본 연구는 KOMPSAT 광학영상을 이용하여 광범위지역에 대한 도시개발 변화를 탐지하는 방법론을 제시한다. 다른 시기에 취득된 KOMPSAT 영상 간의 방사적인 불일치를 최소화하기 위해서, 본 연구에서는 광범위지역에 대한 변화탐지에 적합한 영역별 간이 방사보정을 전처리과정으로 적용하였다. 도시개발에 대한 변화탐지 결과정확도를 향상시키기 위해서, 환경부에서 제공하는 중분류 토지피복도를 이용하여 수계, 산림과 같은 비관심지역을 제거하였다. 대표적인 변화탐지 기법인 분광변화벡터분석(Change Vector Analysis, CVA) 기법을 적용하여 도시개발에 의해 발생한 변화를 탐지하였다. 제안 기법에 대한 적용을 위해 세종시를 연구지역으로 선정하였으며, 2007년 5월과 2016년 5월에 KOMPSAT-2호로 취득한 영상과 2014년 3월에 KOMPSAT-3호로 취득한 영상을 조합하여 총 세 실험지역을 구축하였다. 2007년 5월 KOMPSAT-2호 영상과 2014년 3월 KOMPSAT-3호 영상으로 구성된 실험지역에 대한 변화탐지 정확도 평가를 수행한 결과, 약 91.00%의 변화탐지 전체정확도를 보였다. 본 연구를 통해 넓은 지역에 대량으로 발생한 도시개발 변화를 효과적으로 탐지할 수 있음을 확인하였다.
본 연구는 KOMPSAT 광학영상을 이용하여 광범위지역에 대한 도시개발 변화를 탐지하는 방법론을 제시한다. 다른 시기에 취득된 KOMPSAT 영상 간의 방사적인 불일치를 최소화하기 위해서, 본 연구에서는 광범위지역에 대한 변화탐지에 적합한 영역별 간이 방사보정을 전처리과정으로 적용하였다. 도시개발에 대한 변화탐지 결과정확도를 향상시키기 위해서, 환경부에서 제공하는 중분류 토지피복도를 이용하여 수계, 산림과 같은 비관심지역을 제거하였다. 대표적인 변화탐지 기법인 분광변화벡터분석(Change Vector Analysis, CVA) 기법을 적용하여 도시개발에 의해 발생한 변화를 탐지하였다. 제안 기법에 대한 적용을 위해 세종시를 연구지역으로 선정하였으며, 2007년 5월과 2016년 5월에 KOMPSAT-2호로 취득한 영상과 2014년 3월에 KOMPSAT-3호로 취득한 영상을 조합하여 총 세 실험지역을 구축하였다. 2007년 5월 KOMPSAT-2호 영상과 2014년 3월 KOMPSAT-3호 영상으로 구성된 실험지역에 대한 변화탐지 정확도 평가를 수행한 결과, 약 91.00%의 변화탐지 전체정확도를 보였다. 본 연구를 통해 넓은 지역에 대량으로 발생한 도시개발 변화를 효과적으로 탐지할 수 있음을 확인하였다.
This paper presents an approach to detect changes caused by urban development over a large area using KOMPSAT optical images. In order to minimize the radiometric dissimilarities between the images acquired at different times, we apply the grid-based rough radiometric correction as a preprocessing t...
This paper presents an approach to detect changes caused by urban development over a large area using KOMPSAT optical images. In order to minimize the radiometric dissimilarities between the images acquired at different times, we apply the grid-based rough radiometric correction as a preprocessing to detect changes in a large area. To improve the accuracy of the change detection results for urban development, we mask-out non-interest areas such as water and forest regions by the use of land-cover map provided by the Ministry of Environment. The Change Vector Analysis(CVA) technique is applied to detect changes caused by urban development. To confirm the effectiveness of the proposed approach, a total of three study sites from Sejong City is constructed by combining KOMPSAT-2 images acquired on May 2007 and May 2016 and a KOMPSAT-3 image acquired on March 2014. As a result of the change detection accuracy evaluation for the study site generated from the KOMPSAT-2 image acquired on May 2007 and the KOMPSAT-3 image acquired on March 2014, the overall accuracy of change detection was about 91.00%. It is demonstrated that the proposed method is able to effectively detect urban development changes in a large area.
This paper presents an approach to detect changes caused by urban development over a large area using KOMPSAT optical images. In order to minimize the radiometric dissimilarities between the images acquired at different times, we apply the grid-based rough radiometric correction as a preprocessing to detect changes in a large area. To improve the accuracy of the change detection results for urban development, we mask-out non-interest areas such as water and forest regions by the use of land-cover map provided by the Ministry of Environment. The Change Vector Analysis(CVA) technique is applied to detect changes caused by urban development. To confirm the effectiveness of the proposed approach, a total of three study sites from Sejong City is constructed by combining KOMPSAT-2 images acquired on May 2007 and May 2016 and a KOMPSAT-3 image acquired on March 2014. As a result of the change detection accuracy evaluation for the study site generated from the KOMPSAT-2 image acquired on May 2007 and the KOMPSAT-3 image acquired on March 2014, the overall accuracy of change detection was about 91.00%. It is demonstrated that the proposed method is able to effectively detect urban development changes in a large area.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
광범위 도시지역에 대한 변화탐지를 수행하기 위해 본 연구에서는, KOMPSAT 다시기 영상 간에 내재된 위치오차로 인해 발생하는 변화 오탐지를 최소화하기 위해서 정사영상을 이용하였다. 각각의 정사영상에 대하여 비관심지역인 산림과 수계지역을 추출하여 변화탐지 대상에서 제거하였다.
본 연구에서는 고해상도 광학위성인 KOMPSAT-2, 3호로부터 취득된 세종시 영상을 이용하여 광범위지역에 대한 도시개발 변화를 탐지하는 방법론을 제안하였다. 산림과 수계와 같은 비관심지역을 변화탐지 대상에서 제거하였으며, 영역별 간이 방사보정을 통해 광범위지역에 적용 가능한 변화탐지 임계값을 추출할 수 있도록 하였다.
본 연구에서는 우리나라의 대표적인 고해상도 위성인 KOMPSAT-2호와 KOMPSAT-3호로부터 촬영된 고해상도 영상을 이용하여 광범위지역에 대하여 도시개발에 따른 변화를 탐지하는 자동화된 방법론을 제안한다. 광범위지역에서는 도시개발 외에 다른 요인에 의해 발생할 수 있는 변화요소들이 많으며, 또한 영상 취득 당시의 대기상태나 기상조건 등에 의해 영상의 지역적인 방사적인 특성이 다를 수 있다.
도시개발이외의 요인에 의해 발생할 수 있는 변화의 탐지를 최소화하기 위해서, 비관심지역인 산림과 수계 지역을 변화탐지대상에서 제외하였다. 본 연구에서는 환경부에서 제공하는 1:25,000 중분류 토지피복도를 이용하여 산림과 수계와 관련된 클래스를 모두 추출하여 변화탐지를 수행하기 위한 관심지역에서 제거하였다. Fig.
대표적인 변화탐지 기법인 분광변화벡터분석 기법(Change Vector Analysis, CVA)을 이용하여 도시개발에 따른 변화유무를 탐지하였다. 실험결과에 대한 정성적 및 정량적 평가를 통해 제안 기법의 우수성을 판단하고자 하였다.
분광변화벡터분석을 통해 추출된 변화탐지 결과는 제거된 비관심지역인 산림과 수계지역을 제외한 다른 지표면에서 영상의 밝기값 차이가 큰 대부분의 화소가 추출된다. 추출된 결과의 정확도를 향상시키기 위해서 본 연구에서는 도시개발의 최소단위인 건물과 같은 인공구조물이라고 판단할 수 있는 최소의 면적에 대한 고려를 통해 변화 오탐지 지역을 제거하고자 하였다. 이를 위해, 변화탐지 결과에 연속성분석을 수행하여 독립된 변화객체(changed object)를 추출한 후, 각 변화객체에 대하여 면적을 계산하였다.
제안 방법
이를 위해, 변화탐지 결과에 연속성분석을 수행하여 독립된 변화객체(changed object)를 추출한 후, 각 변화객체에 대하여 면적을 계산하였다. 계산된 면적이 인공구조물보다 작다고 판단되는 변화객체는 변화탐지 결과에서 제거해 주는 과정을 통해 최종 도시개발 변화탐지 지도를 생성하였다(Fig. 5).
(2016)은 다른 시기에 취득된 두 고해상도 영상을 정규격자 영역으로 나눈 후, 각 격자별로 변화 여부를 판단하였다. 변화 여부를 판단하기 위해서 건물추출과 관련된 여러 지수를 통합하여 활용하였으며, 최종적으로는 변화 발생 후보 격자에 대해서만 세부 변화탐지 결과를 도출하였다. Klaric et al.
영역별 간이 방사보정을 수행한 두 영상에 대하여 대표적인 변화탐지 기법인 분광변화벡터분석 기법을 적용하여 변화확률지도를 생성하였으며, 이를 바탕으로 변화탐지지도를 생성하였다. 변화탐지지도에 연속성분석을 수행하여 독립된 변화객체(changed object)를 추출한 후, 각 변화객체에 대하여 면적을 계산하였다. 계산된 면적이 도시개발의 주요인인 인공구조물의 크기보다 작다고 판단되는 변화객체는 변화탐지결과에서 제거해 주는 과정을 통해 최종적으로 도시개발 변화탐지 지도를 생성하였다.
본 연구에서는 분광변화벡터의 크기정보를 이용하여 변화확률지도를 생성하였다. 생성된 변화확률지도의 평균(μ)과 표준편차(σ)를 계산하여 임계치(T)를 자동으로 선정하였으며(T = µ + 1σ), 임계치보다 큰 변화확률 값을 갖는 화소를 변화된 지역으로 추출하였다.
본 연구에서는 고해상도 광학위성인 KOMPSAT-2, 3호로부터 취득된 세종시 영상을 이용하여 광범위지역에 대한 도시개발 변화를 탐지하는 방법론을 제안하였다. 산림과 수계와 같은 비관심지역을 변화탐지 대상에서 제거하였으며, 영역별 간이 방사보정을 통해 광범위지역에 적용 가능한 변화탐지 임계값을 추출할 수 있도록 하였다. KOMPSAT-2와 KOMPSAT-3 이종센서로 구성된 실험지역에 대한 정확도 평가를 수행한 결과 약 91.
생성된 변화확률지도의 평균(μ)과 표준편차(σ)를 계산하여 임계치(T)를 자동으로 선정하였으며(T = µ + 1σ), 임계치보다 큰 변화확률 값을 갖는 화소를 변화된 지역으로 추출하였다.
각각의 정사영상에 대하여 비관심지역인 산림과 수계지역을 추출하여 변화탐지 대상에서 제거하였다. 영상의 취득시기나 취득환경의 차이, 센서 특성 차이 등으로 인해 발생하는 영상 간 방사적 상이함을 최소화하기 위해서 넓은 실험지역에 효과적으로 적용 가능한 영역별 간이 방사보정을 수행하였다. 영역별 간이 방사보정을 수행한 두 영상에 대하여 대표적인 변화탐지 기법인 분광변화벡터분석 기법을 적용하여 변화확률지도를 생성하였으며, 이를 바탕으로 변화탐지지도를 생성하였다.
영상의 취득시기나 취득환경의 차이, 센서 특성 차이 등으로 인해 발생하는 영상 간 방사적 상이함을 최소화하기 위해서 넓은 실험지역에 효과적으로 적용 가능한 영역별 간이 방사보정을 수행하였다. 영역별 간이 방사보정을 수행한 두 영상에 대하여 대표적인 변화탐지 기법인 분광변화벡터분석 기법을 적용하여 변화확률지도를 생성하였으며, 이를 바탕으로 변화탐지지도를 생성하였다. 변화탐지지도에 연속성분석을 수행하여 독립된 변화객체(changed object)를 추출한 후, 각 변화객체에 대하여 면적을 계산하였다.
광범위지역에서는 도시개발 외에 다른 요인에 의해 발생할 수 있는 변화요소들이 많으며, 또한 영상 취득 당시의 대기상태나 기상조건 등에 의해 영상의 지역적인 방사적인 특성이 다를 수 있다. 이러한 광범위 지역 변화탐지를 수행하는 데 있어서 발생할 수 있는 문제점을 해결하기 위해, 다른 시기에 취득된 고해상도 영상 간의 방사적인 불일치를 최소화하는 영역별 간이 방사보정을 전처리로 적용하였으며, 토지피복도를 이용하여 산림, 수계 등 비관심지역을 제거하였다. 대표적인 변화탐지 기법인 분광변화벡터분석 기법(Change Vector Analysis, CVA)을 이용하여 도시개발에 따른 변화유무를 탐지하였다.
동일 센서로 취득된 영상이라 하더라도, 취득시기 및 취득환경의 차이로 인해 영상 간 방사적인 특성이 상이할 수 있다. 이러한 차이를 최소화하기 위해 본 연구에서는 영역별 간이 방사보정을 수행하였다. 영역별 간이 방사보정은 전체 실험지역을 격자 형태의 영역으로 나눈 후 각 영역마다 독립적인 방사보정을 수행하는 것으로, 영역 내의 각 화소값에서 해당영역의 화소 평균값을 빼주는 방식으로 진행된다.
추출된 결과의 정확도를 향상시키기 위해서 본 연구에서는 도시개발의 최소단위인 건물과 같은 인공구조물이라고 판단할 수 있는 최소의 면적에 대한 고려를 통해 변화 오탐지 지역을 제거하고자 하였다. 이를 위해, 변화탐지 결과에 연속성분석을 수행하여 독립된 변화객체(changed object)를 추출한 후, 각 변화객체에 대하여 면적을 계산하였다. 계산된 면적이 인공구조물보다 작다고 판단되는 변화객체는 변화탐지 결과에서 제거해 주는 과정을 통해 최종 도시개발 변화탐지 지도를 생성하였다(Fig.
제안 기법에 대한 정량적인 평가를 위해서, 2007년 5월에 취득한 KOMPSAT-2 영상과 2014년 3월에 취득한 KOMPSAT-3 영상으로 조합한 실험지역에 대한 도시개발 변화를 시각적으로 분석하여 참조자료를 구축하였다. 구축된 참조자료와 제안 기법을 통해 생성된 변화탐지 결과를 비교하여 정확도 평가를 수행한 결과 약 91.
대상 데이터
1(a))과 2016년 5월(Fig. 1(b))에 취득된 두 영상을 이용하였고, KOMPSAT-3 영상은 2014년 3월에 취득된 영상을 이용하였다(Fig. 1(c)).
도시개발에 의한 변화를 탐지하는 제안 기법에 대한 우수성을 판단하기 위해, 본 연구에서는 최근에 급격한 도시개발이 이루어진 세종시 지역을 실험지역으로 선정하였다. KOMPSAT-2와 KOMPSAT-3 다중분광 영상을 이용하여 실험지역을 구성하였으며, KOMPSAT-2 영상은 2007년 5월(Fig. 1(a))과 2016년 5월(Fig.
도시개발에 의한 변화를 탐지하는 제안 기법에 대한 우수성을 판단하기 위해, 본 연구에서는 최근에 급격한 도시개발이 이루어진 세종시 지역을 실험지역으로 선정하였다. KOMPSAT-2와 KOMPSAT-3 다중분광 영상을 이용하여 실험지역을 구성하였으며, KOMPSAT-2 영상은 2007년 5월(Fig.
실험지역 구성에 이용된 KOMPSAT-2 영상의 크기는 3029 ×3010 화소, KOMPSAT-3 영상의 크기는 2500×3010 화소이다.
세 KOMPSAT 영상을 조합하여 실험지역을 구성함으로써 시간의 흐름에 따른 변화탐지 결과뿐만 아니라 이종 센서로 구성된 실험지역에서 제안 기법이 효과적으로 적용 가능한지에 대한 평가 또한 가능하다. 이들의 위치 차이를 최소화하기 위해서 정사처리된 영상을 이용하였으며, KOMPSAT-3 영상은 KOMPSAT-2 영상과 동일한 공간해상도인 4.0 m로 재배열하여 실험에 이용하였다. 실험지역 구성에 이용된 KOMPSAT-2 영상의 크기는 3029 ×3010 화소, KOMPSAT-3 영상의 크기는 2500×3010 화소이다.
본 연구를 수행하기 위해 사용된 파라미터에 대한 임계값으로, 영역별 방사보정을 수행하기 위한 영역의 크기는 500×500 화소로 설정하였고, 분광변화벡터분석을 통해 추출된 변화확률지도에 대한 임계치로 평균과 표준편차를 계산하여 자동으로 선정하였다(T = µ + 1σ). 인공구조물로 판단되는 최소 면적으로는 60화소(약 960 m2)로 설정하였다. 설정한 임계값을 통해 생성된 변화확률지도는 Fig.
데이터처리
본 연구를 수행하기 위해 사용된 파라미터에 대한 임계값으로, 영역별 방사보정을 수행하기 위한 영역의 크기는 500×500 화소로 설정하였고, 분광변화벡터분석을 통해 추출된 변화확률지도에 대한 임계치로 평균과 표준편차를 계산하여 자동으로 선정하였다(T = µ + 1σ).
이론/모형
이러한 광범위 지역 변화탐지를 수행하는 데 있어서 발생할 수 있는 문제점을 해결하기 위해, 다른 시기에 취득된 고해상도 영상 간의 방사적인 불일치를 최소화하는 영역별 간이 방사보정을 전처리로 적용하였으며, 토지피복도를 이용하여 산림, 수계 등 비관심지역을 제거하였다. 대표적인 변화탐지 기법인 분광변화벡터분석 기법(Change Vector Analysis, CVA)을 이용하여 도시개발에 따른 변화유무를 탐지하였다. 실험결과에 대한 정성적 및 정량적 평가를 통해 제안 기법의 우수성을 판단하고자 하였다.
영역별 간이 방사보정을 수행한 두 영상에 대하여 대표적인 변화탐지 기법인 분광변화벡터분석 기법을 적용하여 변화확률지도를 생성하였다. 분광변화벡터분석의 주요 인자는 동일위치에 해당하는 두 화소 간 크기정보와 방향정보이다.
성능/효과
산림과 수계와 같은 비관심지역을 변화탐지 대상에서 제거하였으며, 영역별 간이 방사보정을 통해 광범위지역에 적용 가능한 변화탐지 임계값을 추출할 수 있도록 하였다. KOMPSAT-2와 KOMPSAT-3 이종센서로 구성된 실험지역에 대한 정확도 평가를 수행한 결과 약 91.00%의 전체정확도를 보였다. 개발된 변화탐지 기법은 도시개발과 관련된 다양한 공간정보 분야에 활용 가능할 것으로 판단되며, 이를 통해 고해상도 KOMPSAT 위성 데이터를 그대로 활용하면서도 알고리즘 개선을 통해 활용가치를 높일 수 있을 것으로 판단된다.
제안 기법에 대한 정량적인 평가를 위해서, 2007년 5월에 취득한 KOMPSAT-2 영상과 2014년 3월에 취득한 KOMPSAT-3 영상으로 조합한 실험지역에 대한 도시개발 변화를 시각적으로 분석하여 참조자료를 구축하였다. 구축된 참조자료와 제안 기법을 통해 생성된 변화탐지 결과를 비교하여 정확도 평가를 수행한 결과 약 91.00%의 정확도를 도출하였음을 확인하였다(Table 1). 넓은 지역의 이종센서로 구축된 실험지역에서 도출된 결과임을 볼 때, 이는 만족할 만한 수준인 것으로 판단된다.
세 시기에 따른 변화탐지 결과를 비교함으로써 시간의 흐름에 따라서 해당 지역이 어떻게 변화하였는지를 확인할 수 있다. 또한, 동일센서와 이종센서로 구성된 실험지역 모두에서 제안 기법이 효과적으로 적용이 가능한 것을 알 수있다. 하지만 Fig.
1(c)). 세 KOMPSAT 영상을 조합하여 실험지역을 구성함으로써 시간의 흐름에 따른 변화탐지 결과뿐만 아니라 이종 센서로 구성된 실험지역에서 제안 기법이 효과적으로 적용 가능한지에 대한 평가 또한 가능하다. 이들의 위치 차이를 최소화하기 위해서 정사처리된 영상을 이용하였으며, KOMPSAT-3 영상은 KOMPSAT-2 영상과 동일한 공간해상도인 4.
7에 나타내었다. 우선, 동일 센서인 KOMPSAT-2로 조합한 영상의 변화탐지 지도 생성 결과, 총 836.2 ha의 면적이 변화된 것으로 나타났다. 이종센서인 KOMPSAT-2와 KOMPSAT-3 영상을 조합하여 생성한 실험지역에 제안 기법을 적용한 실험 결과는 각각 572.
2 ha의 면적이 변화된 것으로 나타났다. 이종센서인 KOMPSAT-2와 KOMPSAT-3 영상을 조합하여 생성한 실험지역에 제안 기법을 적용한 실험 결과는 각각 572.6 ha(2007년 5월 KOMPSAT-2 영상과 2014년 3월 KOMPSAT-3 영상)와 288.5 ha(2014년 3월 KOMPSAT-3 영상과 2016년 5월 KOMPSAT-2 영상)의 면적변화가 발생하였다. 두 영상 간 취득 시기의 차이가 클수록 더 많은 변화지역이 발생한 것을 확인할 수 있다.
후속연구
00%의 전체정확도를 보였다. 개발된 변화탐지 기법은 도시개발과 관련된 다양한 공간정보 분야에 활용 가능할 것으로 판단되며, 이를 통해 고해상도 KOMPSAT 위성 데이터를 그대로 활용하면서도 알고리즘 개선을 통해 활용가치를 높일 수 있을 것으로 판단된다. 또한 자동화 성공률과 정확도를 높임으로써 기존의 수동으로 진행되던 영상 전처리 및 변화탐지 과정에서 발생하는 시간과 인력 비용을 절감할 수 있을 것으로 기대된다.
보다 안정적인 결과 도출을 위해서는 이러한 임계값을 자동으로 추출하기 위한 연구가 수행되어야 할 것으로 판단된다. 또한 본 연구에서는 분광변화벡터분석의 크기정보만을 이용하였는데, 향후에는 방향정보를 추가적으로 이용하여 인공구조물 외에 탐지된 변화지역에 대한 오탐지율을 줄이고자 한다. 추가적으로 분광변화벡터분석을 수행하기 위한 대표밴드나 특징밴드(features)를 추출하는 연구를 수행할 계획이다.
개발된 변화탐지 기법은 도시개발과 관련된 다양한 공간정보 분야에 활용 가능할 것으로 판단되며, 이를 통해 고해상도 KOMPSAT 위성 데이터를 그대로 활용하면서도 알고리즘 개선을 통해 활용가치를 높일 수 있을 것으로 판단된다. 또한 자동화 성공률과 정확도를 높임으로써 기존의 수동으로 진행되던 영상 전처리 및 변화탐지 과정에서 발생하는 시간과 인력 비용을 절감할 수 있을 것으로 기대된다.
토지피복도를 활용할 수 없는 경우에는, NDVI와 NDWI를 이용하여 산림과 수계지역을 제거할 수 있지만, 이 또한 임계값 설정 과정에 따라 결과가 달라질 수 있다. 보다 안정적인 결과 도출을 위해서는 이러한 임계값을 자동으로 추출하기 위한 연구가 수행되어야 할 것으로 판단된다. 또한 본 연구에서는 분광변화벡터분석의 크기정보만을 이용하였는데, 향후에는 방향정보를 추가적으로 이용하여 인공구조물 외에 탐지된 변화지역에 대한 오탐지율을 줄이고자 한다.
10에서는, 철거 및 새로 설치된 비닐하우스나 시간의 흐름에 따른 논밭지역의 변화 또한 도시개발에 의한 변화로 오탐지 되는 경향을 보였다. 이러한 도시개발에 의한 변화가 아닌 지역에서 추출되는 오탐지 영역을 최소화하기 위해서는 분광변화벡터분석의 크기 정보뿐만 아니라 방향정보를 함께 고려하여 보다 도시개발에 적합한 세부적인 알고리즘 개발이 필요할 것으로 판단된다.
또한 본 연구에서는 분광변화벡터분석의 크기정보만을 이용하였는데, 향후에는 방향정보를 추가적으로 이용하여 인공구조물 외에 탐지된 변화지역에 대한 오탐지율을 줄이고자 한다. 추가적으로 분광변화벡터분석을 수행하기 위한 대표밴드나 특징밴드(features)를 추출하는 연구를 수행할 계획이다.
이는 대부분이 식생과 수계지역이 도시개발에 의해 변화된 화소들이며, 본 연구에서는 토지피복도를 이용하여 해당지역을 변화 비관심영역으로 지정하여 변화탐지 결과에 포함시키지 않아 발생하는 오차로 판단된다. 향후연구에서는 대표적인 식생추출인자와 수계추출인자인 NDVI(Normalized Difference Vegetation Index)와 NDWI(Normalized Difference Water Index)를 통해 식생과 수계지역을 각각의 영상에 대하여 독립적으로 추출함으로써 변화탐지 결과를 개선하고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
변화탐지란 무엇인가?
다시기 영상을 이용한 대표적인 공간정보 추출 기법 중 하나인 변화탐지는 다른 시기에 취득된 데이터를 이용하여 대상물 혹은 현상들의 차이를 알아내기 위한 과정으로 환경 모니터링, 농업조사, 도시연구, 재난·재해관리 등 다양한 분야에 활용되고 있다(Bruzzone et al., 2000; Sunwoo et al.
변화탐지가 주로 활용되는 분야는 무엇인가?
다시기 영상을 이용한 대표적인 공간정보 추출 기법 중 하나인 변화탐지는 다른 시기에 취득된 데이터를 이용하여 대상물 혹은 현상들의 차이를 알아내기 위한 과정으로 환경 모니터링, 농업조사, 도시연구, 재난·재해관리 등 다양한 분야에 활용되고 있다(Bruzzone et al., 2000; Sunwoo et al.
지구관측위성으로 획득한 고해상도 영상에 변화탐지 기법을 활용하는 연구의 현황은 무엇인가?
, 2016). 특히 광범위한 지상의 정보를 주기적으로 취득할 수 있는 위성영상의 장점을 극대화하는 다양한 변화탐지 기법들이 개발되었다. 하지만, 대부분의 변화탐지 연구는 공간적 복잡성이 덜한 중·저해상도 영상에 한정되어 있다. 또한 고해상도 영상을 활용한 변화탐지 관련 연구는 단순히 변화 유무 탐지(binary change detection)에 초점을 맞춘 연구가 대다수이며, 변화 양상(from-to change detection)을 파악하기 위한 연구는 부족한 실정이다.
참고문헌 (10)
Bovolo, F. and L. Bruzzone, 2007. A split-based approach to unsupervised change detection in large-size multitemporal images: Application to tsunami-damage assessment, IEEE Transactions on Geoscience and Remote Sensing, 45(6): 1658-1670.
Bruzzone, L. and D. Prieto, 2000. Automatic analysis of the difference image for unsupervised change detection, IEEE Transactions on Geoscience and Remote Sensing, 38(3): 1171-1182.
Han, Y., F. Bovolo, and L. Bruzzone, 2017. Segmentationbased fine registration of very high resolution multitemporal images, IEEE Transactions on Geoscience and Remote Sensing, 55(5): 2884-2897.
Han, Y., F. Bovolo, and L. Bruzzone, 2017. Segmentationbased fine registration of very high resolution multitemporal images, IEEE Transactions on Geoscience and Remote Sensing, 55(5): 2884-2897.
Klaric, M. N., B. C. Claywell, G. J. Scott, N. J. Hudson, O. Sjahputera, Y. Li, and C. H. Davis, 2013. GeoCDX: An automated change detection and exploitation system for high-resolution satellite imagery, IEEE Transactions on Geoscience and Remote Sensing, 51(4): 2067-2086.
Liu, S., L. Bruzzone, F. Bovolo, M. Zanetti, and P. Du, 2015. Sequential spectral change vector analysis for iteratively discovering and detecting multiple changes in hyperspectral images, IEEE Transactions on Geoscience and Remote Sensing, 53(8): 4363-4378.
Sunwoo, W., D. Kim, S. Kang, and M. Choi, 2016. Application of KOMSAT-2 imageries for change detection of land use and land cover in the West coasts of the Korean peninsula, Korean Journal of Remote Sensing, 32(2): 141-153 (in Korean with English abstract).
Tian, J., S. Cui, and P. Reinartz, 2014. Building change detection based on satellite stereo imagery and digital surface models, IEEE Transactions on Geoscience and Remote Sensing, 52(1): 406-417.
Wen, D., X. Huang, L. Zhang, and J. A. Benediktsson, 2016. A novel automatic change detection method for urban high-resolution remotely sensed imagery based on multiindex scene representation, IEEE Transactions on Geoscience and Remote Sensing, 54(1): 609-625.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.