• 대한원격탐사학회지
• /
• 제25권3호
• /
• pp.233-242
• /
• 2009

This paper presents two different types of supervised classifiers such as support vector machine (SVM) and spectral angle mapper (SAM). The Compact Airborne Spectrographic Imager (CASI) high resolution aerial image was classified with the above two classifier. The image was classified into eight land use /land cover classes. Accuracy assessment and Kappa statistics were estimated for SVM and SAM separately. The overall classification accuracy and Kappa statistics value of the SAM were 69.0% and 0.62 respectively, which were higher than those of SVM (62.5%, 0.54).

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.820-824
• /
• 2003

One of the most important research areas on remote sensing is spectral unmixing of hyper-spectral data. For spectral unmixing of hyper spectral data, accurate land cover information is necessary. But obtaining accurate land cover information is difficult process. Obtaining land cover information from high-resolution data may be a useful solution. In this study spectral signature of endmembers on ASTER acquired in October was calculated from land cover information on IKONOS acquired in September. Then the spectral signature of endmembers applied to ASTER images acquired on January and March. Then the result of spectral unmxing of them evauateted. The spectral signatures of endmembers could be applied to different seasonal images. When it applied to an ASTER image which have similar zenith angle to the image of the spectral signatures of endmembers, spectral unmixing result was reliable. Although test data has different zenith angle from the image of spectral signatures of endmembers, the spectral unmixing results of urban and vegetation were reliable.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.280-282
• /
• 2003

The downlink data rates of the space-born payloads such as high-resolution optical cameras, synthetic aperture radars (SAR) and hyper-spectral sensors are being rapidly increased. For example, the image transmission rates of KOMPSAT-2 MSC(Multi-Spectral Camera) is 320Mbps even if on-board image compression scheme is used.[1] In the near future, the data rates are expected to be a level 500${\sim}$600Mbps because the required resolution will be higher and the swath width will be increased. This paper describes many techniques they enable 500Mbps data receiving and archiving system.

• 한국인터넷방송통신학회논문지
• /
• 제22권6호
• /
• pp.107-112
• /
• 2022

드론과 같은 임베디드 시스템에서 데이터를 서버로 전송해 실시간 분석을 진행함에 있어진행하는 데 초분광 영상 전체를 저장, 전송, 분석하는 데 전력 소모와 시간이 많이 소요되어 어려움이 있다. 그래서 초분광 영상 데이터는 차원 축소 또는 압축 전처리를 통해 서버로 전송하게 된다. 분석에 필요한 밴드만 보내기 위해서는 피처 선택 기법을 사용하는데 이러한 알고리즘은 대게 효율은 높더라도 영상 크기에 따라 처리 시간이 매우 소요가 크다. 본 논문에서는 밴드선택 알고리즘의 시간적인 단점을 개선하여한 기댓값 기반의 알고리즘을 제안한다. 실험 결과 8GB 데이터의 40000*682 해상도 이미지 기준 평균 소요 시간인 24시간을 60~180초 내외로 감소시키고, 150개 밴드 중에 45개를 활용하여 7.6GB 램 사용을 2.3GB로 크게 감소시켰다. 시간은 크게 줄였음에도 픽셀 분류 성능은 기존과 유사하게 98% 이상의 분석 결과를 도출하였다.

• 한국측량학회지
• /
• 제31권2호
• /
• pp.165-172
• /
• 2013

본 연구에서는 대표적인 영상 정합기법 중 하나인 SIFT 기법을 이용하여, 고해상도의 초분광 스트립 영상에 대하여 높은 품질의 모자이크 영상을 생성하고자 하였다. 이를 위해, 항공사진 촬영당시의 GPS/INS 정보를 이용하여 초기 기하보정된 AISA Eagle 초분광 영상에 대하여 실험을 진행하였다. 세 개의 스트립으로 구성된 초분광 영상 간의 정합쌍을 추출하여 변환모델식을 구성하였고, 모자이크 영상을 생성하였다. 특히, 고품질의 초분광 모자이크 영상을 생성하기 위하여, 초분광 영상 내의 대표 밴드를 선정하고, 이를 이용한 영상 정합기법의 결과들을 분석하여 최적의 대표 밴드를 결정하고자 하였다. 본 연구를 통해 생성된 모자이크 영상의 위치 정확도를 비교 평가하기 위해서, GPS/INS 시스템으로 기하보정된 AISA Eagle 초분광 영상을 이용하여 생성한 모자이크 영상과의 시각적 비교 평가를 수행하였으며, 본 연구에서 수행한 방법들의 효용성을 분석하였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.149-154
• /
• 2021

초분광 이미지는 일반 이미지와 달리 전자기 스펙트럼을 파장에 따라 수많은 밴드로 나누어 촬영된 것으로 고용량 고해상도 이미지이다. 일반 이미지보다 정보량이 많아 물체나 물질 탐사에 활용된다. 처리할 초분광 이미지의 정보량을 줄이기 위해 밴드 선택(band selection)기법을 활용한다. 기존 밴드 선택기법들은 통계를 바탕으로 하는 휴리스틱한 기법으로, 시간이 오래 걸리며, 일반성과 보편성이 떨어지는 경우가 많다. 이를 보완하기 위해 본 논문에서는 양자화 개념(Quantization)를 활용하여, 이산 범위(Discrete Range)를 통해 범위별로 대표적인 밴드를 뽑아 밴드 선택에 사용한다. 실험 결과를 통해 제안 기법이 기존 밴드 선택 방식보다 수행 시간이 매우 빠르며 밴드 수를 1/10~1/7로 줄였음에도 원본과 성능 정확도가 유사함을 보였다.

• 대한토목학회논문집
• /
• 제26권5D호
• /
• pp.885-894
• /
• 2006

본 논문의 의도는 하이퍼스펙트럴 영상의 다량의 밴드를 사용하면서도 효율적인 분류기법의 개발에 초점을 두고 있다. 본 연구에서는 하이퍼스펙트럴 영상의 분류에 있어 이론적으로 밴드수가 많아질수록 분류정확도가 높을 것이라 예상되는, 다변량 통계분석기법중의 하나인 정준상관분석을 적용한 분류기법을 제안한다. 그리고 기존의 대표적인 전통적 분류기법인 최대 우도분류 방법과 비교한다. 사용되는 하이퍼스펙트럴 영상은 2001년 9월 2일 취득된 EO1-Hyperion 영상이다. 실험을 위한 밴드수는 LANDSAT TM 영상에서 열밴드를 제외한 나머지 데이터의 파장대와 일치하는 부분을 감안하여 30개 밴드로 선정하였다. 지상실제데이터로서 비교기본도를 채택하였다. 이 비교기본도와 시각적으로 윤곽을 비교하고, 중첩분석하여 정확도를 평가하였다. 최대우도분류의 경우 수역 분류를 제외하고는 전혀 분류기법으로서의 역할을 하지 못하는 것으로 판단되며, 수역의 경우도 큰 호수 외에 작은 호수나 골프장내 연못, 부분적으로 물이 존재하는 작은 영역 등은 전혀 분류하지 못하고 있는 것으로 나타났다. 그러나 정준상관분류결과는 비교기본도와 형태적으로 시각적 비교를 해볼 때 골프장잔디를 거의 명확히 분류해 내고 있으며, 도시역에 대해서도 고속도로의 선형 등을 상당히 잘 분류해내고 있음을 알 수 있다. 또한 수역의 경우도 골프장 연못이나 대학교내 연못, 기타지역의 연못, 웅덩이 등 까지도 잘 분류해내고 있음을 확인할 수 있다. 결과적으로 정준상관분석 알고리즘의 개념상 트레이닝 영역 선정시 시행착오를 겪지 않고도 정확한 분류를 할 수 있었다. 또한 분류항목 중에서 잔디와 그 외 식물을 구분해 내는 능력과 수역을 추출해 내는 능력이 최대우도분류기법에 비해 우수하였다. 이상의 결과로 판단해 볼 때 하이퍼스펙트럴영상에 적용되는 정준상관분류기법은 농작물 작황 예측과 지표수 탐사에 매우 유용하리라 판단되며, 나아가서는 분광적 고해상도 영상인 하이퍼스펙트럴 데이터를 이용한 GIS 데이터베이스 구축에 중요한 역할을 할 수 있을 것으로 기대된다.