

Keywords

References

  1. 손홍규, 송영선, 장훈. 2004. RADARSAT SAT 영상과 지형정보를 이용한 홍수시 산악지역의 수계영역 추출 정확도 향상. 대한토목학회논문집. 24(2d) :293-301. Sohn HG, Song YS, Jang H. 2004. Improvement of Water Area classification During a Flood Using RADARSAT SAR Imagery and Terrain Informations In Mountainous Area. KSCE Journal of Civil Engineering. 24(2d):293-301.
  2. 손홍규, 송영선, 김기홍. 2005. 입체영상 레이더측량을 위한 기준점수의 최소화 : RADARSAT-1 SAR 영상을 중심으로. 대한토목학회논문집. 25(1):167-177. Sohn HG, Song YS, Kim GH. 2005. Minimizing the Number of Control Points for Radargrammetry -Focused on RADARSAT-1 SAR Imagery-. KSCE Journal of Civil Engineering. 25(1) :167-177.
  3. 이정빈, 허준, 어양담. 2007. 객체 기반 영상 분류에서 최적 가중치 선정과 정확도 분석 연구. 대한원격탐사학회지. 23(6):521-528 Lee JB, Heo J, Eo YD. Study on Selection of Optimized Segmentation Parameters and Analysis of Classification Accuracy for Object-oriented Classification. Korea Journal of Remote Sensing. 23(6):521-528 https://doi.org/10.7780/kjrs.2007.23.6.521
  4. 한동엽, 박민호, 김용일. 1998. Radarsat 영상의 기하보정 방법에 대한 비교 연구 - DEM 해상도에 따라 -. 대한원격탐사학회지. 14(1):69-82. Han DY, Park MH, Kim YI. 1998. A Comparaitive of Geocoding Methods for Radarsat Image - According to the DEM Resolutions - Korean Journal of Remote Sensing. 14(1):69-82.
  5. Blaschke T. 2010. Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 65(1) :2-16. https://doi.org/10.1016/j.isprsjprs.2009.06.004
  6. Dekker RJ. 2003. Texture analysis and classification of ERS SAR images for map updating of urban areas in the Netherlands. IEEE Transactions on Geoscience and Remote Sensing, 41(9) :1950-1958. https://doi.org/10.1109/TGRS.2003.814628
  7. Esch T. Thiel M. Schenk A. Roth A. Müller A. Dech S. 2010. Delineation of urban footprints from TerraSAR-X data by analyzing speckle characte-ristics and intensity Information. IEEE Transactions on Geoscience and Remote Sensing. 48(2):905-916 https://doi.org/10.1109/TGRS.2009.2037144
  8. Jensen J. Cowen, D. 1999. Remote sensing of urban/suburban infrastructure and socioeconomic attributes. Photogramm. Eng. Remote Sens. 65(5):611-622.
  9. Sonka M. Hlavac V. Boyle R. 2008. Image Processing, Analysis, and Machine Vision, International Student Edition, Thomson Learning, 3th edition, pp.175-237.
  10. Stasolla M, Gamba P. 2008. Spatial Indexes for the Extraction of Formal and Informal Human Settlements from High-resolution SAR Images. IEEE J. Sel. Topics Appl. Earth Obs. Remote Sensing. 1(2): 98-106 https://doi.org/10.1109/JSTARS.2008.921099
  11. Thiel, M. Esch T. Schenk A. 2008. Object-oriented detection of urban areas from TerraSAR-X data. Proceeding of ISPRS 2008 Congress. 37(B8):23-27.
  12. Xu H. 2008. A new index for delineating built-up land features in satellite imagery. Int. J. Remote Sens. 29(14): 4269-4276. https://doi.org/10.1080/01431160802039957