프랙탈 차원 및 Continuum Removal 기법을 이용한 Hyperion 영상의 노이즈 밴드 제거 Noise Band Elemination of Hyperion Image using Fractal Dimension and Continuum Removal Method원문보기
Hyperion, AVIRIS 등의 초분광 영상은 기존의 다중분광 영상보다 넓은 파장대의 영상을 좁은 폭의 많은 밴드로 취득하기 때문에 다양한 분야의 연구에 이용되고 있다. 하지만 밴드별로 취득하는 파장대가 짧고 밴드수가 많아 계산량이 증가하며, 밴드간의 높은 상관관계 및 노이즈 밴드가 발생하는 한계가 존재한다. 이런 한계로 인해 기존에 알려진 분석기법의 적용결과가 제대로 도출되지 않는 경우도 발생한다. 따라서 초분광 영상을 사용할 경우, 노이즈가 포함된 밴드를 제거한 후 영상분석을 하는 것이 보다 정확하고 효율적이다. 본 연구에서는 초분광 영상(Hyperspectral Image)의 전처리 과정 중 노이즈 밴드 제거에 초점을 맞추었으며, 이를 위해 프랙탈 차원을 이용하였다. 프랙탈 차원 측정방법 중 대표적인 곡면차원 측정 방법인 삼각기둥 표면적 기법을 이용하였다. 각 밴드별 프랙탈 차원을 측정하고, 이를 정규화 하기 위해 Continuum Removal 기법을 적용한 뒤 경향을 살펴보았다. 경험적으로 구한 임계값을 통해 상대적으로 정보량이 적은 35개 밴드를 노이즈 밴드로 판단하여 제거하였다. 실험 영상으로는 EO-1 위성에서 취득되는 Hyperion 초분광 영상을 사용하였다. 실험 결과 프랙탈 차원 및 Continuum Removal 기법을 통해 Hyperion 초분광 영상의 노이즈 밴드를 추출하여 제거할 수 있음을 확인하였다.
Hyperion, AVIRIS 등의 초분광 영상은 기존의 다중분광 영상보다 넓은 파장대의 영상을 좁은 폭의 많은 밴드로 취득하기 때문에 다양한 분야의 연구에 이용되고 있다. 하지만 밴드별로 취득하는 파장대가 짧고 밴드수가 많아 계산량이 증가하며, 밴드간의 높은 상관관계 및 노이즈 밴드가 발생하는 한계가 존재한다. 이런 한계로 인해 기존에 알려진 분석기법의 적용결과가 제대로 도출되지 않는 경우도 발생한다. 따라서 초분광 영상을 사용할 경우, 노이즈가 포함된 밴드를 제거한 후 영상분석을 하는 것이 보다 정확하고 효율적이다. 본 연구에서는 초분광 영상(Hyperspectral Image)의 전처리 과정 중 노이즈 밴드 제거에 초점을 맞추었으며, 이를 위해 프랙탈 차원을 이용하였다. 프랙탈 차원 측정방법 중 대표적인 곡면차원 측정 방법인 삼각기둥 표면적 기법을 이용하였다. 각 밴드별 프랙탈 차원을 측정하고, 이를 정규화 하기 위해 Continuum Removal 기법을 적용한 뒤 경향을 살펴보았다. 경험적으로 구한 임계값을 통해 상대적으로 정보량이 적은 35개 밴드를 노이즈 밴드로 판단하여 제거하였다. 실험 영상으로는 EO-1 위성에서 취득되는 Hyperion 초분광 영상을 사용하였다. 실험 결과 프랙탈 차원 및 Continuum Removal 기법을 통해 Hyperion 초분광 영상의 노이즈 밴드를 추출하여 제거할 수 있음을 확인하였다.
Hyperspectral imaging is used in a wide variety of research since the image is obtained with a wider wavelength range and more bands than multispectral imaging. However, there are limitations, namely that each band has a shorter wavelength range, the computation cost is increased in the case of nume...
Hyperspectral imaging is used in a wide variety of research since the image is obtained with a wider wavelength range and more bands than multispectral imaging. However, there are limitations, namely that each band has a shorter wavelength range, the computation cost is increased in the case of numerous bands, and a high correlation between each band and noise bands exists. The previous analysis method does not produce ideal results due to these limitations. Therefore, in the case of using the hyperspectral image, image analysis after eliminating noise bands is more accurate and efficient. In this study, noise band elimination of the hyperspectral image preprocessing is highlighted, and we use fractal dimension for noise band elimination. The Triangular Prism Method is used, being the typical fractal dimension method of the curved surface. The fractal dimension of each band is calculated. We then apply the Continuum Removal method to normalize. A total of 35 bands are estimated by noise band with a threshold value that is obtained empirically. The hyperion hyperstpectral image collected on the EO-1 satellite is used in this study. The result delineates that noise bands of the hyperion image are able to be eliminated with the fractal dimension and Continuum Removal method.
Hyperspectral imaging is used in a wide variety of research since the image is obtained with a wider wavelength range and more bands than multispectral imaging. However, there are limitations, namely that each band has a shorter wavelength range, the computation cost is increased in the case of numerous bands, and a high correlation between each band and noise bands exists. The previous analysis method does not produce ideal results due to these limitations. Therefore, in the case of using the hyperspectral image, image analysis after eliminating noise bands is more accurate and efficient. In this study, noise band elimination of the hyperspectral image preprocessing is highlighted, and we use fractal dimension for noise band elimination. The Triangular Prism Method is used, being the typical fractal dimension method of the curved surface. The fractal dimension of each band is calculated. We then apply the Continuum Removal method to normalize. A total of 35 bands are estimated by noise band with a threshold value that is obtained empirically. The hyperion hyperstpectral image collected on the EO-1 satellite is used in this study. The result delineates that noise bands of the hyperion image are able to be eliminated with the fractal dimension and Continuum Removal method.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
각 밴드별로 프랙탈 차원을 통해 대상체의 공간적 복잡성을 측정하여 포함 정보량을 판단하는 척도(Quattrochi 등, 1997)로 가정하여 프랙탈 차원이 작다고 판단되는 밴드를 노이즈 밴드로 분류하고 제거하였다. 본 연구에서는 영상에 삼각기둥 표면적 기법을 적용하기 위해, 픽셀의 화소값을 사각형 각 꼭지점의 높이로 간주하여 프랙탈 차원을 측정하였다.
가설 설정
있다. 각 밴드별로 프랙탈 차원을 통해 대상체의 공간적 복잡성을 측정하여 포함 정보량을 판단하는 척도(Quattrochi 등, 1997)로 가정하여 프랙탈 차원이 작다고 판단되는 밴드를 노이즈 밴드로 분류하고 제거하였다. 본 연구에서는 영상에 삼각기둥 표면적 기법을 적용하기 위해, 픽셀의 화소값을 사각형 각 꼭지점의 높이로 간주하여 프랙탈 차원을 측정하였다.
제안 방법
삼각기둥 계산법은 대상체 위의 사각형 꼭지점 값을 높이로한 사각기둥의 각 꼭지점과 4개의 꼭지점의 평균값을 사각형의 중심점으로 설정하고, 이를 이용하여 프랙탈 차원을 측정한다. 4개의 꼭지점과 중심점으로 구성되는 4개의 삼각형의 넓이를 모두 더하여 대상 전체에 대해 면적을 계산한다. 이때 사각형의 크기를 다르게 하면서 삼각형 면적의 합을 구하게 된다.
제거에 초점을 맞추어 진행되었다. EO-1 위성에서 취득되는 Hyperion 초분광 영상의 노이즈 밴드 선택을 위해 프랙탈 차원을 이용하였고, 측정된 프랙탈 차원-밴드 그래프에 Continuum Removal 기법을 적용하여밴드별 프랙탈 차원 경향을 분석하였다. 분석 결과Continuum Removal Value 가 0.
프랙탈 차원을 적용하였다. Hyperion 영상의 각 밴드별로 프랙탈 차원을 측정하고, Continuum Removal 기법을 적용하여 정규화 한 후 임계값을 설정하여 노이즈 밴드를 제거 하였다. 노이즈 밴드로 제거된 밴드는 시각적 평가를 통해 확인하였다.
각 밴드별로 측정된 프랙탈 차원을 분석하기 위하여 프래탁 차원-밴드 곡선에 Continuum Removal 기법을 통해 정규화 하여 분석하였다. 경험적으로 노이즈 밴드를 판단하는 임계값을 설정하였고, 시각적 평가를 통하여 제거된 노이즈 밴드를 확인하였다.
간주 할 수 있는 임계값을 설정하였다. 그 결과본 실험에서는 Continuum Removal Value 가 0.9 이하인 밴드를 노이즈 밴드로 분류하였다.
Hyperion 영상의 각 밴드별로 프랙탈 차원을 측정하고, Continuum Removal 기법을 적용하여 정규화 한 후 임계값을 설정하여 노이즈 밴드를 제거 하였다. 노이즈 밴드로 제거된 밴드는 시각적 평가를 통해 확인하였다. 본 연구의 연구흐름도는 Fig.
노이즈 밴드를 추출하기 위하여 시각적인 평가를 통해 낮은 프랙탈 차원을 가진 밴드부터 살펴본 후 노이즈밴드로 간주 할 수 있는 임계값을 설정하였다. 그 결과본 실험에서는 Continuum Removal Value 가 0.
대표적인 Hyperion 영상 밴드 추출 연구인 Datt 등 (2003)와 김대성 등(2007)의 연구 결과와 비교하였다. 추출된 노이즈 밴드 목록 및 기존연구와 비교 결과는 Table 3, Table 4와 같다.
밴드를 추출하는 것은 타당하지 않다. 따라서 본 연구에서는 Continuum Removal 기법을 통해 정규화 하여 분석하였다. 삼각기둥 표면적 기법을 이용하여 계산된 프랙탈 차원-밴드 그래프 곡선에 Continuum Removal 기법을 이용하여 정규화하고, 시각적 평가를 통해 경험적으로 얻어진 임계치를 통해 노이즈 밴드를 추출하여 제거하였다.
따라서 본 연구에서는 대표적인 초분광 영상 중 하나인 Hyperion 초분광 영상의 노이즈 밴드를 추출하여 제거하기 위하여 무감독 밴드 추출 방식을 이용하였고, 밴드의 순위를 부여하기 위한 척도로 프랙탈 차원을 계산하였다. 각 밴드별로 측정된 프랙탈 차원을 분석하기 위하여 프래탁 차원-밴드 곡선에 Continuum Removal 기법을 통해 정규화 하여 분석하였다.
본 연구는 Hyperion 영상의 노이즈 밴드 제거를 위하여 프랙탈 차원을 적용하였다. Hyperion 영상의 각 밴드별로 프랙탈 차원을 측정하고, Continuum Removal 기법을 적용하여 정규화 한 후 임계값을 설정하여 노이즈 밴드를 제거 하였다.
본 연구는 초분광 영상의 전처리 과정 중 노이즈 밴드 제거에 초점을 맞추어 진행되었다. EO-1 위성에서 취득되는 Hyperion 초분광 영상의 노이즈 밴드 선택을 위해 프랙탈 차원을 이용하였고, 측정된 프랙탈 차원-밴드 그래프에 Continuum Removal 기법을 적용하여밴드별 프랙탈 차원 경향을 분석하였다.
사각형의 크기를 다르게 하면서 생성된 삼각형 면적의 합을 대상 전체에 대해 계산한다. 사각형의 크기와 삼각형 면적에 합에 로그함수를 취한 후 회귀분석을 이용하여 기울기를 구한다.
따라서 본 연구에서는 Continuum Removal 기법을 통해 정규화 하여 분석하였다. 삼각기둥 표면적 기법을 이용하여 계산된 프랙탈 차원-밴드 그래프 곡선에 Continuum Removal 기법을 이용하여 정규화하고, 시각적 평가를 통해 경험적으로 얻어진 임계치를 통해 노이즈 밴드를 추출하여 제거하였다.
제거한다. 임계값을 경험적으로 취득하였으며, 0.9 이하의 값을 갖는 밴드를 노이즈 밴드로 추출하였다.
대상 데이터
사용하였다. Hyperion 영상은 공간해상도 30m로 242개의 밴드로 구성되어 있다. 사용된 영상은 Fig.
본 연구에서는 2000년 H월 발사된 EO-1 위상에서 취득된 Hyperion 초분광 영상을 사용하였다. Hyperion 영상은 공간해상도 30m로 242개의 밴드로 구성되어 있다.
3과 같이 총 3개의 영상이며, 각각의 영상에 대한 제원은 Table 1과 같다. 본 연구에서는 나사(NASA)에서 기본적으로 제공하는 정보를 통해 보정되지 않은 밴드를 제거한 198개의 밴드를 추출하여 알고리즘을 적용하였다.
Hyperion 영상은 공간해상도 30m로 242개의 밴드로 구성되어 있다. 사용된 영상은 Fig. 3과 같이 총 3개의 영상이며, 각각의 영상에 대한 제원은 Table 1과 같다. 본 연구에서는 나사(NASA)에서 기본적으로 제공하는 정보를 통해 보정되지 않은 밴드를 제거한 198개의 밴드를 추출하여 알고리즘을 적용하였다.
데이터처리
각 영상의 밴드별 프랙탈 차원을 계산하였고, 그 결과를 프랙탈 차원-밴드 그래프로 나타내었다(Fig. 4).
본 연구결과를 기존의 밴드 추출 연구와 비교 하였다. 대표적인 Hyperion 영상 밴드 추출 연구인 Datt 등 (2003)와 김대성 등(2007)의 연구 결과와 비교하였다.
합을 대상 전체에 대해 계산한다. 사각형의 크기와 삼각형 면적에 합에 로그함수를 취한 후 회귀분석을 이용하여 기울기를 구한다. 여기서 계산된 기울기를 정수 2에서 뺀 값이 해당 밴드의 프랙탈 차원이 된다.
이론/모형
Continuum Removal 기법을 통해 정규화 된 프랙탈 차원에 임계값을 적용하여 노이즈 밴드를 제거한다. 임계값을 경험적으로 취득하였으며, 0.
각 밴드별로 측정된 프랙탈 차원을 분석하기 위하여 프래탁 차원-밴드 곡선에 Continuum Removal 기법을 통해 정규화 하여 분석하였다. 경험적으로 노이즈 밴드를 판단하는 임계값을 설정하였고, 시각적 평가를 통하여 제거된 노이즈 밴드를 확인하였다.
밴드/프랙탈 차원으로 나타낸 곡선을 Continuum Removal 기법을 적용하여 정규화 하였다. 그 결과는 Fig.
본 실험에서는 앞에서 언급한 것과 같이 각 픽셀의 화소값을 높이로 간주하여 각 밴드에 삼각기둥 계산법을 적용하였다. 각 영상의 밴드별 프랙탈 차원을 계산하였고, 그 결과를 프랙탈 차원-밴드 그래프로 나타내었다(Fig.
본 연구에서는 밴드(면)의 프랙탈 차원을 계산하기 위해 대표적인 곡면 프랙탈 차원 측정법인 삼각기둥 계산법(Jaggi et al., 1993)을 사용하였다. 삼각기둥 계산법은 대상체 위의 사각형 꼭지점 값을 높이로한 사각기둥의 각 꼭지점과 4개의 꼭지점의 평균값을 사각형의 중심점으로 설정하고, 이를 이용하여 프랙탈 차원을 측정한다.
성능/효과
4). Continuum Removal 기법을 통해 정규화 한 결과를 통해 주변에 비해 낮은 프랙탈 차원을 나타내는 밴드를 보다 정확하게 제거할 수 있었다.
각 영상의 밴드별 프랙탈 차원을 측정하여 프랙탈 차원-밴드 그래프를 도시해본 결과 Fig. 4에서 확인해 볼 수 있듯이 실험에 사용된 3가지 영상의 각 밴드별 프랙탈 차원이 비슷한 경향을 나타냄을 알 수 있다. 이는 Hyperion 센서에서, 각 밴드별로 측정하는 파장대가 동일하기 때문에 각 밴드가 영상이 취득된 시간 및 장소에 관계없이 비슷한 경향의 프랙탈 차원을 가지고 있는 것으로 판단된다.
노이즈 밴드로 분류된 밴드를 시각적으로 평가한 결과 영상의 화소 값의 분산이 작거나, Strip 잡음이 존재하였다. 이는 나사(NASA)에서 기본적으로 제공하는 보정되지 않은 밴드 이외에도 수십개 이상의 노이즈 밴드를 제거할 수 있음을 나타낸다.
따라서 Continuum Removal 기법을 프랙탈 차원-밴드 곡선에 적용하여 프랙탈 차원 곡선을 정규화 하게 되면, Fig. 5에서 나타나는 낮은 값들은 절대적인 프랙탈 차원 값이 주변 밴드에 비해 낮은 프랙탈 차원을 가진 밴드인 것을 확인할 수 있다(Fig. 4). Continuum Removal 기법을 통해 정규화 한 결과를 통해 주변에 비해 낮은 프랙탈 차원을 나타내는 밴드를 보다 정확하게 제거할 수 있었다.
본 연구를 통해 추출된 노이즈 밴드의 상당 부분이 기존 연구에서 노이즈 밴드로 판단된 밴드와 중복되었다. 또한 시각적으로 평가해본 결과 기존에 제안된 기법으로 추출 되지 않은 노이즈 밴드가 추출되었다(187, 190, 191번 밴드).
추출된 노이즈 밴드 목록 및 기존연구와 비교 결과는 Table 3, Table 4와 같다. 본 연구를 통해 추출된 노이즈 밴드의 상당 부분이 기존 연구에서 노이즈 밴드로 판단된 밴드와 중복되었다. 또한 시각적으로 평가해본 결과 기존에 제안된 기법으로 추출 되지 않은 노이즈 밴드가 추출되었다(187, 190, 191번 밴드).
EO-1 위성에서 취득되는 Hyperion 초분광 영상의 노이즈 밴드 선택을 위해 프랙탈 차원을 이용하였고, 측정된 프랙탈 차원-밴드 그래프에 Continuum Removal 기법을 적용하여밴드별 프랙탈 차원 경향을 분석하였다. 분석 결과Continuum Removal Value 가 0.9 이하인 밴드를 노이즈 밴드로 분류하였고, 각 영상별로 44, 35, 61개의 노이즈 밴드가 제거되었다. 전체적으로 35개의 공통 노이즈 밴드를 추출할 수 있었고, 시각적 평가를 통해 추출된 밴드에 노이즈가 존재함을 확인하였다.
9 이하인 밴드를 노이즈 밴드로 분류하였고, 각 영상별로 44, 35, 61개의 노이즈 밴드가 제거되었다. 전체적으로 35개의 공통 노이즈 밴드를 추출할 수 있었고, 시각적 평가를 통해 추출된 밴드에 노이즈가 존재함을 확인하였다.
후속연구
있는 연구를 수행하고자 한다. 또한 노이즈의 종류에 따라 프랙탈 차원에 미치는 영향을 규명해야할 것으로 사료된다.
노이즈 밴드 제거 결과를 나타내었다. 본 연구의 결과를 이용하여 초분광영상의 노이즈 밴드를 효율적으로 추출 할 수 있을 것으로 생각된다.
따라서 Hyperion 영상의 전반 및 후반 밴드가 노이즈 밴드로 추출되지 않는 문제점이 발생한다. 이는 향후 다중 임계값 등을 이용하면 해결 가능할 것으로 판단된다.
이는 본 실험에서는 확실한 노이즈 밴드만을 추출하기 위하여 상대적으로 적은 수의 노이즈 밴드를 추출하였기에 나타난 결과로 판단된다. 임계값 조정을 통해 보다 많은 노이즈 밴드를 추출할 경우 기존의 연구와 동일하거나 우수한 결과가 나타날 것으로 기대된다.
최근 지상의 속성 추출(김선화 드 2005; Yoon 등, 2007), 변화 탐지(Frank 등 2003; Nielsen 등, 2005) 등 다양한 분야의 연구에서 이용되고 있다. 하지만 초분광 영상의 경우 짧은 밴드 폭(10~20 nm)과 많은 수의 밴드로 인해 영상 분석 적용 시 계산량이 기하급수적으로 늘어나고, 노이즈 밴드 존재 및 인접 밴드간의 높은 상관관계로 인해 기존에 알려진 원격 탐사 분석 기법의 적용결과가 제대로 도출 되지 않는 한계점이 존재한다. 따라서 초분광 영상을 이용할 경우 효과적인 밴드 선택 또는 노이즈 밴드 제거를 통해 불필요한 밴드를 줄이는 전처리 작업이 중요하다.
향후 더욱 다양한 영상에 적용할 필요가 있으며,Continuum Removal 기법의 한계등으로 인해 노이즈밴드이면서 추출되지 않은 밴드를 추가적으로 제거할 수 있는 연구를 수행하고자 한다. 또한 노이즈의 종류에 따라 프랙탈 차원에 미치는 영향을 규명해야할 것으로 사료된다.
참고문헌 (17)
김대성, 김용일, 어양담, 2007, 변화 탐지를 위한 Hyperion 초분광 영상의 자동 기하보정과 밴드 선택에 관한 연구, 한국측량학회지, 25(5): 383-392.
Datt, B., T. R. McVicar, T. G. V. Niel, D. L. B. Jupp, and J. S. Pearlman, 2003, Preprocessing EO-1 Hyperion Hyperspectral Data to Support the Application of Agricultural Indexes, IEEE Transactions on Geoscience and Remote Sensing, 41(6): 1246-1259.
Frank, M. and M. Canty, 2003, Unsupervised Change Detection for Hyperspectral Images, JPL Publication, 8th publication.
Goodenough, D. G., A. Dyk, K. O. Niemann, J. S. Pearlman, H. Chen, T. Han, M. Murdoch, and C. West, 2003, Processing Hyperion and ALI for Forest Classification, IEEE Transactions on Geoscience and Remote Sensing, IEEE, 41(6): 1321-1331.
Huang, R. M. He, 2005, Band Selection Based on Feature Weighting for Classification of Hyperspectral Data, IEEE Geoscience and Remote Sensing Letters, Vol. 2, No. 2, pp. 156-159.
Jaggi, S., Dale A. Quattroch, and Nina Siu-Ngan Lam, 1993, Implementation and Operation of three Fractal measurement algorithms for analysis of remote-sensing data, Computers & Geosciences, 19(6): 745-767.
Landgrebe, D. A., 2003, Signal Theory Methods in Multispectral Remote Sensing, Wiley- Interscience, NJ, USA.
Nielsen, A. A. and M. J. Canty, 2005, Multi- and Hyper-spectral Remote Sensing Change Detection with Generalized Difference Images by the IR-MAD Method, International Workshop on the Analysis fo Multi- Temporal Remote Sensing Images, IEEE, Mississippi, USA, pp. 169-173.
Quattrochi, D. A. and Michael F. Goodchild, 1997, Scale in Remote Sensing and GIS, CRC Press.
Yoon, Y. and Y. Kim, 2007, Application of Hyperion Hyperspectral Remote Sensing Data for Wildfire Fuel Mapping, Korean Journal of Remote Sensing, 23(1): 21-32.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.