• 대한원격탐사학회지
• /
• 제22권2호
• /
• pp.111-121
• /
• 2006

분광각(Spectral Angle)을 이용한 분류는 같은 종류의 지표 대상물의 분광 특성이 대기 및 지형적인 영향으로 인해 원점을 기준으로 유사한 분광각을 가지며, 선형적인 분포 모양을 가진다는 가정에 기초한 분류 방식이다. 최근 분광각을 이용한 무감독 분류에 대한 연구가 활발히 이루어지고 있으나, 하이퍼스펙트럴 데이터의 특성을 반영한 효과적인 무감독 분류에 대한 연구는 미진한 상태이다 본 연구는 하이퍼스펙트럴 영상 분류에 있어서 기존 무감독 분광각 분류(USAC, Unsupervised Spectral Angle Classification) 연구에서 나타난 문제점들을 보완한 반복최적화 무감독 분광각 분류(ISOUSAC, Iterative Self-Organizing USAC) 기법을 제안하고 있다. 이를 위해, 무감독 분광각 분류에 적합한 각 분할(Angle Range Division) 기법을 적용하여 군집 초기 중심을 설정하였고, 군집 중심 계산에 있어서 각 중심을 이용하였다. 뿐만 아니라 병합(Merge)과 분할(Split)를 통한 유동적인 군집 분석을 수행하였다. 결과를 통해, 제안된 알고리즘이 기존의 기법보다 수행 시간뿐 아니라 시각적, 정량적인 면에서 우수한 결과를 도출하였으며, 분광각을 이용한 군집 유효성 지수(Validity Index)를 제안함으로써 기존의 무감독 분광각 분류와 정량적 비교를 수행하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.134-137
• /
• 2005

Unsupervised spectral angle classification (USAC) is the algorithm that can extract ground object information with the minimum 'Spectral Angle' operation on behalf of 'Spectral Euclidian Distance' in the clustering process. In this study, our algorithm uses the unit vector instead of the spectral distance to compute the mean of cluster in the unsupervised classification. The proposed algorithm (MUSAC) is applied to the Hyperion and ETM+ data and the results are compared with K-Meails and former USAC algorithm (FUSAC). USAC is capable of clearly classifying water and dark forest area and produces more accurate results than K-Means. Atmospheric correction for more accurate results was adapted on the Hyperion data (Hyperion-FLAASH) but the results did not have any effect on the accuracy. Thus we anticipate that the 'Spectral Angle' can be one of the most accurate classifiers of not only multispectral images but also hyperspectral images. Furthermore the cluster unit vector can be an efficient technique for determination of each cluster mean in the USAC.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2004년도 춘계학술발표회논문집
• /
• pp.159-164
• /
• 2004

SAM(Spectral Angle Mapper) is the method using the similarly of the angle between pairs of signatures instead of the spectral distance(MDC, MLC etc.) for classification or clustering. In this paper, we applied unsupervised techniques(Unsupervised SAM and ISODATA) to the Hyperspectral Image(Hyperion) which has innumerable, narrow and contiguous spectral bands and Multispectral Image(ETM$\^$+/) for the clustering of signatures. The overall measured accuracies of the USAM and ISODATA of multispectral image were 76.52%, 53.91% and the USAM and ISODATA of hyperspectral image were 63.04%, 53.91%. From the results of our test, we report that the Unsupervised SAM is better classfication technique than ISODATA. Also we believe that the "Spectral Angle" can potentially be one of the most accurate classifier not only multispectral images but hyperspectral images.

• Korean Journal of Geomatics
• /
• 제5권1호
• /
• pp.27-34
• /
• 2005

Unsupervised classification is an important area of research in image processing because supervised classification has the disadvantages such as long task-training time and high cost and low objectivity in training information. This paper focuses on unsupervised classification, which can extract ground object information with the minimum 'Spectral Angle Distance' operation on be behalf of 'Spectral Euclidian Distance' in the clustering process. Unlike previous studies, our algorithm uses the unit vector, not the spectral distance, to compute the cluster mean, and the Single-Pass algorithm automatically determines the seed points. Atmospheric correction for more accurate results was adapted on the Hyperion data and the results were analyzed. We applied the algorithm to the Hyperion and ETM+ data and compared the results with K-Means and the former USAM algorithm. From the result, USAM classified the water and dark forest area well and gave more accurate results than K-Means, so we believe that the 'Spectral Angle' can be one of the most accurate classifiers of not only multispectral images but hyperspectral images. And also the unit vector can be an efficient technique for characterizing the Remote Sensing data.

• 한국공간정보시스템학회:학술대회논문집
• /
• 한국공간정보시스템학회 2005년도 추계학술대회
• /
• pp.41-45
• /
• 2005

분광각(Spectral Angle)을 이용한 분류는 같은 종류의 지표 대상물의 분광 특성이 대기 및 지형적인 영향으로 인해 원점을 기준으로 선형적인 분포 모양을 가진다는 가정에 기초한 새로운 접근의 분류 방식이다. 최근 분광각을 이용한 무감독 분류에 대한 연구가 활발히 이루어지고 있으나, 원격탐사 데이터의 특성을 반영한 효과적인 무감독 분류에 대한 연구는 미진한 상태이다. 본 연구는 하이퍼스펙트럴 영상 분류에 있어서 기존 무감독 분광각 분류(USAC, Unsupervised Spectral Angle Classification) 연구에서 해결하지 못한 문제점들을 보완한 반복최적화 무감독 분광각 분류(ISOUSAC, Iterative Self-Organizing USAC) 기법을 제안하고 있다. 이를 위해, 무감독 분광각 분류에 적합한 각 분할(Angle Range Division) 기법을 적용하여 군집 초기 중심을 설정하였으며, 병합(Merge)과 분할(Split)를 통한 유동적인 군집 분석을 수행하였다. 결과를 통해, 제안된 알고리즘이 기존의 기법보다 수행 시간뿐 아니라 시각적인 면에서도 우수한 결과를 도출함을 확인할 수 있었다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 춘계학술대회 논문집
• /
• pp.195-200
• /
• 2008

The accuracy of classifying pixels in HIRIS images is usually degraded by noisy bands since noisy bands may deform the typical shape of spectral reflectance. Proposed in this paper is a statistical method for noisy band removal which mainly makes use of the correlation coefficients between bands. Considering each band as a random variable, the correlation coefficient measures the strength and direction of a linear relationship between two random variables. While the correlation between two signal bands is high, existence of a noisy band will produce a low correlation due to ill-correlativeness and undirectedness. The application of the correlation coefficient as a measure for detecting noisy bands is under a two-pass screening scheme. This method is independent of the prior knowledge of the sensor or the cause resulted in the noise. The classification in this experiment uses the unsupervised k-nearest neighbor algorithm in accordance with the well-accepted Euclidean distance measure and the spectral angle mapper measure. This paper also proposes a hierarchical combination of these measures for spectral matching. Finally, a separability assessment based on the between-class and within-class scatter matrices is followed to evaluate the performance.

• 한국지리정보학회지
• /
• 제16권2호
• /
• pp.88-100
• /
• 2013

도시녹지는 열섬현상을 감소시키고 여가나 휴식 공간으로 활용되는 등 도시민의 삶의 질을 향상시키는 중요한 역할을 하는 도시 기반시설이다. 그러나 양적인 개발효율에 치중한 관행으로 도시녹지의 체계적인 관리가 미흡했던 것이 사실이다. 녹지총량제와 같은 보존을 위한 제도적 틀은 갖추어 가고 있지만, 정확한 녹지량을 산정하는 기술적 측면은 상대적으로 보완할 여지가 크다. 최근 들어 원격탐사를 이용한 녹지나 도시 기반시설의 정량적 탐지를 수행한 다양한 연구들이 수행 되었다. 그러나 기존 연구들이 활용한 자료의 공간 해상도를 고려하였을 때 도시 내에 무수히 존재하는 소규모 녹지공간의 탐지가 효과적으로 되었다고 보기 힘들다. 이러한 맥락에서 본 연구에서는 초분광 영상(CASI-1500)을 활용한 도시 내 소규모 녹지에 대한 정량적 탐지를 수행하였다. 이를 위해 식생지수를 산출하여 소규모 녹지공간의 탐지 여부를 검토한 뒤, ISODATA와 SAM 기법을 적용한 감독분류, 무감독분류를 통해서 각 방법들이 소규모 녹지공간 탐지에 적절한지 비교하였다. 미분류, 불투수성, 녹지로 의심되는 영역, 녹지의 4개의 피복으로 분류하여 SAM 기법에 사용된 참조스펙트럼의 차이를 비교하였다.