A Study on the Effect of Image Resampling in Land Cover Classification

토지피복분류에 있어서 이미지재배열의 영향에 관한 연구

Image is composed of the digital numbers including information on natural phenomena, their condition and the kind of objects. Digital numbers change in geometric correction(that is preprocessing). This change of digital numbers gave an effect on results of land-cover classification. We intend to know the influence of resampling as classifying land-cover using the image reconstructed by geometric correction in this paper. Chun-cheon basin was selected the study area having most variable land-cover pattern in North-Han river valley and made on use of RESTEC data resampled in preprocessing. Land-cover is classified as six classes of LEVEL I using maximum likelyhood classification method. We classified land-cover using the image resampled by two methods in this study. Bilinear interpolation method was most accurate in five classes except bear-land in the result of comparing each class with topographic map. We should choose the method of resampling according to the class in which we put the importance in the image resampling of geometric correction. And if we use four-season's image, we may classify more accurately in case of the confusion in case of the confusion in borders of rice field and farm.

영상은 어떤 현상이나 대상물의 종류와 현상조건에 대한 정보를 포함하고 있는 화소값으로 구성되며, 화소값은 전처리 과정인 기하보정으로 변화된다. 이러한 화소값의 변화는 토지피복 분류 결과에 영향을 미친다. 본 논문에서는 기하보정으로 재구성된 영상을 이용하여 토지피복 분류를 함으로서 재배열의 영향을 알고자 한다. 연구대상 지역은 북한강 수계 중에서 가장 다양한 피복형태를 가지고 있는 춘천시를 중심으로 하는 춘천유역을 선정하였고, 전처리과정에서 재배열된 RESTEC 데이타가 이용되었다. 토지피복 분류는 최대우도법을 사용하여 LEVEL I 수준인 여섯개의 분류항목으로 분류되었다. 본 연구에서 두 가지 방법으로 재배열된 영상을 이용하여 토지피복 분류를 실시하였다. 각각의 분류항목을 지형도와 비교한 결과 Bilinear Interpolation법이 나지(BARE-LAND)를 제외한 다섯개의 분류항목에서 정확도가 좋았다. 결론적으로 기하보정의 영상 재배열은 어떤 분류항목에 중점을 두고 분류를 행하느냐에 따라서 재배열 방법을 선택해야 하며 논과 밭의 경우와 같은 분류항목간의 혼돈은 사계절 영상을 이용하면 더욱 더 정확하게 분류할 수 있을 것이다.