선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 IKONOS 위성영상을 과거 높은 분류 정확도를 나타낸 최대우도법, 인공신경망 알고리즘, Support Vector Machines(SVM) 알고리즘을 적용하여 연구대상을 분석하고 대상지역의 토지피복분류 결과 및 연구대상지역의 현장조사 표준점 추출을 이용한 Error Matrix를 작성하여 분류정확도를 검토하고자 한다. Figure 1은 연구흐름도를 나타낸다.
제안 방법
- 본 연구는 고해상도 위성인 IKONOS 위성영상을 최대우도분류, 인공신경망(ANN)분류, Support Vector Machines(SVM)분류를 적용하여 분류 결과를 비교분석한 결론은 다음과 같다.
- 본 연구에서는 사용되어진 IKONOS 영상이 RPC(Rational Polynomial Coefficients)를 제공하지 않아 수치지도의 도면을 이용하여 대상물의 좌표를 얻는 방법 및 GPS를 이용한 현장조사를 실시하여 지상기준점을 취득하였다. 획득된 지상기준점을 이용하여 ENVI 4.
- 분류알고리즘 적용결과를 각 분류항목별 면적으로 비교하였다. ANN 기법과 SVM 기법의 정확도는 전통적 분류기법인 최대우도법보다 우수하였으며 이중에서 SVM 기법의 경우 78%의 정확도를 보인 ANN 기법에 비해 86%의 정확도로 가장 우위의 결과를 나타냈다.
- 이는 분석된 분류값과 참고자료를 바탕으로 해당란에 수치를 입력하는 도표를 의미한다. 일반적으로 대상지역의 전체에 대한 참고 자료가 필요하지만 본 연구에서는 표본 추출법을 통하여 지점을 선정 후 각 지점의 자료를 취득하여 평가를 수 행 하였다. 추후 일반적인 참고 자료를 통한 실제 토지피복도와 분류기법에 따른 토지피복을 비교한 정확도 비교 검증이 필요로 한다.
- 본 연구에서는 사용되어진 IKONOS 영상이 RPC(Rational Polynomial Coefficients)를 제공하지 않아 수치지도의 도면을 이용하여 대상물의 좌표를 얻는 방법 및 GPS를 이용한 현장조사를 실시하여 지상기준점을 취득하였다. 획득된 지상기준점을 이용하여 ENVI 4.7의 보정 모듈 중 유리수학 모듈을 사용하여 보정을 실시하였다.
대상 데이터
- 사용된 영상은 IKONOS 위성의 자료로 1m급 전정색 영상을 가지고 있으며 다중분광 영상의 경우 4m급 공간해상도를 가진다. IKONOS 영상의 경우는 총 4개의 밴드(Bule, Green, Red, Near IR)와 1개의 전정색 Pan 영상을 가지고 있다. IKONOS의 공급사인 Space Imaging사는 전정색 영상과 다중분광영상을 Projective 알고리즘으로 해상도 융합과정을 거쳐서 1m 공상 해상도와 3개의 분광밴드를 갖는 고분해 영상을 공급한다.
- 본 논문에서는 2003년 4월 22일에 촬영된 영상을 사용하였다. 또한 전처리 과정인 기하보정을 하기 위한 지상기준점 취득을 위하여 국토지리정보원에서 제작한 1:5000 수치지형도의 도엽번호 35611026에서 대상지역 부분을 잘라내어 이용하였다.
- IKONOS의 공급사인 Space Imaging사는 전정색 영상과 다중분광영상을 Projective 알고리즘으로 해상도 융합과정을 거쳐서 1m 공상 해상도와 3개의 분광밴드를 갖는 고분해 영상을 공급한다. 본 논문에서는 2003년 4월 22일에 촬영된 영상을 사용하였다. 또한 전처리 과정인 기하보정을 하기 위한 지상기준점 취득을 위하여 국토지리정보원에서 제작한 1:5000 수치지형도의 도엽번호 35611026에서 대상지역 부분을 잘라내어 이용하였다.
- 연구대상지역은 분류하고자 하는 군집들의 대표적인 부분을 참조 자료를 이용하여 선정하고 계산되는 통계자료를 참조하여 채택한다. 본 연구에서 선정한 정보군집은 국토해양부의 토지 이용현황 분류를 이용하여 총 8종류로 선정하였으며 Table 1, Table 2는 연구대상지역에서 선정한 연구대상지역 자료의 지점과 선택된영상소 및 각각의 기본적인 통계값을 나타낸다. 연구대상자료의 영상소의 수가 많다는 것이 평균과 분산의 정확도가 높아지는 것은 아니므로 대체적으로 사용밴드의 수의 10∼100배의 영상소가 되도록 하는 것이 좋다.
- 본 연구의 연구대상지역은 2007년 3월 촬영된 전라북도 고창군 일대로 하갑리 독곡마을로 좌상단(35°26′ 59.27″, 126°37′29.84″), 우하단(35°26′31.32″,126°38′ 34.11″)이며, 면적은 약 1.44㎢이다.
- 사용된 영상은 IKONOS 위성의 자료로 1m급 전정색 영상을 가지고 있으며 다중분광 영상의 경우 4m급 공간해상도를 가진다. IKONOS 영상의 경우는 총 4개의 밴드(Bule, Green, Red, Near IR)와 1개의 전정색 Pan 영상을 가지고 있다.
- 영상의 전처리와 밴드 선정이 완료되면 훈련지역의 선정이 필요하다. 연구대상지역은 분류하고자 하는 군집들의 대표적인 부분을 참조 자료를 이용하여 선정하고 계산되는 통계자료를 참조하여 채택한다. 본 연구에서 선정한 정보군집은 국토해양부의 토지 이용현황 분류를 이용하여 총 8종류로 선정하였으며 Table 1, Table 2는 연구대상지역에서 선정한 연구대상지역 자료의 지점과 선택된영상소 및 각각의 기본적인 통계값을 나타낸다.
- 44㎢이다. 이 연구대상지역은 농경지와 하천뿐만 아니라 나대지 및 주택지 등 다양한 군집 정보를 가지고 있어 다양한 분류가 가능한 지역을 선정하였다. Figure 3(a) 연구대상지역의 천연색 영상이며, Figure 3(b)은 수치지도이다.
이론/모형
- 대표적인 커널함수 종류에는 Polynomial, RBF, Perceptrori 등이 있다. 본 연구에서는 기본적인 Polynomial 커널 함수를 적용하였다.
성능/효과
- 분류알고리즘 적용결과를 각 분류항목별 면적으로 비교하였다. ANN 기법과 SVM 기법의 정확도는 전통적 분류기법인 최대우도법보다 우수하였으며 이중에서 SVM 기법의 경우 78%의 정확도를 보인 ANN 기법에 비해 86%의 정확도로 가장 우위의 결과를 나타냈다.
- SVM과 ANN의 논 지역 분류 결과 정확도가 90%정도로 높은 정확도를 보였으며 하천 및 초지, 임목지의 경우 연구대상자료의 분광 특성의 유사성을 세밀하게 고려하지 못하여 발생된 오분류가 많은 것으로 사료되며 ANN의 경우는 분류 적용과정에서 활성함수의 사용이 적절하지 않았던 부분이 있었다고 보여 진다. 전체적인 정확도를 보면 MLC에 비해 ANN, SVM이 높은 정확도를 나타냈으며 SVM의 경우 다른 2가지 기법에 비해 86%정도의 정확도를 나타내는 것으로 확인하였다.
- 또한 연구대상자료의 통계치 분석 결과 각 분류항목 별로 오류가 있음이 확인되었으며, 일부 훈련 자료 항목은 정규분포를 이루고 있지 않아서 최대우도 분류법에 적용하기에는 적절하지 못했던 것으로 파악되었다. 차후 각 연구대상자료의 분석을 통하여 달라지는 분류 결과물의 정확도를 확인하여야 할 것으로 보인다.
- SVM과 ANN의 논 지역 분류 결과 정확도가 90%정도로 높은 정확도를 보였으며 하천 및 초지, 임목지의 경우 연구대상자료의 분광 특성의 유사성을 세밀하게 고려하지 못하여 발생된 오분류가 많은 것으로 사료되며 ANN의 경우는 분류 적용과정에서 활성함수의 사용이 적절하지 않았던 부분이 있었다고 보여 진다. 전체적인 정확도를 보면 MLC에 비해 ANN, SVM이 높은 정확도를 나타냈으며 SVM의 경우 다른 2가지 기법에 비해 86%정도의 정확도를 나타내는 것으로 확인하였다.
- 정성적 분류와 비교하였을 때 주거지의 경우 현장답사를 통해서 건물의 특성이 농촌지역의 많이 이용되는 재질과 색이였음을 확인하여 선정하였다. 하지만 일부 건물의 경우 콘크리트 등 다른 재질의 형태로 구성되었으며 이로 인해 분류에 오류가 있었다.
- 연구대상자료의 영상소의 수가 많다는 것이 평균과 분산의 정확도가 높아지는 것은 아니므로 대체적으로 사용밴드의 수의 10∼100배의 영상소가 되도록 하는 것이 좋다. 통계값에 따른 결과의 확인으로 연구대상자료의 선택 시 오류가 있음이 확인되었다.
후속연구
- 차후 각 연구대상자료의 분석을 통하여 달라지는 분류 결과물의 정확도를 확인하여야 할 것으로 보인다. 또한 영상분류의 여러 기법을 통해 높은 분류 정확도를 가진 결과물을 도출하기 위해서는 차후에 영상자료의 특성뿐만 아니라 환경적 요소 및 분광 정보의 유사성 등 다양한 조건을 고려한 방법에 관한 연구가 필요하다고 여겨진다.
- 또한 연구대상자료의 통계치 분석 결과 각 분류항목 별로 오류가 있음이 확인되었으며, 일부 훈련 자료 항목은 정규분포를 이루고 있지 않아서 최대우도 분류법에 적용하기에는 적절하지 못했던 것으로 파악되었다. 차후 각 연구대상자료의 분석을 통하여 달라지는 분류 결과물의 정확도를 확인하여야 할 것으로 보인다. 또한 영상분류의 여러 기법을 통해 높은 분류 정확도를 가진 결과물을 도출하기 위해서는 차후에 영상자료의 특성뿐만 아니라 환경적 요소 및 분광 정보의 유사성 등 다양한 조건을 고려한 방법에 관한 연구가 필요하다고 여겨진다.
- 일반적으로 대상지역의 전체에 대한 참고 자료가 필요하지만 본 연구에서는 표본 추출법을 통하여 지점을 선정 후 각 지점의 자료를 취득하여 평가를 수 행 하였다. 추후 일반적인 참고 자료를 통한 실제 토지피복도와 분류기법에 따른 토지피복을 비교한 정확도 비교 검증이 필요로 한다. Table 5는 각 기법별 오차분류 분석 후 나온 정확도를 나타낸다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.