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 Radarsat-2 영상, Envisat 영상과 SAR 영상으로 처리된 텍스쳐 영상을 사용하여 최소 거리 분류 알고리즘의 결과를 나타내었다. 그림 3과 4는 SAR 영상과 텍스쳐 영상의 결과를 나타내었다.
제안 방법
- Radarsat-2의 SAR, Envisat의 ASAR 센서는 각각 해상도가 다르지만, C밴드 파장 대를 사용하므로 이두 센서를 함께 사용한다면 각 영상의 장점을 사용한 영상 중첩의 효과를 볼 수 있을 것으로 보인다. 따라서 다중 영상을 이용하여 해빙 분류를 수행할 것이며, 텍스쳐 영상을 제작하여 결과를 비교해 볼 것이다.
- SAR 영상에는 스펙클(speckle) 잡음이 있는데, 이것을 먼저 제거해야 보다 깨끗한 영상을 사용할 수 있다. 따라서 전처리로 3 x 3 mean 필터를 이용하여 Speckle noise를 제거한 뒤, 방사보정과 기하보정을 실시하여 영상의 왜곡을 줄였다. 그림 2는 본 연구의 수행 과정을 보여주고 있다.
- 3∼2m이다. 변형 빙하는 얼음이 압축되어졌다 떨어진 얼음이며, 본 연구에서는 highly deformed ice와 moderately deformed ice로 구분하였다. 좀 더 압축되고 단단한 얼음을 highly deformed ice, 눈이 쌓여있고 평평한 얼음을 moderately deformed ice라고 하였다.
- 분류 결과를 정량적으로 나타내기 위해 전체 정확도(overall accuracy)를 계산하였다. 전체 정확도는 정확하게 분류된 픽셀 수를 전체 픽셀 수로 나눈 것으로, 표 1은 센서별 SAR 영상과 텍스쳐 영상의 전체 정확도를 나타낸다.
- 리지(ridge)는 해빙이 주위 압력에 의해 산 능선처럼 생긴 얼음을 말한다. 이렇게 정의된 해빙 클래스로 트레이닝 데이터를 제작하여 감독 분류에 사용하였다.
- 해빙의 분류 정확도 수행을 위해 SAR 영상과 텍스쳐 영상을 최소 거리 알고리즘을 이용하여 비교하였다. Radarsat-2 SAR 영상을 텍스쳐 영상으로 계산 하여 분류를 했을 때 결과가 가장 좋은 것으로 나타났다.
- 감독 분류에는 여러 가지 알고리즘이 있는데, 최소 거리(minimum distance) 분류는 영상과 클래스의 유사도를 거리로 나타내어 특징 공간에서 거리가 가장 짧은 곳이 유사도가 큰 곳으로 보고 분류한다[18]. 해빙의 형성 과정상 유사도가 크면 밀집되어 분포할 것으로 판단되어, 최소 거리 알고리즘을 이용하였다.
대상 데이터
- 1년생 빙하는 얼음 형성 기간이 1년을 넘기지 않는 얼음이며, 얼음 두께는 0.3∼2m이다.
- Radrsat-2는 2007년 12월 14일에 발사되었으며, 본 연구에서 사용된 영상의 해상도는 25m이다. Envisat 위성은 2002년 3월 1일에 발사되었으며, 연구에서 사용된 해상도는 150m이다. Radarsat-2의 SAR 센서와 Envisat의 ASAR 센서는 모두 C밴드에서 운영된다.
- Radarsat-2의 SAR 센서와 Envisat의 ASAR 센서는 모두 C밴드에서 운영된다. Radarsat-2의 영상은 2009년 4월 28일과 4월 30일 영상을 이용하였으며, Envisat의 영상은 2009년 5월 10일과 5월 13일 영상을 사용하였다. 연구 지역은 그림 1에 나타냈으며, 그린란드 북쪽 정착빙 지역이다.
- 본 연구에서는 SAR 센서가 장착된 Radarsat-2 위성의 영상과, ASAR(Advanced Synthetic Aperture Radar) 센서가 장착된 Envisat 위성 영상을 사용하였다. Radrsat-2는 2007년 12월 14일에 발사되었으며, 본 연구에서 사용된 영상의 해상도는 25m이다. Envisat 위성은 2002년 3월 1일에 발사되었으며, 연구에서 사용된 해상도는 150m이다.
- 본 연구에서는 SAR 센서가 장착된 Radarsat-2 위성의 영상과, ASAR(Advanced Synthetic Aperture Radar) 센서가 장착된 Envisat 위성 영상을 사용하였다. Radrsat-2는 2007년 12월 14일에 발사되었으며, 본 연구에서 사용된 영상의 해상도는 25m이다.
- Radarsat-2의 영상은 2009년 4월 28일과 4월 30일 영상을 이용하였으며, Envisat의 영상은 2009년 5월 10일과 5월 13일 영상을 사용하였다. 연구 지역은 그림 1에 나타냈으며, 그린란드 북쪽 정착빙 지역이다.
- 그림 1. 연구지역은 그린란드 북쪽이며, 지도의사각형 영역에서 촬영된 SAR 영상을 사용하였다.
- 전체 정확도는 정확하게 분류된 픽셀 수를 전체 픽셀 수로 나눈 것으로, 표 1은 센서별 SAR 영상과 텍스쳐 영상의 전체 정확도를 나타낸다. 정확하게 분류된 픽셀은 현장 관측 데이터를 참고하였다. Radarsat-2 영상, Envisat 영상, Radarsat-2와 Envisat 영상 조합의 결과를 나타내고 있다.
데이터처리
- [16,17]. 통계적 텍스쳐 방법에는 평균, 분산, 표준편차가 있으며, 본 연구에서는 GLCM의 커널 사이즈가 3 x 3인 행렬을 이용하여 평균 텍스쳐 영상을 생성했다.
성능/효과
- 해빙의 분류 정확도 수행을 위해 SAR 영상과 텍스쳐 영상을 최소 거리 알고리즘을 이용하여 비교하였다. Radarsat-2 SAR 영상을 텍스쳐 영상으로 계산 하여 분류를 했을 때 결과가 가장 좋은 것으로 나타났다. 하지만 SAR 영상의 결과와 비교하였을 때, 텍스쳐 영상을 사용하면 전체 정확도가 높아질 것이라는 예상과는 달리 Radarsat-2 텍스쳐 영상의 전체 정확도만 높았다.
- Radarsat-2와 ASAR 영상을 함께 사용했을 때, ASAR 영상만 사용했을 때는 SAR 영상의 전체 정확도가 더 높았다. 따라서 SAR 영상을 사용하여 분류한 결과는 텍스쳐 영상을 사용했을 때 보다 높았기 때문에 텍스쳐 영상을 변환시키지 않고 좋은 결과를 낼 수 있어 효율적이다.
- 8%이었다. 따라서 SAR 영상의 전체 정확도와 비교했을 때, 텍스쳐 영상의 전체 정확도가 낮은 것으로 나타났다.
- SAR 영상과 텍스쳐 영상의 결과는 약간 차이를 보이지만, 각 영상을 비교했을 때 비슷한 분포를 보인다. 텍스쳐 영상은 기존의 SAR 영상에 비해서 군집화가 되어있는 것으로 보이며, 이는 first year ice와 highly deformed에서 두드러지게 나타났다.
- 텍스쳐 영상을 사용했을 때는 Radarsat-2 텍스쳐 영상의 정확도가 89.2%로 본 연구에 있어서 가장 높은 정확도를 보였다. Radarsat-2는 Envisat에 비해 해상도가 좋고 텍스쳐 영상 생성으로 인해 부드럽게 나타나 군집화가 잘 되어 전체 정확도가 높아진 것으로 판단된다.
- 표 1을 보면, SAR 영상만 사용하였을 때는 Radarsat-2 영상과 Envisat 영상을 조합하여 분류를 수행했을 때 전체 정확도가 88.0%로 가장 높게 나타났다. 해상도가 다른 영상을 중첩함에 따라 영상의 정확도가 높아진 것으로 판단된다.
- Radarsat-2 SAR 영상을 텍스쳐 영상으로 계산 하여 분류를 했을 때 결과가 가장 좋은 것으로 나타났다. 하지만 SAR 영상의 결과와 비교하였을 때, 텍스쳐 영상을 사용하면 전체 정확도가 높아질 것이라는 예상과는 달리 Radarsat-2 텍스쳐 영상의 전체 정확도만 높았다. Radarsat-2와 ASAR 영상을 함께 사용했을 때, ASAR 영상만 사용했을 때는 SAR 영상의 전체 정확도가 더 높았다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.