• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2004년도 Proceedings of ISRS 2004
• /
• pp.389-392
• /
• 2004

Classification of Earth natural components within a full polarimetric SAR image is one of the most important applications of radar polarimetry in remote sensing. In this paper, the unsupervised classification algorithms based on the combined use of the polarimetric processing technique such as the target decomposition and statistical complex Wishart classification method are evaluated and applied to vegetated terrain in Jeju volcanic island.

• 대한원격탐사학회지
• /
• 제25권5호
• /
• pp.455-464
• /
• 2009

Lee(2009)에서 영상 강도를 위해서 lognormal 확률 모형과 영상 texture를 위해서 Markov random field(MRF)에 기반하는 Bayesian 모형을 사용하는 boundary-adaptive despeckling 방법을 제안하였다. 이 방법은 speckle 제거 영상의 최대 사후(maximum a posteriori: MAP) 추정치를 구하기 위해서 Point-Jacobian iteration을 이용한다 인접하고 있는 다른 특성의 지역에 위치한 화소의 값을 사용하는 가능성을 줄이기 위해 Boundary-adaptive algorithm은 경계에 가까울 수록 멀리 떨어진 이웃 화소로부터 정보를 덜 수집하도록 고안된다. 이러한 boundary-adaptive 방법은 전반적으로 simulation 자료를 사용하여 Lee(2009)에서 평가되었고 그리고 제안된 방법의 효험을 증명하였다. 본 연구는 Lee(2009)의 확장 연구로 MAP 추정치를 구하기 반복 algorithm의 계산 효율성을 증가 시키고 noise 제거와 함께 분류를 수행하는 수정 algorithm을 제안한다. Simulation 자료를 사용한 실험을 통해서 boundary-adaption이 분류 오류를 줄여줄 뿐 아니라 더욱 명확한 경계선을 보여준다는 것을 알 수 있다. 또한 영종도 서해안에서 관측된 고해상도 Terra-SAR data에 적용한 결과는 boundary-adaption은 SAR 활용에서 분석의 정확성을 개선 시킬 수 있다는 것을 암시한다.

• 한국군사과학기술학회지
• /
• 제27권2호
• /
• pp.147-155
• /
• 2024

Based on the recently developed deep learning technology, many studies have been conducted on deep learning networks that simultaneously detect and classify targets of interest in synthetic aperture radar(SAR) images. Although numerous research results have been derived mainly with the open SAR ship datasets, there is a lack of work carried out on the deep learning network aimed at detecting and classifying SAR ground targets and trained with the synthetic dataset generated from electromagnetic scattering simulations. In this respect, this paper presents the deep learning network trained with the synthetic dataset and applies it to detecting and classifying real SAR ground targets. With experiment results, this paper also analyzes the network performance according to the composition ratio between the real measured data and the synthetic data involved in network training. Finally, the summary and limitations are discussed to give information on the future research direction.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2002년도 추계학술발표회 논문집
• /
• pp.195-199
• /
• 2002

SAR(Synthetic Aperture Radar) 영상은 경사촬영을 수행하므로 지형의 기복에 따른 영향을 많이 받는다. 따라서 SAR영상을 이용하여 여러 가지 정보들을 추출하여 이용하기 위해서는 전처리 과정으로서 지형의 기복에 따른 여러 가지 왜곡들을 보정해야 한다. 이에 본 연구에서는 RADARSAT SAR 영상을 이용하여 궤도모델링, 정사보정을 수행하고 역산란계수, 국부입사각 계산 등을 통해 지형기복에 따른 방사왜곡보정을 수행하였다.

• 한국위성정보통신학회논문지
• /
• 제12권1호
• /
• pp.6-12
• /
• 2017

최근 고해상도 SAR 위성 영상의 확보가 용이해짐에 따라 활용 시장이 확대되고 있다. 광학 영상과 달리 위성 SAR 영상은 전천후환경에서 영상 획득이 가능하다. 특히 광학 영상으로 활용하기 힘든 화산 및 지진과 같은 재난 감시 수요가 증가 하였고, 또한 군사지역 및 인공지물의 모니터링에 대한 수요가 높아지고 있다. 고해상도 SAR 영상은 이러한 수요에 따라 활용할 수 있다. 본 논문에서는 X-band에서 운용되고 있는 KOMPSAT-5의 고해상도 위성 영상을 기반으로 변화탐지와 분류 활용 방안을 연구하였다. 변화탐지 방법으로는 ACD(Amplitude Change Detection), CCD(Coherence Change Detection)을 적용하였다. 각 기법에 대한 결과 영상을 각각 비교하여 융합할 경우 미세 변화탐지 분야 활용가능성을 확인하였다. 또한, 분류 방법으로는 k-means와 SVM기법을 적용하였다. 그 결과 SVM기법을 사용한 분류 결과가 향상됨을 확인하였다.

• 대한원격탐사학회지
• /
• 제28권1호
• /
• pp.21-28
• /
• 2012

본 논문에서는 서남극해에 위치한 Wilkinson 빙하주변에 존재하는 다양한 산란특징을 보이는 빙산을 고해상도 C-밴드RADARSAT-2의 다중편파 합성구경레이더 (SAR) 자료를 이용하여 탐지할 수 있는 기법을 연구 하였다. 다중편파 SAR 자료에 적용할 수 있는 다양한 기법 들 중 전자기파 산란 특성을 파악할 수 있는 Freeman-Durden decomposition, H/A/$\bar{\alpha}$ decomposition, 그리고 entropy (H)와 anisotropy(A) 기법 들과, 다중편파 SAR자료의 분류를 위해 Wishart 무감독 분류법을 연구지역 SAR 자료에 적용 하였다. 그 결과, Freeman Durden, H/A/$\bar{\alpha}$ decomposition을 이용한 기법들은 대부분의 빙산들을 잘 분류 하였지만 해빙과 비슷한 표면 산란과 체적 산란을 가지고 있는 빙산은 구분되지 않았다. 반면, H와 A의 조합 변수 중 하나인 [1-H][1-A] 변수를 이용한 무감독 분류법은 이러한 빙산들을 잘 구분하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.107-109
• /
• 2003

Optical sensor-based land cover categories produce spectral signature confusion along with degraded classification accuracy. In the classification tasks, the goal of fusing data from different sensors is to reduce the classification error rate obtained by single source classification. This paper describes the result of land cover/land use classification derived from solely of Landsat TM (TM) and multisensor image fusion between JERS 1 SAR (JERS) and TM data. The best radar data manipulation is fused with TM through various techniques. Classification results are relatively good. The highest Kappa Coefficient is derived from classification using principal component analysis-high pass filtering (PCA+HPF) technique with the Overall Accuracy significantly high.

• Korean Journal of Geomatics
• /
• 제3권1호
• /
• pp.33-41
• /
• 2003

Every year, several typhoons hit the Korean peninsula and cause severe damage. For the prevention and accurate estimation of these damages, real time or almost real time flood information is essential. Because of weather conditions, images taken by optic sensors or LIDAR are sometimes not appropriate for an accurate estimation of water areas during typhoon. In this case SAR (Synthetic Aperture Radar) images which are independent of weather condition can be useful for the estimation of flood areas. To get detailed information about floods from satellite imagery, accurate classification of water areas is the most important step. A commonly- and widely-used classification methods is the ML(Maximum Likelihood) method which assumes that the distribution of brightness values of the images follows a Gaussian distribution. The distribution of brightness values of the SAR image, however, usually does not follow a Gaussian distribution. For this reason, in this study the ANN (Artificial Neural Networks) method independent of the statistical characteristics of images is applied to the SAR imagery. RADARS A TSAR images are primarily used for extraction of water areas, and DEM (Digital Elevation Model) is used as supplementary data to evaluate the ground undulation effect. Water areas are also extracted from KOMPSAT image achieved by optic sensors for comparison purpose. Both ANN and ML methods are applied to flat and mountainous areas to extract water areas. The estimated areas from satellite imagery are compared with those of manually extracted results. As a result, the ANN classifier performs better than the ML method when only the SAR image was used as input data, except for mountainous areas. When DEM was used as supplementary data for classification of SAR images, there was a 5.64% accuracy improvement for mountainous area, and a similar result of 0.24% accuracy improvement for flat areas using artificial neural networks.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1030-1032
• /
• 2003

This study a imed to analyze the effect of combined optical and radar image for the land cover classification in coastal region. The study area, Gyeonggi Bay area has one of the largest tidal ranges and has frequent land cover changes due to the several reclamations and rather intensive land uses. Ten land cover types were classified using several datasets of combining Landsat ETM+ and RADARSAT imagery. The synergic effects of the merged datasets were analyzed by both visual interpretation and an ordinary supervised classification. The merged optical and SAR datasets provided better discrimination among the land cover classes in the coastal area. The overall classification accuracy of merged datasets was improved to 86.5% as compared to 78% accuracy of using ETM+ only.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1084-1086
• /
• 2003

The aim of this study is to assess the integrated use of different features extracted from spaceborne interferometric synthetic aperture radar (InSAR) data and optical data for land cover classification. Special attention is given to the discriminatory characteristics of the features derived from the multisource data sets. For the evaluation of the features , the statistical maximum likelihood decision rule and neural network classification are used and the results are compared. The performance of each method was evaluated by measuring the overall accuracy. In all cases, the performance of the first method was better than the performance of the latter one. Overall, the research indicated that multisource data sets containing different information about backscattering and reflecting properties of the selected classes of objects can significantly improve the classification of land cover types.