[논문]이종 영상 간의 무감독 변화탐지를 위한 초분광 영상의 차원 축소 방법 분석

박홍련; 박완용; 박현춘; 최석근; 최재완; 임헌량

doi:10.11108/kagis.2019.22.4.001

이종 영상 간의 무감독 변화탐지를 위한 초분광 영상의 차원 축소 방법 분석
Dimensionality Reduction Methods Analysis of Hyperspectral Imagery for Unsupervised Change Detection of Multi-sensor Images 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.22 no.4, 2019년, pp.1 - 11

박홍련 (영산대학교 스마트시티공학부) , 박완용 (국방과학연구소) , 박현춘 (국방과학연구소) , 최석근 (충북대학교 토목공학부) , 최재완 (충북대학교 토목공학부) , 임헌량 (국토지리정보원)

초록
AI-Helper

원격탐사 센서 기술의 발전으로 다양한 분광정보를 지니는 위성영상의 취득이 가능해졌다. 특히, 초분광 영상(hyperspectral image)은 연속적이고 좁은 분광파장대의 영역으로 구성되어 있기 때문에, 토지피복분류, 표적탐지, 환경 모니터링 등 다양한 분야에 효과적으로 활용할 수 있다. 원격탐사자료를 활용한 변화탐지 기법은 일반적으로 동일한 차원을 지닌 자료들의 차분을 통해 수행되기 때문에, 차원이 다른 이종 센서에는 적용하기 어려운 단점을 지니고 있다. 이에 본 연구에서는 다른 차원을 지닌 초분광 영상과 고해상도 위성영상에 적용가능한 변화탐지 기법을 개발하고, 이종 영상 간의 변화탐지기법 적용 가능성을 확인하고자 하였다. 이를 위하여, 변화탐지 기법의 적용을 위해 상관도분석, 주성분분석 등을 활용하여 초분광 영상의 차원을 축소시켜 변화탐지에 사용하였으며, 변화탐지 알고리즘은 CVA(Change Vector Analysis)을 사용하였다. 변화탐지 성능의 평가를 위해 참조자료를 사용하여 ROC(Receiver Operating Characteristics) 곡선과, AUC(Area Under Curve)을 계산하였다. 실험결과, 원 초분광 영상을 활용한 경우보다, 적합한 차원 감소 기법을 통해 제작한 영상을 사용하였을 때의 변화탐지 성능이 더 높은 것으로 나타났다. 이는 차원 감소 기법을 적용하여 초분광 영상이 지니고 있는 잡음을 제거하는 것이 변화탐지 성능에 영향을 미치는 것으로 판단된다. 추후 연구로는 융합기법을 적용한 고해상도 다중분광 영상을 이용하여 공간 해상도의 차이에 따른 변화탐지 성능을 분석할 예정이다.

Abstract ▼ AI-Helper

With the development of remote sensing sensor technology, it has become possible to acquire satellite images with various spectral information. In particular, since the hyperspectral image is composed of continuous and narrow spectral wavelength, it can be effectively used in various fields such as land cover classification, target detection, and environment monitoring. Change detection techniques using remote sensing data are generally performed through differences of data with same dimensions. Therefore, it has a disadvantage that it is difficult to apply to heterogeneous sensors having different dimensions. In this study, we have developed a change detection method applicable to hyperspectral image and high spat ial resolution satellite image with different dimensions, and confirmed the applicability of the change detection method between heterogeneous images. For the application of the change detection method, the dimension of hyperspectral image was reduced by using correlation analysis and principal component analysis, and the change detection algorithm used CVA. The ROC curve and the AUC were calculated using the reference data for the evaluation of change detection performance. Experimental results show that the change detection performance is higher when using the image generated by adequate dimensionality reduction than the case using the original hyperspectral image.

주제어

표/그림 (11)

그림 FIGURE 1. Workflow
그림 FIGURE 2. study area: (a) hyperspectral image before change, (b) Worldview-3 satellite image after change
그림 FIGURE 3. The hyperspectral images selected through correlation analysis
표 TABLE 1. Specification of hyperspectral image and Worldview-3 satellite image
표 TABLE 2. Correlation between selected hyperspectral bands and multispectral image
그림 FIGURE 4. Multiple regression analysis result images: (a) result of applying original hyperspectral image and multispectral image, (b) result of applying principal component analysis to hyperspectral image and multispectral image
그림 FIGURE 5. Detail images of CVA results: (a) result using correlation analysis image, (b) result using multiple regression analysis to original hyperspectral image, (c) result using multiple regression analysis to result of principal component analysis
그림 FIGURE 5. Continued
그림 FIGURE 6. (a) reference data, (b) ROC curves of change detection results
표 TABLE 3. AUC value of change detection results
표 TABLE 4. AUC value of change detection results

AI 본문요약
AI-Helper

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

문제 정의

또한, 초분광 영상의 잡음을 효과적으로 제거할 수 있는 장점을 가진다. 따라서, 본 연구에서는 초분광 영상의 차원을 축소시키고, 밴드내에 존재하는 잡음을 제거한 영상을 변화탐지에 활용하는 것이 변화탐지 성능에 영향을 미칠 수 있다고 판단하여 주성분분석을 선택하였다. 특히, 각 주성분이 지니는 백분율을 누적하여 고유 값(eigenvalue)의 합이 99% 이상이 되는 주성분들을 변화탐지에 적용하였다.
앞서 언급한 바와 같이, 다시기 이종 영상에 변화탐지 기법을 적용하기 위해서는 다시기 영상의 차원을 일치시켜야 하며, 초분광 영상과 다중분광 영상의 차원을 일치시키기 위해 밴드 간의 상관도분석을 활용할 수 있다. 본 연구에서는 48 밴드로 구성된 초분광 영상을 4밴드로 이루어져 있는 다중분광 영상의 차원으로 변환하기 위하여 다중분광 영상의 각 밴드와 가장 높은 상관도를 보이는 4개의 초분광 영상의 밴드들을 추출하였다. 상관도분석을 통하여 추출된 초분광 영상의 각 밴드들은 원 영상의 특성을 그대로 가지고 있으나, 초분광 영상의 정보들을 통합하여 사용할 수 없는 단점을 지닐 것으로 판단된다.
초분광 영상의 차원이 다중분광 영상과 비교하여 큰 차원을 가지고 있기 때문에 변화탐지 기법 적용 전에 초분광 영상의 차원을 축소시키는 과정이 수반되어야만 한다. 본 연구에서는 상관도분석, 다중회귀분석, 주성분분석을 활용하여 초분광 영상의 차원을 축소하고자 하였다.
본 연구에서는 이종 영상의 변화탐지를 위한 입력자료로 고해상도 다중분광 영상과 항공 기반의 초분광 영상을 사용하고자 하였다. 초분광 영상의 차원이 다중분광 영상과 비교하여 큰 차원을 가지고 있기 때문에 변화탐지 기법 적용 전에 초분광 영상의 차원을 축소시키는 과정이 수반되어야만 한다.
본 연구에서는 초분광 영상과 다중분광 영상을 이용한 이종 영상 간의 변화탐지 기법을 개발하고자 하였다. 이를 위해 초분광 영상의 차원을 RGB와 NIR 4밴드로 구성된 다중분광 영상과 일치시키는 과정을 수행하였다.
본 연구에서는 초분광 영상과 다중분광 영상을 이용한 이종 영상 간의 변화탐지기법을 제안하였다. 대표적인 무감독 변화탐지 기법인 CVA를 적용하기 위해서는 초분광 영상의 차원을 다중분광 영상의 차원과 일치시키는 것이 필수적이기 때문에, 본 연구에서는 3개의 방법을 통하여 초분광 영상의 차원을 축소시켰다.
따라서, 위와 같은 변화탐지 기법들은 RGB와 NIR(Near InfraRed) 4밴드의 다중분광 영상을 제공하는 일반적인 위성영상에 활용이 가능하며, 초분광 영상과 같이 일반적인 다중분광 영상에 비해 많은 차원을 지닌 영상에는 적용하기 어렵다는 단점이 있다. 이에 본 연구에서는 서로 다른 차원 및 분광특성을 가지고 있는 초분광 영상과 다중분광 영상을 이용한 이종 영상의 변화탐지 기법을 수행하고, 이종 영상 간의 변화탐지기법 적용가능성을 확인하고자 하였다. 초분광 영상과 다중분광 영상의 차원을 일치시키기 위해 상관도분석과 다중회귀분석을 적용하여 다중분광 영상의 밴드와 대응하는 밴드들을 선정 및 제작하였으며, 변화탐지 기법은 CVA를 적용하였다.

제안 방법

본 연구에서는 초분광 영상과 다중분광 영상을 이용한 이종 영상 간의 변화탐지기법을 제안하였다. 대표적인 무감독 변화탐지 기법인 CVA를 적용하기 위해서는 초분광 영상의 차원을 다중분광 영상의 차원과 일치시키는 것이 필수적이기 때문에, 본 연구에서는 3개의 방법을 통하여 초분광 영상의 차원을 축소시켰다. 첫 번째 방법으로는 다중분광 영상의 각 밴드와 가장 높은 상관도를 보이는 초분광 영상의 밴드를 선택하여 초분광 영상의 차원을 다중분광 영상과 일치시켰다.
첫 번째 방법으로는 다중분광 영상의 각 밴드와 가장 높은 상관도를 보이는 초분광 영상의 밴드를 선택하여 초분광 영상의 차원을 다중분광 영상과 일치시켰다. 두 번째 방법으로는 다중분광 영상과 초분광 영상에 다중회귀분석을 적용하였으며, 세 번째 방법으로는 초분광 영상에 주성분분석을 수행한 결과와 다중분광 영상에 다중회귀분석을 적용하여 초분광 영상의 차원을 축소시켰다. 세 방법을 통해 제작한 영상과 다중분광 영상을 이용하여 변화탐지를 수행한 결과, 두 번째 방법으로 제작한 영상을 활용한 경우의 변화탐지 성능이 가장 낮았으며, 세 번째 방법을 활용한 결과가 가장 높은 변화탐지 정확도를 보였다.
Worldview-3 위성영상은 RGB, NIR 4개의 밴드로 구성되어 있다. 두 영상은 각각 0.3m와 1.2m의 공간해상도를 지니고 있으며, 변화탐지를 수행하기 위해 1.2m 공간해상도를 지닌 다중분광 영상을 0.3m 공간해상도를 지닌 초분광 영상의 화소 수로 변환하였다. 표 1은 초분광 영상과 Worldview-3 위성영상의 제원이며, 연구지역의 영상은 그림 2와 같다.
는 각각 변화 전·후 영상의 k번째 밴드의 밝기 값을 의미하며, N은 총 밴드 수를 의미한다. 변화탐지를 위해 다중분광 영상 과 상관도분석, 다중회귀분석을 통해 다중분광 영상과 차원을 일치시킨 초분광 영상에 CVA를 적용하였다.
본 연구에서 제안한 변화탐지 기법의 성능을 평가하기 위해 변화 전·후 영상을 이용하여 참조자료를 제작하였으며, ROC(Receiver Operating Characteristics) 곡선과 AUC(Area Under Curve)를 계산하여 정량적인 평가를 수행하였다.
본 연구에서 제안한 변화탐지기법을 정량적으로 분석하기 위해 영상을 통해 생성한 참조자료를 이용하여 ROC 곡선과 AUC를 계산하였다. ROC 곡선은 변화 크기 벡터에 임계값을 적용하여 이진영상으로 변환할 때 발생하는 탐지율을 나타내며, AUC는 ROC 곡선 아래의 면적을 적분하여 계산한 값으로 일반적으로 값이 클수록 탐지 성능이 좋음을 나타낸다(Choi, 2015).
본 연구에서는 초분광 영상의 차원을 축소하기 위하여 초분광 영상과 다중분광 영상에 상관도분석과 다중회귀분석을 적용하고, 주성분분석 결과에 다중회귀분석을 적용하는 총 3개의 방법을 적용하였다. 상관도분석결과를 통해 선정된 초분광 영상의 상관도는 표 1과 같으며, 상관도분석을 통해 선정한 초분광 영상은 그림 3과 같다.
이는 주성분분석을 통해 효과적으로 원 초분광 영상이 가지고 있는 잡음 등을 제거하였기 때문으로 판단된다. 위 3개의 방법을 통해 다중분광 영상과 유사한 특성을 지니는 초분광 영상을 제작하였다. 변화탐지를 위해 두 영상에 CVA 무감독 변화탐지기법을 적용하였으며, 변화탐지 결과의 세부영상은 그림 5와 같다.
본 연구에서는 초분광 영상과 다중분광 영상을 이용한 이종 영상 간의 변화탐지 기법을 개발하고자 하였다. 이를 위해 초분광 영상의 차원을 RGB와 NIR 4밴드로 구성된 다중분광 영상과 일치시키는 과정을 수행하였다. 초분광 영상의 차원을 감소시키는 방법은 상관도분석, 주성분분석, 다중회귀분석을 활용하였으며, 차원을 감소시킨 초분광 영상과 다중분광 영상에 CVA 변화탐지 기법을 적용하여 변화지역을 도출하였다.
특히, 각 주성분이 지니는 백분율을 누적하여 고유 값(eigenvalue)의 합이 99% 이상이 되는 주성분들을 변화탐지에 적용하였다. 주성분분석을 통하여 추출된 각 밴드들과 고해상도 다중분광 영상에 대하여 다중회귀모델을 적용하여 다중분광 영상의 각 밴드에 최적화된 가상의 다중분광 영상을 생성하였다.
대표적인 무감독 변화탐지 기법인 CVA를 적용하기 위해서는 초분광 영상의 차원을 다중분광 영상의 차원과 일치시키는 것이 필수적이기 때문에, 본 연구에서는 3개의 방법을 통하여 초분광 영상의 차원을 축소시켰다. 첫 번째 방법으로는 다중분광 영상의 각 밴드와 가장 높은 상관도를 보이는 초분광 영상의 밴드를 선택하여 초분광 영상의 차원을 다중분광 영상과 일치시켰다. 두 번째 방법으로는 다중분광 영상과 초분광 영상에 다중회귀분석을 적용하였으며, 세 번째 방법으로는 초분광 영상에 주성분분석을 수행한 결과와 다중분광 영상에 다중회귀분석을 적용하여 초분광 영상의 차원을 축소시켰다.
이에 본 연구에서는 서로 다른 차원 및 분광특성을 가지고 있는 초분광 영상과 다중분광 영상을 이용한 이종 영상의 변화탐지 기법을 수행하고, 이종 영상 간의 변화탐지기법 적용가능성을 확인하고자 하였다. 초분광 영상과 다중분광 영상의 차원을 일치시키기 위해 상관도분석과 다중회귀분석을 적용하여 다중분광 영상의 밴드와 대응하는 밴드들을 선정 및 제작하였으며, 변화탐지 기법은 CVA를 적용하였다. 본 연구에서 제안한 변화탐지 기법의 성능을 평가하기 위해 변화 전·후 영상을 이용하여 참조자료를 제작하였으며, ROC(Receiver Operating Characteristics) 곡선과 AUC(Area Under Curve)를 계산하여 정량적인 평가를 수행하였다.
식 1, 2를 통해 다중분광 영상의 각 밴드들을 기준으로 하여, 초분광 영상과의 다중회귀분석을 적용하였다. 추출된 회귀계수들을 초분광 영상에 다시 적용하여 다중분광 영상과 유사한 분광특성을 지닌 가상의 밴드를 생성하였다. 다중회귀분석을 통하여 생성된 각 밴드들은 초분광 영상 전체를 통하여 생성되기 때문에, 상대적으로 원 다중분광 영상에 근접한 특성을 가진 가상의 영상을 생성할 수 있는 장점을 지닌다.
따라서, 본 연구에서는 초분광 영상의 차원을 축소시키고, 밴드내에 존재하는 잡음을 제거한 영상을 변화탐지에 활용하는 것이 변화탐지 성능에 영향을 미칠 수 있다고 판단하여 주성분분석을 선택하였다. 특히, 각 주성분이 지니는 백분율을 누적하여 고유 값(eigenvalue)의 합이 99% 이상이 되는 주성분들을 변화탐지에 적용하였다. 주성분분석을 통하여 추출된 각 밴드들과 고해상도 다중분광 영상에 대하여 다중회귀모델을 적용하여 다중분광 영상의 각 밴드에 최적화된 가상의 다중분광 영상을 생성하였다.

대상 데이터

본 연구에서는 세종시 일원의 지역을 연구대상지로 선정하였다. 연구지역의 원격탐사자료는 2014년 5월 28일에 촬영된 초분광 영상과 2018년 2월 20일에 촬영된 Worldview-3 위성영상을 사용하였다.
본 연구에서는 세종시 일원의 지역을 연구대상지로 선정하였다. 연구지역의 원격탐사자료는 2014년 5월 28일에 촬영된 초분광 영상과 2018년 2월 20일에 촬영된 Worldview-3 위성영상을 사용하였다. 초분광 영상은 CASI 센서를 이용하여 취득한 항공영상이며, 380nm∼ 1050nm 분광파장대의 48 밴드로 구성되어 있다.
초분광 영상은 CASI 센서를 이용하여 취득한 항공영상이며, 380nm∼ 1050nm 분광파장대의 48 밴드로 구성되어 있다.

데이터처리

이를 위해 초분광 영상의 차원을 RGB와 NIR 4밴드로 구성된 다중분광 영상과 일치시키는 과정을 수행하였다. 초분광 영상의 차원을 감소시키는 방법은 상관도분석, 주성분분석, 다중회귀분석을 활용하였으며, 차원을 감소시킨 초분광 영상과 다중분광 영상에 CVA 변화탐지 기법을 적용하여 변화지역을 도출하였다. 연구의 전체적인 흐름도는 그림 1과 같다.

이론/모형

하지만, 초분광 영상이 많은 정보를 지니고 있지만, 밴드 내에 불필요한 정보나 잡음이 존재하는 것으로 알려져있다. 때문에, 초분광 영상에 PCA(Principal Component Analysis)나 MNF(Minimum Noise Fraction)와 같이 영상의 차원을 감소시켜 잡음을 제거하는 방법들을 적용하여 분석에 활용한다. Benediktsson et al.
위 3개의 방법을 통해 다중분광 영상과 유사한 특성을 지니는 초분광 영상을 제작하였다. 변화탐지를 위해 두 영상에 CVA 무감독 변화탐지기법을 적용하였으며, 변화탐지 결과의 세부영상은 그림 5와 같다.
본 연구에서는 이종 영상간의 변화탐지를 위하여 CVA 기법을 사용하였다. CVA 기법은 서로 다른 두 시기 영상의 화소벡터들 간의 크기를 이용하여 변화지역을 추정하는 대표적인 무감독 변화탐지 기법 중의 하나이다.

성능/효과

또한, 회귀분석에 입력변수로 사용되는 초분광 밴드의 개수가 과도하게 많기 때문에, 다중분광 영상에 가장 큰 영향을 미치는 밴드의 특성이 사라졌기 때문으로 판단된다. 한편, 주성분분석을 적용한 결과에 다중회귀분석을 적용하여 생성한 가상의 영상인 그림 4의 (b)에서는 (a)에 비해 효과적으로 원 다중분광 영상의 분광특성을 반영한 것을 확인할 수 있었다. 이는 주성분분석을 통해 효과적으로 원 초분광 영상이 가지고 있는 잡음 등을 제거하였기 때문으로 판단된다.
그림 3의 (a)와 같이, 원 초분광 영상에 다중회귀분석을 적용하여 생성된 가상의 다중분광 영상은 초분광 영상 내에 포함되어 있는 잡음의 영향으로 인하여 선명도가 감소된 것을 확인할 수 있었다. 또한, 회귀분석에 입력변수로 사용되는 초분광 밴드의 개수가 과도하게 많기 때문에, 다중분광 영상에 가장 큰 영향을 미치는 밴드의 특성이 사라졌기 때문으로 판단된다.
시각적으로 분석한 결과와 마찬가지로 원 초분과 영상에 다중회귀분석을 적용한 결과를 사용하였을 때의 변화탐지 정확도가 가장 낮게 계산되었다. 그리고 주성분분석을 통해 차원을 축소시킨 영상에 다중회귀분석을 적용한 영상을 변화탐지에 수행하였을 때의 정확도가 가장 높게 계산되었다. 이를 통해, 주성분분석을 통한 잡음의 감소가 변화탐지 성능에 영향을 미친 것으로 사료된다.
다중회귀분석을 적용한 결과와 다중분광 영상에 상관도분석을 수행한 결과 변화탐지 성능과는 달리, 주성분분석과 다중회귀분석을 적용하여 제작한 영상보다 원 영상을 이용하여 제작한 가상의 영상이 원 고해상도 위성영상과 더 높은 상관도를 보이는 것으로 계산되었다. 특히 두 영상 모두 4개의 밴드 중에서 Red 밴드의 상관도가 가장 높게 나타났으며, NIR 밴드가 가장 낮은 상관도를 보였다.
이를 통해, 주성분분석을 통한 잡음의 감소가 변화탐지 성능에 영향을 미친 것으로 사료된다. 또한, 상관도 분석을 통해 제작한 초분광 영상을 활용한 변화 탐지 결과가 주성분분석을 통해 생성한 영상을 이용한 변화탐지 결과보다 낮은 성능을 보이는 것으로 나타났다. 추가적으로 가상의 다시기 영상을 활용하여 변화탐지를 수행할 때, 변화 전·후 영상의 상관도가 변화탐지 성능에 미치는 영향을 분석하기 위하여 상관도를 계산한 결과는 표 4와 같다.
한편, 식생과 같이 계절에 따라 분광정보가 달라지는 토지피복의 경우에는 변화지역이 아님에도 불구하고 변화지역으로 탐지되는 경향을 보인다. 본 연구에서도 두 영상의 상이한 촬영시기로 인해 식생지역이 변화지역일 가능성이 높은 지역으로 나타났다.
상관도분석결과, 다중분광 영상의 RGB, NIR 밴드와 초분광 영상의 5, 11, 18, 47번째 밴드가 가장 높은 상관도를 보이는 것으로 계산되었다. 각각 밴드들의 상관도는 비교적 낮은 값으로 계산되었으며, 이는 변화된 지역과 계절적 차이로 인한 것으로 판단된다.
본 연구에서는 48 밴드로 구성된 초분광 영상을 4밴드로 이루어져 있는 다중분광 영상의 차원으로 변환하기 위하여 다중분광 영상의 각 밴드와 가장 높은 상관도를 보이는 4개의 초분광 영상의 밴드들을 추출하였다. 상관도분석을 통하여 추출된 초분광 영상의 각 밴드들은 원 영상의 특성을 그대로 가지고 있으나, 초분광 영상의 정보들을 통합하여 사용할 수 없는 단점을 지닐 것으로 판단된다.
두 번째 방법으로는 다중분광 영상과 초분광 영상에 다중회귀분석을 적용하였으며, 세 번째 방법으로는 초분광 영상에 주성분분석을 수행한 결과와 다중분광 영상에 다중회귀분석을 적용하여 초분광 영상의 차원을 축소시켰다. 세 방법을 통해 제작한 영상과 다중분광 영상을 이용하여 변화탐지를 수행한 결과, 두 번째 방법으로 제작한 영상을 활용한 경우의 변화탐지 성능이 가장 낮았으며, 세 번째 방법을 활용한 결과가 가장 높은 변화탐지 정확도를 보였다. 이를 통해 초분광 영상이 지니고 있는 잡음들이 변화탐지 성능에 영향을 주고 있음을 확인할 수 있었다.
정확도 평가는 시각적으로 분석한 결과와 유사한 경향을 보였다. 시각적으로 분석한 결과와 마찬가지로 원 초분과 영상에 다중회귀분석을 적용한 결과를 사용하였을 때의 변화탐지 정확도가 가장 낮게 계산되었다. 그리고 주성분분석을 통해 차원을 축소시킨 영상에 다중회귀분석을 적용한 영상을 변화탐지에 수행하였을 때의 정확도가 가장 높게 계산되었다.
이를 통해 가상의 다시 기 영상을 생성하여 변화탐지를 수행할 경우에 변화 전·후 영상의 상관도가 변화탐지 성능에 크게 영향을 미치지 않는 것을 확인하였다.
세 방법을 통해 제작한 영상과 다중분광 영상을 이용하여 변화탐지를 수행한 결과, 두 번째 방법으로 제작한 영상을 활용한 경우의 변화탐지 성능이 가장 낮았으며, 세 번째 방법을 활용한 결과가 가장 높은 변화탐지 정확도를 보였다. 이를 통해 초분광 영상이 지니고 있는 잡음들이 변화탐지 성능에 영향을 주고 있음을 확인할 수 있었다. 또한, 상관도분석을 통해 초분광 영상의 밴드를 선택하는 것보다 다중회귀분석을 활용하여 새로운 밴드를 생성하는 것이 초분광 영상을 변화탐지에 활용하기에 더 효과적인 것으로 사료된다.
다중회귀분석을 적용한 결과와 다중분광 영상에 상관도분석을 수행한 결과 변화탐지 성능과는 달리, 주성분분석과 다중회귀분석을 적용하여 제작한 영상보다 원 영상을 이용하여 제작한 가상의 영상이 원 고해상도 위성영상과 더 높은 상관도를 보이는 것으로 계산되었다. 특히 두 영상 모두 4개의 밴드 중에서 Red 밴드의 상관도가 가장 높게 나타났으며, NIR 밴드가 가장 낮은 상관도를 보였다. 이를 통해 가상의 다시 기 영상을 생성하여 변화탐지를 수행할 경우에 변화 전·후 영상의 상관도가 변화탐지 성능에 크게 영향을 미치지 않는 것을 확인하였다.
그리고 상관도분석을 수행한 결과와 주성분분석 결과에 다중회귀분석을 적용한 영상인 그림 5의 (a)와 (c)는 시각적으로 유사한 경향을 보이는 것으로 나타났다. 하지만, 변화탐지 결과의 화소 값을 확인해 본 결과 주성분분석 결과에 다중회귀분석을 적용한 영상인 그림 5의 (c)에서 변화지역과 미 변화지역의 밝기 값의 차이가 더 크게 계산되어 효과적인 변화탐지가 가능할 것으로 사료된다. 한편, 식생과 같이 계절에 따라 분광정보가 달라지는 토지피복의 경우에는 변화지역이 아님에도 불구하고 변화지역으로 탐지되는 경향을 보인다.

후속연구

이를 통해 초분광 영상이 지니고 있는 잡음들이 변화탐지 성능에 영향을 주고 있음을 확인할 수 있었다. 또한, 상관도분석을 통해 초분광 영상의 밴드를 선택하는 것보다 다중회귀분석을 활용하여 새로운 밴드를 생성하는 것이 초분광 영상을 변화탐지에 활용하기에 더 효과적인 것으로 사료된다. 본 연구를 통해 초분광 영상을 활용한 이종 영상에 무감독변화탐지 기법의 적용 가능성을 확인할 수 있었다.
또한, 상관도분석을 통해 초분광 영상의 밴드를 선택하는 것보다 다중회귀분석을 활용하여 새로운 밴드를 생성하는 것이 초분광 영상을 변화탐지에 활용하기에 더 효과적인 것으로 사료된다. 본 연구를 통해 초분광 영상을 활용한 이종 영상에 무감독변화탐지 기법의 적용 가능성을 확인할 수 있었다. 추후 연구로는 융합기법을 적용한 고해상도 다중분광 영상을 이용하여 공간 해상도의 차이에 따른 변화탐지 성능을 분석할 예정이다.
본 연구를 통해 초분광 영상을 활용한 이종 영상에 무감독변화탐지 기법의 적용 가능성을 확인할 수 있었다. 추후 연구로는 융합기법을 적용한 고해상도 다중분광 영상을 이용하여 공간 해상도의 차이에 따른 변화탐지 성능을 분석할 예정이다.
이를 통해 가상의 다시 기 영상을 생성하여 변화탐지를 수행할 경우에 변화 전·후 영상의 상관도가 변화탐지 성능에 크게 영향을 미치지 않는 것을 확인하였다. 하지만, 다시기 영상간의 기하오차 및 영상품질에 따라 상관도가 변할 수 있을 것으로 판단되며, 다양한 다시기 이종 영상들을 이용한 실험이 필요할 것으로 사료된다.

참고문헌 (15)

Benediktsson, J.A., Palmason, J.A. and Sveinsson, J.R., 2005, Classification of hyperspectral data from urban areas based on extended morphological profiles, IEEE Transactions on Geoscience and Remote Sensing, 43(3):480-491.

상세보기
Bovolo, F., Bruzzone, L., Capobianco, L., Garzelli, A., Marchesi, S. and Nencini, F., 2010, Analysis of the effects of pansharpening in change detection on VHR images, IEEE Geoscience and Remote Sensing Letters, 7(1):53-57.

상세보기
Bovolo, F., Bruzzone, L. and Marconcini, M. A., 2008, Novel approach to unsupervised change detection based on a semisupervised SVM and a similarity measure, IEEE Transactions Geoscience and Remote Sensing, 46(7):2070-2082.

상세보기
Bruzzone, L. and Prieto, D. F., 2000, Automatic analysis of the difference image for unsupervised change detection, IEEE Transactions on Geoscience and Remote Sensing, 38(3):1171-1182.

상세보기
Choi, J., 2015, Unsupervised change detection for very high-spatial resolution satellite imagery by using object-based IR-MAD algorithm, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 33(4):297-304.

원문보기 상세보기
Deng, J.S., Wang, K., Deng, Y, H. and Qi G.J., 2008, PCA-based land-use change detection and analysis using multitemporal and multisensor satellite data, International Journal of Remote Sensing, 29(16):4823-4838.

상세보기
Harsanyi, J.C. and Chang, C, I., 1994, Hyperspectral image classification and dimensionality reduction: an orthogonal subspace projection approach, IEEE Transactions on Geoscience and Remote Sensing, 32(4):779-785.

상세보기
Johnson, R.D. and Kasischke, E.S., 1998, Change vector analysis: a technique for the multispectral monitoring of land cover and condition, International Journal of Remote Sensing, 19(3):411-426.

상세보기
Park, N., Chi, K., Lee, K. and Kwon, B., 2003, Automatic estimation of threshold values for change detection of multitemporal remote sensing images, Korean Journal of Remote Sensing, 19(6):465-478.
Park, H. and Choi, J., 2017, Accuracy evaluation of supervised classification by using morphological attribute profiles and additional band of hyperspectral imagery, Journal of the Korean Society for Geospatial Information Science, 25(1):9-17.

원문보기 상세보기
Park, H., Choi, J. and Oh, J., 2018, Seasonal effects removal of unsupervised change detection based multitemporal imagery, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 36(2):51-58.
Park, H., Choi, J., Park, W. and Park, H., 2018, Modified S2CVA algorithm using cross-sharpened images for unsupervised change detection, Sustainability, 10(9):3301-3320.

상세보기
Solano-Correa, Y. T., Bovolo, F. and Bruzzone, L., 2018, An approach for unsupervised change detection in multitemporal VHR images acquired by different multispectral sensors, Remote Sensing, 10(4):533-555.

상세보기
Volpi, M., Tuia, D., Bovolo, F., Kanevski, M. and Bruzzone, L., 2013, Supervised change detection in VHR images using contextual information and support vector machines, International Journal of Applied Earth Observation and Geoinformation, 20:77-85.

상세보기
Wang, B., Choi, S., Byun, Y, Lee, S. and Choi, J., 2015, Object-based change detection of very high resolution satellite imagery using the cross-sharpening of multitemporal data, IEEE Geoscience and Remote Sensing Letters, 12(5):1151-1155.

상세보기

저자의 다른 논문 :

LOADING...

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