EESRGAN 모델을 이용한 Sentinel-2 초해상화 영상의 토지피복분류 정확도 평가 (Land Cover Classification Accuracy Assessment of Super-Resolution Sentinel-2 Imagery Using EESRGAN)

서지정보

· 발행기관 : 대한공간정보학회
· 수록지 정보 : 대한공간정보학회지 / 32권 / 2호 / 51 ~ 58페이지
· 저자명 : 박근렬, 조기성

초록

공간해상도가 낮은 위성영상을 사용하는 경우 정확한 객체 탐지에 활용하기에는 어느 정도 한계가 있기 때문에 저해상도 위성영상의 공간해상도를 향상시키기 위한 방법으로 초해상화 기술에 대한 연구가 최근 활발히 진행되고 있다. 본 연구에서는 딥러닝 기반 초해상화 모델인 edge enhanced super-resolution generative adversarial network (EESRGAN)을 이용하여 Sentinel-2 위성영상의 공간해상도를 4배 향상시켰으며, peak signal-to-noise ratio(PSNR), structural similarity index map(SSIM) 지수를 이용해 이미지 유사성을 분석하고 Mahalanobis distance 분류 방법을 이용해 토지피복분류를 수행하여 그 정확도를 평가하였다. 그 결과 초해상화 영상에서 분류정확도가 최대 6.04% 개선됨을 확인하였고, 원영상에 비해 오분류가 낮게 나타남을 알 수 있었다. 따라서 본 연구에서 적용한 딥러닝 기반 초해상화 기법을 이용하여 토지피복분류, 도시계획, 환경모니터링, 재해감지 등 다양한 분야에 활용할 수 있을 것으로 기대된다.

영어초록

The use of low spatial resolution satellite images has certain limitations for accurate object detection, prompting recent active research into super resolution technology to improve the spatial resolution of satellite images. In this study, we enhanced the spatial resolution of Sentinel-2 satellite images by a factor of four using a deep learning based super resolution model edge enhanced super resolution generative adversarial network(EESRGAN). We analyzed image similarity using peak signal–to-noise ratio(PSNR) and structural similarity index map(SSIM) metrics, and evaluated land cover classification accuracy through the Mahalanobis distance classification method. The results showed that the classification accuracy of the super resolution images improved by up to 6.04%, and misclassification was reduced compared to the original images. Therefore, the deep learning based super resolution technique applied in this study is expected to be used in

참고자료

· 없음