자동 임계값 추출 알고리즘과 KOMPSAT-3A를 활용한 무감독 변화탐지의 정확도 평가 (Accuracy Assessment of Unsupervised Change Detection Using Automated Threshold Selection Algorithms and KOMPSAT-3A)

서지정보

· 발행기관 : 대한원격탐사학회
· 수록지 정보 : 대한원격탐사학회지 / 36권 / 5호 / 975 ~ 988페이지
· 저자명 : 이승민, 정종철

초록

변화탐지는 서로 다른 시점에 촬영된 영상에서 일어난 변화를 관측하는 기술로 위성영상을 활용한 원격탐사 분야에서 중요한 기술이다. 변화탐지 기법 중 하나인 무감독 변화탐지 기법은 단시간 내에 변화지역을 추출할 수 있는 장점을 지니지만, 임계값을 통해 변화된 지역을 이진영상으로 나타내기 때문에 토지피복변화를 파악하기 어렵다는 단점이 있다. 본 연구는 이러한 무감독 변화탐지의 단점을 보완하기 위해 공간정보를 기반으로 생성된 격자 포인트를 이용하여 위성영상의 토지피복변화 및 정확도 평가를 수행하였다. 변화탐지 알고리즘은 Spectral Angle Mapper(SAM)를 사용하였으며, 김제자유무역지역 일대를 촬영한 KOMPSAT-3A(K3A) 위성영상을 대상으로 진행하였다. 변화탐지결과는 자동 임계값 추출 알고리즘들 중 Otsu, Kittler, Kapur, Tsai 방법을 사용하여 이진영상으로 나타냈다. 또한, 변화탐지에 사용된 두 시점의 위성영상은 계절에 의한 식생 변화가 존재하기 때문에 확률밀도함수를 통한 Differenced Normalized Difference Vegetation Index(dNDVI)의 임계값으로 계절적 영향을 받는 지역을 제거하였다. 연구 결과, 자동 임계값 추출 알고리즘 중 Otsu와 Kapur의 정확도가 58.16%로 나타났고, dNDVI를 통해 계절적 영향을 제거하였을 때 85.47%로 정확도가 개선된 결과를 보였다. 본 연구결과를 기반으로 생성된 알고리즘은 무감독 변화탐지를 수행할 때 정확도 평가와 토지피복변화를 정량적으로 파악하여 기존의 단점을 보완할 수 있다고 판단된다.

영어초록

Change detection is the process of identifying changes by observing the multi-temporal images at different times, and it is an important technique in remote sensing using satellite images.
Among the change detection methods, the unsupervised change detection technique has the advantage of extracting rapidly the change area as a binary image. However, it is difficult to understand the changing pattern of land cover in binary images. This study used grid points generated from seamless digital map to evaluate the satellite image change detection results. The land cover change results were extracted using multi-temporal KOMPSAT-3A (K3A) data taken by Gimje Free Trade Zone and change detection algorithm used Spectral Angle Mapper (SAM). Change detection results were presented as binary images using the methods Otsu, Kittler, Kapur, and Tsai among the automated threshold selection algorithms.
To consider the seasonal change of vegetation in the change detection process, we used the threshold of Differenced Normalized Difference Vegetation Index (dNDVI) through the probability density function.
The experimental results showed the accuracy of the Otsu and Kapur was the highest at 58.16%, and the accuracy improved to 85.47% when the seasonal effects were removed through dNDVI. The algorithm generated based on this research is considered to be an effective method for accuracy assessment and identifying changes pattern when applied to unsupervised change detection.

참고자료

· 없음