Lee Kyu-Sung;Kim Sun-Hwa;Ma Jeong-Rim;Kook Min-Jung;Shin Jung-Il;Eo Yang-Dam;Lee Yong-Woong
Korean Journal of Remote Sensing
/
v.22
no.3
/
pp.175-182
/
2006
Because of the phenological variation of vegetation growth in temperate region, it is often difficult to accurately assess the surface conditions of agricultural croplands, grasslands, and disturbed forests by multi-spectral remote sensor data. In particular, the spectral similarity between soil and dry vegetation has been a primary problem to correctly appraise the surface conditions during the non-growing seasons in temperature region. This study analyzes the spectral characteristics of the mixture of dry vegetation and soil. The reflectance spectra were obtained from laboratory spectroradiometer measurement (GER-2600) and from EO-1 Hyperion image data. The reflectance spectra of several samples having different level of dry vegetation fractions show similar pattern from both lab measurement and hyperspectral image. Red-edge near 700nm and shortwave IR near 2,200nm are more sensitive to the fraction of dry vegetation. The use of hyperspectral data would allow us for better separation between bare soils and other surfaces covered by dry vegetation during the leaf-off season.
In Korea, the guideline for the bridge safety inspection requests to assess surface degradation, including crack, efflorescence, spalling, and so on, for the rating of concrete bridges. Currently, the assessment of efflorescence is performed based on the visual inspection of expertized engineers, which may result in subjective inspection result. In this study, a novel method using a hyperspectral camera is proposed for objective and accurate assessment of concrete efflorescence. The hyperspectral camera acquires the light intensity for a number of continuous spectral bands of light for each pixel in an image, which makes the hyperspectral imaging technique provides more detailed information than a color camera that collects intensity for only three bands corresponding to RGB (red, green, and blue) colors. A stepwise assessment algorithm is proposed based on the spectral features to decompose efflorescence area from the inspected concrete area. The algorithm is tested in the laboratory test using two concrete specimens, one of which is dark colored with efflorescence on a surface while the other is bright concrete without efflorescence. The test shows high accuracy and applicability of the proposed efflorescence assessment using a hyperspectral camera.
Ecological disturbance plants distributed throughout the country are causing a lot of damage to us directly or indirectly in terms of ecology, economy and health. These plants are not easy to manage and remove because they have a strong fertility, and it is very difficult to express them quantitatively. In this study, drone hyperspectral sensor data and Field spectroradiometer were acquired around the experimental area. In order to secure the quality accuracy of the drone hyperspectral image, GPS survey was performed, and a location accuracy of about 17cm was secured. Spectroscopic libraries were constructed for 7 kinds of plants in the experimental area using a Field spectroradiometer, and drone hyperspectral sensors were acquired in August and October, respectively. Spectral data for each plant were calculated from the acquired hyperspectral data, and spectral angles of 0.08 to 0.36 were derived. In most cases, good values of less than 0.5 were obtained, and Ambrosia trifida and Lactuca scariola, which are common in the experimental area, were extracted. As a result, it was found that about 29.6% of Ambrosia trifida and 31.5% of Lactuca scariola spread in October than in August. In the future, it is expected that better results can be obtained for the detection of ecosystem distribution plants if standardized indicators are calculated by constructing a precise spectral angle standard library based on more data.
Journal of Korean Society for Geospatial Information Science
/
v.14
no.4
s.38
/
pp.71-77
/
2006
Support Vector Machine (SVM) which has roots in a statistical learning theory is a training algorithm based on structural risk minimization. Generally, SVM algorithm uses the kernel for determining a linearly non-separable boundary and classifying the data. But, classical kernels can not apply to effectively the hyperspectral image classification because it measures similarity using vector's dot-product or euclidian distance. So, This paper proposes the spectral similarity kernel to solve this problem. The spectral similariy kernel that calculate both vector's euclidian and angle distance is a local kernel, it can effectively consider a reflectance property of hyperspectral image. For validating our algorithm, SVM which used polynomial kernel, RBF kernel and proposed kernel was applied to land cover classification in Hyperion image. It appears that SVM classifier using spectral similarity kernel has the most outstanding result in qualitative and spatial estimation.
KSII Transactions on Internet and Information Systems (TIIS)
/
v.12
no.10
/
pp.5015-5038
/
2018
In this paper, a novel spectral-spatial joint sparse representation algorithm for hyperspectral image classification is proposed based on multi-layer superpixels in various scales. Superpixels of various scales can provide complete yet redundant correlated information of the class attribute for test pixels. Therefore, we design a joint sparse model for a test pixel by sampling similar pixels from its corresponding superpixels combinations. Firstly, multi-layer superpixels are extracted on the false color image of the HSI data by principal components analysis model. Secondly, a group of discriminative sampling pixels are exploited as reconstruction matrix of test pixel which can be jointly represented by the structured dictionary and recovered sparse coefficients. Thirdly, the orthogonal matching pursuit strategy is employed for estimating sparse vector for the test pixel. In each iteration, the approximation can be computed from the dictionary and corresponding sparse vector. Finally, the class label of test pixel can be directly determined with minimum reconstruction error between the reconstruction matrix and its approximation. The advantages of this algorithm lie in the development of complete neighborhood and homogeneous pixels to share a common sparsity pattern, and it is able to achieve more flexible joint sparse coding of spectral-spatial information. Experimental results on three real hyperspectral datasets show that the proposed joint sparse model can achieve better performance than a series of excellent sparse classification methods and superpixels-based classification methods.
Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
/
v.24
no.3
/
pp.289-297
/
2006
The Land Cover/Land Use Map have been constructed from 1998, which has hierarchical structure according to land cover/land use system. Level 1 classification Map have done using Landsat satellite image over whole Korean peninsula. Level II classification Map have been digitized using IRS-1C, 1D, KOMPSAT and SPOT5 satellite images resolution-merged with low resolution color images. Level II Land Cover/Land Use Map construction by digitizing method, however, is consuming enormous expense for satellite image acquisition, image process and Land Cover/Land Use Map construction. In this paper, the possibility of constructing Level II Land Cover/Land Use Map using hyperspectral satellite image of EO-1 Hyperion, which is studied a lot recently, is studied. The comparison of classifications using Hyperion satellite image offering more spectral information and Landsat-7 ETM+ image is performed to evaluate the availability of Hyperion satellite image. Also, the algorithm of the optimal band selection is presented for effective application of hyperspectral satellite image.
Journal of Korean Society for Geospatial Information Science
/
v.24
no.1
/
pp.121-128
/
2016
Many studies are focused on image data and classifier for comparison or improvement of classification accuracy. Therefore studies are needed aspect of the training samples on supervised classification which depend on reference data or skill of analyst. This study tries to assess usability of field spectra as training samples on supervised classification. Classification accuracies of hyperspectral and multispectral images were assessed using training samples from image itself and field spectra, respectively. The results shown about 90% accuracy with training sample collected from image. Using field spectra as training sample, accuracy was decreased 10%p for hyperspectral image, and 20%p for multispectral image. Especially, some classes shown very low accuracies due to similar spectral characteristics on multispectral image. Therefore, field spectra might be used as training samples on classification of hyperspectral image, although it has limitation for multispectral image.
Proceedings of the Korean Society of Near Infrared Spectroscopy Conference
/
2001.06a
/
pp.1521-1521
/
2001
The objective of the research being presented was to construct and calibrate a spectrometer for the analysis of single kernels of corn. In light of the difficulties associated with capturing the spatial variability in composition of corn kernels by single-beam spectrometry, a hyperspectral imaging spectrometer was constructed with the intention that it would be used to analyze single kernels of corn for the prediction of moisture and oil content. The spectrometer operated in the range of 750- 1090 nanometers. After evaluating four methods of standardizing the output from the spectrometer, calibrations were made to predict whole-kernel moisture and oil content from the hyperspectral image data. A genetic algorithm was employed to reduce the number of wavelengths imaged and to optimize the calibrations. The final standard errors of prediction during cross-validation (SEPCV) were 1.22% and 1.25% for moisture and oil content, respectively. It was determined, by analysis of variance, that the accuracy and precision of single-kernel corn analysis by hyperspectral imaging is superior to the single kernel reference chemistry method (as tested).
Hyperspectral data has a great advantage to classify various surface materials that are spectrally similar. In this study, we attempted to classify man-made materials in urban area using Hyperion data. Hyperion imagery of Seoul was initially processed to minimize radiometric distortions caused by sensor and atmosphere. Using color aerial photographs. we defined seven man-made surfaces (concrete, asphalt road. railroad, buildings, roof, soil, shadow) for the classification in Seoul. The hyperspectral data showed the potential to identify those manmade materials that were difficult to be classified by multispectral data. However. the classification of road and buildings was not quite satisfactory due to the relatively low spatial resolution of Hyperion image. Further, the low radiometric quality of Hyperion sensor was another limitation for the application in urban area.
Kim, Sun-Hwa;Kang, Sung-Jin;Ji, Jun-Hwa;Lee, Kyu-Sung
Proceedings of the KSRS Conference
/
v.2
/
pp.619-622
/
2006
Atmospheric correction is one of critical procedures to extract quantitative information related to biophysical variables from hyperspectral data. In this study, we attempted to generate the water vapor contents image from hyperspectral data itself and developed the atmospheric correction algorithm for EO-1 Hyperion data using pre-calculated atmospheric look-up-table (LUT) for fast processing. To apply the new atmospheric correction algorithm, Hyperion data acquired June 3, 2001 over Seoul area is used. Reflectance spectrums of various targets on atmospheric corrected Hyperion reflectance images showed the general spectral pattern although there must be further development to reduce the spectral noise.
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.