Study on Selection of Optimized Segmentation Parameters and Analysis of Classification Accuracy for Object-oriented Classification

The overall objective of this research was to investigate various combination of segmentation parameters and to improve classification accuracy of object-oriented classification. This research presents a method for evaluation of segmentation parameters by calculating Moran's I and Intrasegment Variance. This research used Landsat-7/ETM image of $11{\times}14$ Km developed area in Ansung, Korea. Segmented images are generated by 75 combinations of parameter. Selecting 7 combinations of high, middle and low grade expected classification accuracy was based on calculated Moran's I and Intrasegment Variance. Selected segmentation images are classified 4 classes and analyzed classification accuracy according to method of objected-oriented classification. The research result proved that classification accuracy is related to segmentation parameters. The case of high grade of expected classification accuracy showed more than 85% overall accuracy. On the other hand, low ado showed around 50% overall accuracy.

객체 기반 영상 분류에서 최적 가중치 선정과 정확도 분석 연구

본 논문에서는 대상지역에 대한 영상을 다양한 가중치의 조합의 경우를 고려하여 객체 단위로 분할하게 되며 분할된 객체에 대하여 상호관계를 분석하여 수치적으로 표현하였다. 또한 최종적인 객체 기반영상분류에서 높은 정확도를 확보할 수 있는 가중치의 조합을 산정하였다. 연구에 사용된 영상은 Landsat-7/ETM 영상으로 대상 지역의 면적은 $11{\times}14$ Km이며 밴드 2, 3, 4의 조합을 사용하였다. 객체 간 계산은 Moran's I와 객체 내부 분산(Intrasegment Variance)을 이용하였다. 대상지역에 대하여 총 75개의 가중치 조합을 사용하여 75개의 객체 분할 영상을 생성하였다. 객체 분할 영상 중에 최종적인 영상 분류 시 높은 정확도가 예상되는 가중치 조합, 중간 정도 정확도가 예상되는 가중치 조합 그리고 낮은 정도 정확도가 예상되는 가중치 조합을 7개 선택하여 최종적인 객체기반 영상분류를 시행하고 그 정확도를 비교하였다. 정확도의 비교 결과, 가장 높은 정확도가 예상되는 가중치 조합의 객체 분할 영상의 경우 객체 기반 영상 분류 시 85% 이상의 정확도를 나타내었으며 반대로 낮은 경우는 분류 시 50% 정도의 분류 정확도를 나타내었다.