• 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.

• 한국콘텐츠학회논문지
• /
• 제16권7호
• /
• pp.31-41
• /
• 2016

하이퍼스펙트럴 영상을 이용하여 토지피복 분류를 정확히 수행하기 위해서는 전처리 작업으로서 대기보정을 거쳐야 한다. 항공 하이퍼스펙트럴 영상에 대하여 대기보정을 실시하고 대기보정 유 무에 따른 해수, 갯벌, 식생, 아스팔트, 콘크리트 등의 토지피복 항목별 분광반사율 특성을 비교하여 대기보정의 뚜렷한 효과를 확인할 수 있었다. 대기보정 후의 영상에 대하여 최대우도법, 분광각맵퍼법 등의 화소기반 감독분류기법으로 각각 토지피복 분류를 행하고 그 결과를 비교하였다. 분광각맵퍼법의 경우 임계각 $0.4^{\circ}$에서 노이즈를 최소화하면서 해수영역을 가장 양호하게 분류해 낼 수 있었다. 같은 개체라도 다양한 분광특성을 나타내는 하이퍼스펙트럴 영상의 경우 연안지역에서는 종래의 화소기반 분류기법보다는 축척, 분광 정보, 형태, 결 등을 종합적으로 고려하는 객체기반 분류기법이 더 우월할 것으로 사료된다.

• Journal of Ecology and Environment
• /
• 제35권2호
• /
• pp.91-98
• /
• 2012

This study was performed in order to suggest the possibility of tree species classification using high-resolution QuickBird-2 images spectral characteristics comparison(digital numbers [DNs]) of tree species, tree species classification, and accuracy verification. In October 2010, the tree species of three conifers and eight broad-leaved trees were examined in the areas studied. The spectral characteristics of each species were observed, and the study area was classified by image classification. The results were as follows: Panchromatic and multi-spectral band 4 was found to be useful for tree species classification. DNs values of conifers were lower than broad-leaved trees. Vegetation indices such as normalized difference vegetation index (NDVI), soil brightness index (SBI), green vegetation index (GVI) and Biband showed similar patterns to band 4 and panchromatic (PAN); Tukey's multiple comparison test was significant among tree species. However, tree species within the same genus, such as $Pinus$ $densiflora-P.$ $rigida$ and $Quercus$ $mongolica-Q.$ $serrata$, showed similar DNs patterns and, therefore, supervised classification results were difficult to distinguish within the same genus; Random selection of validation pixels showed an overall classification accuracy of 74.1% and Kappa coefficient was 70.6%. The classification accuracy of $Pterocarya$ $stenoptera$, 89.5%, was found to be the highest. The classification accuracy of broad-leaved trees was lower than expected, ranging from 47.9% to 88.9%. $P.$ $densiflora-P.$ $rigida$ and $Q.$ $mongolica-Q.$ $serrata$ were classified as the same species because they did not show significant differences in terms of spectral patterns.

• Journal of information and communication convergence engineering
• /
• 제21권3호
• /
• pp.208-215
• /
• 2023

Deep learning techniques provide powerful solutions to several pattern-recognition problems, including Raman spectral classification. However, these networks require large amounts of labeled data to perform well. Labeled data, which are typically obtained in a laboratory, can potentially be alleviated by data augmentation. This study investigated various data augmentation techniques and applied multiple deep learning methods to Raman spectral classification. Raman spectra yield fingerprint-like information about chemical compositions, but are prone to noise when the particles of the material are small. Five augmentation models were investigated to build robust deep learning classifiers: weighted sums of spectral signals, imitated chemical backgrounds, extended multiplicative signal augmentation, and generated Gaussian and Poisson-distributed noise. We compared the performance of nine state-of-the-art convolutional neural networks with all the augmentation techniques. The LeNet5 models with background noise augmentation yielded the highest accuracy when tested on real-world Raman spectral classification at 88.33% accuracy. A class activation map of the model was generated to provide a qualitative observation of the results.

• 지적과 국토정보
• /
• 제46권2호
• /
• pp.239-251
• /
• 2016

밴드 수가 많고 밴드 폭이 좁은 초분광영상은 기존의 다중 분광 영상에 비해 각 픽셀이 함유하고 있는 정보가 많아 영상을 이용한 토지피복분류를 하는데 있어 최적의 영상으로 평가 받고 있다. 하지만 초분광영상의 높은 분광해상도로 부터 증가된 데이터의 용량과 노이즈로 인해 다중분광영상을 분석하는 기법을 그대로 적용하기에는 효용성이 떨어진다. 초분광영상의 분석 기법으로서 벡터의 내적을 활용하는 SAM(Spectral Angle Mapping)은 연속적인 스펙트럼을 보이는 초분광영상의 특성을 해석하는데 가장 보편적인 방법이다. 이에 본 연구에서는 분광라이브러리를 이용한 초분광영상의 토지피복분류를 수행하기 위해 SAM기법을 채택하였으나 대기영향의 노이즈로 인해 낮은 정확도를 보였다. 이를 보안하기 위한 방법으로서 Decision Tree 기법을 제안하였고 그 결과, 분류 정확도를 향상시킬 수 있었다.

• 대한원격탐사학회지
• /
• 제20권5호
• /
• pp.315-327
• /
• 2004

Nowadays, interests in land cover classification using not only multi-sensor images but also thematic GIS information are increasing. Often, although useful GIS information for the classification is available, the traditional MLE (maximum likelihood estimation techniques) does not allow us to use the information, due to the fact that it cannot handle the GIS data properly. This paper propose two extended MLE algorithms that can integrate both remote sensing images and GIS thematic data for land-cover classification. They include modified MLE and Bayesian predictive likelihood estimation technique (BPLE) techniques that can handle both categorical GIS thematic data and remote sensing images in an integrated manner. The proposed algorithms were evaluated through supervised land-cover classification with Landsat ETM+ images and an existing land-use map in the Gongju area, Korea. As a result, the proposed method showed considerable improvements in classification accuracy, when compared with other multi-spectral classification techniques. The integration of remote sensing images and the land-use map showed that overall accuracy indicated an improvement in classification accuracy of 10.8% when using MLE, and 9.6% for the BPLE. The case study also showed that the proposed algorithms enable the extraction of the area with land-cover change. In conclusion, land cover classification results produced through the integration of various GIS spatial data and multi-spectral images, will be useful to involve complementary data to make more accurate decisions.

• 한국멀티미디어학회논문지
• /
• 제9권3호
• /
• pp.279-286
• /
• 2006

주파수 분포벡터를 이용한 분류방법을 국악기 분류 및 인식에 적용하였으며 분류에 사용되는 주파수 분포 벡터 중에서 리듬성분을 수치화한 평균피크값을 제안하였다. 대부분의 주파수 처리함수들은 주파수값의 평균, 통계적특성에 기반을 두고 있으며 국악기자동분류를 위해 신호의 평균, 분산, 영교차율, 균형주파수, 평균 피크값을 이용하여 실험하였다. 국악의 장르 구분을 위한 선행 연구로서 음악신호를 함수처리하고 k-최근접이웃 분류알고리즘을 적용하여 분류하였다. 기존의 주파수 분포벡터를 이용하여 발표되었던 서양음악의 분류 성공률 87%보다 향상된 94.44%의 성공률을 나타냈다.

• 대한공간정보학회지
• /
• 제15권3호
• /
• pp.33-39
• /
• 2007

하이퍼스펙트럴 영상자료는 객체에 대한 많은 정보를 함유하고 있어 객체의 보다 정확한 분류가 가능하다. 본 논문에서는 하이퍼스펙트럴 영상분류를 위하여 SMI(Spectral Mutual Information)이라는 새로운 스펙트럼 유사도 측정기법을 제안하였다. 본 방법은 정보이론 분야에서 대두된 상호정보량의 개념을 차용하여 고안되었으며 스펙트럼간의 통계적 의존성을 측정할 수 있다. SMI는 영상의 각 화소스펙트럼을 확률변수로 간주하고 두 스펙트럼간의 유사 상호정보량을 통하여 유사도를 측정함으로써 영상을 분류한다. 제안된 기법의 효율성을 평가하기 위해 기존에 개발된 SAM, SSV 분류기법을 이용하여 동일지역에 대해 분류를 수행하고 분류 정확도를 비교 평가하였다. 실험결과 제안한 SMI 기법은 하이퍼스펙트럴 영상분류에 유용하게 적용될 수 있으리라 판단된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.637-639
• /
• 2003

As the number of spectral bands of high spectral resolution data increases, the capability to detect more detailed classes should also increase, and the classification accuracy should increase as well. Often, it is impossible to access enough training pixels for supervise classification. For this reason, the performance of traditional classification methods isn't useful. In this paper, we propose a new model for classification that operates based on decision fusion. In this classifier, learning is performed at two steps. In first step, only training samples are used and in second step, this classifier utilizes semilabeled samples in addition to original training samples. At the beginning of this method, spectral bands are categorized in several small groups. Information of each group is used as a new source and classified. Each of this primary classifier has special characteristics and discriminates the spectral space particularly. With using of the benefits of all primary classifiers, it is made sure that the results of the fused local decisions are accurate enough. In decision fusion center, some rules are used to determine the final class of pixels. This method is applied to real remote sensing data. Results show classification performance is improved, and this method may solve the limitation of training samples in the high dimensional data and the Hughes phenomenon may be mitigated.

• 대한지리학회지
• /
• 제39권5호
• /
• pp.786-803
• /
• 2004

최근, 다중 센서 영상과 GIS 주제도 정보를 이용한 토지 피복 분류에 대해 관심이 증가하고 있는 추세이다. 그러나. 분류에 필요한 효과적인 GIS 정보를 충분히 보유하고 있음에도 불구하고, 최대우도법(MLE) 같은 전통적인 방법은 기존의 컴퓨터 프로그램들이 GTS 자료를 제대로 다룰 수 없다는 이유로 유용한 정보의 이용에 제한을 받아 왔다. 본 연구에서는 다중 파장대 및 다중 시기 영상을 이용하여 새로운 영상 분류기법을 제안하고자 한다. 특히 MLE기법을 확대하여 다중 스펙트럼 영상 자료 및 토지 피복 분류 자료 등을 함께 사용할 수 있도록 하였다. 또한 파라미터가 데이터에서 추정되는 경우 우도비(LRE) 추정법이 오히려 더 적합할 수 있어서 LRE기법도 함께 사용하였다. 연구 지역은 서해안 안면도 지역이며, 자료는 Landsat ETM+ 영상과 Landsat TM 영상을 이용하여 만든 토지 피복도이다. 연구 결과. 제안된 방법은 단일 스펙트럼 자료를 사용하는 것보다 현저히 개선된 분류 정확도를 나타낸다. 즉, 개선된 분류 영상들은. MLE를 사용했을 때는 $6.2\%$, LRE를 사용했을 때는 $9.2\%$의 분류 정확도 개선을 보였다. 또한 본 연구는 제시된 알고리즘이 토지 피복 변화에 따른 그 지역의 변화 지역 추출도 가능할 것으로 판단된다. 향후 토지피복 분류 결과는 실 세계에서 보다 정확한 의사결정을 위한 보완적인 자료로써 유용하게 사용될 수 있을 것이라는 판단된다.