• 대한원격탐사학회지
• /
• 제22권4호
• /
• pp.295-304
• /
• 2006

영상융합은 "특정 알고리즘의 사용을 통해 두 개 혹은 그 이상의 서로 다른 영상을 조합하여 새로운 영상을 만들어내는 것"을 뜻하며 원격탐사에서는 주로 낮은 공간해상도의 멀티스펙트럴 영상과 높은 공간해상도의 흑백영상을 융합하여 높은 공간해상도의 멀티스펙트럴 영상을 생성하는 것을 의미한다. 일반적으로 하이퍼스펙트럴 영상융합을 위해서는 기존의 멀티스펙트럴 영상융합 기법을 이용한 방법이나 분광혼합기법을 이용한 방법을 사용한다. 전자의 경우에는 분광정보가 손실될 가능성이 높으며, 후자의 경우는, endmember의 정보나 부가적인 데이터가 필요하고 결과 영상의 경우 공간적 정보가 상대적으로 부정확한 문제점을 보인다. 따라서 본 연구에서는 하이퍼스펙트럴 영상의 분광특성을 보존하기 위한 융합방법으로서 2단계 분광혼합기법을 사용한 영상융합 알고리즘을 제안하였으며 이를 실제 Hyperion, ALI 영상에 적용하여 평가하였다. 이를 통해 제안한 알고리즘에 의해서 융합된 결과가 PCA, GS 융합기법에 비해서 높은 공간, 분광 해상도를 유지할 수 있음을 보여주었다.

• 항공우주기술
• /
• 제6권1호
• /
• pp.213-221
• /
• 2007

본 연구에서는 2002년 4월에 획득된 Hyperion 초분광 원격탐사 자료를 이용하여 산불연료지도 제작을 위한 객체기반 분류 기법을 제시하였으며, 또한 객체기반 분석결과와 화소기반 분석결과를 비교해 보았다. 이를 위해 우선적으로 Hyperion 위성영상에 있는 잡음 화소 보정과 잡음 밴드를 제거하였으며, 또한 정확한 자료 처리를 위해 대기보정을 수행하였다. 산불 연료 지도 제작을 위한 방법은 분광혼합분석(SMA) 처리 결과를 재구성하여 얻었다. 객체 기반 접근 방법은 세그먼트 기반의 endmember 선택방법을 활용하였으며, 화소기반 분석은 표준 분광혼합분석기법을 적용하였다. 검증 및 비교를 위해서는 고해상도 칼라 항공정사영상이 활용되었다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.7-10
• /
• 2005

Plant water deficiency during drought season causes physiological stress and can be a critical indicator of forest fire vulnerability. In this study, we attempt to analyze the spectral characteristics of water stressed vegetation by using the laboratory measurement on leaf samples and the canopy reflectance spectra extracted from satellite hyperspectral image data. Leaf-level reflectance spectra were measured by varying moisture content using a portable spectro-radiometer. Canopy reflectance spectra of sample forest stands of two primary species (pine and oak) located in central part of the Korean peninsula were extracted from EO-l Hyperion imaging spectrometer data obtained during the drought season in 2001 and the normal precipitation year in 2002. The preliminary analysis on the reflectance spectra shows that the spectral characteristics of leaf samples are not compatible with the ones obtained from canopy level. Although moisture content of vegetation can be influential to the radiant flux reflected from leaf-level, it may not be very straightforward to obtain the spectral characteristics that are directly related to the level of canopy moisture content. Canopy spectra form forest stands can be varied by structural variables (such as LAt, percent coverage, and biomass) other than canopy moisture content.

• 한국측량학회지
• /
• 제25권5호
• /
• pp.383-392
• /
• 2007

본 연구는 초분광 영상을 이용한 변화탐지 기법의 전처리 과정 중 하나인 영상간 기하보정과 밴드선택에 초점을 맞추고 있다. 최근 그 성능이 입증된 SIFT(Scale-Invariant Feature Transform) 기법을 이용하여 자동화된 기하보정을 수행하였으며, 분광정보의 불변 특성을 반영하는 PIF(Pseudo-Invariant Feature)를 추출하여 영상의 잡음을 추정함으로써, 변화탐지를 위한 유효 밴드를 선택하였다. 또한, 기대최대화(Expectation-Maximization) 기법을 이용한 객관적인 밴드선택 방법을 구현하였다. 제안된 기법들을 실제 적용하기 위해 Hyperion 영상을 사용하였으며, 영상에 나타나는 보정되지 않은 밴드 및 Striping 잡음의 특성을 부가적으로 제거하였다. 결과를 통해, 변화탐지를 위한 최소한의 요구조건인 0.2화소 이내의 정확도(RMSE)를 만족하는 신뢰도 높은 기하보정을 수행할 수 있었으며, 시각적인 판단에 의존하던 밴드선택을 PIF를 통해 객관화할 수 있음을 확인하였다.

• 대한공간정보학회지
• /
• 제14권4호통권38호
• /
• pp.71-77
• /
• 2006

통계학습이론에 기반하고 있는 Support Vector Machine(SVM)은 구조적 위험 최소화원리를 바탕으로 하는 학습 알고리즘이다. 일반적으로SVM은 비선형 경계를 결정하고 자료를 분류하기 위해서 커널(kernel)을 사용한다. 그러나 기존의 커널들은 두 벡터간의 내적이나 거리차를 이용하여 유사도를 측정하기 때문에 하이퍼스펙트럴 영상분류에 효과적으로 적용될 수 없다. 본 논문에서는 이를 해결하기 위해서 분광유사도커널(Spectral similarity kernel)을 제안한다. 분광유사도 커널은 두 벡터의 거리차와 각 차이를 모두 계산하는 지역적 커널로 하이퍼스펙트럴 영상의 분광특성을 효과적으로 고려할 수 있다. 이를 검증하기 위해서 Hyperion 영상에 polynomial kernel, RBF kernel을 사용한 SVM 분류기와 분광유사도 커널을 사용한 SVM 분류기를 적용하여 토지피복분류를 시행하였다. 분류결과를 통해서 분광유사도 커널을 사용한 SVM 분류기가 정량적, 공간적으로 가장 우수한 결과를 보임을 확인하였다.

• Korean Journal of Geomatics
• /
• 제4권1호
• /
• pp.1-8
• /
• 2004

In the middle-resolution remote sensing, the Ground Sampled Distance (GSD) that the detector senses and samples is generally larger than the actual size of the objects (or materials) of interest, and so several objects are embedded in a single pixel. In this case, as it is impossible to detect these objects by the conventional spatial-based image processing techniques, it has to be carried out at sub-pixel level through spectral properties. In this paper, we explain the sub-pixel analysis algorithm, also known as the Linear Spectral Mixing (LSM) model, which has been experimented using the Hyperion data. To find Endmembers used as the prior knowledge for LSM model, we applied the concept of the convex geometry on the two-dimensional scatter plot. The Atmospheric Correction and Minimum Noise Fraction techniques are presented for the pre-processing of Hyperion data. As LSM model is the simplest approach in sub-pixel analysis, the results of our experiment is not good. But we intend to say that the sub-pixel analysis shows much more information in comparison with the image classification.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.732-734
• /
• 2003

In the middle -resolution remote sensing, the Ground Sampled Distance(GSD) sensed and sampled by the detector is generally larger than the size of objects(or materials) of interest, in which case several objects are embedded in a single pixel and cannot be detected spatially. This study is intended to solve this problem of a hyperspectral data with high spectral resolution. We examined the detection algorithm, Linear Spectral Mixing Model, and also made a test on the Hyperion data. To find class Endmembers, we applied two methods, Spectral Library and Geometric Model, and compared them with each other.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2006년도 춘계학술발표회 논문집
• /
• pp.243-248
• /
• 2006

In this paper, we propose the unsupervised change detection algorithm that apply the similarity measure techniques to the hyperspectral image. The general similarity measures including euclidean distance and spectral angle were compared. The spectral similarity scale algorithm for reducing the problems of those techniques was studied and tested with Hyperion data. The thresholds for detecting the change area were estimated through EM(Expectation-Maximization) algorithm. The experimental result shows that the similarity measure techniques and EM algorithm can be applied effectively for the unsupervised change detection of the hyperspectral data.

• 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.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 춘계학술대회 논문집
• /
• pp.223-227
• /
• 2006

최근 위성기술의 발전은 크게 두 가지 방향으로 진행되고 있다. 하나는 고해상도(High Resolution)라는 말로 대표되는 공간해상도(Spatial Resolution)의 향상이고, 다른 하나는 초분광(Hyperspectral)으로 대표되는 분광해상도(Spectral Resolution)의 향상이다. 특히 초분광영상(Hyperspectral Image)은 지상피복 및 대상물에 대해 실험실에서 얻을 수 있을 정도의 연속적이고 좁은 파장 간격의 분광정보를 제공하고 있어, 기존에 사용하던 다중분광영상(Multispectral Image) 보다 많은 양의 정보를 사용자에게 제공한다. 본 논문에서는 다중분광영상과 초분광영상의 분광 정보를 활용한 영상분류능력을 비교분석하고 그 결과를 평가하였다. 분석결과는 다중분광영상에서 식별이 어려웠던 초지, 농지, 나지에 대한 분석 능력이 초분광영상에서 상당히 향상됨으로써 감독분류에서 약 20% 정도의 정확도 향상을 가져왔으며, 무감독분류의 경우에는 미소한 차이로 그 정확도가 향상된다는 것이다. 이런 결과는 향후 초분광영상의 토지 피복분류 및 대상물 탐사에 긍정적인 활용 방안을 제시할 수 있음을 알려주고 있다.