$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

침엽수종 분류를 위한 초분광영상과 다중분광영상의 비교

Comparison between Hyperspectral and Multispectral Images for the Classification of Coniferous Species

대한원격탐사학회지 = Korean journal of remote sensing, v.30 no.1, 2014년, pp.25 - 36  

조형갑 (인하대학교 지리정보공학과) ,  이규성 (인하대학교 지리정보공학과)

초록
AI-Helper 아이콘AI-Helper

수종 간의 유사한 분광특성 때문에 기존의 다중분광영상을 이용한 수종분류는 한계가 있다. 본 연구에서는 경기도 광릉수목원에 분포하는 다섯 종류의 침엽수림을 분류하기 위하여 초분광영상과 다중분광 영상의 적합성을 비교 분석하였다. 연구지역을 대상으로 두 종류의 항공 초분광영상(AISA, CASI)을 촬영하였으며, 비교 목적으로 초분광영상을 이용하여 모의 제작된 ETM+ 다중분광영상을 사용하였다. 영상분류에 사용된 영상은 초분광영상의 모든 밴드를 포함한 영상, PCAMNF 기법으로 차원 축소된 영상, 그리고 분류등급의 분광분리도를 이용하여 소수의 밴드만을 추출한 영상이다. 또한 감독분류 과정에서 MLC, SAM, SVM 등 세 종류의 분류기를 적용하였다. 전체적으로 침엽수종의 분류에 있어서 초분광영상이 다중분광영상보다 높은 분류정확도를 제공하고 있다. 특히 중적외선 파장영역을 포함한 AISA-dual영상이 가장 좋은 분류결과를 보여주었다. 또한 많은 분광밴드를 가진 초분광영상을 MNF기법으로 차원 축소한 영상을 사용했을 때, 다른 영상보다 높은 분류결과가 나왔다. 감독 분류과정에서는 최대우도법(MLC)을 적용했을 때, 가장 높은 분류정확도를 얻었다.

Abstract AI-Helper 아이콘AI-Helper

Multispectral image classification of individual tree species is often difficult because of the spectral similarity among species. In this study, we attempted to analyze the suitability of hyperspectral image to classify coniferous tree species. Several image sets and classification methods were app...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 연구에서는 초분광영상을 이용한 우리나라 주요 침엽수종 분류에 있어서 모든 밴드 사용, 차원축소방법, 적정밴드를 선정 등 분류에 사용될 초분광영상의 종류를 구분하여 분석하고자 한다. 궁극적으로는 침엽수종 분류에 있어서 다중분광영상과 초분광영상의 차이점을 비교하고, 더 나아가 초분광영상을 이용한 수종분류에 적합한 분류방법을 제시하고자 한다.
  • 먼저 침엽수종 분류에 있어서 초분광영상과 기존의 다중분광영상의 차이점을 밝히고자 하였다. 두 번째로 초분광영상은 밴드 수가 매우 많기 때문에 영상분류에 있어서 영상변환이나 밴드 선정과정을 통하여 분류에 사용되는 영상자료의 양을 감소시키는 데, 어떠한 변환방법이 효율적인가를 찾고자 하였다. 세 번째는 감독분류 방법에서 침엽수종 분류에 적합한 분류기(classifier)를 제시하고자 하였다.
  • 본 연구에서는 침엽수종 분류에 있어서 초분광영상의 적합성 여부를 분석하기 위하여, 여러 종류의 영상들을 대상으로 분류작업을 수행하였다. 먼저 침엽수종 분류에 있어서 초분광영상과 기존의 다중분광영상의 차이점을 밝히고자 하였다. 두 번째로 초분광영상은 밴드 수가 매우 많기 때문에 영상분류에 있어서 영상변환이나 밴드 선정과정을 통하여 분류에 사용되는 영상자료의 양을 감소시키는 데, 어떠한 변환방법이 효율적인가를 찾고자 하였다.
  • 본 연구에서는 육안에 의한 판독이 쉽지 않고 또한 매우 유사한 분광특성을 가지고 있는 침엽수종을 분류하기 위하여 초분광영상의 적합성을 분석하고자 한다. 초분광영상이 다중분광영상보다 향상된 분광해상도를 가지고 있기 때문에, 유사한 분광특성을 가진 수종분류에 있어서 향상된 결과를 기대할 수 있지만, 이를 실제 검증한 연구는 많지 않다.
  • 물론 초분광영상에 적용되는 분류 방법과 영상의 차원축소방법이 매우 다양하기 때문에, 분류 결과 또한 매우 다르게 나타날 수 있다. 본 연구에서는 초분광영상을 이용한 우리나라 주요 침엽수종 분류에 있어서 모든 밴드 사용, 차원축소방법, 적정밴드를 선정 등 분류에 사용될 초분광영상의 종류를 구분하여 분석하고자 한다. 궁극적으로는 침엽수종 분류에 있어서 다중분광영상과 초분광영상의 차이점을 비교하고, 더 나아가 초분광영상을 이용한 수종분류에 적합한 분류방법을 제시하고자 한다.
  • 초분광영상은 기존의 다중분광영상에서 얻을 수 없었던 높은 분광해상도를 바탕으로 새로운 활용분야에 적용되고 있다. 본 연구에서는 침엽수종 분류에 있어서 초분광영상과 다중분광영상의 효과를 비교하고자 하였다. 현지 검증자료가 잘 구비된 광릉의 침엽수림을 대상으로 다양한 종류의 초분광영상을 대상으로 감독 분류를 시행하였다.
  • 본 연구에서는 침엽수종 분류에 있어서 초분광영상의 적합성 여부를 분석하기 위하여, 여러 종류의 영상들을 대상으로 분류작업을 수행하였다. 먼저 침엽수종 분류에 있어서 초분광영상과 기존의 다중분광영상의 차이점을 밝히고자 하였다.
  • 두 번째로 초분광영상은 밴드 수가 매우 많기 때문에 영상분류에 있어서 영상변환이나 밴드 선정과정을 통하여 분류에 사용되는 영상자료의 양을 감소시키는 데, 어떠한 변환방법이 효율적인가를 찾고자 하였다. 세 번째는 감독분류 방법에서 침엽수종 분류에 적합한 분류기(classifier)를 제시하고자 하였다.
  • Table 2는 침엽수림 분류에 사용된 13종류의 초분광영상과 다중분광영상 조합을 보여주고 있다. 이 연구에서는 먼저 분광특성이 유사한 침엽수종을 분류하는 데 있어서 초분광영상이 기존의 다중분광영상보다 우수한 결과를 얻을 수 있는 지를 비교하고자 하였다. 초분광영상과 동일 시점에 동일한 공간해상도로 촬영된 다중분광영상의 획득이 어려우므로, 다른 조건은 같고 분광해상도만 낮은 다중분광영상과의 객관적인 비교를 위해 AISA-dual영상을 이용하여 Landsat ETM+ 다중분광영상을 모의 제작하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
CASI의 특징은 무엇인가? 연구에 사용된 초분광영상은 두 종류의 상용 항공초분광센서인 CASI와 AISA를 이용하여 촬영하였다. 캐나다에서 개발된 CASI는 가시광선 및 근적외선 파장영역을 포함하는 초분광영상센서로서 밴드별 분광해상도 (spectral resolution)는 항공기의 촬영고도와 공간해상도에 따라 조정이 가능하다. AISA는 핀란드에서 개발되어 운용 중인 센서로서 400~970 nm 구간을 5 nm폭으로 촬영하는 카메라(Eagle)와 중적외선(SWIR) 파장영역을 포함하여 970~2500 nm 구간을 6 nm폭으로 촬영하는 카메라(Hawk)로 분리되어 있다.
초분광영상을 이용한 식물관련 연구는 어떻게 구분되는가? , 2005). 항공기 또는 위성 기반의 초분광영상을 이용한 식물관련 연구는 주로 임목, 농작물, 초본류 등의 종 분류와 식생의 물리화학적 특성에 관한 인자 추출, 그리고 식물의 병해충 피해 탐지 등으로 나눌 수 있다(Lucas et al., 2008; Cho et al.
원격탐사 영상자료를 이용한 개개목의 수종 분류는 무엇의 등장으로 연구가 시작되었는가? , 2010). 개개목의 수종 분류는 높은 공간해상도를 가진 영상자료가 나오면서 연구가 시작되었다 (Franklin et al., 2000; Wang et al.
질의응답 정보가 도움이 되었나요?

참고문헌 (25)

  1. Asner, G.P. and K.B. Heidebrecht, 2002. Spectral unmixing of vegetation, soil and dry carbon cover in arid regions: comparing multispectral and hyperspectral observations, International Journal of Remote Sensing, 23(19): 3939-3958. 

  2. Bork, E.W., N.E. West, and K.P. Price, 1999. Calibration of broad- and narrow-band spectral variables for rangeland cover component quantification, International Journal of Remote Sensing, 20(18): 3641-3662. 

  3. Bunting, P. and R. Lucas, 2006. The delineation of tree crowns in Australian mixed species forests using hyperspectral compact airborne spectrographic imager (CASI) data, Remote Sensing of Environment, 101: 230-248. 

  4. Cha, S.Y., U.H. Pi, J.H. Yi, and C.H. Park, 2011. Identification of two common types of forest cover, Pinus densiflora(Pd) and Querqus mongolica(Qm), using the 1st harmonics of a discrete fourier transform, Korean Journal of Remote Sensing, 27(3): 329-338. 

  5. Cho, M.A., P. Debba, R. Mathieu, L. Naidoo, J.V. Aardt, and G.P. Asner, 2010. Improving discrimination of Savanna tree species through a multiple-endmember spectral angle mapper approach: canopy-level analysis, IEEE Transactions on Geoscience and Remote Sensing, 48(11): 4133-4142. 

  6. Choi, H.A., W.K. Lee, Y.H. Son, T. Kojima, and H. Muraoka, 2010. Vegetation classification using seasonal variation MODIS data, Korean Journal of Remote Sensing, 26(6): 665-673. 

  7. Chung, S.Y., J.S. Yim, and M.Y. Shin, 2011. A comparison of pixel-and segment-based classification for tree species classification using QuickBird imagery, Journal of Korean Forest Society, 100(4): 540-547 (in Korean with English abstract). 

  8. Demir, B. and S. Erturk, 2010. Empirical mode decomposition of hyperspectral images for support vector machine classification, IEEE Transactions on Geoscience and Remote Sensing, 48(11): 4071-4084. 

  9. Enkhbaatar, L., S. Jayakumar, and J. Heo, 2009. Support vector machine and spectral angle mapper classifications of high resolution hyper spectral aerial image, Korean Journal of Remote Sensing, 25(3): 233-242. 

  10. Frank, T.D., 1988. Mapping dominant vegetation communities in the Colorado Rocky Mountain Front Range with Landsat Thematic Mapper and digital terrain data. Photogrammetric Engineering and Remote Sensing, 54: 1727-1734. 

  11. Franklin, S.E., R.J. Hall, L.M. Moskal, A.J. Maudie, and M.B. Lavignei, 2000. Incorporating texture into classification of forest species composition from airborne multispectral images, International Journal of Remote Sensing, 21(1): 61-79. 

  12. Green, A.A., M. Berman, P. Switzer, and M.D. Craig, 1988. A Transformation for Ordering Multispectral Data in Terms of Image Quality with Implications for Noise Removal, IEEE Transactions On Geoscience And Remote Sensing, 26(1): 65-74. 

  13. Han, D.Y., Y.W. Cho, Y.I. Kim, and Y.W. Lee, 2003. Feature selection for image classification of Hyperion data, Korean Journal of Remote Sensing, 19(2): 171-179 (in Korean with English abstract). 

  14. Kim, C., 2008. Use of crown feature analysis to separate the two pine species in QuickBird Imagery, Korean Journal of Remote Sensing, 24(3): 267-272. 

  15. Kim, S.H., K.S. Lee, J.R. Ma, and M.J. Kook, 2005. Current status of hyperspectral remote sensing: principle, data processing techniques, and applications, Korean Journal of Remote Sensing, 21(4): 341-369 (in Korean with English abstract). 

  16. Kruse, F.A., K.S. Keirein-Young, and J.W. Boardman, 1990. Mineral Mapping at Cuprite, Nevada with a 63-channel Imaging spectrometer, Photogrammetric Engineering and Remote Sensing, 56: 83-92. 

  17. Leckie, D.G., F.A. Gougeon, S. Tinis, T. Nelson, C.N. Burnett, and D. Paradine, 2005. Automated tree recognition in old growth conifer stands with high resolution digital imagery, Remote Sensing of Environment, 94(3): 311-326. 

  18. Lee, K.S., W.B. Cohen, R.E. Kennedy, T.K. Maiersperger, and S.T. Gower, 2004. Hyperspectral versus multispectral data for estimating leaf area index in four different biomes, Remote Sensing of Environment, 91: 508-520. 

  19. Lucas, R., P. Bunting, M. Paterson, and L. Chisholm, 2008. Classification of Australian forest communities using aerial photography, CASI and HyMap data, Remote Sensing of Environment, 112(5): 2088-2103. 

  20. Martin, M.E., S.D. Newman, J.D. Aber, and R.G. Congalton, 1998. Determining Forest Species Composition Using High Spectral Resolution Remote Sensing Data, Remote Sensing of Enviornment, 65: 249-254. 

  21. Papes, M., R. Tupayachi, P. Martinez, A.T. Peterson, and G.V.N. Powell, 2010. Using hyperspectral satellite imagery for regional inventories: a test with tropical emergent trees in the Amazon Basin, Journal of Vegetation Science, 21(2): 342-354. 

  22. Park, N.W., H.Y. Yoo, Y.H. Kim, and S.Y. Hong, 2012. Classification of remote sensing data using random selection of training data and multiple classifiers, Korean Journal of Remote Sensing, 28(5): 489-499 (in Korean with English abstract). 

  23. Thenkabail, P.S., J.G. Lyon, and A. Huete, 2012. Hyperspectral Remote Sensing of Vegetation, CRC Press Taylor & Francis Group, Broken Sound Parkway, NW, USA. 

  24. Thenkabail, P.S., E.A. Enclona, M.S. Ashton, and B. Van Der Meer, 2004. Accuracy assessments of hyperspectral waveband performance for vegetation analysis applications, Remote Sensing of Environment, 91(3-4): 354-376. 

  25. Wang, L., W.P. Sousa, P. Gong, and G.S. Biging, 2004. Comparison of IKONOS and QuickBird images for mapping mangrove species on the Caribbean coast of Panama, Remote Sensing of Environment, 91(3-4): 432-440. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 보고서와 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트