표제지
제출문
요약문
SUMMARY
목차
제1장 서론 17
제2장 위성데이터를 이용한 영상처리 26
2.1. 원격탐사의 정의 26
2.2. 위성을 이용한 원격탐사에 요구되는 기술 요소 28
2.3. 위성영상의 종류 및 제원 29
제3장 위성데이더 잡음 제거 30
3.1. 다 채널 잡음 모델 30
3.2. 벡터 미디안 필터(VMF: Vector Median Filter) 35
3.3. BVDF와 GVDF 39
3.3.1. BVDF(Basic Vector Directional Filter) 40
3.3.2. GVDF(Generalized Vector Directional Filters) 42
3.4. 벡터 ⍺-trimmed 평균 필터와 제안된 가중화된 벡터 ⍺-trimmed 평균 필터 45
3.4.1. 벡터 ⍺-trimmed 평균필터 45
3.4.2. 제안된 가중화된 벡터 ⍺-trimmed 평균 필터 46
3.5. 제안된 퍼지 클러스터 필터 48
3.5.1. 퍼지 c-mean 클러스터링 알고리즘 48
3.5.2. 가능적(possibilistic) c-mean 클러스터링 50
3.5.3. 제안된 퍼지 클러스터 필터(Fuzzy Cluster Filter) 52
3.6. 조건적인 필터링 55
3.6.1. 다 채널 칼라영상 윤곽선 검출기 55
3.6.2. 조건적인 필터링을 위한 알고리즘 58
3.7. 실험 및 결과 60
제4장 위성데이터 질감 속성 68
4.1. 질감 속성 및 방법 68
4.2. 대역간 통계 행렬의 확장 72
4.2.1. 행렬 속성의 정의 72
4.3. 벡터 속성 추출 76
4.4. 질감 속성 벡터의 성능 측정 및 분별기 79
4.4.1. (비)유사성 측도 79
4.4.2. 다 채널 영상의 분별기 81
4.4.3. 분류 네트웍의 구성 82
4.5. 실험 및 고찰 84
4.5.1. 실험 방법 및 사용 영상 84
4.5.2. 위성영상의 분류 및 결과 분석 85
제5장 Dynamic KL 변환을 이용한 분류 89
5.1. Ohta의 방법 90
5.2. 다중대역으로 확장된 Dynamic KL 변환 92
5.3. 실험 및 고찰 95
5.3.1. SPOT 영상을 이용한 실험 95
5.3.2. Lansat 영상을 이용한 실험 100
제6장 통합 프로그래밍 환경 106
6.1. 프로그램 개발 환경 106
6.2. 윈도우즈 기반 프로그래밍 구성 모듈 106
6.2.1. 위성 영상 입출력 모듈 107
6.2.2. 구역 분할 관점의 Dynamic KL변환 분류 모듈 108
6.2.3. 비선형 잡음 발생기 및 제거 기법 모듈 111
제7장 결론 114
참고문헌 118
표 1. SPOT-1 영상에서의 각 필터들의 NMSE값(×10-2)[이미지참조] 61
표 2. SPOT-2 영상에서의 각 필터들의 NMSE값(×10-2)[이미지참조] 61
표 3. SPOT-3 영상에서의 각 필터들의 NMSE값(×10-2)[이미지참조] 61
표 4. 행렬과 벡터 속성 78
표 5. SPOT 영상의 Covariance Matrix 97
표 6. SPOT 영상의 Eigen Value 97
표 7. SPOT 영상의 Eigen Vector 98
표 8. Ohta의 Eigenvector 98
표 9. Lansat 영상의 Covariance matrix 101
표 10. Lansat 영상의 Eigen Vector 101
그림 2.1. 원격 탐사 흐름도 27
그림 3.1. 잡음 생성 과정의 블록 다이어 그램 30
그림 3.2. 신호원 잡음과 검출기 잡음 성분을 보여주는 시스템 모델 36
그림 3.3. 스칼라 미디안 필터링에서 윤곽선 근처에 있는 임펄스 39
그림 3.4. 벡터 미디안 필터링에서 윤곽선 근처에 있는 임펄스 39
그림 3.5. 2차원 벡터의 집합 42
그림 3.6. (a) 1차원 벡터 값을 가진 신호, (b) n=5인 신호의 BVDF의... 44
그림 3.7. 방향성 처리와 후처리과정으로 크기 처리를 한 다 채널... 45
그림 3.8. 임펄스 잡음 4%의 SPOT-1영상 필터링 결과 62
그림 3.9. 임펄스 잡음 4%의 SPOT-2영상 필터링 결과 63
그림 3.10. 임펄스 잡음 4%의 SPOT-3영상 필터링 결과 64
그림 3.11. σ=15인 가우시안 잡음의 SPOT-1영상 필터링 결과 65
그림 3.12. σ=15인 가우시안 잡음의 SPOT-2영상 필터링 결과 66
그림 3.13. σ=15인 가우시안 잡음의 SPOT-3영상 필터링 결과 67
그림 4.1. SVDM의 예 73
그림 4.2. NSVDM의 예 74
그림 4.3. VRLM의 예 75
그림 4.4. 위성영상 데이터의 영상분석 블록 다이어그램 82
그림 4.5. 훈련과정 83
그림 4.6. 2층 신경망 구조 84
그림 4.7. SPOT Multispectral Image captured in Sept. 29, 1997 85
그림 4.8. 선택된 훈련집합 85
그림 4.9. 제안한 속성벡터를 사용한 실험 결과 88
그림 5.1. Dynamic KL변환의 과정 91
그림 5.2. 다중대역으로 확장된 Dynamic KL 변환 분류 92
그림 5.3. KL변환된 영상의 히스토그램과 smoothing(SPOT-1) 94
그림 5.4. 제안한 방법을 이용한 분류 결과(SPOT-1) 94
그림 5.5. Dynamic KL변환에 사용된 SPOT 영상 96
그림 5.6. 그림 5.5의 분류 결과 99
그림 5.7. 실험에 사용된 Lansat-1 영상 102
그림 5.8. 실험에 사용된 Lansat-2 영상 103
그림 5.9. Lansat-2 영상의 히스토그램(KL변환 전) 103
그림 5.10. Lansat-2 영상의 히스토그램(KL변환 후) 104
그림 5.11. 히스토그램 Smoothing 결과 104
그림 5.12. 제안된 알고리즘을 이용한 분류 결과 105
그림 6.1. 위성 영상의 입출력 대화 상자 107
그림 6.2. 입력된 위성 영상 108
그림 6.3. 선택된 밴드의 히스토그램 109
그림 6.4. 히스토그램 Smoothing 109
그림 6.5. 제안한 방법으로 분류된 영상 110
그림 6.6. Lansat 영상을 이용한 분류 110
그림 6.7. 잡음이 있는 영상 입력 111
그림 6.8. 필터의 종류를 선택하는 대화 상자 112
그림 6.9. 선택된 필터의 파라미터를 정하는 대화상자 112
그림 6.10. 잡음이 제거된 영상 113