• ETRI Journal
• /
• 제21권4호
• /
• pp.41-51
• /
• 1999

This research is an attempt to obtain more accurate land cover information from LANDSAT images. Canonical correlation analysis, which has not been widely used in the image classification community, was applied to the classification of a LANDSAT images. It was found that it is easy to select training areas on the classification using canonical correlation analysis in comparison with the maximum likelihood classifier of $ERDAS^{(R)}$ software. In other words, the selected positions of training areas hardly affect the classification results using canonical correlation analysis. when the same training areas are used, the mapping accuracy of the canonical correlation classification results compared with the ground truth data is not lower than that of the maximum likelihood classifier. The kappa analysis for the canonical correlation classifier and the maximum likelihood classifier showed that the two methods are alike in classification accuracy. However, the canonical correlation classifier has better points than the maximum likelihood classifier in classification characteristics. Therefore, the classification using canonical correlation analysis applied in this research is effective for the extraction of land cover information from LANDSAT images and will be able to be put to practical use.

• 대한토목학회논문집
• /
• 제28권4D호
• /
• pp.569-577
• /
• 2008

본 연구의 목적은 위성영상으로부터 보다 정확한 토지정보를 취득하기 위해 다중시기데이터의 혼합과 특정 영상강조기법 및 영상분류알고리즘을 병합하여 적용하는 응용분류체계의 개발이다. 즉, 본 연구에서는 혼합된 다중시기데이터를 주성분분석한 후 정준상관분류기법을 적용하는 분류과정을 제안한다. 이 분류과정의 결과를 단일영상별 정준상관분류결과, 다중시기혼합영상의 정준상관분류결과, 시기별 주성분분석 후 정준상관분류결과와 비교한다. 사용된 위성영상은 1994년 7월 26일과 1996년 9월 1일에 취득된 Landsat 5 TM 영상이다. 정확도평가를 위한 지상실제데이터는 지형도 및 항공사진으로부터 취득되었으며, 연구대상영역 전체가 정확도평가 대상으로 사용되었다. 제안된 응용분류체계는 단일영상만을 사용하여 정준상관분류를 수행한 경우보다 분류정확도면에서 약 8.2% 상승되는 우수한 효과를 보여주었다. 특히, 복잡한 토지특성이 혼합되어 있는 도시역을 정확히 분류하는데 유효하였다. 결론적으로 Landsat TM 영상을 사용한 토지피복정보 추출시 분류정확도를 높이기 위해서, 다중시기영상을 사전에 주성분분석 후 정준상관분류기법을 적용하면 매우 효과적임을 확인하였다.

• 대한공간정보학회지
• /
• 제4권2호
• /
• pp.181-193
• /
• 1996

본 연구는 원격탐사의 수치화상분류에 적용된 바 없는 정준상관분석(Canonical Correlation Analysis)기법을 무감독분류한 위성화상데이터에 적용하여 토지피복분류하는 새로운 방법을 개발하는 것을 목적으로 한다. 개발된 분류기법은 기존의 분류기법인 최대우도분류기법에 비해 분류기준용 표본데이터 선정이 용이함을 알 수 있었다. 즉, 정준상관분석에 의한 분류결과는 분류기준용 표본데이터의 선정위치에 거의 영향을 받지 않는다. 또한 무감독분류 후 정준상관분석에 의해 결정된 각 군집의 토지피복은 최대우도분류를 위한 사전정보로 활용정보로 활용가능하다. 동일한 분류기준용 표본데이터 사용시, 무감독분류 후 정준상관분석에 의한 분류가 최대우도분류보다 분류정확도가 우수하였다. 이상과 같은 결과로 판단해 볼 때 연구에서는 시도된 분류기법은 원격탐사의 분류기법 분야에서 실용화 될 수 있으며, 나아가서는 GIS 데이터베이스 구축에 중요한 역학을 할 수 있을 것이다.

• 한국측량학회지
• /
• 제16권1호
• /
• pp.75-84
• /
• 1998

인공위성 데이터로부터 보다 자세한 정보를 취득하기 위해 혼합화소를 해석하는 방법에 대해 연구하였다. 본 연구에서는 2가지 토지피복만 혼합되어 있는 경우로 한정하였다. 정준상관분류기법에서 생성되는 정준벡터를 분석하여 혼합화소를 분류해 낼 수 있었으며, 그 기준으로 정준벡터의 요소인 정준가중치 2개의 상대적 비율을 역치로 사용하였다. 9월 1일을 전후한 TM 데이터의 다리와 물 항목에 대한 분류의 경우에, 혼합화소를 가장 적절히 분류하는 역치는 4.0으로 결정되었다. 즉 정준가중치사이의 비율이 4.0이상이면 단일피복화소이며, 4.0이하이면 혼합화소로 간주하게 된다. 정준가중치의 분포에 의해 대략적인 토지피복 구성비율도 추정할 수 있다. 실험영역에 대한 혼합화소 추출의 정확도는 90%로서 높은 수준이었다. 따라서 정준벡터분석에 의한 혼합화소 분류방법은 효용성이 있다고 판단된다.

• 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.

• 대한토목학회논문집
• /
• 제29권3D호
• /
• pp.419-431
• /
• 2009

본 연구의 핵심은 하이퍼스펙트럴영상에 정준상관분류기법을 적용할 때, 최적의 분광밴드를 찾아내는 유효밴드 선정 및 추출기법은 무엇인가를 알아내는 것이다. 본 연구에서는 미국의 Purdue University에서 개발된 Multispec$^{(C)}$ 소프트웨어를 사용하여 각각의 분리도 결정기법에 따른 최적의 유효밴드를 선정하였다. 사용된 분리도 결정기법은 Divergence, Transformed Divergence, Bhattacharyya, Mean Bhattacharyya, Covariance Bhattacharyya, Non Covariance Bhattacharyya로서 총 6가지이다. 특징추출을 위해 Erdas Imagine과 ENVI 소프트웨어를 사용하여 PCA 변환과 MNF 변환을 수행하였다. 유효밴드 선정 및 특징추출의 효과에 대한 비교평가를 위해, 정준상관분류기법에 의한 토지피복분류작업을 수행하였다. 1차 선별된 60개 밴드를 사용한 정준상관분류의 정확도는 71.8%이며, 정준상관분류를 사용하여 가장 높은 분류정확도를 얻은 방법은 Noncovariance Bhattacharyya 적용 후 정준상관분류를 수행한 경우로서 전체정확도 79.0% 이다. 결론적으로 정준상관분류에 의한 하이퍼스펙트럴영상 분류에서는 유효밴드선정기법으로 사실상 Noncovariance Bhattacharyya 기법만 유용하였으며, 나머지 유효밴드 선정기법(Divergence 제외)과 특징추출기법은 정준상관분류에서는 오히려 분류정확도가 하락함을 확인하였다.