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
- , 2006), 다중 분광자료의 중첩을 제거하거나 노이즈를 감소시키기 위하여 사용되는 기법이다. 본 연구의 목적은 하이퍼스펙트럴 영상에 대해 PCA기법을 적용하여 영상의 분류 정확도를 평가하고 개선의 정도를 정량적으로 확인하고자 한다.
제안 방법
- 본 연구에서는 항공 하이퍼스펙트럴 영상에 대해 PCA를 적용 후 고유성분이 높은 밴드를 선별적으로 조합하여 5개의 유형별 PCA영상을 제작하였다. SAM 감독 분류 기법을 적용하여 분류 정확도를 평가한 결과 다음과 같은 결론을 도출하였다.
- 고유성분이 높은 밴드를 선별적으로 조합하여 5개의 유형별 PCA영상을 주성분 축에 따른 증가된 변환영상으로 제작 후 SAM감독분류 기법을 적용하여 영상을 분류한 결과이다.
- 본 연구에서는 항공 하이퍼스펙트럴 영상에 대해 PCA를 적용 후 고유성분이 높은 밴드를 선별적으로 조합하여 5개의 유형별 PCA영상을 제작하였다. SAM 감독 분류 기법을 적용하여 분류 정확도를 평가한 결과 다음과 같은 결론을 도출하였다.
- 육안을 통해 시각적인 분류 정확도 평가를 실시하였다. 분류대상이 모두 포함된 혼합구역과 분류 대상항목별로 대상이 확실한 구역에 대해 분류 대상별로 구역을 설정하여 시각적 평가를 실시하였다. PCA 1B영상이 다른 유형별 영상의 결과보다 정확도가 현저히 떨어짐을 확인할 수 있었다.
- 육안을 통해 시각적인 분류 정확도 평가를 실시하였다. 분류대상이 모두 포함된 혼합구역과 분류 대상항목별로 대상이 확실한 구역에 대해 분류 대상별로 구역을 설정하여 시각적 평가를 실시하였다.
- 따라서 화소와 분류 항목간의 유사도를 판별하는데 있어 n차원에서의 각도를 이용한다. 트레이닝 데이터를 이용하기 위해서 PCA밴드를 역 변환하여 128밴드의 노이즈가 제거된 유형별 분광 영상으로 변환하였다.
대상 데이터
- 실험 대상지역은 충청남도 태안군 소재의 의항리 일원으로 실험대상 지역의 면적은 약 250,000㎡로 항공 하이퍼스펙트럴 영상과 공간해상도 1m 급, 128밴드의 분광영상을 획득하였다.
- 육안으로 식별이 명확한 식생, 수역, 암석자갈, 모래 구역의 트레이닝 자료를 수집하였다. 트레이닝 자료의 신뢰성과 분류 정확성을 높이기 위해 분류 대상 항목당 2개소에 해당하는 트레이닝 자료를 수집하였다.
- 육안으로 식별이 명확한 식생, 수역, 암석자갈, 모래 구역의 트레이닝 자료를 수집하였다. 트레이닝 자료의 신뢰성과 분류 정확성을 높이기 위해 분류 대상 항목당 2개소에 해당하는 트레이닝 자료를 수집하였다.
- 국외에서는 VNIR(가시광), SWIR(중적외), LWIR(열적외)파장대와 같은 제품을 사용하고 있다. 현재 국내의 운영 사례는 초분광카메라로는 VNIR파장대로서 필란드 SPECIM사의 AISA Eagle 제품과 캐나다 ITRES사의 CASI-1500이 사용되고 있으며, 이번 실험에는 SPECIM사의 AISA Eagle 성과를 이용하여 실험 및 분석에 사용하였다.
성능/효과
- 128밴드의 원영상에 대한 PCA변환 결과는 Fig. 9와 같으며, 고유성분 포함률은 PCA변환 영상의 첫 번째 밴드에 해당하는 영상이 76.74%의 성분을 포함하며, PCA변환 영상의 첫 번째와 두 번째 누적 밴드에 해당 하는 영상이 98.40%로 대부분의 성분자료가 두 번째 영상에 담긴 것을 알 수 있었다. 또한 두 번째 영상 이후부터 성분의 증가량은 완만하게 증가하여 여덟 번째 PCA밴드와 원본 영상(128밴드, PCA미적용)과는 미소한 차이를 나타냈다.
- 분류대상이 모두 포함된 혼합구역과 분류 대상항목별로 대상이 확실한 구역에 대해 분류 대상별로 구역을 설정하여 시각적 평가를 실시하였다. PCA 1B영상이 다른 유형별 영상의 결과보다 정확도가 현저히 떨어짐을 확인할 수 있었다. PCA 1B영상의 경우 고유성분 포함률이 76.
- 따라서 대부분의 성분자료가 PCA 2B영상에 담긴 것으로 나타났다. PCA 네 번째 변환 영상을 포함하는 경우인 PCA 4B영상은 고유성분이 99.62%이며, 이후부터 128번째 원본 영상까지의 고유성분 포함률은 완만하고 균등한 기울기로 증가하는 것으로 나타냈다.
- 17%로 나타났다. PCA2B영상부터 완만한 정확도 증가를 나타냈으며, PCA8B영상과 원본 영상(PCA미변환, 128밴드)과는 92.21%로 가장 높은 정확도를 나타냈다.
- 셋째. PCA밴드가 조합된 유형별 영상의 시각적인 평가를 실시한 결과, PCA변환 영상의 첫 번째 밴드에 해당하는 영상이 제일 낮은 정확도를 나타냈다. 고유성분 포함률이 급격하게 높아진 두 번째 밴드까지 누적된 영상부터는 점진적으로 증가하였다.
- 둘째. PCA밴드가 조합된 유형별 영상의 정량적인 분류정확도를 평가한 결과, 전체정확도와 생산자 정확도는 유사한 그래프 패턴을 가지고 있었다. PCA변환 영상의 첫 번째 밴드에 해당하는 영상이 가장 낮은 분류 정확도를 나타냈으며, 두 번째 밴드까지 조합된 영상이 가장 높은 정확도를 나타났다.
- 첫째. PCA변환 결과 고유성분 포함률을 살펴 본 결과, PCA변환 영상의 첫 번째 밴드에 정보포함이 76.74%를 포함하며, 두 번째 밴드에서의 누적 성분은 98.40%로써, 대부분의 성분정보가 PCA변환 후 두 번째 영상까지에 담긴 것으로 나타났다.
- PCA밴드가 조합된 유형별 영상의 정량적인 분류정확도를 평가한 결과, 전체정확도와 생산자 정확도는 유사한 그래프 패턴을 가지고 있었다. PCA변환 영상의 첫 번째 밴드에 해당하는 영상이 가장 낮은 분류 정확도를 나타냈으며, 두 번째 밴드까지 조합된 영상이 가장 높은 정확도를 나타났다. 네 번째 밴드가 조합된 영상부터는 전체적으로 정확도가 완만하게 증가하였다.
- 넷째. 고유성분 포함률, 분류정확도를 평가한 결과, 정량적 분류 정확도 수치상으로는 두 번째 밴드까지 누적된 영상이 가장 높았으나 시각적인 평가결과는 여덟 번째 밴드를 포함해야 실용적으로 이용이 가능한 것으로 평가된다.
- 74%인 것에 기인한다고 판단된다. 고유성분 포함률이 98.40%인 PCA 2B 영상부터는 단계적으로 분류의 정도가 양호한 결과를 나타났으며, PCA 4B 영상부터는 원본 영상(PCA미변환, 128밴드)의 분류결과와 유사한 결과가 나타났다. PCA 2B영상의 경우 PCA 1B영상보다 분류결과가 양호하지만 그림에서 아래지역인 모래구역은 암석자갈 구역으로 오분류된 것을 육안을 통해 확인할 수 있었다.
- PCA변환 영상의 첫 번째 밴드에 해당하는 영상이 가장 낮은 분류 정확도를 나타냈으며, 두 번째 밴드까지 조합된 영상이 가장 높은 정확도를 나타났다. 네 번째 밴드가 조합된 영상부터는 전체적으로 정확도가 완만하게 증가하였다.
- 40%로 대부분의 성분자료가 두 번째 영상에 담긴 것을 알 수 있었다. 또한 두 번째 영상 이후부터 성분의 증가량은 완만하게 증가하여 여덟 번째 PCA밴드와 원본 영상(128밴드, PCA미적용)과는 미소한 차이를 나타냈다.
- 모래암석지역의 PCA밴드별 영상분류 결과 정보 포함률이 76.74%인 PCA1B영상까지 오분류가 되었으나 정보 포함률이 98.40%이 PCA2B영상부터는 정확하게 분류된 것으로 나타났다.
-
- 모래구역
모래지역의 PCA밴드별 영상분류 결과 정보 포함률이 98.40%인 PCA2B영상까지 오분류가 되었으나 PCA4B영상부터는 정확하게 분류된 것으로 나타났다.
-
- 수계구역
수계지역의 PCA밴드별 영상분류 결과 정보 포함률이 98.40%인 모든 유형의 PCA밴드에서 정확하게 분류된 것으로 나타났다.
-
- 식생구역
식생지역의 PCA밴드별 영상분류 결과 정보 포함률이 76.74%인 PCA 1B영상까지 오분류가 되었으나 정보 포함률이 98.40%가 PCA2B영상부터는 정확하게 분류된 것으로 나타났다.
- 영상분류 결과를 간단하게 확인하면, PCA 1B영상의 경우 분류의 정도가 상당히 떨어짐을 알 수 있다. 이것은 PCA 1B가 고유성분포함율 76.
- 유형별 PCA영상의 고유성분포함율 결과를 살펴보면, PCA 1B영상의 경우는 원본 영상을 PCA변환 후, Table 2에서 보는 바와 같이 첫 번째 밴드가 70%이상의 성분을 포함하고 있으며, 밴드가 누적되어 갈수록 성분이 증가하는 것을 알 수 있다.
- PCA6B영상부터는 원본 영상(PCA미변환, 128밴드)까지는 정확도가 완만하게 증가하였다. 유형별 PCA영상의 사용자 분류정확도 결과를 살펴보면, 사용자 분류정확도는 PCA1B영상이 65.18%로써, 가장 낮은 정확도를 나타냈으며, PCA2B영상이 92.17%로 나타났다. PCA2B영상부터 완만한 정확도 증가를 나타냈으며, PCA8B영상과 원본 영상(PCA미변환, 128밴드)과는 92.
- PCA6B영상부터는 정확도가 완만하게 증가하였다. 유형별 PCA영상의 생산자 분류정확도 결과를 살펴보면, 생산자 분류정확도는 PCA1B영상이 63.01%로 가장 낮은 정확도를 나타냈으며, PCA2B영상이 91.25%로 가장 높은 정확도를 나타냈다. 그러나 PCA4B 영상에서는 정확도가 1.
- 유형별 PCA영상의 전체 분류정확도 결과를 살펴보면, 전체 분류정확도는 PCA 1B영상이 64.30%로 낮은 정확도를 나타냈으며, PCA2B영상이 90.97%로 가장 높은 정확도를 나타냈다.
- 74%인 것에 기인한다고 판단된다. 정보 포함률이 98.40%인 PCA 2B영상부터는 단계적으로 평가 결과가 양호한 값을 얻게 되며, PCA 4B 영상부터는 원본 영상의 분류결과까지 유사한 결과를 나타냈다. PCA 2B영상의 경우 PCA 1B 영상보다 양호하지만 하단부 모래지역이 암석자갈구역으로 오분류된 것을 육안으로 판단할 수 있다.
후속연구
- 근래까지는 광학인공위성의 저해상도 영상을 중심으로 지표의 관측과 해석에 활용해 왔으나 현재는 인공위성보다 수백 배 이상 해상도가 높은 항공기를 이용한 하이퍼스펙트럴 센서의 등장으로 상당부분 고해상도 영상으로 대체되고 있으며 산림 및 연안해역의 연구 및 사업을 중심으로 활용도가 높다. 따라서 향후 항공기를 이용한 고해상도 하이퍼스펙트럴 영상의 활용이 증대될 것으로 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.