초록
본 연구에서는 Dempster-Shafer evidence theory에 기반하여 Gaussian 질량 함수를 사용하는 융합 기법을 제안하고 있다. Dempster-Shafer 융합은 비정확성과 불확실성 measures를 각각 belief 함수와 plausibility 함수로 나타내며 이 두 함수 값 사이의 간격을 나타내는 "belief interval"에 의해 불확실성의 정도가 표현된다. 이러한 Dempster-Shafer 융합기술을 이용하여 서로 다른 센서에서 수집된 영상 자료를 융합하여 사용하여 분류 결과의 정확성을 높이고 특히 분류를 위한 매개변수를 추정하는 훈련과정에서 복합 클래스를 설정할 수 있어 단순 클래스 설정으로 인한 훈련과정이 어려움을 피할 수 있다. 이 연구에서는 경기도 용인/능평 지역에서 관측 된 KOMPSAT EOC의 범색 영상 자료와 LANDSAT ETM+의 식생지수 자료에 대해 제안된 Dempster-Shafer 융합기술을 이용하여 분류 실험을 수행하였고 분류 결과는 서로 다른 센서간의 영상자료 융합을 위한 제안된 기법의 잠재적 효과성을 보여주고 있다.
This study has proposed a data fusion method based on the Dempster-Shafer evidence theory The Dempster-Shafer fusion uses mass functions obtained under the assumption of class-independent Gaussian assumption. In the Dempster-Shafer approach, uncertainty is represented by 'belief interval' equal to the difference between the values of 'belief' function and 'plausibility' function which measure imprecision and uncertainty By utilizing the Dempster-Shafer scheme to fuse the data from multiple sensors, the results of classification can be improved. It can make the users consider the regions with mixed classes in a training process. In most practices, it is hard to find the regions with a pure class. In this study, the proposed method has applied to the KOMPSAT-EOC panchromatic image and LANDSAT ETM+ NDVI data acquired over Yongin/Nuengpyung. area of Kyunggi-do. The results show that it has potential of effective data fusion for multiple sensor imagery.