본 논문에서는 퍼지 G-K(Gustafson-Kessel) 알고리즘과 PCM(Possibilistic C-means) 알고리즘을 융합한 FPGK(Fuzzy Possibilisitic Gustafson-Kessel) 알고리즘의 내부클러스터를 이용한 다증분광 원격탐사 위성영상의 분류방법을 제안하였다. 퍼지 G-K 알고리즘은 ...
본 논문에서는 퍼지 G-K(Gustafson-Kessel) 알고리즘과 PCM(Possibilistic C-means) 알고리즘을 융합한 FPGK(Fuzzy Possibilisitic Gustafson-Kessel) 알고리즘의 내부클러스터를 이용한 다증분광 원격탐사 위성영상의 분류방법을 제안하였다. 퍼지 G-K 알고리즘은 데이터집합에서 저로 다른 기하학적인 형태의 클러스터를 검출하기 위하여 적응적 거리 측정을 적용한 표준 FCM(Fuzzy C-means)의 확장 형태이다. 퍼지 G-K 알고리즘은 크기나 밀도가 다른 타원체 형태의 클러스터를 검출하고 클러스터 중심을 추정하기 위해서 공분산 행렬을 적용하였다. 그러나 퍼지 G-K 알고리즘은 데이터의 각 클러스터에 관한 소속함수 값이 1이 되는 확률적 제약 조건을 이용하므로 잡음이 있는 상황에서 문제점을 야기 시킨다. PCM의 경우는 소속함수 값이 다른 클러스터와 관계가 없고, 속성 데이터와 해당 클러스터 중심간의 거리에만 의존하기 때문에 이러한 문제점을 개선할 수 있다. 그러나 PCM 방법을 적용하기 위해서는 각 영역에 해당하는 클러스터들의 크기와 초기 중심값에 대한 정확한 정보가 필요하다. 본 연구에서는 퍼지 G-K 알고리즘의 결과를 PCM 알고리즘의 입력으로 하여 클러스터들의 크기와 중심값을 얻어서 PCM 알고리즘을 이용한 분류를 수행한다. 본 논문에서 제안된 방법은 평균값 보존 히스토그램 평활화를 이용한 영상강화 과정을 거친 입력영상에서 분류항목을 설정하고 각 항목별 학습데이터를 선정한다. 선정된 학습데이터에 의하여 퍼지 G-K 알고리즘의 초기 중심값을 구하고, 퍼지 G-K 알고리즘을 수행하여 입력영상을 분류한다. 그리고 G-K 알고리즘 분류결과를 PCM 알고리즘의 입력으로 하여 분류를 수행하고 그 결과를 이용하여 평균내부거리를 구한다. 평균내부거리 안쪽에 속하는 화소 데이터는 소속된 항목으로 할당한다. 평균내부거리 안쪽에 속하지 않는 데이터는 베이시안 최대우도 분류를 수행하여 분류항목을 결정한다. 이 때 평균내부거리 안쪽에 있는 화소들을 새로운 학습데이터로 하여 분류를 수행한다. 평균내부거리 안쪽에 있는 화소 데이터는 정규분포형태를 보여주므로 최대우도 분류의 정확도를 높여준다. 다중분광 원격탐사 위성영상을 이용하여 제안된 알고리즘의 효율성을 검증한 결과 기존의 분류알고리즘보다 좋은 분류결과를 얻을 수 있었다.
본 논문에서는 퍼지 G-K(Gustafson-Kessel) 알고리즘과 PCM(Possibilistic C-means) 알고리즘을 융합한 FPGK(Fuzzy Possibilisitic Gustafson-Kessel) 알고리즘의 내부클러스터를 이용한 다증분광 원격탐사 위성영상의 분류방법을 제안하였다. 퍼지 G-K 알고리즘은 데이터집합에서 저로 다른 기하학적인 형태의 클러스터를 검출하기 위하여 적응적 거리 측정을 적용한 표준 FCM(Fuzzy C-means)의 확장 형태이다. 퍼지 G-K 알고리즘은 크기나 밀도가 다른 타원체 형태의 클러스터를 검출하고 클러스터 중심을 추정하기 위해서 공분산 행렬을 적용하였다. 그러나 퍼지 G-K 알고리즘은 데이터의 각 클러스터에 관한 소속함수 값이 1이 되는 확률적 제약 조건을 이용하므로 잡음이 있는 상황에서 문제점을 야기 시킨다. PCM의 경우는 소속함수 값이 다른 클러스터와 관계가 없고, 속성 데이터와 해당 클러스터 중심간의 거리에만 의존하기 때문에 이러한 문제점을 개선할 수 있다. 그러나 PCM 방법을 적용하기 위해서는 각 영역에 해당하는 클러스터들의 크기와 초기 중심값에 대한 정확한 정보가 필요하다. 본 연구에서는 퍼지 G-K 알고리즘의 결과를 PCM 알고리즘의 입력으로 하여 클러스터들의 크기와 중심값을 얻어서 PCM 알고리즘을 이용한 분류를 수행한다. 본 논문에서 제안된 방법은 평균값 보존 히스토그램 평활화를 이용한 영상강화 과정을 거친 입력영상에서 분류항목을 설정하고 각 항목별 학습데이터를 선정한다. 선정된 학습데이터에 의하여 퍼지 G-K 알고리즘의 초기 중심값을 구하고, 퍼지 G-K 알고리즘을 수행하여 입력영상을 분류한다. 그리고 G-K 알고리즘 분류결과를 PCM 알고리즘의 입력으로 하여 분류를 수행하고 그 결과를 이용하여 평균내부거리를 구한다. 평균내부거리 안쪽에 속하는 화소 데이터는 소속된 항목으로 할당한다. 평균내부거리 안쪽에 속하지 않는 데이터는 베이시안 최대우도 분류를 수행하여 분류항목을 결정한다. 이 때 평균내부거리 안쪽에 있는 화소들을 새로운 학습데이터로 하여 분류를 수행한다. 평균내부거리 안쪽에 있는 화소 데이터는 정규분포형태를 보여주므로 최대우도 분류의 정확도를 높여준다. 다중분광 원격탐사 위성영상을 이용하여 제안된 알고리즘의 효율성을 검증한 결과 기존의 분류알고리즘보다 좋은 분류결과를 얻을 수 있었다.
In this paper, I propose a classification method of multi-spectral remote sensing satellite image using intracluster based on fuzzy possibilisitic Gustafson-Kessel (FPGK) algorithm. FPGK algorithm is integrated fuzzy Gustafson-Kessel (G-K) algorithm and possibilistic C-means (PCM) algorithm. Fuzzy G...
In this paper, I propose a classification method of multi-spectral remote sensing satellite image using intracluster based on fuzzy possibilisitic Gustafson-Kessel (FPGK) algorithm. FPGK algorithm is integrated fuzzy Gustafson-Kessel (G-K) algorithm and possibilistic C-means (PCM) algorithm. Fuzzy G-K algorithm is a extend form for the fuzzy C-means (FCM) that uses adaptive distance measure with Euclidian distance measure. Different cluster distributions and sizes usually lead to sub optimal results with FCM. In order to adopt different structures in data, fuzzy G-K algorithm uses the covariance matrix to capture ellipsoidal properties of cluster. PCM algorithm improves the probabilistic constraint of fuzzy G-K algorithm. Because the fuzzy G-K algorithm uses the probabilistic constraint that the memberships of a data point across classes sum to 1, the algorithm has considerable trouble in noisy environments. In PCM, membership value is not connected with other cluster, depends on only distance between property data and related cluster so this problem can be improved. But PCM Algorithm has a shortcoming that we should know the size and initial central value of clusters related with each classification category. Therefore, in this thesis I was able to get those of clusters by using the classifying result of fuzzy G-K algorithm. The suggested classification algorithm sets up classification categories in an input image passed through image enhancement process by using Brightness Preserving Bi-Histogram Equalization and selects training data classified by each item. By the selected training data, I get initial cluster center of fuzzy G-K algorithm and classify input image by performing fuzzy G-K algorithm. And then PCM algorithm is carried out by inputting fuzzy G-K algorithm result, and the average intracluster distance is calculated for each category by FPGK algorithm result. While the data from the interior of the average intracluster distance decide on classification categories by corresponding category, the classification categories of the data from the exterior of average intracluster distance are decided by Bayesian maximum likelihood algorithm. Bayesian maximum likelihood algorithm uses the data from the interior of the average intracluster distance. As pixel data inside average intracluster distance show normal distribution, it improves the accuracy of maximum likelihood classification. The proposed algorithm was tested by applying it to the Landsat TM and IKONOS remote sensing satellite images. As the result, the overall accuracy showed a better outcome than general classification algorithm.
In this paper, I propose a classification method of multi-spectral remote sensing satellite image using intracluster based on fuzzy possibilisitic Gustafson-Kessel (FPGK) algorithm. FPGK algorithm is integrated fuzzy Gustafson-Kessel (G-K) algorithm and possibilistic C-means (PCM) algorithm. Fuzzy G-K algorithm is a extend form for the fuzzy C-means (FCM) that uses adaptive distance measure with Euclidian distance measure. Different cluster distributions and sizes usually lead to sub optimal results with FCM. In order to adopt different structures in data, fuzzy G-K algorithm uses the covariance matrix to capture ellipsoidal properties of cluster. PCM algorithm improves the probabilistic constraint of fuzzy G-K algorithm. Because the fuzzy G-K algorithm uses the probabilistic constraint that the memberships of a data point across classes sum to 1, the algorithm has considerable trouble in noisy environments. In PCM, membership value is not connected with other cluster, depends on only distance between property data and related cluster so this problem can be improved. But PCM Algorithm has a shortcoming that we should know the size and initial central value of clusters related with each classification category. Therefore, in this thesis I was able to get those of clusters by using the classifying result of fuzzy G-K algorithm. The suggested classification algorithm sets up classification categories in an input image passed through image enhancement process by using Brightness Preserving Bi-Histogram Equalization and selects training data classified by each item. By the selected training data, I get initial cluster center of fuzzy G-K algorithm and classify input image by performing fuzzy G-K algorithm. And then PCM algorithm is carried out by inputting fuzzy G-K algorithm result, and the average intracluster distance is calculated for each category by FPGK algorithm result. While the data from the interior of the average intracluster distance decide on classification categories by corresponding category, the classification categories of the data from the exterior of average intracluster distance are decided by Bayesian maximum likelihood algorithm. Bayesian maximum likelihood algorithm uses the data from the interior of the average intracluster distance. As pixel data inside average intracluster distance show normal distribution, it improves the accuracy of maximum likelihood classification. The proposed algorithm was tested by applying it to the Landsat TM and IKONOS remote sensing satellite images. As the result, the overall accuracy showed a better outcome than general classification algorithm.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.