• 대한원격탐사학회지
• /
• 제30권2호
• /
• pp.207-218
• /
• 2014

하천을 복원하거나 정비하는데 있어서 중요한 하천의 실태를 파악하는데, 하천 피복상태 정보는 매우 중요하다. 본 연구의 목적은 하천의 피복상태 정보를 효율적이고 경제적으로 획득하기 위해 고해상도 항공정사영상의 효과적인 분류를 위한 감독분류 방법을 시험하고 하천토지피복지도 작성을 위한 최적 분류 방법을 검증하였다. 항공 정사영상의 CIR 영상과 RGB 영상을 이용한 하천토지피복 분석과정은 하천토지피복분류 항목 선정, 감독분류, 정확도 평가 및 분류지도 작성의 순서로 수행하였다. 분류 항목은 수역, 도로, 건물, 초지, 산림, 나지, 밭의 7가지 항목을 선정하였다. 감독 분류 알고리즘으로는 최대우도분류, 최소거리분류, 평행육면체분류, 마하라노비스거리분류 기법을 적용하였다. 감독분류의 분류정확도를 개선하기 위해 필터링과 훈련지역의 왜도 검증을 수행한 결과 CIR 영상을 이용한 최대우도분류 기법이 가장 높은 정확도를 보였다.

• 한국지리정보학회지
• /
• 제24권3호
• /
• pp.83-98
• /
• 2021

도시녹지는 도시 생태계 건강성 증진을 위한 중요한 요소이며, 건강한 도시 생태계 유지 및 관리를 위해서는 도시녹지의 공간적인 현황 파악이 필요하다. 환경부에서는 2010년 이후부터 총 41개의 분류 항목을 갖는 1m 급 해상도의 세분류 토지피복지도를 제공해오고 있으나, 가로수와 같은 도시 내 고해상도 상세 녹지 정보는 기타 초지로 분류되거나 누락되어 오고 있다. 따라서, 본 연구에서는 수원시 지역을 대상으로 1m 이하 급의 고해상도 원격탐사 자료(항공 LiDAR 및 RGB 정사영상)를 이용하여, 기존 세분류 토지피복지도에서는 나타나지 않는 고해상도의 상세 도시 녹지(수목, 관목 및 초지) 정보를 분류하고자 하였다. 분류 기법으로는 딥러닝 기반의 이미지 분할방법인 U-Net 구조의 모델을 활용하였으며, 분류 항목의 수 및 사용하는 자료의 종류에 따라 총 3가지의 모델(LRGB10, LRGB5, 및 RGB5)을 제안하고 성능을 평가하였다. 검증 지역에 대한 세 모델의 평균 전체 정확도는 각 83.40%(LRGB10), 89.44%(LRGB5), 74.76%(RGB5)이며, 항공 LiDAR와 RGB 정사영상을 함께 사용하여 총 5개의 항목(수목, 관목, 초지, 건물, 및 그 외)을 분류하는 LRGB5 모델의 성능이 가장 높게 나타났다. 수원시의 수목, 관목 및 초지 기준의 전체 녹지 현황은 각 45.61%(LRGB10), 43.47%(LRGB5), 및 44.22%(RGB5)로 나타났으며, 세 모델 모두 기존 세분류 토지피복지도와 비교하여 평균 13.40%의 도시 수목 정보를 더 제공할 수 있는 것으로 나타났다. 더불어 이러한 도시녹지 분류 결과는 향후 중분류 토지피복지도와 같은 기존 GIS 정보와의 융합을 통해 가로수 녹지 비율 현황 등 추가적인 상세 녹지 현황 정보를 제공할 수 있어, 다양한 도시녹지 연구 및 정책의 기초 자료로 활용될 수 있을 것으로 기대된다.

• 한국재난정보학회 논문집
• /
• 제14권4호
• /
• pp.501-509
• /
• 2018

연구목적: UAV기반의 사진측량은 기존 항공촬영에 비해 비용이 절감될 뿐만 아니라 원하는 시간과 장소에 대한 고해상도의 데이터를 취득하기 용이하기 때문에, 공간정보 분야에서도 UAV를 활용한 연구가 진행되고 있다. 본 연구에서는 UAV 기반의 고해상도 영상을 활용하여 토지피복 분류를 수행하고자 하였다. 연구방법: 고해상도 영상의 획득을 위하여 RGB카메라를 사용하였으며, 추가적으로 식생지역을 정확하게 분류하기 위해서 다중분광 카메라를 사용하여 동일 지역을 추가 촬영하였다. 최종적으로 RGB 및 다중분광 카메라를 이용하여 생성된 정사영상, DSM(Digital Surface Model), NDVI(Normalized Difference Vegetation Index), GLCM(Gray-Level Co-occurrence Matrix)을 이용하여 대표적인 감독분류기법인 RF(Random Forest)방법을 이용해 총 7개 클래스에 대해 토지피복분류를 수행하였다. 연구결과: 분류정확도 평가를 위해 오차행렬을 기반으로 한 정확도 평가를 실시하였으며, 정확도 평가 결과 RGB 영상만을 이용한 감독분류결과와 비교하여 제안 방법이 해당 지역의 클래스를 효과적으로 분류할 수 있음을 확인하였다. 결론: 본 연구에서 제안한 정사영상, 다중분광영상, NDVI, GLCM을 모두 추가한 경우 기존의 정사영상만을 이용하였을 때 보다 높은 정확도를 나타냈다. 추후 연구로는 추가적인 입력자료의 개발을 통해 분류 정확도를 향상시키고자 한다.

• 대한원격탐사학회지
• /
• 제36권2_2호
• /
• pp.277-292
• /
• 2020

본 연구에서는 천수만 황도 갯벌 지역을 대상으로 UAV 자료와 객체기반영상분석 방법을 사용하여 대축척 갯벌 표층 퇴적상 분류도를 작성하고, 정확도 검증을 수행하여 정밀한 표층 퇴적상 분류의 가능성과 보다 정확한 분류 방법에 대해 제시하였다. 이를 위해 고해상도 UAV 자료에서 가시광 영역의 정사영상과 수치표고모델(DEM), 조류로 밀도 등 퇴적상 분류 시 영향을 주는 요인들을 추출하고, 통계학적 분석 방법을 통해 퇴적상에 따른 요인들의 주성분을 분석하였다. 주성분 요인을 바탕으로 퇴적상 분류 시 사용할 입력 자료를 (1) 가시광 영역의 스펙트럼, (2) 지형 고도와 조류로 밀도, (3) 가시광 영역의 스펙트럼과 지형 고도 및 조류로 밀도로 구분하였으며, 이를 기반으로 객체기반영상분석 분류방법에 입력 자료를 적용하여 대축척 갯벌 표층 퇴적상 분류도를 추출하였다. 입력 자료의 조건에 따라 표층 퇴적상 분류를 수행한 결과, folk 분류 기준을 따르는 6가지의 표층 퇴적상으로 분류하였고, 가시광 영역의 스펙트럼과 지형 고도, 조류로 밀도를 사용할 경우 전체 정확도가 63.04%, Kappa 지수가 0.54로 가장 효과적으로 표층 퇴적상을 분류하였다.