• 대한공간정보학회지
• /
• 제4권2호
• /
• pp.137-147
• /
• 1996

본 논문에서는 통계적 분류방법인 최대유사 분류법(MLC: maximum likelihood classifier)과 신경회로망을 이용한 분류법인 다층퍼셉트론(MLP: multiayer perceptron) 분류법간의 분류성능을 비교 평가하였으며, 또한 MLP 분류법에서 문제가 되고 있는 학습률(learning rate), 운동량 상수(,momentum constant), 은닉층의 노드수에 따른 MLP 분류법의 분류성능을 평가하였다. 부산지역에 대한 실제 인공위성 화상데이타인 Landsat TM 화상데이타를 사용하여 MLP 분류법과 MLC 분류법의 성능을 비교한 결과 MLP 분류법의 성능이 더 우사함을 확인할 수 있었으며, 학습률, 운동량 상수 및 은닉층의 노드수에 따른 분류성능도 평가하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2002년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.709-714
• /
• 2002

This paper discussed and analyzed results of different classification algorithms for land use classification in arid and semiarid areas using CBERS-1 image, which in case of our study is Shihezi Municipality, Xinjiang Province. Three types of classifiers are included in our experiment, including the Maximum Likelihood classifier, BP neural network classifier and Fuzzy-ARTMAP neural network classifier. The classification results showed that the classification accuracy of Fuzzy-ARTMAP was the best among three classifiers, increased by 10.69% and 6.84% than Maximum likelihood and BP neural network, respectively. Meanwhile, the result also confirmed the practicability of CBERS-1 image in land use survey.

• 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.

• 정보처리학회논문지B
• /
• 제11B권2호
• /
• pp.159-168
• /
• 2004

본 논문에서는 위성영상의 분류에 대한 성능 개선을 위하여 ISODATA 클러스터링, 퍼지 C-Means 알고리즘, 베이시안 최대우도 분류기법을 통합한 하이브리드 분류기법을 제안하였다. 본 연구에서는 분석자에 의하여 분류항목별 학습 데이터를 선정한 후 이를 ISODATA 클러스터링을 이용하여 각각의 분류항목별로 분광특징에 따라 학습 데이터를 세분화하여 새로운 학습 데이터를 선정하였다. 새롭게 선정된 학습 데이터를 이용하여 퍼지 C-Means 알고리즘을 이용하여 분류를 수행하고 그 결과를 베이시안 최대우도 분류기의 사전확률로 적용하여 분류를 수행하였다. 그 결과 분석자가 선정한 분류항목별 훈련데이터의 분광적인 특징에 관계없이 분류를 수행할 수 있었으며 위성영상의 분류의 성능을 개선할 수 있었다. 제안된 기법은 Landsat TM 위성영상을 이용하여 그 적용성을 시험하였다.

• Spatial Information Research
• /
• 제12권1호
• /
• pp.111-125
• /
• 2004

위성영상 분류에 관한 주요 주제 중 하나는 분류 정확도 향상에 있다. 동일지역에 대한 동일시기의 위성영상을 취득할 수 있는 기회가 많아지는 현실을 감안할 때, 복수의 위성영상 데이터를 이용하여 분류정확도가 향상된 분류결과를 도출하는 것은 의미 있는 일일 것이다. 본 연구 주제는 최대우도법을 사용하여 계산된 데이터의 사후확률 및 분류 불확실도를 Dempster-Shafer의 증거이론에 적용하여 분류정확도를 향상시키고자 하는 것이다. 분석결과 개별적인 데이터 분류나 데이터간 융합에 의한 분류보다 본 연구에서 제안한 방법이 전체정확도와 Kappa 지수 모두 높은 정확도를 나타냈으며, 정확도 차에 대한 검정을 실시하여 본 연구에서 제안한 방법이 다른 방법에 비해 우수함을 통계적으로 증명하였다.

• 대한원격탐사학회지
• /
• 제35권6_1호
• /
• pp.999-1009
• /
• 2019

북극항로의 개척 가능성과 정확한 기후 예측 모델의 필요성에 의해 북극해 고해상도 해빙 지도의 중요성이 증가하고 있다. 그러나 기존의 북극 해빙 지도는 제작에 사용된 위성 영상 취득 센서의 특성에 따른 데이터의 취득과 공간해상도 등에서 그 활용도가 제한된다. 본 연구에서는 Sentinel-1 A/B SAR 위성자료로부터 고해상도 해빙 지도를 생성하기 위한 딥러닝 기반의 해빙 분류 알고리즘을 연구하였다. 북극해 Ice Chart를 기반으로 전문가 판독에 의해 Open Water, First Year Ice, Multi Year Ice의 세 클래스로 구성된 훈련자료를 구축하였으며, Convolutional Neural Network 기반의 두 가지 딥러닝 모델(Simple CNN, Resnet50)과 입사각 및 thermal noise가 보정된 HV 밴드를 포함하는 다섯 가지 입력 밴드 조합을 이용하여 총 10가지 케이스의 해빙 분류를 실시하였다. 이 케이스들에 대하여 Ground Truth Point를 사용하여 정확도를 비교하고, 가장 높은 정확도가 나온 케이스에 대해 confusion matrix 및 Cohen의 kappa 분석을 실시하였다. 또한 전통적으로 분류를 위해 많이 활용되어 온 Maximum Likelihood Classifier 기법을 이용한 분류결과에 대해서도 같은 비교를 하였다. 그 결과 Convolution 층 2개, Max Pooling 층 2개를 가진 구조의 Convolutional Neural Network에 [HV, 입사각] 밴드를 넣은 딥러닝 알고리즘의 분류 결과가 96.66%의 가장 높은 분류 정확도를 보였으며, Cohen의 kappa 계수는 0.9499로 나타나 딥러닝에 의한 해빙 분류는 비교적 높은 분류 결과를 보였다. 또한 모든 딥러닝 케이스는 Maximum Likelihood Classifier 기법에 비해 높은 분류 정확도를 보였다.

• 한국측량학회지
• /
• 제33권3호
• /
• pp.203-209
• /
• 2015

This paper discusses the effectiveness of using Landsat 8 TIR (Thermal Infrared) band images to improve the accuracy of landuse/landcover classification of urban areas. According to classification results for the study area using diverse band combinations, the classification accuracy using an image fusion process in which the TIR band is added to the visible and near infrared band was improved by 4.0%, compared to that using a band combination that does not consider the TIR band. For urban area landuse/landcover classification in particular, the producer’s accuracy and user’s accuracy values were improved by 10.2% and 3.8%, respectively. When MLC (Maximum Likelihood Classification), which is commonly applied to remote sensing images, was used, the TIR band images helped obtain a higher discriminant analysis in landuse/landcover classification.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.116-119
• /
• 2005

As to the synthetical estimation of land covering parameters or the compounded land covering classification for multi-resolution satellite data, former researches mainly adopted linear or nonlinear regression models to describe the regression relationship of land covering parameters caused by the degradation of spatial resolution, in order to improve the retrieval accuracy of global land covering parameters based on 1;he lower resolution satellite data. However, these methods can't authentically represent the complementary characteristics of spatial resolutions among different satellite data at arithmetic level. To resolve the problem above, a new compounded land covering classification method at arithmetic level for multi-resolution satellite data is proposed in this .paper. Firstly, on the basis of unsupervised clustering analysis of the higher resolution satellite data, the likelihood distribution scatterplot of each cover type is obtained according to multiple-to-single spatial correspondence between the higher and lower resolution satellite data in some local test regions, then Parzen window approach is adopted to derive the real likelihood functions from the scatterplots, and finally the likelihood functions are extended from the local test regions to the full covering area of the lower resolution satellite data and the global covering area of the lower resolution satellite is classified under the maximum likelihood rule. Some experimental results indicate that this proposed compounded method can improve the classification accuracy of large-scale lower resolution satellite data with the support of some local-area higher resolution satellite data.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 1998년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.122-127
• /
• 1998

This paper presents the neuro-fuzzy classifier derived from the generic model of a 3-layer fuzzy perceptron and developed the classification software based on the neuro-fuzzl model. Also, a comparison of the neuro-fuzzy and maximum-likelihood classifiers is presented in this paper. The Airborne Multispectral Scanner(AMS) imagery of Tae-Duk Science Complex Town were used for this comparison. The neuro-fuzzy classifier was more considerably accurate in the mixed composition area like "bare soil" , "dried grass" and "coniferous tree", however, the "cement road" and "asphalt road" classified more correctly with the maximum-likelihood classifier than the neuro-fuzzy classifier. Thus, the neuro-fuzzy model can be used to classify the mixed composition area like the natural environment of korea peninsula. From this research we conclude that the neuro-fuzzy classifier was superior in suppression of mixed pixel classification errors, and more robust to training site heterogeneity and the use of class labels for land use that are mixtures of land cover signatures.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.675-677
• /
• 2005

This study proposes a fuzzy classification using EM algorithm. For cluster validation, this approach iteratively estimates the class-parameters in the fuzzy training for the sample classes and continuously computes the log-likelihood ratio of two consecutive class-numbers. The maximum ratio rule is applied to determine the optimal number of classes.