[논문]고해상도 SAR 영상을 활용한 텍스처 기반의 도심지 변화탐지 기법 개발 및 평가

강아름; 변영기; 채태병

doi:10.7780/kjrs.2015.31.3.5

고해상도 SAR 영상을 활용한 텍스처 기반의 도심지 변화탐지 기법 개발 및 평가
Development and Evaluation of a Texture-Based Urban Change Detection Method Using Very High Resolution SAR Imagery 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.31 no.3, 2015년, pp.255 - 265

강아름 (항공우주연구원 위성정보활용센터 위성활용진흥팀) , 변영기 (항공우주연구원 위성정보활용센터 위성활용진흥팀) , 채태병 (항공우주연구원 위성정보활용센터 위성활용진흥팀)

초록
AI-Helper

고해상도 위성영상은 실시간으로 정확한 지표 상태에 대한 정보를 수집할 수 있어 도심지 모니터링에 효율적인 수단으로 사용되고 있다. 고해상도 Synthetic Aperture Radar (SAR) 영상은 기상상태와 태양고도의 제약을 받지 않고 영상을 취득할 수 있는 장점을 가지기 때문에 최근 이들 데이터를 활용한 도심지 변화탐지 기술에 대한 관심이 증대되고 있다. 본 연구에서는 Gray-Level Co-Occurrence Matrix (GLCM)을 통한 텍스처 정보추출과 이들 특징 정보를 통합적으로 활용하는 새로운 텍스처 기반의 SAR 변화탐지 기술을 제안하였다. 제안기법의 효용성을 평가하기 위해 기존의 SAR 영상 변화탐지를 위해 많이 사용된 Non-Coherent Change Detection (NCCD) 기법과의 시각적/정량적 비교평가를 수행하였다. 실험결과 제안기법이 보다 높은 변화탐지 정확도를 보였으며 시각적으로도 우수한 결과를 도출하였다. 결과적으로 제안된 변화탐지 방법은 고해상도 SAR 위성영상을 이용한 도심지 변화정보 추출에 유용하게 적용될 수 있으리라 판단된다.

Abstract ▼ AI-Helper

Very high resolution (VHR) satellite imagery provide valuable information on urban change monitoring due to multi-temporal observation over large areas. Recently, there has been increased interest in the urban change detection technique using VHR Synthetic Aperture Radar (SAR) imaging system, because it can take images regardless of solar illumination and weather condition. In this paper, we proposed a texture-based urban change detection method using the VHR SAR texture features generated from Gray-Level Co-Occurrence Matrix (GLCM). In order to evaluate the efficiency of the proposed method, the result was compared, visually and quantitatively, with the result of Non-Coherent Change Detection (NCCD) which is widely used for the change detection of VHR SAR image. The experimental results showed the greater detection accuracy and the visually satisfactory result compared with the NCCD method. In conclusion, the proposed method has shown a great potential for the extraction of urban change information from VHR SAR imagery.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 고해상도 SAR 영상을 이용한 도심지 변화정보 추출을 위한 방안의 하나로, GLCM을 이용한 SAR 영상의 텍스처 특징 정보 통합과정과 이를 이용한 새로운 변화탐지 기법을 제안하였다. 텍스처 영상 기반 변화탐지 방식이 도심지역의 풍부한 텍스처 정보를 포함하고 있는 고해상도 SAR 영상을 활용한 도심지 변화 탐지 방법으로 적합한지를 실제 COSMO-SkyMed 영상을 이용한 실험을 통해 확인해 보고자 하였다.
, 2009). 이에 본 연구에서는 고해상도 SAR 영상만을 이용한 효과적인 변화탐지 기법을 개발하고 이의 활용 가능성을 검증하고자 하였다. 이를 위해 Gray-Level Co-Occurrence Matrix (GLCM)를 이용한 영상별 텍스처 특징 정보들을 추출하였고, 추출된 텍스처 특징 정보를 활용하여 고해상도 SAR 영상에서 도심지 변화정보를 추출할 수 있는 변화탐지 기법 개발에 연구의 초점을 두었다.
본 연구에서는 고해상도 SAR 영상을 이용한 도심지 변화정보 추출을 위한 방안의 하나로, GLCM을 이용한 SAR 영상의 텍스처 특징 정보 통합과정과 이를 이용한 새로운 변화탐지 기법을 제안하였다. 텍스처 영상 기반 변화탐지 방식이 도심지역의 풍부한 텍스처 정보를 포함하고 있는 고해상도 SAR 영상을 활용한 도심지 변화 탐지 방법으로 적합한지를 실제 COSMO-SkyMed 영상을 이용한 실험을 통해 확인해 보고자 하였다. 실험결과, 고해상도 SAR 영상을 이용한 도심지 건물과 같은 정확한 대상의 변화탐지에는 기존의 진폭영상을 이용한 NCCD 변화탐지 기법보다는 텍스처 정보를 이용한 제안기법의 변화탐지 정확도가 더 높다는 것을 시각적/정량적 비교평가를 통해 확인할 수 있었다.

가설 설정

Otsu 이진화 기법은 Otsu에 의해 1979년에 제안된 방법으로 통계적으로 최적의 임계값(Threshold)을 찾을 수 있을 뿐만 아니라, 안정적인 이미지 임계값 분류 방법이다. Otsu 이진화 기법은 영상의 히스토그램이 배경부(Background)와 전경부(Foreground)를 나타내는 봉우리 두 개로 이루어져 있으며, 각각의 봉우리는 확률분포 중 하나인 정규분포(Normal distribution)를 이룬다고 가정한다. 각 영역 사이의 분산(Between variance, #)은 최대, 각 영역 내의 분산(Within variance, #)은 최소가 될 때, 분산이 최대가 되며 가장 좋은 임계값을 얻을 수 있다는 원리이다(Fig.

제안 방법

SAR 영상의 GLCM 텍스처 영상 기반의 변화탐지를 위하여 Mean, Variance, Contrast 텍스처 영상을 생성하였다(Fig. 6). Fig.
고해상도 SAR 영상을 GLCM 텍스처 영상 기반 변화 탐지 결과의 정확도를 평가하기 위하여 기존 SAR 진폭 영상을 이용한 NCCD 변화탐지 기법과의 비교평가를 수행하였다. 정확도 비교평가를 수행하기 위하여 건물의 건설에 의한 변화가 보이는 지역을 수동으로 범위를 지정하여 추출 하였고, 변화가 발생한 지역을 추출한 기준 영상을 생성하였다.
논문에서는 5×5 사이즈의 윈도우로 NCCD 결과 영상을 생성하였다.
따라서 SAR 영상의 σ0(Sigma Nought) 영상을 생성하고, 5×5 적응 평균(Adaptive Median) 필터를 적용하여 영상의 노이즈를 감소시키기 위한 필터링을 수행하였다.
5의 차분영상은 SAR 영상에 존재하는 노이즈 (Noise) 등의 영향으로 변화된 지역의 명확한 구분이 어렵다. 따라서 SAR 영상의 GLCM 텍스처 영상 기반의 변화탐지를 수행하였다.
변화탐지 단계는 선택된 텍스처 특징 간의 차이를 비교하여 변화지역을 찾아내는 과정으로, 본 연구에서는 Otsu 이진화 기법을 이용하여 최종 변화지역을 추출하였다. 또한, 제안기법의 효용성을 검증하기 위해, 기존 SAR 영상을 이용한 변화탐지 기법으로 가장 많이 활용되고 있는 NCCD 기법과의 시각적/정량적 비교평가를 수행하였다. 정량적 비교 평가 방법으로는 오차행렬(Confusion matrix)을 이용한 탐지 정확도를 비교 평가하는 방법을 사용하였다.
, 1986). 본 연구에서는 GLCM을 적용하여 SAR 영상의 텍스처 특징 정보를 추출하였고, 다양한 실험을 통한 시행착오 끝에 총 3개(Mean, Variance, Contrast)의 특징 정보를 사용하여 변화탐지를 수행하였다. 변화탐지 단계는 선택된 텍스처 특징 간의 차이를 비교하여 변화지역을 찾아내는 과정으로, 본 연구에서는 Otsu 이진화 기법을 이용하여 최종 변화지역을 추출하였다.
생성된 3개의 텍스처 영상들은 최소-최대 정규화 하였고, 정규화 된 텍스처 영상들은 변화를 확인하기 위해서 전후 영상을 차분 하였다. 생성된 세 장의 차분영상에서 건물 신축에 따른 변화를 확인하였다.
생성된 3개의 텍스처 영상들은 최소-최대 정규화 하였고, 정규화 된 텍스처 영상들은 변화를 확인하기 위해서 전후 영상을 차분 하였다. 생성된 세 장의 차분영상에서 건물 신축에 따른 변화를 확인하였다. 하지만 텍스처 영상의 특성에 따라 차분영상에 존재하는 노이즈의 차이가 존재하는 것을 Fig.
세 장의 차분영상으로 최종 변화탐지를 하기 위해서 차분영상들의 합 영상을 생성하고, Otsu 이진화 기법을 이용하여 변화가 있는 지역과 변화가 없는 지역을 구분하였다. Fig.
실험 영상은 700×700 사이즈의 영상으로 각 분류별 화소 개수를 이용한 오차행렬을 기반으로 정확도 평가를 수행하였다(Table 2).
이에 본 연구에서는 고해상도 SAR 영상만을 이용한 효과적인 변화탐지 기법을 개발하고 이의 활용 가능성을 검증하고자 하였다. 이를 위해 Gray-Level Co-Occurrence Matrix (GLCM)를 이용한 영상별 텍스처 특징 정보들을 추출하였고, 추출된 텍스처 특징 정보를 활용하여 고해상도 SAR 영상에서 도심지 변화정보를 추출할 수 있는 변화탐지 기법 개발에 연구의 초점을 두었다. 실험 영상으로는 최근 급격한 도시화가 이루어진 인천 송도 지역의 COSMO-SkyMed 위성영상으로 도시화 전후에 획득된 다중 시기 영상을 사용하였다.
9의 (a)는 NCCD 적용 결과 영상을 나타내며 (b)는 NCCD 영상을 Otsu 기법에 적용하여 생성한 이진영상이다. 이진영상은 텍스처 영상을 이용한 변화탐지 기법과의 비교평가를 위하여 사용하였다.
하지만 256×256 사이즈의 GLCM 안에는 너무 많은 화소에 0값이 들어가서 공행렬(Sparse matrix)이 되고, 텍스처가 제대로 표현되지 못하여 처리에 비효율적일 수 있다. 일반적으로 SAR 이미지에서는 8 혹은 16 범위의 밝기 값일 때, 텍스처 정보가 손상되지 않기 때문에 본 연구에서는 이미지의 지역적 특징의 반사 값을 이용한 효율적인 텍스처 특징을 계산하기 위하여 GLCM을 생성하기 전에 이미지의 Gray-level을 감소 시켰다. 또한 GLCM 계산에서 슬라이딩 윈도우 사이즈가 작으면 텍스처 특징이 보이지 않아서 화소 사이의 상관성이 무시될 수 있고, 윈도우 사이즈가 너무 크면 GLCM 영상의 정확도 하락을 초래할 수 있다.
고해상도 SAR 영상을 GLCM 텍스처 영상 기반 변화 탐지 결과의 정확도를 평가하기 위하여 기존 SAR 진폭 영상을 이용한 NCCD 변화탐지 기법과의 비교평가를 수행하였다. 정확도 비교평가를 수행하기 위하여 건물의 건설에 의한 변화가 보이는 지역을 수동으로 범위를 지정하여 추출 하였고, 변화가 발생한 지역을 추출한 기준 영상을 생성하였다. 실험 결과, 기존 SAR의 진폭영상을 이용한 NCCD 기법은 전후 진폭영상의 밝기 값을 기반으로 변화탐지를 수행하기 때문에 SAR 영상에서 많이 나타나는 노이즈나 공사 전 쌓여있는 모래, 식생 등 불규칙한 환경 변화에 의한 밝기 값 변화 지역까지 변화지역으로 탐지되는 것을 확인할 수 있었다(Fig.

대상 데이터

이를 위해 Gray-Level Co-Occurrence Matrix (GLCM)를 이용한 영상별 텍스처 특징 정보들을 추출하였고, 추출된 텍스처 특징 정보를 활용하여 고해상도 SAR 영상에서 도심지 변화정보를 추출할 수 있는 변화탐지 기법 개발에 연구의 초점을 두었다. 실험 영상으로는 최근 급격한 도시화가 이루어진 인천 송도 지역의 COSMO-SkyMed 위성영상으로 도시화 전후에 획득된 다중 시기 영상을 사용하였다.
연구에 사용한 두 장의 SAR 영상은 2011년 7월 12일, 2012년 8월 27일 인천송도 COSMO-SkyMed 영상으로 약 3m 해상도의 Strip Map 모드 영상이다(Table 1). 연구 지역은 도시발전으로 다양한 건물들과 도시 기반시설 들이 건설되고 있기 때문에 전(2011.

데이터처리

NCCD와 GLCM 텍스처 영상 기반 변화탐지 정확도를 수치적으로 비교하기 위한 정량적 지표로는 Missed-Alarm Rate (MAR), False-Alarm Rate (FAR), 전체 탐지 대상 지역 중에 정확히 탐지된 비율을 나타내는 Percent Correctly Classified (PCC), 두 데이터의 일치율을 측정하는 통계적 지표인 Kappa(κ) 계수를 이용하였다.

이론/모형

GLCM은 많은 텍스처 특징들을 나타낼 수 있고, 생성된 텍스처 영상에서 강조하는 특징들은 각기 다르지만, 특징 값들 사이에는 상관성을 가진다. 본 연구에서는 다양한 실험을 통한 시행착오 끝에 도심지 변화탐지를 위한 총 3개(Mean, Variance, Contrast)의 텍스처 영상을 최종 선택하였고, 선택된 텍스처 영상의 차분 영상의 합 영상을 생성하고, Otsu 기법에 적용하여 최종 변화탐지 이진영상을 생성하였다. 선택된 텍스처 영상을 이용한 변화탐지를 위해서는 Fig.
실험 적용 결과에 대한 평가를 위하여 SAR영상의 진폭 값만을 이용하는 Incoherent 변화탐지기법 중 하나인 NCCD 기법을 생성하였다. NCCD 기법은 아래 식(11)과 같다.
또한, 제안기법의 효용성을 검증하기 위해, 기존 SAR 영상을 이용한 변화탐지 기법으로 가장 많이 활용되고 있는 NCCD 기법과의 시각적/정량적 비교평가를 수행하였다. 정량적 비교 평가 방법으로는 오차행렬(Confusion matrix)을 이용한 탐지 정확도를 비교 평가하는 방법을 사용하였다.

성능/효과

텍스처 전, 후 영상을 차분을 하기 때문에 Fig. 8의 (a) 영상에서 양의 값을 가지는 부분과 음의 값을 가지는 부분이 존재 하는데, 양의 값은 건물의 건설로 인해 변화가 있는 지역, 음의 값은 건물 건설 전에 자재 혹은 지반의 거칠기로 인해 높은 후방 산란값을 보이다가 건설 이후 영상 에서는 후방산란값에 영향을 주던 요소들이 제거됨으로써 차이가 보이는 지역으로 구분할 수 있다. Fig.
834으로 비교적 높은 수치지만 FAR이 높고 Kappa 계수가 낮게 측정된 것으로 알 수 있다. 그리고 GLCM 텍스처 영상 기법을 이용한 변화탐지 결과는 MAR 수치가 NCCD 기법 보다는 높은 수치를 보이지만 FAR이 낮고, PCC가 높아서 결과적으로 일치율을 나타내는 Kappa가 높게 나와 변화탐지 결과 정확도는 전체적으로 GLCM 텍스처 영상을 이용한 제안방식이 더 높다고 할 수 있다.
10의 (a) 그림의 영상 전체에 많이 존재하는 초록색 지역을 통해서 FAR의 수치가 높은 이유를 확인할 수 있다. 따라서 NCCD 기법 적용 변화탐지 결과는 PCC는 0.834으로 비교적 높은 수치지만 FAR이 높고 Kappa 계수가 낮게 측정된 것으로 알 수 있다. 그리고 GLCM 텍스처 영상 기법을 이용한 변화탐지 결과는 MAR 수치가 NCCD 기법 보다는 높은 수치를 보이지만 FAR이 낮고, PCC가 높아서 결과적으로 일치율을 나타내는 Kappa가 높게 나와 변화탐지 결과 정확도는 전체적으로 GLCM 텍스처 영상을 이용한 제안방식이 더 높다고 할 수 있다.
복잡한 도시환경의 변화탐지에는 SAR 영상의 밝기 값 비교만을 이용해서는 충분하지 못할 수 있다. 따라서 SAR 영상에서 관측 대상의 텍스처 특징 정보를 이용한 변화탐지를 수행할 수 있으며, 생성된 텍스처 영상은 차분을 통해 두 시기 사이의 변화 양상을 확인할 수 있다. 다른 시기의 SAR 영상을 이용한 변화탐지를 위해서는 두 SAR 영상의 후방산란 값을 보정해야 한다.
10). 반면에 텍스처 영상 기반의 변화탐지 기법은 전후 영상의 텍스처 변화를 탐지하기 때문에 NCCD 기법 보다는 불규칙한 환경변화나 스펙클 노이즈의 영향을 작게 받아 변화탐지의 정확도가 높게 나타났다. Fig.
정확도 비교평가를 수행하기 위하여 건물의 건설에 의한 변화가 보이는 지역을 수동으로 범위를 지정하여 추출 하였고, 변화가 발생한 지역을 추출한 기준 영상을 생성하였다. 실험 결과, 기존 SAR의 진폭영상을 이용한 NCCD 기법은 전후 진폭영상의 밝기 값을 기반으로 변화탐지를 수행하기 때문에 SAR 영상에서 많이 나타나는 노이즈나 공사 전 쌓여있는 모래, 식생 등 불규칙한 환경 변화에 의한 밝기 값 변화 지역까지 변화지역으로 탐지되는 것을 확인할 수 있었다(Fig. 10). 반면에 텍스처 영상 기반의 변화탐지 기법은 전후 영상의 텍스처 변화를 탐지하기 때문에 NCCD 기법 보다는 불규칙한 환경변화나 스펙클 노이즈의 영향을 작게 받아 변화탐지의 정확도가 높게 나타났다.
NCCD와 GLCM 텍스처 영상 기반 변화탐지 정확도를 수치적으로 비교하기 위한 정량적 지표로는 Missed-Alarm Rate (MAR), False-Alarm Rate (FAR), 전체 탐지 대상 지역 중에 정확히 탐지된 비율을 나타내는 Percent Correctly Classified (PCC), 두 데이터의 일치율을 측정하는 통계적 지표인 Kappa(κ) 계수를 이용하였다. 실험 결과, 변화지역이지만 변화하지 않은 지역으로 분류된 MAR 지표의 경우, NCCD는 0.113, GLCM 텍스처 영상 기법의 결과는 0.239로 제안방법이 다소 높게 나타났다. 하지만, 변화지역이 아닌데 변화지역으로 분류된 FAR의 경우에 있어서는 NCCD는 0.
텍스처 영상 기반 변화탐지 방식이 도심지역의 풍부한 텍스처 정보를 포함하고 있는 고해상도 SAR 영상을 활용한 도심지 변화 탐지 방법으로 적합한지를 실제 COSMO-SkyMed 영상을 이용한 실험을 통해 확인해 보고자 하였다. 실험결과, 고해상도 SAR 영상을 이용한 도심지 건물과 같은 정확한 대상의 변화탐지에는 기존의 진폭영상을 이용한 NCCD 변화탐지 기법보다는 텍스처 정보를 이용한 제안기법의 변화탐지 정확도가 더 높다는 것을 시각적/정량적 비교평가를 통해 확인할 수 있었다. 따라서 제안하는 텍스처 영상 기반의 SAR 변화탐지 기법은 도심지 변화 모니터링에 효율적으로 이용될 수 있을 것이다.
따라서 높은 밝기 값을 가지는 인공구조물, 건물들이 Contrast 텍스처 영상의 경우에도 높은 값을 가진다. 하지만, Contrast 텍스처 영상도 Variance와 마찬가지로 밝은 밝기 값들에 민감하며 영상 전체에 노이즈 형태로 높은 값들이 분포하는 것을 확인할 수 있다.

후속연구

실험결과, 고해상도 SAR 영상을 이용한 도심지 건물과 같은 정확한 대상의 변화탐지에는 기존의 진폭영상을 이용한 NCCD 변화탐지 기법보다는 텍스처 정보를 이용한 제안기법의 변화탐지 정확도가 더 높다는 것을 시각적/정량적 비교평가를 통해 확인할 수 있었다. 따라서 제안하는 텍스처 영상 기반의 SAR 변화탐지 기법은 도심지 변화 모니터링에 효율적으로 이용될 수 있을 것이다. 하지만 본 연구에서는 건물 신축에 의한 변화가 뚜렷한 연구지역에서만 제안 기법을 적용해 보았기 때문에, 추후 보다 다양한 영상데이터 확보를 통해 제안 기법이 다양한 환경과 대상에 효과적으로 이용될 수 있는지에 대한 추가적인 검증과 변화탐지 정확도 향상을 위한 알고리즘 개선 작업을 지속적으로 수행할 예정이다.
따라서 제안하는 텍스처 영상 기반의 SAR 변화탐지 기법은 도심지 변화 모니터링에 효율적으로 이용될 수 있을 것이다. 하지만 본 연구에서는 건물 신축에 의한 변화가 뚜렷한 연구지역에서만 제안 기법을 적용해 보았기 때문에, 추후 보다 다양한 영상데이터 확보를 통해 제안 기법이 다양한 환경과 대상에 효과적으로 이용될 수 있는지에 대한 추가적인 검증과 변화탐지 정확도 향상을 위한 알고리즘 개선 작업을 지속적으로 수행할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	SAR 영상을 활용한 변화탐지 기법의 단점은?	, 2011). SAR 영상을 이용한 변화 탐지가 수행되고 있지만, SAR 영상은 SAR의 특징적인 현상들과 스페클 노이즈(Speckle noise) 등의 문제로 광학 영상에 비해 건물의 식별이나 목표물 탐지 능력이 떨어지고, 변화탐지 시 오차 발생률이 다소 높다는 단점이 있다. 따라서 고해상도 SAR 영상을 이용한 보다 정밀한 탐지를 위한 새로운 방법들이 제안되고 있다.
	Coherent 변화탐지 기법이란?	일반적으로 SAR 영상을 활용한 변화탐지 기법은 크게 Coherent 변화탐지와 Incoherent 변화탐지 기법으로 분류할 수 있다 . Coherent 변화탐지 기법은 진폭(Amplitude)과 위상(Phase)정보를 동시에 사용하는 방법으로 두시기 영상의 간섭도 상관성(Interferometric coherence)을 활용하는 방법이다. 다수의 연구에서 다중 시기의 SAR 영상의 후방산란 밝기 값과 간섭도의 상관성을 이용 하여 변화탐지를 수행하였다(Rignot et al.
	SAR 영상을 활용한 변화탐지 기법은 무엇으로 분류할 수 있는가?	일반적으로 SAR 영상을 활용한 변화탐지 기법은 크게 Coherent 변화탐지와 Incoherent 변화탐지 기법으로 분류할 수 있다 . Coherent 변화탐지 기법은 진폭(Amplitude)과 위상(Phase)정보를 동시에 사용하는 방법으로 두시기 영상의 간섭도 상관성(Interferometric coherence)을 활용하는 방법이다.

참고문헌 (19)

Celik, T., 2010. Change Detection in Satellite Images Using a Genetic Algorithm Approach, IEEE Geoscience and Remote Sensing, 7(2): 386-390.

상세보기
Dellinger, F., J. Delon, Y. Gousseau, J. Michel, and F. Tupin, 2014. Change detection for high resolution satellite images, based on SIFT descriptors and an a contrario approach, IGARSS, Quebec City, QC, July. 13-18, pp. 1281-1284.
Dong, Y., B. Forster, and C. Ticehurst, 1997. Radar backscatter analysis for urban environment, International Journal of Remote Sensing, 18(6): 1351-1364.

상세보기
Gong, M., Y. Li, L. Jiao, M. Jia, and L. Su, 2014. SAR change detection based on intensity and texture changes, ISPRS Journal of Photogrammetry and Remote Sensing, 93: 123-135.

상세보기
Grey, W.M.F., A.J. Luckman, and D. Holland, 2003. Mapping urban change in the UK using satellite radar interferometry. Remote Sensing of Environment, 87(1): 16-22.

상세보기
He, C., Y. Zhao, and A. Wei, 2010. Land-use/landcover change detection by using the extended change-vector analysis, Information Science and Engineering(ICISE), Hangzhou, China, Dec. 4-6, pp.3809-3812.
Huang, S.Q., D.Z. Liu, X.H. Cai, 2009. A New Change Detection Algorithm for SAR Images, Proc.of APSAR, Xian Shanxi, Oct. 26-30, pp. 729-732.
Jung, M.H., 2012. Early Disaster Damage Assessment Using Remotely Sensing Imagery:Damage Detection, Mapping and Estimation, The Institute of Electronics And Information Engineers, 49(2): 143-148.
Kandaswamy, U., D.A. Adjeroh, and M.C. Lee, 2005. Efficient texture analysis of SAR imagery, IEEE Geoscience and Remote Sensing, 43(9): 2075-2083.

상세보기
Kim, G.H., S.P. Choi, W.S. Yook, and H.G. Sohn, 2005. Extraction of Urban Boundary Using Grey Level Co-Occurrence Matrix Method in Pancromatic satellite Imagery, Korean Society of Civil Engineers, 26(1) : 211-217.
Lee, W.K., 2015. Development of Change Detection Algorithm using High Resolution SAR Image, KARI Satellite Information Application Project, Korea.
Liao, M., L. Jiang, H. Lin, and D. Li, 2005. Urban change detection using coherence and intensity characteristics of multi-temporal ERS-1/2 Imagery, Fringe ATSR Workshop.
Liu, W. and F. Yamazaki, 2011. Urban monitoring and change detection of central tokyo using high-resolution X-band SAR images, Proc. of IGARSS, Vancouver, BC, July. 24-29, pp.2133-2136.
Matsuoka, M. and F. Yamazaki, 2004. Use of satellite SAR intensity imagery for detecting building areas damaged due to earthquakes, Earthquake Spectra, 20(3): 975-994.

상세보기
Moser, G. and S.B. Serpico, 2006. Generalized minimum-error thresholding for unsupervised change detection from SAR amplitude imagery, IEEE Geoscience and Remote Sensing, 44(10): 2972-2982.

상세보기
Otsu, N., 1979. A Threshold Selection Method from Gray-Level Histograms, IEEE Trans. Sys., Man., Cyber. 9(1): 62-66.

상세보기
Rignot, E.M. and J.J. Van Zyl, 1993. Change detection techniques for ERS-1 SAR data, IEEE Geoscience and Remote Sensing, 31(4): 896-906.

상세보기
Sirmacek, B. and C. Unsalan, 2009. Urban-Area and Building Detection Using SIFT Keypoints and Graph Theory, IEEE Geoscience and Remote Sensing, 47(4): 1156-1167.

상세보기
Ulaby, F.T., F. Kouyate, B. Brisco, and T.L. Williams, 1986. Textural information in SAR images, IEEE Geoscience and Remote Sensing, 24(2): 235-245.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증