• 한국지구과학회:학술대회논문집
• /
• 2005.09a
• /
• pp.79-84
• /
• 2005

이 논문에서는 구름과 같은 기상 상태의 제약 없이 자료 획득이 가능한 SAR 자료를 이용하여 토지 피복 특성을 구분하고자 하였다. 기존 단일 주파수, 편광 상태의 자료만을 제공하는 SAR 자료를 이용한 분류에서의 낮은 분류 정확도를 향상시키고자 이 논문에서는 다중 시기 C 밴드 자료이면서 서로 다른 편광 상태의 자료를 제공하는 Radarsat-1(HH)와 ENVISAT(VV) 자료를 분류에 이용하였다. 분류 기법으로 Random Forests를 적용한 결과, 단일 편광 상태의 자료만을 이용하였을 때에 비해서 보다 향상된 분류 정확도를 얻을 수 있었다.

• Economic and Environmental Geology
• /
• v.52 no.4
• /
• pp.313-322
• /
• 2019

SAR (Synthetic Aperture Radar) remote sensing data is a very useful tool for near-real-time identification of landslide affected areas that can occur over a large area due to heavy rains or typhoons. This study aims to develop an effective algorithm for automatically delineating landslide areas from the polarimetric SAR data acquired after the landslide event. To detect landslides from SAR observations, reduction of the speckle effects in the estimation of polarimetric SAR parameters and the orthorectification of geometric distortions on sloping terrain are essential processing steps. Based on the experimental analysis, it was found that the IDAN filter can provide a better estimation of the polarimetric parameters. In addition, it was appropriate to apply orthorectification process after estimating polarimetric parameters in the slant range domain. Furthermore, it was found that the polarimetric entropy is the most appropriate parameters among various polarimetric parameters. Based on those analyses, we proposed an automatic landslide detection algorithm using the histogram thresholding of the polarimetric parameters with the aid of terrain slope information. The landslide detection algorithm was applied to the ALOS-2 PALSAR-2 data which observed landslide areas in Japan triggered by Typhoon in September 2011. Experimental results showed that the landslide areas were successfully identified by using the proposed algorithm with a detection rate of about 82% and a false alarm rate of about 3%.

• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.303-306
• /
• 2006

이 연구에서는 C 밴드 SAR 자료이면서 서로 다른 편광 상태의 자료를 제공할 수 있는 다중 시기 Radarsat-1 자료와 ENVISAT ASAR 자료를 이용한 토지 피복 분류를 수행하였다. 다중 시기/편광 자료로부터 평균 후방산란계수, 시간적 변이도, 긴밀도 등의 특징을 기본적으로 추출하였고, 이외에 상호 비교를 위해 주성분 분석을 이용한 특징 추출을 시도하였다. 특징들을 이용한 분류기법으로는 Random Forests를 적용하였다. 충남 예당평야 일대를 대상으로 사례연구를 수행한 결과, 주성분 분석을 통한 특징과 다편광 자료를 이용하였을 때 분류 정확도가 향상되는 것으로 나타났다.

• Proceedings of the KSRS Conference
• /
• 2007.03a
• /
• pp.234-237
• /
• 2007

이 연구에서는 C 밴드와 L 밴드 다편광 NASA JPL AirSAR 자료를 농작물 구분에 사용함에 있어서 자료 융합의 효과를 살펴보고자 하였다. Target decomposition으로부터 얻어지는 산란특성과 관련된 특징들을 입력으로 support vector machines을 개별 파장대 편광 SAR 자료의 분류에 이용하였으며 C 밴드와 L 밴드 자료의 사후확률을 ${\tau}$모델을 이용하여 융합하였다. 적용 결과 L 밴드 자료가 C 밴드 자료에 비해 농작물 구분에 적절한 투과 심도를 나타내어 상대적으로 높은 분류 정확도를 나타내었지만，자료 융합을 통해 보다 향상된 분류 정확도를 얻을 수 있었다. 이 연구에서 제시된 방법론은 앞으로 이용이 가능할 C 밴드 Radarsat-2 자료와 L 밴드 ALOS 자료에 적용이 가능할 것으로 판단된다.

• Journal of the Korea Institute of Military Science and Technology
• /
• v.13 no.1
• /
• pp.105-113
• /
• 2010

SAR(Synthetic Aperture Radar) has characteristics well-suited for the measurement of geophysical parameters during day and night in all weather conditions. Recently, SAR data with high resolution acquired by satellites became available to the public. In such data, many features and phenomena of geometric structure of man-made objects and natural environments become observable. In this paper, we discuss main considerations including geometric distortion and coregistration for efficient utilization of high resolution SAR images. And, various advanced technologies in SAR application fields are introduced.

• Korean Journal of Remote Sensing
• /
• v.23 no.2
• /
• pp.89-101
• /
• 2007

This paper investigates the effects of the fusion of multifrequency (C and L bands) polarimetric SAR data in land-cover classification. NASA JPL AIRSAR C and L bands data were used to supervised classification in an agricultural area to simulate the integration of ALOS PALSAR and Radarsat-2 SAR data to be available. Several scattering features derived from target decomposition based on eigen value/vector analysis were used as input for a support vector machines classifier and then the posteriori probabilities for each frequency SAR data were integrated by applying a probabilistic ratio model as a decision level fusion methodology. From the case study results, L band data had the proper amount of penetration power and showed better classification accuracy improvement (about 22%) over C band data which did not have enough penetration. When all frequency data were fused for the classification, a significant improvement of about 10% in overall classification accuracy was achieved thanks to an increase of discrimination capability for each class, compared with the case of L band Shh data.

• Korean Journal of Remote Sensing
• /
• v.18 no.4
• /
• pp.209-220
• /
• 2002

We carried out studies on SAR image intensity and interferometric phase over oyster sea farms. Strong backscattering was observed in amplitude images, and that was considered as a radar signal double bouncing from horizontal bars. These sea farming structures are not visible in satellite optical images except IKONOS image, so that it demonstrates the value of radar remote sensing as an effective tool in support of sea farm detection. The intensity of the image is sensitive to system parameters including wavelength, polarization, and look direction, but does not correlate to tide height. We found that the strongest backscattering can be obtained by L-band HH-polarization with a look direction perpendicular to the horizontal bar. We also succeeded in generating 21 coherent JERS-1 SAR interferometric pairs over the oyster farms. The general trend of the fringe rate of the interferometric phases appeared to be governed by altitude of ambiguity. The general trend was modeled by an inverse function and removed to have a residual phase. The residual phase showed a linear relation with the tide height. The results demonstrate for the first time that SAR can possibly be used to estimate sea level. However, the r.m.s. error of a regression line is 11.7 cm, and that is so far too large to make reliable assessments of sea level in practical applications. Further studies is required to improve the accuracy specifically using multi-polarization SAR data.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2017.06a
• /
• pp.102-104
• /
• 2017

최근 Convolutional neural network (CNN)을 도입하여, SAR 영상의 목표물 인식 알고리즘이 높은 성능을 보여주었다. SAR 영상은 4 종류의 polarization 정보로 구성되어있다. 기계와 신호처리의 비용으로 인하여 일부 데이터는 적은 수의 polarization 정보를 가지고 있다. 따라서 우리는 SAR 영상 data 를 멀티모달 데이터로 해석하였다. 그리고 우리는 이러한 멀티모달 데이터에 잘 작동할 수 있는 콘볼루션 신경망을 제안하였다. 우리는 데이터가 포함하는 모달의 수에 반비례 하도록 scale factor 구성하고 이를 입력 크기조절에 사용하였다. 입력의 크기를 조절하여, 네트워크는 특징맵의 크기를 모달의 수와 상관없이 일정하게 유지할 수 있었다. 또한 제안하는 입력 크기조절 방법은 네트워크의 dead filter 의 수를 감소 시켰고, 이는 네트워크가 자신의 capacity 를 잘 활용한다는 것을 의미한다. 또 제안된 네트워크는 특징맵을 구성할 때 다양한 모달을 활용하였고, 이는 네트워크가 모달간의 상관관계를 학습했다는 것을 의미한다. 그 결과, 제안된 네트워크의 성능은 입력 크기조절이 없는 일반적인 네트워크보다 높은 성능을 보여주었다. 또한 우리는 전이학습의 개념을 이용하여 네트워크를 모달의 수가 많은 데이터부터 차례대로 학습시켰다. 전이학습을 통하여 네트워크가 학습되었을 때, 제안된 네트워크는 특정 모달의 조합 경우만을 위해 학습된 네트워크보다 높은 성능을 보여준다.

• Korean Journal of Remote Sensing
• /
• v.20 no.4
• /
• pp.275-288
• /
• 2004

This paper presents a fuzzy relaxation labeling approach incorporated to the fuzzy logic fusion scheme for the classification of multi-sensor remote sensing images. The fuzzy logic fusion and iterative relaxation labeling techniques are adopted to effectively integrate multi-sensor remote sensing images and to incorporate spatial neighboring information into spectral information for contextual classification, respectively. Especially, the iterative relaxation labeling approach can provide additional information that depicts spatial distributions of pixels updated by spatial information. Experimental results for supervised land-cover classification using optical and multi-frequency/polarization images indicate that the use of multi-sensor images and spatial information can improve the classification accuracy.