$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 다양한 화소기반 변화탐지 결과와 등록오차를 이용한 객체기반 변화탐지
Object-based Change Detection using Various Pixel-based Change Detection Results and Registration Noise 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.37 no.6, 2019년, pp.481 - 489  

정세정 (Department of Geospatial Information, Kyungpook National University) ,  김태헌 (Department of Geospatial Information, Kyungpook National University) ,  이원희 (School of Geospatial Information, Kyungpook National University) ,  한유경 (School of Geospatial Information, Kyungpook National University)

초록
AI-Helper 아이콘AI-Helper

다시기 위성 영상을 이용한 변화탐지 분석은 인간 활동의 변화를 직접 반영하는 지표이다. 변화탐지는 크게 화소 기반 변화탐지(PBCD: Pixel-Based Change Detection)와 객체 기반 변화탐지(OBCD: Object-Based Change Detection)로 구분한다. 화소 기반 변화탐지는 알고리즘이 간단하고 비교적 쉽게 정량적 분석이 가능해 전통적으로 많이 쓰여온 기법이나 고해상도 영상에서의 화소 기반 변화탐지는 오탐지나 노이즈(noise)가 발생하기 때문에 고해상도 영상에서의 활용도가 떨어진다. 또한, 고해상도 다시기 영상은 취득 당시 센서의 자세나 지형적 특성으로 인해 영상 등록(image registration)을 수행한 이후에도 지형적 불일치가 발생한다. 등록오차(registration noise)라고 불리는 이 지형 불일치는 고해상도 다시기 영상 활용을 위한 공간정보 추출 시 정확도를 떨어뜨리는 방해요인으로 작용한다. 이에 본 연구에서는 등록오차를 고려한 고해상도 영상의 객체 기반 변화탐지를 수행하였다. 이 때, 다양한 화소 기반 변화탐지 결과를 모두 고려한 객체 기반 변화탐지 결과를 도출하였으며 이 과정에서 분할 영상(segmentation image)과의 major voting을 적용하였다. 제안 기법과 화소 기반 변화탐지 결과, 그리고 화소 기반 변화탐지 결과를 객체 기반 변화탐지로 확장한 결과의 비교를 통해 제안 기법의 우수성을 평가하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Change detection, one of the main applications of multi-temporal satellite images, is an indicator that directly reflects changes in human activity. Change detection can be divided into pixel-based change detection and object-based change detection. Although pixel-based change detection is tradition...

주제어

#화소 기반 변화탐지   #객체 기반 변화탐지   #고해상도 다시기 영상   #등록오차   #분할 영상  

표/그림 (12)

참고문헌 (14)

  1. Bialas, J., Oommen, T., Rebbapragada, U., and Levin, E. (2016), Object-based classification of earthquake damage from highresolution optical imagery using machine learning, Journal of Applied Remote Sensing, Vol. 10, No. 3, pp. 036025. 

    상세보기 crossref

  2. Bruzzone, L. and Cossu, R. (2003), An adaptive approach to reducing registration noise effects in unsupervised change detection, IEEE Transactions on Geoscience and Remote Sensing, Vol. 41, No. 11, pp. 2455-2465. 

    상세보기 crossref

  3. Celik, T. (2009), Unsupervised change detection in satellite images using principal component analysis and K-means clustering, IEEE Geoscience and Remote Sensing Letters, Vol. 6, No. 4, pp. 772-776. 

    상세보기 crossref

  4. Chen, J., Xia, J., Du, P., and Chanussot, J. (2016), Combining rotation forest and multiscale segmentation for the classification of hyperspectral data, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol. 9, No. 9, pp. 4060-4072. 

    상세보기 crossref

  5. Choi, J., Park, H., Park, N., Han, S., and Song, J. (2017), Deforestation analysis using unsupervised change detection based on ITPCA, Korean Journal of Remote Sensing, Vol. 33, No. 6_3, pp. 1233-1242. (in Korean with English abstract) 

  6. Han, Y., Bovolo, F., and Bruzzone, L. (2016), Edge-based registration-noise estimation in VHR multitemporal and multisensor images, IEEE Geoscience and Remote Sensing Letters, Vol. 13, No. 9, pp. 1231-1235. 

    상세보기 crossref

  7. Han, Y., Kim, T., and Yeom, J. (2019), Improved piecewise linear transformation for precise warping of very-high-resolution remote sensing images, Remote Sensing, Vol. 11, No. 19, pp. 2235. 

    상세보기 crossref

  8. Hussain, M., Chen, D., Cheng, A., Wei, H., and Stanley, D. (2013), Change detection from remotely sensed images: from pixel-based to object-based approaches, ISPRS Journal of Photogrammetry and Remote sensing, Vol. 80, pp. 91-106. 

    상세보기 crossref

  9. Keyport, R.N., Oommen, T., Martha, T.R., Sajinkumar, K.S., and Gierke, J.S. (2018), A comparative analysis of pixel and object-based detection of landslides from very high-resolution images, International Journal of Applied Earth Observation and Geoinformation, Vol. 64, pp. 1-11. 

    상세보기 crossref

  10. Luo, H., Liu, C., Wu, C., and Guo, X. (2018), Urban change detection based on dempster-shafer theory for multitemporal very-high-resolution imagery, Remote Sensing, Vol. 10, No. 7, pp. 980. 

    상세보기 crossref

  11. Lv, Z., Liu, T., Wan, Y., Benediktsson, J.A., and Zhang, X. (2018), Post-processing approach for refining raw land cover change detection of very-high-resolution remote sensing images, Remote Sensing, Vol. 10, No. 3, pp. 472. 

    상세보기 crossref

  12. Nielsen, A.A. (2007), The regularized iteratively reweighted MAD method for change detection in multi-and hyperspectral data, IEEE Transactions on Image Processing, Vol. 16, No. 2, pp. 463-478. 

    상세보기 crossref

  13. Oommen, T., Baise, L.G., Gens, R., Prakash, A., and Gupta, R.P. (2013), Documenting earthquake-induced liquefaction using satellite remote sensing image transformations, Environmental & Engineering Geoscience, Vol. 19, No. 4, pp. 303-318. 

    상세보기 crossref

  14. Wang, X., Liu, S., Du, P., Liang, H., Xia, J., and Li, Y. (2018), Object-based change detection in urban areas from high spatial resolution images based on multiple features and ensemble learning, Remote Sensing, Vol. 10, No. 2, pp. 276. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로