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.
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.
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.
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.
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.
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.
;Tateishi, Ryutaro;Wikantika, Ketut;M.A., Mohammed Aslam
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.
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.
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.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.