KSCE Journal of Civil and Environmental Engineering Research (대한토목학회논문집)

Korean Society of Civil Engeneers (대한토목학회)
권호 표지
DOI QR코드

DOI QR Code

Development of a Compound Classification Process for Improving the Correctness of Land Information Analysis in Satellite Imagery - Using Principal Component Analysis, Canonical Correlation Classification Algorithm and Multitemporal Imagery -

위성영상의 토지정보 분석정확도 향상을 위한 응용체계의 개발 - 다중시기 영상과 주성분분석 및 정준상관분류 알고리즘을 이용하여 -

  • Received : 2008.04.14
  • Accepted : 2008.05.15
  • Published : 2008.07.31
Download PDF
⟨ Previous Next ⟩

Abstract

The purpose of this study is focused on the development of compound classification process by mixing multitemporal data and annexing a specific image enhancement technique with a specific image classification algorithm, to gain more accurate land information from satellite imagery. That is, this study suggests the classification process using canonical correlation classification technique after principal component analysis for the mixed multitemporal data. The result of this proposed classification process is compared with the canonical correlation classification result of one date images, multitemporal imagery and a mixed image after principal component analysis for one date images. The satellite images which are used are the Landsat 5 TM images acquired on July 26, 1994 and September 1, 1996. Ground truth data for accuracy assessment is obtained from topographic map and aerial photograph, and all of the study area is used for accuracy assessment. The proposed compound classification process showed superior efficiency to appling canonical correlation classification technique for only one date image in classification accuracy by 8.2%. Especially, it was valid in classifying mixed urban area correctly. Conclusively, to improve the classification accuracy when extracting land cover information using Landsat TM image, appling canonical correlation classification technique after principal component analysis for multitemporal imagery is very useful.

본 연구의 목적은 위성영상으로부터 보다 정확한 토지정보를 취득하기 위해 다중시기데이터의 혼합과 특정 영상강조기법 및 영상분류알고리즘을 병합하여 적용하는 응용분류체계의 개발이다. 즉, 본 연구에서는 혼합된 다중시기데이터를 주성분분석한 후 정준상관분류기법을 적용하는 분류과정을 제안한다. 이 분류과정의 결과를 단일영상별 정준상관분류결과, 다중시기혼합영상의 정준상관분류결과, 시기별 주성분분석 후 정준상관분류결과와 비교한다. 사용된 위성영상은 1994년 7월 26일과 1996년 9월 1일에 취득된 Landsat 5 TM 영상이다. 정확도평가를 위한 지상실제데이터는 지형도 및 항공사진으로부터 취득되었으며, 연구대상영역 전체가 정확도평가 대상으로 사용되었다. 제안된 응용분류체계는 단일영상만을 사용하여 정준상관분류를 수행한 경우보다 분류정확도면에서 약 8.2% 상승되는 우수한 효과를 보여주었다. 특히, 복잡한 토지특성이 혼합되어 있는 도시역을 정확히 분류하는데 유효하였다. 결론적으로 Landsat TM 영상을 사용한 토지피복정보 추출시 분류정확도를 높이기 위해서, 다중시기영상을 사전에 주성분분석 후 정준상관분류기법을 적용하면 매우 효과적임을 확인하였다.

Keywords

References

  1. 金勇日(1991) 人工衛星 遠隔探査 데이타의 分析 正確度 向上에 關한 硏究-地形的 分光反射特性 補正과 統計的 分類技法을 中心으로. 박사학위논문, 서울대학교 대학원
  2. 박민호(2006) 하이퍼스펙트럴영상 분류에서 정준상관분류기법의 유용성. 대한토목학회논문집, 대한토목학회, 제26권, 제5D호, pp. 890
  3. 박종남, 서정희(1988) 식생이 무성한 지역에서의 Principal Component Analysis에 의한 Landsat TM 자료의 광역지질도 작성. 대한원격탐사학회지, 대한원격탐사학회, Vol. 4, No. 1, p. 49
  4. 이기원, 박성미, 지광훈(1996) Landsat자료를 이용한 도시환경 변화추출에서의 주성분분석과 퍼지집합연산의 응용. 대한원격탐사학회지, 대한원격탐사학회, Vol. 12, No. 3, p. 257
  5. 李喜演(1991) 地理 統計學. 法文社
  6. 장훈, 윤완석(2003) 표준화 주성분 분석(Standardized PCA)을 이용한 LANDSAT 위성자료 분류(Classification)의 정확도 향상. 한국GIS학회.대한원격탐사학회 2003 공동 춘계학술대회, 한국GIS학회, 대한원격탐사학회, pp. 151-156
  7. 장훈, 윤완석, 신동준(2004) 혼합화소와 정준상관분석을 이용한 감독분류의 최적밴드선정에 관한 연구. 대한토목학회논문집, 대한토목학회, 제24권, 제6D호, pp. 963-970
  8. Almeida-Filho, R. and Shimabukuro, Y.E. (2002) Digital processing of a Landsat TM time series for mapping and monitoring degraded areas caused by independent gold miners, roraima state, Brazilian Amazon. Remote Sensing Environment, 79, pp. 42-50 https://doi.org/10.1016/S0034-4257(01)00237-1
  9. Cheriyadat, A. and Bruce, L.M. (2003) Why Principal Component Analysis is not an Appropriate Feature Extraction Method for Hyperspectral Data. IEEE, pp. 3420-3422
  10. Clark, D. (1975) Understanding canonical correlation analysis. Norwich: Geo Abstracts Ltd.
  11. Congalton, R. and Green, K. (1999) Assessing the Accuracy of Remote Sensing Data: Principles and Practices, Roca Baton, Lewis
  12. Du, Y., Teillet, P., and Cihlar, J. (2002) Radiometric normalization of multitemporal high-resolution satellite images with quality control for land cover change detection. Remote Sensing Environment, Vol. 82, pp. 123-134 https://doi.org/10.1016/S0034-4257(02)00029-9
  13. Jeong, J.C. and Yoo, S.J. (1998) Water Quality Observation using Principal Component Analysis. Proceeding of International Symposium on Remote Sensing, Journal of Korean Society of Remote Sensing, p. 58
  14. Johnson, R.A. and Wichern, D.W. (2002) Applied multivariate statistical analysis. Fifth Edition, Prentice Hall
  15. Mitternicht, G.I. and Zinck, J.A. (2003) Remote Sensing of Soil Salinity : Potentials and Constraints. Remote Sensing Environment, 85, pp. 1-20 https://doi.org/10.1016/S0034-4257(02)00188-8