한반도 주변 해상사고가 증가함에 따라 원격탐사 자료를 활용한 선박탐지 연구의 중요성이 점점 더 강조되고 있다. 이 연구는 고해상도 광학영상에 의존하는 기존 선박탐지 분야에 수백 개 채널의 분광정보를 포함하는 초분광영상을 활용하여 새로운 선박탐지 알고리즘 제시하였다. 두 차례의 현장관측을 통해 측정한 선박 선체의 반사 스펙트럼과 AVIRIS (Airborne Visible/Infrared Imaging Spectrometer) 초분광센서 영상의 선박 및 해수 반사 스펙트럼 간의 분광정합 기법을 적용하였다. 총 다섯 개의 탐지 알고리즘 spectral distance similarity (SDS), spectral correlation similarity(SCS), spectral similarity value (SSV), spectral angle mapper (SAM), spectral information divergence (SID)를 사용하였다. SDS는 선박 일부가 해수로 탐지되는 오차를 나타내었고, SAM은 선박과 해수 사이에 약 1.8배의 차이를 나타내어 명확한 분류 결과를 보여주었다. 이와 더불어 본 연구에서는 각 기법의 최적 임계값을 제시하여 초분광 영상에 포함되어 있는 선박을 분류하였으며 그 결과 SAM, SID가 다른 탐지 알고리즘에 비해 우수한 선박탐지 능력을 보여주었다.
한반도 주변 해상사고가 증가함에 따라 원격탐사 자료를 활용한 선박탐지 연구의 중요성이 점점 더 강조되고 있다. 이 연구는 고해상도 광학영상에 의존하는 기존 선박탐지 분야에 수백 개 채널의 분광정보를 포함하는 초분광영상을 활용하여 새로운 선박탐지 알고리즘 제시하였다. 두 차례의 현장관측을 통해 측정한 선박 선체의 반사 스펙트럼과 AVIRIS (Airborne Visible/Infrared Imaging Spectrometer) 초분광센서 영상의 선박 및 해수 반사 스펙트럼 간의 분광정합 기법을 적용하였다. 총 다섯 개의 탐지 알고리즘 spectral distance similarity (SDS), spectral correlation similarity(SCS), spectral similarity value (SSV), spectral angle mapper (SAM), spectral information divergence (SID)를 사용하였다. SDS는 선박 일부가 해수로 탐지되는 오차를 나타내었고, SAM은 선박과 해수 사이에 약 1.8배의 차이를 나타내어 명확한 분류 결과를 보여주었다. 이와 더불어 본 연구에서는 각 기법의 최적 임계값을 제시하여 초분광 영상에 포함되어 있는 선박을 분류하였으며 그 결과 SAM, SID가 다른 탐지 알고리즘에 비해 우수한 선박탐지 능력을 보여주었다.
Maritime accidents around the Korean Peninsula are increasing, and the ship detection research using remote sensing data is consequently becoming increasingly important. This study presented a new ship detection algorithm using hyperspectral images that provide the spectral information of several hu...
Maritime accidents around the Korean Peninsula are increasing, and the ship detection research using remote sensing data is consequently becoming increasingly important. This study presented a new ship detection algorithm using hyperspectral images that provide the spectral information of several hundred channels in the ship detection field, which depends on high resolution optical imagery. We applied a spectral matching algorithm between the reflection spectrum of the ship deck obtained from two field observations and the ship and seawater spectrum of the hyperspectral sensor of an airborne visible/infrared imaging spectrometer. A total of five detection algorithms were used, namely spectral distance similarity (SDS), spectral correlation similarity (SCS), spectral similarity value (SSV), spectral angle mapper (SAM), and spectral information divergence (SID). SDS showed an error in the detection of seawater inside the ship, and SAM showed a clear classification result with a difference between ship and seawater of approximately 1.8 times. Additionally, the present study classified the vessels included in hyperspectral images by presenting the adaptive thresholds of each technique. As a result, SAM and SID showed superior ship detection abilities compared to those of other detection algorithms.
Maritime accidents around the Korean Peninsula are increasing, and the ship detection research using remote sensing data is consequently becoming increasingly important. This study presented a new ship detection algorithm using hyperspectral images that provide the spectral information of several hundred channels in the ship detection field, which depends on high resolution optical imagery. We applied a spectral matching algorithm between the reflection spectrum of the ship deck obtained from two field observations and the ship and seawater spectrum of the hyperspectral sensor of an airborne visible/infrared imaging spectrometer. A total of five detection algorithms were used, namely spectral distance similarity (SDS), spectral correlation similarity (SCS), spectral similarity value (SSV), spectral angle mapper (SAM), and spectral information divergence (SID). SDS showed an error in the detection of seawater inside the ship, and SAM showed a clear classification result with a difference between ship and seawater of approximately 1.8 times. Additionally, the present study classified the vessels included in hyperspectral images by presenting the adaptive thresholds of each technique. As a result, SAM and SID showed superior ship detection abilities compared to those of other detection algorithms.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 연구에서는 선박 현장관측 자료를 기반으로 초분광 특성 정합 알고리즘 기법들의 정확도를 평가하였다. 현장관측을 통해 서로 다른 종류의 선체 복사휘도 스펙트럼을 측정하고, 이와 동시에 다수의 선박 및 해수를 촬영한 AVIRIS 초분광 항공 영상을 수집하여 비교 분석하였다.
8배의 큰 수치 차이를 보였으나 해수에서 특정한 패턴이 없는 노이즈 형태가 나타났다. 이와 더불어 각 기법의 새로운 최적 임계값을 제시함으로써 초분광 영상의 선박을 분류하고자 하였다. 그 결과 SDS, SCS를 제외한 SSV, SAM, SID 기법들이 선박과 주변 해수를 명확히 구분하였다.
제안 방법
현장관측을 통해 서로 다른 종류의 선체 복사휘도 스펙트럼을 측정하고, 이와 동시에 다수의 선박 및 해수를 촬영한 AVIRIS 초분광 항공 영상을 수집하여 비교 분석하였다. AVIRIS 초분광 영상은 복사보정을 거친 선박 및 해수 영상을 사용하였으며 현장자료는 광학관측기기를 활용하여 선박 선체를 여러번 측정한 후 평균하여 사용하였다. 또한 현장자료는 전 파장구간에 대한 정규화 과정을 수행하였으며 그결과 다섯 척의 선박 모두 유사한 증감 형태의 복사휘도를 보여주었다.
삼목여객터미널에서 출항하여 신도 선착장에 입항하는 S2 여객선은 선체 대부분이 주차장을 포함해 초록색 도료로 도포되어 있으며 중간에 노란색 및 하얀색 도료도 일부 존재하였다. S2 선체 중 오염이 적고 그늘이 없는 지점을 선정하여 매 지점마다 복사휘도를 세 번씩 측정한 후 평균하였다. 이번에는 신도 선착장을 출항하여 삼목여객터미널로 입항하는 S1 여객선을 탑승하여 동일한 방법으로 복사휘도를 측정하였다.
이 방법은 각 화소(pixel)를 임의의 확률 변수로 가정하고 두 스펙트럼 간의 분리도를 측정한다(Chang, 1999). 대상 및 기준 스펙트럼을 각각의 총 합으로 나누어 확률 벡터를 구한 다음 서로간의 상대적 엔트로피를 합산한다. 식 (6)의 xi, yi는 대상 및 기준 스펙트럼, 식 (7)은 0에서 1사이에 값을 가지는 확률벡터, 식 (8), (9)는 서로 간의 상대적 엔트로피와 총합이다.
본 연구에서는 현장관측을 통해 취득한 선박 복사휘도 스펙트럼과 AVIRIS 초분광센서 영상의 선박 및 해수 복사휘도 스펙트럼을 분광특성 정합 알고리즘을 이용하여 영상과 실제 선박의 스펙트럼 정확도를 비교 분석하였다.
이 연구에서는 불연속적인 영역에서 소수 채널의 분광정보를 제공하는 다중분광 영상에 비해 좁고 연속적인 밴드에서 수백 개의 분광특성을 제공하는 초분광센서 항공영상을 활용하여 영상에 존재하는 선박 및 해수를 분류하였다. 현장관측을 통해 취득한 실측자료와 초분광영상 사이에 분광특성 정합 알고리즘을 적용하여 각 탐지기법의 정확도 및 장·단점을 제시하였다.
2a는 현장실측 방법을 도식화 한 것으로 태양광이 존재하는 낮 시간대에 선박에 탑승하여 목표로 하는 물체의 지면을 기준으로 상위 30° 방향으로 빔을 향하게 한 후 복사휘도를 측정하였다. 이 연구에서는 서로 다른 다섯척의 선박 선체 복사휘도를 측정하였다.
S2 선체 중 오염이 적고 그늘이 없는 지점을 선정하여 매 지점마다 복사휘도를 세 번씩 측정한 후 평균하였다. 이번에는 신도 선착장을 출항하여 삼목여객터미널로 입항하는 S1 여객선을 탑승하여 동일한 방법으로 복사휘도를 측정하였다. S1은 2010년, S2는 2017년에 건조된 선박으로 두 여객선의 전체적인 규격 및 선체 구조는 유사하다.
S4는 경비선으로 S3보다 약 6배 작은 규모의 선박으로 마찬가지로 선체 대부분이 초록색 도료로 도포되어 있다. 차례로 각 선박에 탑승하여 상대적으로 오염되지 않은 지점을 선정하고 세 번의 복사휘도 측정 후 평균하여 사용하였다.
초분광영상의 선박을 탐지하기 위해서 각 기법의 최적 임계값을 제시하였다. Table 4는 최적 임계값으로 SDS는 0.
이 연구에서는 선박 현장관측 자료를 기반으로 초분광 특성 정합 알고리즘 기법들의 정확도를 평가하였다. 현장관측을 통해 서로 다른 종류의 선체 복사휘도 스펙트럼을 측정하고, 이와 동시에 다수의 선박 및 해수를 촬영한 AVIRIS 초분광 항공 영상을 수집하여 비교 분석하였다. AVIRIS 초분광 영상은 복사보정을 거친 선박 및 해수 영상을 사용하였으며 현장자료는 광학관측기기를 활용하여 선박 선체를 여러번 측정한 후 평균하여 사용하였다.
현장관측을 통해 취득한 실측자료와 초분광영상 사이에 분광특성 정합 알고리즘을 적용하여 각 탐지기법의 정확도 및 장·단점을 제시하였다.
대상 데이터
2014년 4월 14일 미국 해안가에서 촬영된 초분광영상 중 기상 상태가 양호하고 선박이 포함되어 있는 영상을 선택하여 분석하였다. Fig.
편의상 각 선박에 기호를 붙여서 S1(세종 7호), S2(세종 9호), S3(동양방제호), S4(동양호), S5(한성호)로 나타내었다. 2017년 8월 28일 11시부터 14시까지 인천 영종도와 신도 사이를 운행하는 여객선(S1, S2)의 선체 복사휘도를 측정하였다. 삼목여객터미널에서 출항하여 신도 선착장에 입항하는 S2 여객선은 선체 대부분이 주차장을 포함해 초록색 도료로 도포되어 있으며 중간에 노란색 및 하얀색 도료도 일부 존재하였다.
2017년 9월 4일 10시부터 13시까지 여수 연안여객터미널에 정박해 있는 S3, S4, S5의 선체 복사휘도를 측정하였다. S3 및 S5는 방제를 목적으로 건조된 선박으로 선체 대부분이 초록색 도료로 칠해져 있으며, 검정 오일 기둥, 노랑 크레인, 주황색 오일펜스 등 일부 구조물들도 포함되어 있다.
현장관측에 활용한 광학관측장비(FieldSpec 4 Wide-Res Field Spectroradiometer)는 350 nm부터 2500 nm 파장대의 선박 복사휘도 (radiance) 측정이 가능하다. 샘플링 간격은 1.4 nm (1000 nm 이하), 1.1 nm (1001 nm 이상)로 전 구간을 2151개로 나누어 각 채널에서의 분광정보를 제공한다(Table 1). Fig.
선체의 복사휘도를 측정하기 위하여 총 다섯 척의 선박을 활용하였다. 편의상 각 선박에 기호를 붙여서 S1(세종 7호), S2(세종 9호), S3(동양방제호), S4(동양호), S5(한성호)로 나타내었다.
, 2009). 여기서 NRi는 임의의 파장 i번째의 정규화 복사휘도, Rj는 각 채널에 해당하는 실측 복사휘도, N은 전체 채널의 개수이고 이 연구에서는 224개이다.
현장관측을 수행한 지역은 인천 영종도의 삼목여객터미널과 여수 연안여객터미널이다(Fig. 1). 현장관측에 활용한 광학관측장비(FieldSpec 4 Wide-Res Field Spectroradiometer)는 350 nm부터 2500 nm 파장대의 선박 복사휘도 (radiance) 측정이 가능하다.
이론/모형
Fig. 6a는 AVIRIS 초분광영상의 RGB 합성으로 영상에 존재하는 선박 및 해수의 복사휘도 스펙트럼과 현장관측을 통해 수집한 선박 선체의 복사휘도 스펙트럼 간의 분광특성 정합 알고리즘을 적용하여 유사도를 평가하였다. Fig.
4는 초분광 탐지 알고리즘 순서도로 선박이 포함된 AVIRIS 초분광영상이 취득되면 방사보정을 거쳐 영상의 2-D 복사휘도 스펙트럼을 산출할 수 있다. 이와 동시에 현장관측을 통해 측정한 정규화된 평균 복사휘도 스펙트럼 간에 초분광 특성 정합 알고리즘인 SDS, SCS, SSV, SAM, SID의 기법을 적용한다. 그리고 기법의 정확도 평가에 따라 최적의 탐지 알고리즘을 선택한다.
성능/효과
SDS는 선박과 주변 해수는 구분되었지만 선박 내부에 해수로 판별되는 화소가 존재하였다. SCS, SSV, SAM, SID 방법들은 선박과 해수를 명확히 분류하였고, 특히 SAM, SID 방법은 동일한 선박 및 해수 화소를 보여주었다. 또한 SAM을 기준으로 서로 간의 차이를 분석한 결과 SDS 방법은 주로 선수 및 주변부에서, SCS는 선미 부분에서 차이를 나타내었다.
초분광 특성 정합 기법으로 많이 사용되는 SDS, SCS, SSV, SAM, SID 방법을 실제 선박의 스펙트럼과 초분광영상 선박 및 해수 스펙트럼에 적용한 결과 SDS는 다른 기법에 비해 상대적으로 작은 차이를 보이면서 선박 내부에 해수로 판별되는 화소가 분포하였다. SCS, SSV는 유사한 분류 형태를 보여주었고, SAM은 약 1.8배로 선박과 해수 사이에 명확한 분류를 나타내었다. SID 기법은 선박과 해수 사이에 약 3.
8배로 선박과 해수 사이에 명확한 분류를 나타내었다. SID 기법은 선박과 해수 사이에 약 3.8배의 큰 수치 차이를 보였으나 해수에서 특정한 패턴이 없는 노이즈 형태가 나타났다. 이와 더불어 각 기법의 새로운 최적 임계값을 제시함으로써 초분광 영상의 선박을 분류하고자 하였다.
이러한 차이는 적외 구간으로 갈수록 감소하는데 특히 1350-1400 nm, 1800 nm 이상 구간에서는 선박에 따른 복사휘도 차이가 크게 감소하였다. 각 선박별로 비교해 보면 전반적으로 S2, S3, S1, S4, S5 순으로 복사휘도 크기가 감소하는 것을 알 수 있다. 하지만 이를 정규화 복사휘도로 변환하면 다섯 척의 선박 모두 전 파장구간에서 크기 및 증감 형태가 유사함을 보인다.
이와 더불어 각 기법의 새로운 최적 임계값을 제시함으로써 초분광 영상의 선박을 분류하고자 하였다. 그 결과 SDS, SCS를 제외한 SSV, SAM, SID 기법들이 선박과 주변 해수를 명확히 구분하였다. SDS는 선수 및 선박 주변부에서, SCS는 일부 선미 부분에서 타 방법들과 다른 탐지결과를 보여주었다.
SCS, SSV, SAM, SID 방법들은 선박과 해수를 명확히 분류하였고, 특히 SAM, SID 방법은 동일한 선박 및 해수 화소를 보여주었다. 또한 SAM을 기준으로 서로 간의 차이를 분석한 결과 SDS 방법은 주로 선수 및 주변부에서, SCS는 선미 부분에서 차이를 나타내었다.
AVIRIS 초분광 영상은 복사보정을 거친 선박 및 해수 영상을 사용하였으며 현장자료는 광학관측기기를 활용하여 선박 선체를 여러번 측정한 후 평균하여 사용하였다. 또한 현장자료는 전 파장구간에 대한 정규화 과정을 수행하였으며 그결과 다섯 척의 선박 모두 유사한 증감 형태의 복사휘도를 보여주었다.
8배의 차이를 나타내었고 선박과 해수 사이에도 명확한 분류를 보여주었다. 마지막으로 Fig. 6f는 두 스펙트럼 간의 확률분포 거리를 계산하는 SID 방법으로 선박 간에는 0.2160, 선박과 해수 사이에는 0.8344로 다른 방법들에 비해 약 3.8배의 큰 차이를 보여주었다. 하지만 해수의 경우 특정 패턴이 없는 노이즈 형태의 분포를 나타내고 있다.
초분광 특성 정합 기법으로 많이 사용되는 SDS, SCS, SSV, SAM, SID 방법을 실제 선박의 스펙트럼과 초분광영상 선박 및 해수 스펙트럼에 적용한 결과 SDS는 다른 기법에 비해 상대적으로 작은 차이를 보이면서 선박 내부에 해수로 판별되는 화소가 분포하였다. SCS, SSV는 유사한 분류 형태를 보여주었고, SAM은 약 1.
후속연구
70 상관관계를 나타냈다. 선박과 해수 사이에 약 1.2배 차이를 보이지만 선박 및 해수 모두 반응하지 않는 특정 파장대가 존재하기 때문에 실제 유효 구간을 설정하고 동일한 방법을 적용하면 더 높은 정확도로 분류될 것으로 판단된다. Fig.
현장관측을 통해 취득한 실측자료와 초분광영상 사이에 분광특성 정합 알고리즘을 적용하여 각 탐지기법의 정확도 및 장·단점을 제시하였다. 이 연구를 기반으로 다수의 현장관측을 통한 각종 선박 및 도료, 해수 분광 라이브러리를 구축한다면 기존의 고해상도 광학영상으로만 판별 가능했던 선박탐지를 스펙트럼 기반의 초분광 탐지 알고리즘을 활용하여 선박의 종류 및 색상, 기타 구조물 등의 분류까지도 가능할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
인공위성 센서는 어떻게 구분되는가?
인공위성 센서는 보통 5-6개 채널의 분광정보만 활용하는 다중분광센서와 기존 파장대를 좁고 연속적인 수백 개의 채널로 구분하여 다채로운 물체의 반사특성을 활용하는 초분광센서로 구분할 수 있다. 초분광센서는 해상도가 낮다는 단점이 있지만 영상의 분광특성을 수백 개의 채널로 분석하므로 지질, 대기, 해양, 생태 등 여러 분야에서 활용도가 높다(Datt et al.
초분광센서의 특징은 무엇인가?
인공위성 센서는 보통 5-6개 채널의 분광정보만 활용하는 다중분광센서와 기존 파장대를 좁고 연속적인 수백 개의 채널로 구분하여 다채로운 물체의 반사특성을 활용하는 초분광센서로 구분할 수 있다. 초분광센서는 해상도가 낮다는 단점이 있지만 영상의 분광특성을 수백 개의 채널로 분석하므로 지질, 대기, 해양, 생태 등 여러 분야에서 활용도가 높다(Datt et al., 2003; Govender et al.
선박 침몰사고 발생 시 현장감시의 한계점을 극복하기 위한 방안은 무엇인가?
선박 침몰사고 발생 시 일차적으로 선박을 이용한 현장감시를 수행해 왔으나 이는 시·공간적 측면에서 한계가 있고 신속한 수색을 필요로 하는 사고 특성상 비효율적이다. 따라서 실시간 모니터링이 가능하고 광역의 범위를 고해상도로 관측할 수 있는 원격 탐사 자료를 이용해야 한다. 따라서 인공위성, 항공이미지를 활용한 해상 교통감시, 선박탐지는 최근 원격탐사 분야에서 중요하게 다루어지고 있다(Eldhuset, 1996; Corbane et al.
참고문헌 (26)
Barnsley, M.J., Settle, J.J., Cutter, M.A., Lobb, D.R., and Teston, F., 2004, The PROBA/CHRIS mission: A lowcost smallsat for hyperspectral multiangle observations of the earth surface and atmosphere. IEEE Transactions on Geoscience and Remote Sensing., 42(7), 1512-1520.
Chang, C.I., 1999, Spectral information divergence for hyperspectral image analysis. In Geoscience and Remote Sensing Symposium, IGARSS'99 Proceedings., 1, 509-511.
Corbane, C., Najman, L., Pecoul, E., Demagistri, L., and Petit, M., 2010, A complete processing chain for ship detection using optical satellite imagery. International Journal of Remote Sensing, 31(22), 5837-5854.
Datt, B., McVicar, T.R., Van Niel, T.G., Jupp, D.L., and Pearlman, J.S., 2003, Preprocessing EO-1 Hyperion hyperspectral data to support the application of agricultural indexes. IEEE Transactions on Geoscience and Remote Sensing, 41(6), 1246-1259.
Eldhuset, K., 1996, An automatic ship and ship wake detection system for spaceborne SAR images in coastal regions. IEEE Transactions on Geoscience and Remote Sensing, 34(4), 1010-1019.
Gao, G., 2011, A parzen-window-kernel-based CFAR algorithm for ship detection in SAR images. IEEE Geoscience and Remote Sensing Letters, 8(3), 557-561.
Goodenough, D.G., Dyk, A., Niemann, K.O., Pearlman, J.S., Chen, H., Han, T., and West, C., 2003, Processing Hyperion and ALI for forest classification. IEEE Transactions on Geoscience and Remote Sensing, 41(6), 1321-1331.
Govender, M., Chetty, K., and Bulcock, H., 2007, A review of hyperspectral remote sensing and its application in vegetation and water resource studies. Water SA, 33(2), 145-151.
Green, R.O., Eastwood, M.L., Sarture, C.M., Chrien, T.G., Aronsson, M., Chippendale, B.J., and Olah, M.R., 1998, Imaging spectroscopy and the airborne visible/infrared imaging spectrometer (AVIRIS). Remote Sensing of Environment,, 65(3), 227-248.
Homayouni, S. and Roux, M., 2004. Hyperspectral image analysis for material mapping using spectral matching. In ISPRS Congress Proceedings, Vol(20).
Kim, M., Yim, U.H., Hong, S.H., Jung, J.H., Choi, H.W., An, J., and Shim, W.J., 2010, Hebei Spirit oil spill monitored on site by fluorometric detection of residual oil in coastal waters off Taean, Korea. Marine Pollution Bulletin, 60(3), 383-389.
Kim, T.S., Park, K.A., Li, X., Lee, M., Hong, S., Lyu, S.J., and Nam, S., 2015, Detection of the Hebei Spirit oil spill on SAR imagery and its temporal evolution in a coastal region of the Yellow Sea. Advances in Space Research, 56(6), 1079-1093.
Kumar, A.S., Keerthi, V., Manjunath, A.S., van der Werff, H., and van der Meer, F., 2010, Hyperspectral image classification by a variable interval spectral average and spectral curve matching combined algorithm. International Journal of Applied Earth Observation and Geoinformation, 12(4), 261-269.
Lee, E.B., Yun, J.H., and Chung, S.T., 2012, A study on the development of the response resource model of hazardous and noxious substances based on the risks of marine accidents in Korea. Journal of Navigation and Port Research, 36(10), 857-864.
Lee, M.S., Park, K.A., Lee, H.R., Park, J.J., Kang, C.K., and Lee, M., 2016, Detection and dispersion of thick and film-like oil spills in a coastal bay using satellite optical images. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 9(11), 5139-5150.
Liao, M., Wang, C., Wang, Y., and Jiang, L., 2008, Using SAR images to detect ships from sea clutter. IEEE Geoscience and Remote Sensing Letters, 5(2), 194-198.
Lu, Y., Tian, Q., Wang, X., Zheng, G., and Li, X., 2013, Determining oil slick thickness using hyperspectral remote sensing in the Bohai Sea of China. International Journal of Digital Earth, 6(1), 76-93.
Mattyus, G., 2013, Near real-time automatic vessel detection on optical satellite images. In ISPRS Hannover Workshop, 233-237 pp.
Proia, N. and Page, V., 2010, Characterization of a bayesian ship detection method in optical satellite images. IEEE Geoscience and Remote Sensing Letters, 7(2), 226-230.
Sridhar, B.M., Vincent, R.K., Witter, J.D., and Spongberg, A.L., 2009, Mapping the total phosphorus concentration of biosolid amended surface soils using LANDSAT TM data. Science of the Total Environment, 407(8), 2894-2899.
Sweet, J. N., 2003, The spectral similarity scale and its application to the classification of hyperspectral remote sensing data. In Advances in Techniques for Analysis of Remotely Sensed Data, 2003 IEEE Workshop, 92-99 pp.
Wackerman, C.C., Friedman, K.S., Pichel, W.G., Clemente-Colon, P., and Li, X., 2001, Automatic detection of ships in RADARSAT-1 SAR imagery. Canadian Journal of Remote Sensing, 27(5), 568-577.
Yan, L., Noro, N., Takara, Y., Ando, F., and Yamaguchi, M., 2015, Using hyperspectral image enhancement method for small size object detection on the sea surface. In Image and Signal Processing for Remote Sensing XXI, 9643 pp.
Yang, G., Li, B., Ji, S., Gao, F., and Xu, Q., 2014, Ship detection from optical satellite images based on sea surface analysis. IEEE Geoscience and Remote Sensing Letters, 11(3), 641-645.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.