Abstract
The land cover map derived from spectral features of high resolution optical images has low spectral resolution and heterogeneity in the same land cover class. For this reason, despite the same land cover class, the land cover can be classified into various land cover classes especially in vegetation area. In order to overcome these problems, detailed vegetation classification is applied to optical satellite image and SAR(Synthetic Aperture Radar) integrated data in vegetation area which is the result of pre-classification from optical image. The pre-classification and vegetation classification were performed with MLC(Maximum Likelihood Classification) method. The hierarchical land cover classification was proposed from fusion of detailed vegetation classes and non-vegetation classes of pre-classification. We can verify the facts that the proposed method has higher accuracy than not only general SAR data and GLCM(Gray Level Co-occurrence Matrix) texture integrated methods but also hierarchical GLCM integrated method. Especially the proposed method has high accuracy with respect to both vegetation and non-vegetation classification.
고해상도 위성영상의 다중분광자료만을 이용하여 토지 피복도를 제작할 경우, 낮은 분광해상도와 단일 토지 피복 내에 존재하는 불균질성으로 인해 분류 결과의 정확도가 저하되는 문제가 발생한다. 특히 식생 클래스의 경우 단일 토지 피복임에도 불구하고 절감 특성에 따라 해당 영역 안에 산림, 초지, 농업지역 등이 함께 분류되는 문제가 두드러진다. 본 연구에서는 이러한 문제를 개선하기 위해 광학 영상 기반의 사전분류를 수행한 후 식생으로 분류된 영역에 대해 고해상도 위성영상의 다중분광정보와 SAR 영상 산란 정보를 통합하고 식생을 세분류하였다. 사전 분류와 식생분류는 최대우도 감독분류를 통해 수행되었으며 식생 세분류 결과와 사전 분류결과 중 비식생 클래스의 융합을 통해 계층적 분류 방법을 제안하였다. 제안 기법은 SAR 영상이나 GLCM 질감 정보를 영상 전체에 걸쳐 단순 통합한 분류결과뿐만 아니라 GLCM 질감 정보를 식생 지역에 적용한 계층적 분류결과에 비해 높은 정확도를 보였으며 특히 식생과 비식생의 분류 정확도가 모두 높게 나타났다.
