위성영상의 토지정보 분석정확도 향상을 위한 응용체계의 개발 : 다중시기 영상과 주성분분석 및 정준상관분류 알고리즘을 이용하여

박민호(Park Min-Ho) 대한토목학회 2008 대한토목학회논문집 D Vol.28 No.4D

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, 다중시기 혼합영상의 정준상관분류결과, 시기별 주성분분석 후 정준상관분류결과와 비교한다. 사용된 위성영상은 1994년 7월 26일과 1996년 9월 l일에 취득된 Landsat 5 TM 영상이다. 정확도평가를 위한 지상실제데이터는 지형도 및 항공사진으로부터 취득 되었으며, 연구대상영역 전체가 정확도평가 대상으로 사용되었다. 제안된 응용분류체계는 단일영상만을 사용하여 정준상관분류를 수행한 경우보다 분류정확도변에서 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. The purpose of this study is focused on the development of compound classification process by mixing multi temporal data and annexing a specific image enhancement technique with a specific image classification algorithm, to gain more accurate land information from satellite imagery. That is, this study suggests the classification process using canonical correlation classification technique after principal component analysis for the mixed multitemporal data. The result of this proposed classification process is compared with the canonical correlation classification result of one date images, multitemporal imagery and a mixed image after principal component analysis for one date images. The satellite images which are used are the Landsat 5 TM images acquired on July 26, 1994 and September 1, 1996. Ground truth data for accuracy assessment is obtained from topographic map and aerial photograph, and all of the study area is used for accuracy assessment. The proposed compound classification process showed superior efficiency to appling canonical correlation classification technique for only one date image in classification accuracy by 8.2%. Especially, it was valid in classifying mixed urban area correctly. Conclusively, to improve the classification accuracy when extracting land cover information using Landsat TM image, appling canonical correlation classification technique after principal component analysis for multitemporal imagery is very useful.

항공 초분광 영상으로부터 연안지역의 SAM 토지피복분류

이진덕,방건준,김현호 한국지리정보학회 2018 한국지리정보학회지 Vol.21 No.1

Image data collected by an airborne hyperspectral camera system have a great usability in coastal line mapping, detection of facilities composed of specific materials, detailed land use analysis, change monitoring and so forh in a complex coastal area because the system provides almost complete spectral and spatial information for each image pixel of tens to hundreds of spectral bands. A few approaches after classifying by a few approaches based on SAM(Spectral Angle Mapper) supervised classification were applied for extracting optimal land cover information from hyperspectral images acquired by CASI-1500 airborne hyperspectral camera on the object of a coastal area which includes both land and sea water areas. We applied three different approaches, that is to say firstly the classification approach of combined land and sea areas, secondly the reclassification approach after decompostion of land and sea areas from classification result of combined land and sea areas, and thirdly the land area-only classification approach using atmospheric correction images and compared classification results and accuracies. Land cover classification was conducted respectively by selecting not only four band images with the same wavelength range as IKONOS, QuickBird, KOMPSAT and GeoEye satelllite images but also eight band images with the same wavelength range as WorldView-2 from 48 band hyperspectral images and then compared with the classification result conducted with all of 48 band images. As a result, the reclassification approach after decompostion of land and sea areas from classification result of combined land and sea areas is more effective than classification approach of combined land and sea areas. It is showed the bigger the number of bands, the higher accuracy and reliability in the reclassification approach referred above. The results of higher spectral resolution showed asphalt or concrete roads was able to be classified more accurately. 항공기 탑재용 초분광 카메라시스템에 의해 얻어진 영상데이터는 수십 내지 수백의 연속된 초분광 해상도로부터 동시에 각 화소별 완전한 분광 및 공간정보를 포함하고 있으므로 복잡한 연안지역에 대한 해안선 매핑, 특정재료로 이루어진 시설물 탐지, 연안지역의 토지이용 상세분석 및 변화 모니터링 등에 그 활용잠재성이 대단히 크다. 육역과 해역을 포함하는 연안지역을 대상으로 항공기 탑재 초분광센서인 CASI-1500으로부터 취득된 초분광 항공영상을 이용하여 분광각매퍼 (SAM;Spectral Angle Mapper) 감독분류방법으로 토지피복분류를 행하였다. 첫번째, 대기보정영상에 대하여 육역과 해역이 포함된 지역에 대한 통합분류, 두번째, 육·해역의 통합분류결과로부터 육역과 해역의 분리 후 재분류, 그리고 세번째로 육역만을 대상으로 한 분류를 각각 수행하여 결과 및 정확도를 비교하였다. 또한 초분광 항공영상 48개 밴드로부터 IKONOS, QuickBird, KOMPSAT, GeoEye 등 고해상도 위성영상과 동일한 파장대의 4개 밴드영상, 그리고 WorldView-2 위성영상과 동일한 파장대의 8개 밴드영상만을 선택하여 각각 토지피복분류를 수행하고 초분광 48개 밴드영상으로 분류한 결과와 비교하였다. 연구결과, 연안지역에 대한 육역과 해역 통합영상으로 분류하는 것에 비해 육역과 해역 통합영상으로 분류한 후 육역과 해역을 분리하여 재분류를 수행하는 것이 효과적인 것으로 나타났다. 육역의 분류 결과에서 분광해상도가 높은 영상의 결과일수록 아스팔트나 콘크리트 도로가 더 정확하게 분류되었다.

VR융합형 유원시설 영상물 등급분류의 법적 문제와 개선과제

최용전(Choi, Yong Jeon),김남욱(Kim, Nam Wook) 한국국가법학회 2022 국가법연구 Vol.18 No.1

디지털 기술의 발달로 가상증강현실(VR/AR) 및 확장현실(XR)의 기술들이 유원시설 내의 유기시설·기구에 접목되고 있다. VR융합형 유원시설 영상물의 이용자들은 이를 즐기고 있으며, VR융합형 유기시설·기구에 대한 수요도 증가하고 있다. 그러나 VR융합형 영상물을 유기시설·기구에 탑재하고자 하면, 유원시설 내에서 이루어져야 하지만, 유원시설을 규제하고 있는 관광진흥법에서는 관련 규정을 찾을 수 없고 시행규칙의 별표에서 관련 규제를 발견할 수 있다. 유원시설업을 영위하면서 VR융합형 영상물을 제공하고자 할 때에는 제공 대상 영상물을 게임물 또는 영상물의 등급분류심사를 받고 등급을 취득하여야 한다. 그리고 관광진흥법 시행규칙은 별표에서 게임물 혹은 영상물 중에서 어느 쪽 관련 법률에 의하여 등급을 받든지 ‘전체이용가’ 등급을 받은 게임물이나 영상물만 유원시설에서 활용할 수 있도록 규정하고 있다. 그러나 VR융합형 영상물이 시뮬레이터 혹은 어트랙션에 탑재되어, 서비스될 때에는 현행 등급분류심사 기준인 안전성 외에도 영상물의 등급분류 기준에 포함되어 있지 않는 시력저하와 사이버 멀미 등의 부작용이 발생할 수도 있다. 즉, 현행 등급분류체계는 VR융합형 유원시설 영상물의 특수성에서 비롯된 정신적·심리적 손상의 우려 등을 도외시하고 있다. 그러므로 유원시설의 VR영상물에 대한 새로운 기술이 반영된 유기시설·기구의 고유한 등급분류체계가 필요하다. 이러한 취지에서, 본 글에서는 유원시설 규제의 태동을 살펴보고(Ⅱ), 유원시설 VR영상물의 규제현황과 게임물과 영상물의 등급분류제도를 분석하고(Ⅲ), 현행 VR융합형 유원시설 영상물의 특성과 등급분류제도의 문제점을 기술하며, 미래지향적 발전방안으로서, 점진적이면서도 민간자율적인 등급분류로의 방향과 독자적인 기준과 체계를 형성할 것을 제안하고자 한다(Ⅳ). 구체적인 개선과제로는 VR융합형 영상물과 시뮬레이터가 하나로 결합된 유기시설․기구이기에 독자적인 등급분류 기준, 등급분류 운영체계 그리고 자율등급분류정보시스템이 필요하다. 나아가 표현의 자유와 영업의 자유를 최대한 보장하는 측면에서는 네가티브규제의 일환으로 표준화와 인증제도를 도입하여야 한다. With the advancement of digital technology, virtual and augmented reality (VR/AR realism) and extended reality (XR) technologies are being grafted into organic facilities and equipment in amusement park facilities. Users are enjoying the VR convergence amusement facility videos, and the demand for VR convergence organic facilities and equipment continues to grow. However, if VR convergence video material is to be mounted on an organic facility or device, there is no related regulation in the Tourism Promotion Act, which regulates the amusement facility. If you want to provide VR convergence-type video products while operating an amusement park business, you must obtain a grade after undergoing a rating classification review for the video game product or video product to be offered. In addition, the Enforcement Rules of the Tourism Promotion Act stipulate that only game products or video products with a rating of “all users” can be used in amusement facilities, regardless of whether they are rated according to the relevant laws among game products or video products in the attached table. However, when VR convergence video materials are loaded into simulators or attractions and serviced, adverse effects such as reduced visual acuity and cybersickness may arise. The current classification review standards do not cover these adverse effects. In other words, the existing classification system ignores concerns about mental and psychological harm caused by the specificity of VR convergence-type amusement facility videos. Therefore, a unique grading system for organic facilities and equipment is required that takes into account new technologies for VR video content in amusement park facilities. To that end, this article analyzes the nascent period of the regulation of amusement facilities, the regulatory status of VR video materials at amusement facilities, the classification system for games and videos, and the current VR convergence type video content. It discusses the characteristics and shortcomings of the classification system. As a future-oriented development plan, it intends to propose a path toward a gradual and private autonomous rating classification, as well as set up an independent standard and system. In conclusion, it is an organic facility and device in which VR convergence video material and simulator are combined into one. Therefore, an independent classification standard, a classification operating system, and an autonomous classification information system are required. In addition, in terms of maximally guaranteeing freedom of expression and business, standardization and certification systems may be considered as part of negative regulation.

하이퍼스펙트럴영상 분류에서 정준상관분류기법의 유용성

박민호(Park Min-Ho) 대한토목학회 2006 대한토목학회논문집 D Vol.26 No.5D

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. The purpose of this study is focused on the development of the effective classification technique using ultra multi band of hyperspectral image. This study suggests the classification technique using canonical correlation analysis, one of multivariate statistical analysis in hyperspectral image classification. High accuracy of classification result is expected for this classification technique as the number of bands increase. This technique is compared with Maximum Likelihood Classification(MLC). The hyperspectral image is the EOl-hyperion image acquired on September 2, 2001, and the number of bands for the experiment were chosen at 30, considering the band scope except the thermal band of Landsat TM. We chose the comparing base map as Ground Truth Data. We evaluate the accuracy by comparing this base map with the classification result image and performing overlay analysis visually. The result showed us that in MLC's case, it can't classify except water, and in case of water, it only classifies big lakes. But Canonical Correlation Classification (CCC) classifies the golf lawn exactly, and it classifies the highway line in the urban area well. In case of water, the ponds that are in golf ground area, the ponds in university, and pools are also classified well. As a result, although the training areas are selected without any trial and error, it was possible to get the exact classification result. Also, the ability to distinguish golf lawn from other vegetations in classification classes, and the ability to classify water was better than MLC technique. Conclusively, this CCC technique for hyperspectral image will be very useful for estimating harvest and detecting surface water. In advance, it will do an important role in the construction of GIS database using the spectral high resolution image, hyperspectral data.

영상융합과 분류정확도의 상관관계에 관한 연구

정재준 국토지리학회 2008 국토지리학회지 Vol.42 No.4

위성영상의 분류에서는 다중분광영상이 사용되지만 많은 융합방법이 존재하는 사실을 고려할 때, 공간해상도와 분광해상도가 향상된 영상융합 방법을 고려할 때 융합된 영상을 사용할 필요가 있다. 본 연구는 4밴드 이상을 제작할 수 있는 융합방법에 대하여 융합을 실시한 후, 다중분광영상과 융합영상에 대한 분류정확도를 평가하여 원영상과 융합영상간 정확도의 차이가 있는지 또 융합방법간 분류정확도의 차이가 있는지를 규명하고자 하였다. 연구결과 원영상을 이용한 경우가 융합영상을 이용한 경우보다 분류정확도가 높아 분류에 융합영상을 사용하는 것이 적합하다고 판단할 수는 없었다. 융합방법별로는 HPF(high pass filtering), Wavelet 융합의 분류정확도가 높았고 원영상의 분류정확도와 상관관계도 높으나, PCA(principal component analysis) 융합방법의 경우 원영상이나 HPF, Wavelet 융합의 분류정확도와 상관관계가 낮아 밴드선택에 따라 정확도 차이가 크며, 오히려 분류를 목적으로 하는 융합에는 적절하지 않음을 알 수 있었다. Multi-spectral imagery have widely been used in image classification. Considering many image fusiontechniques, it is needed that multi-spectral image generated by image fusion are used in image classification. Thisstudy aims to prove that there is differences of accuracies between raw images and fused images and between a fusedimages and other images. Experiments reveal that fused images have not higher accuracies. Also tests of differencesof mean and correlation analyses shows that high pass filtering fusion and wavelet fusion are more appropriate thanprincipal component fusion.

IKONOS 영상의 토지피복분류 방법에 관한 실증 연구

사공호상,임정호 한국지리정보학회 2003 한국지리정보학회지 Vol.6 No.3

이 연구는 기존의 분광특성에 의한 영상분류방법들이 고해상도 위성영상에 어느 정도 적절한지 알아보는데 목적이 있다. 이를 위하여 매개변수법과 비매개변수법을 혼합한 감독분류, 퍼지이론을 적용한 감독분류 그리고 무감독분류방법을 각각 적용하여 토지피복분류를 실시하고 각 방법들의 적용결과를 서로 비교하였다. 또한 육안판독과 분광특성을 이용한 영상분류 결과를 서로 비교하여 각 방법 간 토지피복분류의 결과를 비교·분석하였다. 실증연구 결과, 고해상도 위성영상은 반사값의 복잡성, 그림자의 영향 등으로 인하여 노이즈 현상이 심하게 발생하였다. 이러한 고해상도 위성영상은 무감독분류보다는 감독분류가 더 적절한 분석방법이며, 특히 퍼지이론을 적용한 감독분류방법이 가장 우수한 것으로 나타났다. 그러나 토지피복분류결과의 전체 정확도가 76% 정도에 불과해 토지피복분류결과의 신뢰성이 낮았다. 또한 육안판독과 영상분류 결과를 서로 비교한 바 뚜렷한 경계와 넓은 면적을 갖는 농경지 등의 항목은 일치도가 높은 반면 산발적으로 분포해 있는 초지 등의 항목은 일치도가 낮게 나타났다. 영상분류와 육안판독 간의 일치도는 79%로 나타났다. This study investigated how appropriate the classification methods based on conventional spectral characteristics are for high resolution imagery. A supervised classification mixing parametric and non-parametric rules, a method in which fuzzy theory is applied to such classification, and an unsupervised method were performed and compared to each other for accuracy. In addition, comparing the result screen-digitized through interpretation to the classification result using spectral characteristics, this study analyzed the conformity of both methods. Although the supervised classification to which fuzzy theory was applied showed the best performance, the application of conventional classification techniques to high resolution imagery had some limitations due to there being too much information unnecessary to classification, shadows, and a lack of spectral information. Consequently, more advanced techniques including integration with other advanced remote sensing technologies, such as lidar, and application of filtering or template techniques, are required to classify land cover/use or to extract useful information from high resolution imagery.

해상도변화에 따른 항공초분광영상 토지피복분류의 분류정확도 비교 연구

조형갑(Cho, Hyung Gab),김동욱(Kim, Dong Wook),신정일(Shin, Jung Il) 대한공간정보학회 2014 대한공간정보학회지 Vol.22 No.3

본 논문에서는 각기 다른 3가지 해상도로 촬영된 항공 초분광영상을 이용하여 건물, 도로, 산림 등 8가지 분류군에 대해 토지피복분류를 실시하고 정확도를 비교하는 연구를 수행하였다. 연구는 24밴드(0.5m 공간해상도), 48밴드(1.0m 공간해상도), 96밴드(1.5m 공간해상도)로 각각 1000m, 2000m, 3000m고도에서 촬영된 초분광영상을 이용하여 8가지 클래스에 대해 토지피복분류를 수행하였다. 그 결과 2000m고도에서 촬영된 48밴드 초분광영상을 이용하여 분류한 영상이 가장 높은 분류정확도를 보였고, 24밴드, 96밴드 순으로 분류정확도가 높게 나타났다. 초분광영상 활용에 있어서 1m 공간해상도에 48개밴드를 사용하여 토지피복분류를 수행함에 있어 적합함을 확인하였고 항공 초분광영상을 활용한 주제도 제작과 관련하여 정확도와 실용성 면에서 공간정보 품질이 개선될 것으로 기대한다. This paper deals with comparison of classification accuracy between three land cover classification results having difference in resolution and they were classified with eight classes including building, road, forest, etc. Airborne hyperspectral image used in this study was acquired at 1000m, 2000m, 3000m elevation and had 24 bands(0.5m spatial resolution), 48 bands(1.0m), 96 bands(1.5m). Assessment of classification accuracy showed that the classification using 48 bands hyperspectral image had outstanding result as compared with other images. For using hyperspectral image, it was verified that 1m spatial resolution image having 48 bands was appropriate to classify land cover and qualitative improvement is expected in thematic map creation using airborne hyperspectral image.

고해상도 위성영상을 이용한 농촌 도로 매핑을 위한 영상 분류 및 영상 분할 방법 비교에 관한 연구

정윤재 ( Yun-jae Choung ),구본엽 ( Bon-yup Gu ) 한국지리정보학회 2021 한국지리정보학회지 Vol.24 No.3

농촌 도로는 농촌 지역의 개발과 관리를 위한 핵심 기반시설로서 원격탐사 자료를 활용한 농촌도로 관리 기술은 농촌 교통 인프라 확대, 농촌 주민의 삶의 질 개선을 위해 매우 중요하다. 본 연구에서는 농촌 지역을 촬영한 고해상도 위성영상을 활용하여 농촌 도로를 매핑하기 위해 영상 분류 방법과 영상 분할 방법을 다음의 과정을 통하여 비교하였다. 영상 분류의 경우, 심층 신경망 기반 딥러닝 기법을 주어진 고해상도 위성영상에 적용하여 고정밀 객체 분류 지도를 제작하였고 이로부터 농촌 도로 객체를 추출함으로써 농촌 도로를 매핑하였다. 영상 분할의 경우, multiresolution segmentation 기법을 동일한 위성영상에 적용하여 세그먼트 영상을 제작하였고 농촌 도로에 위치한 다중 객체들을 선택하고 이들을 최종적으로 융합하여 농촌 도로를 매핑하였다. 영상 분류 및 영상 분할 방법을 통해 매핑한 농촌 도로의 정확도 검증을 위해 100개의 검사점을 사용하였고 다음과 같은 결론을 도출하였다. 영상 분류 방법에서는 객체 분류 지도 내 오분류 에러로 인해 영상 내 일부 농촌 도로의 인식이 불가능하였으나 영상 분할 방법에서는 영상 내 모든 농촌 도로의 인식이 가능하였으므로 영상 분할 방법이 영상 분류 방법보다 위성영상을 이용한 농촌 도로 매핑 작업에 더 적합한 방법이었다. 그러나 영상 분할 방법을 통해 매핑한 농촌 도로를 구성하는 일부 세그먼트들이 농촌 도로 외 객체를 포함하고 있어 영상 내 일부 농촌 도로에서 오분류 에러가 발생하였다. 추후 연구에서는 객체 기반 분류 또는 합성곱 신경망 등 다양한 정밀 객체 인식 기법을 고해상도 위성영상에 적용하여 농촌 도로의 정확도를 개선할 계획이다. Rural roads are the significant infrastructure for developing and managing the rural areas, hence the utilization of the remote sensing datasets for managing the rural roads is necessary for expanding the rural transportation infrastructure and improving the life quality of the rural residents. In this research, the two different methods such as image classification and image segmentation were compared for mapping the rural road based on the given high-resolution satellite image acquired in the rural areas. In the image classification method, the deep learning with the multiple neural networks was employed to the given high-resolution satellite image for generating the object classification map, then the rural roads were mapped by extracting the road objects from the generated object classification map. In the image segmentation method, the multiresolution segmentation was employed to the same satellite image for generating the segment image, then the rural roads were mapped by merging the road objects located on the rural roads on the satellite image. We used the 100 checkpoints for assessing the accuracy of the two rural roads mapped by the different methods and drew the following conclusions. The image segmentation method had the better performance than the image classification method for mapping the rural roads using the give satellite image, because some of the rural roads mapped by the image classification method were not identified due to the miclassification errors occurred in the object classification map, while all of the rural roads mapped by the image segmentation method were identified. However some of the rural roads mapped by the image segmentation method also had the miclassfication errors due to some rural road segments including the non-rural road objects. In future research the object-oriented classification or the convolutional neural networks widely used for detecting the precise objects from the image sources would be used for improving the accuracy of the rural roads using the high-resolution satellite image.

관심 객체 검출에 기반한 객체 및 비객체 영상 분류 기법

김성영(Sung-Young Kim) 한국컴퓨터정보학회 2006 韓國컴퓨터情報學會論文誌 Vol.11 No.2

본 논문에서는 영상을 자동적으로 객체와 비객체 영상으로 분류하는 방법을 제안한다. 객체 영상은 객체를 포함하는 영상이다. 객체는 영상의 중심 부근에 위치하고 주변 영역과는 상이한 칼라 분포를 가지는 영역들로 정의한다. 영상 분류를 위해 객체의 특징에 기반을 두고 네 가지 기준을 정의한다. 첫 번째 기준인 중심 영역의 특이성은 중심 영역과 주변 영역간의 칼라 분포의 차이를 통해 계산된다. 두 번째 기준은 영상 내의 특이 픽셀의 분산이다. 특이 픽셀은 영상의 주변영역보다 중심 부근에서 더욱 빈번하게 나타나는 상호 인접한 픽셀들의 칼라 쌍에 의해 정의된다. 세 번째 기준은 중심 객체의 평균 경계강도이다. 세 번째 기준은 분류 기준들중에서 가장 우수한 분류 성능을 나타내지만 특징값을 추출하기 위해서는 중심 객체를 추출해야 되는 많은 연산을 내포하고 있다. 이에 이와 비슷한 특성을 나타내는 네 번째 기준으로 영상 중심 영역에서의 평균 경계강도를 선택하였다. 네 번째 분류 기준은 세 번째 분류 기준에 비해 분류 성능은 조금 낮지만 빠르게 특징값을 추출할 수 있어 많은 데이터를 빠른 시간 내에 처리해야 되는 대규모 영상 데이터 베이스에 적용가능하다. 영상을 분류하기 위해 신경회로망 및 SVM을 사용하여 이들 기준들을 통합하였으며 신경회로망 및 SVM의 분류 성능을 비교하였다. We propose a method that automatically classifies the images into the object and non-object images. An object image is the image with object(s). An object in an image is defined as a set of regions that lie around center of the image and have significant color distribution against the other surround (or background) regions. We define four measures based on the characteristics of an object to classify the images. The center significance is calculated from the difference in color distribution between the center area and its surrounding region. Second measure is the variance of significantly correlated colors in the image plane. Significantly correlated colors are first defined as the colors of two adjacent pixels that appear more frequently around center of an image rather than at the background of the image. Third one is edge strength at the boundary of candidate for the object. By the way, it is computationally expensive to extract third value because central objects are extracted. So, we define fourth measure which is similar with third measure in characteristic. Fourth one can be calculated more fast but show less accuracy than third one. To classify the images we combine each measure by training the neural network and SVM. We compare classification accuracies of these two classifiers.

디지털항공사진영상을 이용한 객체기반 토지피복분류

이현직(Lee Hyun Jik),유지호(Lu Ji Ho),김상연(Kim Sang Youn) 대한공간정보학회 2011 대한공간정보학회지 Vol.19 No.1

기존에 제작된 주제도는 중ㆍ저해상도 위성영상 기반으로 제작이 이루어져 위치정확도 및 표현되는 주제 정보의 정밀도가 낮다는 단점이 있다. 최근 촬영되고 있는 디지털항공사진영상은 흑백 및 컬러영역의 밴드와 산림판독이 가능한 근적외선 영역 밴드의 촬영이 가능하며, 고해상도 영상을 획득할 수 있어 정밀한 토지피복분류의 수행이 가능할 것으로 판단된다. 이에 본 논문에서는 디지털항공사진영상을 이용한 객체기반 토지피복분류 가능성 타진과 디지털항공사진영상의 활용성 제시를 위하여 동일한 지역의 GSD 0.12m급 디지털항공사진영상과 GSD 1m급 IKONOS 위성영상으로 객체기반 토지피복분류를 수행하였으며, 정사영상과 기존 중분류 토지피복도의 정성적 분석을 수행하였다. 또한, TTA(Training and Test Area) Mask를 생성하여 분류정확도를 분석하였으며, 영상을 대상으로 스크린디지타이징을 수행하여 분류면적의 비교를 통한 정확도를 분석하였다. 분석결과 디지털항공사진을 이용한 토지피복도 제작이 가능하였으며, 위성영상에 비해 세밀한 분류가 가능하였다. Since existing thematic maps have been made with medium- to low-resolution satellite images, they have several shortcomings including low positional accuracy and low precision of presented thematic information. Digital aerial photo image taken recently can express panchromatic and color bands as well as NIR (Near Infrared) bands which can be used in interpreting forest areas. High resolution images are also available, so it would be possible to conduct precision land cover classification. In this context, this paper implemented object-based land cover classification by using digital aerial photos with 0.12m GSD (Ground Sample Distance) resolution and IKONOS satellite images with 1m GSD resolution, both of which were taken on the same area, and also executed qualitative analysis with ortho images and existing land cover maps to check the possibility of object-based land cover classification using digital aerial photos and to present usability of digital aerial photos. Also, the accuracy of such classification was analyzed by generating TTA(Training and Test Area) masks and also analyzed their accuracy through comparison of classified areas using screen digitizing. The result showed that it was possible to make a land cover map with digital aerial photos, which allows more detailed classification compared to satellite images.