(그림 1.3.1) 연구대상지역: IKONOS PAN 1 Meter 영상=36,38,1

(그림 1.3.2) 연구대상지역: 4 Meter False Color IKONOS 다중분광 영상=37,39,1

(그림 1.3.3) 연구대상지역: 1 Meter False Color IKONOS Pan_Sharpened 영상=38,40,1

(그림 2.1.1) 확률밀도에 의한 화소 분류의 개념=41,43,1

(그림 2.2.1) Salt And Pepper 사례=43,45,1

(그림 2.3.1) 물체와 화소=44,46,1

(그림 2.3.2) 토지이용/피복변화=44,46,1

(그림 3.1.1) 원시 물체경계 추출 과정=46,48,1

(그림 3.1.2) Laplacian 오퍼레이터의 형태=47,49,1

(그림 3.1.3) 물체의 경계방향과 DN의 변화패턴=49,51,1

(그림 3.1.4) 본 연구의 제안 오퍼레이터 형태=49,51,1

(그림 3.1.5) 선형 오퍼레이터 적용 사례=50,52,1

(그림 3.1.6) 오퍼레이터 유형 및 크기별 경계강화 시뮬레이션=51,53,1

(그림 3.1.7) 연구대상지역의 경계강화 영상=52,54,1

(그림 3.1.8) 화소의 DN변화에 대한 순간변화율 사례=53,55,1

(그림 3.1.9) 잠정경계 추출 실패 사례=54,56,1

(그림 3.1.10) 경계강화 영상과 잠정경계 대상화소=54,56,1

(그림 3.1.11) 잠정경계 화소의 선형화=55,57,1

(그림 3.1.12) 선형 및 정방형 오퍼레이터의 경계추출 시뮬레이션=56,58,1

(그림 3.1.13) 리지의 DN 순간변화율=57,59,1

(그림 3.1.14) 문턱치 적용 후 리지 제거 영상=58,60,1

(그림 3.1.15) 문턱치 적용 후 영상분할단위 정리결과 영상=58,60,1

(그림 3.1.16) 5㎡이하 영상분할단위 제거 영상=59,61,1

(그림 3.2.1) 영상분할단위 ID=60,62,1

(그림 3.3.1) 영상 융합=62,64,1

(그림 3.3.2) Spectral Mixing=62,64,1

(그림 3.3.3) 분광특성 보정=63,65,1

(그림 3.3.4) 영상융합 시뮬레이션 자료=64,66,1

(그림 3.3.5) 1단계 영상융합 시뮬레이션 결과=66,68,1

(그림 3.3.6) 1단계 연구대상지역 영상융합 결과=67,69,1

(그림 3.3.7) Spectral Mixing 지역의 추정=68,70,1

(그림 3.3.8) 융합영상 보정 위한 시뮬레이션 영상=69,71,1

(그림 3.3.9) 보정대상 화소 중심의 Moving Window 예시=69,71,1

(그림 3.3.10) 시뮬레이션 영상 보정대상 화소와 보정의 결과=71,73,1

(그림 3.3.11) Spectral Mixing 보정 전 및 보정 후 분광특성 비교=71,73,1

(그림 3.3.12) 연구대상지역 1단계 융합영상의 보정 영상=72,74,1

(그림 3.4.1) 동일 건물 내의 영상분할 단위=73,75,1

(그림 3.4.2) 영역 통합=76,78,1

(그림 3.4.3) 영상분할단위 통합 과정=77,79,1

(그림 3.4.4) Hotelling's T Square Test 기반 영역통합 결과=78,80,1

(그림 3.4.5) 색차의 통계적 분석결과와 휴먼인식=79,81,1

(그림 3.4.6) Z-Score 기준 영상분할단위 통합 과정=81,83,1

(그림 3.4.7) 전체 영상의 Z-Score 기반 영상분할 단위 영역확장=83,85,1

(그림 3.4.8) Euclidian & Color Distance기반 영역확장=86,88,1

(그림 3.4.9) 영상분할단위의 Spectral Shape 비교=87,88,2

(그림 3.4.10) Spectral Shape 기반 영상분할단위 통합결과=89,91,1

(그림 3.4.11) 도시지역내의 특정방향에 따른 DN 변화=90,92,1

(그림 3.4.12) 선형구조물 검색 결과 기반의 도로 영역 통합=91,93,1

(그림 3.5.1) 동일물체 내 화소의 분광반사측정치의 특성=92,94,1

(그림 3.5.2) 동일물체내 상이한 사면과 다른 물체의 분광특성=93,95,1

(그림 3.5.3) 동일물체내 상이한 사면 및 다른 물체의 DN 값 산포도 비교=94,96,1

(그림 3.5.4) Hypersphere에의 투영방법=95,97,1

(그림 3.5.5) HSCD 결과와 원래 분광특성 곡선 비교=96,98,1

(그림 3.6.1) Hough Transform의 개념도=98,100,1

(그림 3.6.2) 영상분할단위 경계의 직선형태 검출=99,101,1

(그림 3.6.3) 데이터에 따른 경계선=100,102,1

(그림 3.6.4) 물체경계선분의 노드와 아크=101,103,1

(그림 3.6.5) 물체경계 선분의 수평에 대한 경사각=102,104,1

(그림 3.6.6) 물체경계 선분중 45±10 및 135±10 ˚의 선분추출결과=103,105,1

(그림 3.6.7) 물체경계선분의 곡선 정도 분석결과=104,106,1

(그림 3.6.8) 물체경계선분 중 직선에 근사한 선분 (측정치 30 이하)=105,107,1

(그림 3.6.9) 인공적인 지형지물의 정형화된 패턴=106,108,1

(그림 3.6.10) 물체경계 코너의 Squaring (1)=107,109,1

(그림 3.6.11) 물체경계 코너의 Squaring (2)=108,110,1

(그림 3.7.1) 벡터 및 영상자료 DB 연계방식=110,112,1

(그림 3.8.1) 비닐하우스 및 식재림=112,114,1

(그림 3.8.2) 분광특성 및 형태기반 도로 Seed 선형 추출=118,120,1

(그림 3.8.3) 도로 선형헝태 검출=120,122,1

(그림 3.8.4) 도로 네트워크 단절 부분 및 도로 방향성=122,124,1

(그림 3.8.5) 도로 방향성 기반 도로 네트워크 보완 방법=123,125,1

(그림 3.8.6) 30-100m 선형 기반 도로 추출 및 네트워크 보완 결과=124,126,1

(그림 3.8.7) 도로후보지역 경계=125,127,1

(그림 3.8.8) 시작단계=128,130,1

(그림 3.8.9) 1단계 영상분할단위통합 검토 대상(경계강화치: 강)=129,131,1

(그림 3.8.10) 1단계 영상분할단위통합 결과=130,132,1

(그림 3.8.11) 중간단계 영상분할단위통합 검토 대상(경계강화치: 중)=131,133,1

(그림 3.8.12) 중간단계 영상분할단위통합 결과=132,134,1

(그림 3.8.13) 최종단계 영상분할단위통합 검토 대상(경계강화치: 약)=133,135,1

(그림 3.8.14) 최종단계 영상분할단위통합 결과=134,136,1

(그림 3.8.15) 블록별 도로 주 진행방향에 의한 격자망=136,138,1

(그림 3.8.16) 경계정비 전 지형지물 경계=137,139,1

(그림 3.8.17) 경계정비 후 지형지물 경계=138,140,1

(그림 3.8.18) 지형지물 경계 폐색=140,142,1

(그림 3.8.19) 지형지물 폐색경계와 지적경계=141,143,1

(그림 3.8.20) 지형지물 폐색경계와 지형도 건물위치비교=142,144,1

(그림 3.8.21) Spatial Autocorrelation 지역 분석 과정 개념도=145,147,1

(그림 3.8.22) Spatial Autocorrelation 지역 분석 과정=146,148,1

(그림 3.8.23) 영상분할단위 기반 영상분류의 개념도=148,150,1

(그림 3.8.24) 확률밀도를 이용한 토지이용/피복분류 개념도=149,151,1

(그림 3.9.1) 확률밀도 기반 객체지향적 토지이용/피복분류 결과=155,157,1

(그림 3.9.2) 필지내 토지이용/피복유형 다양성 사례=156,158,1

(그림 3.9.3) 영상분할단위별 토지이용/피복분류도=157,159,1

(그림 3.9.4)필지별 토지이용/피복 현황도=158,160,1

(그림 3.9.5) 토지이용/피복분류 지역경계의 모호성=159,161,1

(그림 3.9.6) 토지이용/피복지역 기반의 지역 토지이용/피복현황도=161,163,1

(그림 3.9.7) 영상분할단위별 토지이용/피복분류도=162,164,1

(그림 3.9.8) 과수원지역 밀집도 분석결과도=162,164,1

(그림 3.9.9) 영상분할단위별 토지이용/피복분류도=163,165,1

(그림 3.9.10) 산림지역 밀집도 분석결과도=163,165,1

(그림 3.10.1) 전통적 화소단위 최대우도 분류방법 분류 결과=166,168,1

(그림 3.10.2) 확률밀도기반 객체지향적 토지이용/피복분류 결과=169,171,1

(그림 3.11.1)필지별 위성영상 검색 기능=173,175,1

(그림 3.11.2) 위성영상 불러오기=174,176,1

(그림 3.11.3) 주소검색에 의한 해당 필지의 위성영상 검색=174,176,1

(그림 3.11.4) 주소검색에 의한 해당 필지 위성영상 검색 후 주변 필지 영상 보기=175,177,1

(그림 3.11.5) 지형도(건물경계, 도로중심선 등)를 갱신수정=176,178,1

(그림 3.11.6) 지형도 갱신수정 편집 도구=177,179,1

(그림 3.11.7) 도로중심선 편집=177,179,1

(그림 3.11.8) 도로중심선 및 도로경계 생성결과 화면=178,180,1

(그림 3.11.9) 지형도 건축물 레이어 갱신=179,181,1

(그림 3.11.10) 국토이용계획법상 용도지역지구 자료=180,182,1

(그림 3.11.11) 토지종합정보망의 편집지적: 필지별 지목=180,182,1

(그림 3.11.12) 위성영상 필지별 토지이용/피복분류 결과=181,183,1

(그림 3.11.13) 취락지구내 기개발지 분석=181,183,1

(그림 3.11.14) 지목 및 개발가능지 분석=182,184,1

(그림 3.11.15) 지목 및 현재 토지이용/피복유형 불일치 지역=183,185,1

(그림 3.11.16) 무단형질변경의 가능성 있는 필지 분석=183,185,1

(그림 3.11.17) 지목이 과수원이면서 토지이용 피복분류가 과수원이 아닌 필지=184,186,1

jpg

(그림 1.3.2) 연구대상지역: 4 Meter False Color IKONOS 다중분광 영상=37,39,1

(그림 1.3.3) 연구대상지역: 1 Meter False Color IKONOS Pan_Sharpened 영상=38,40,1

(그림 2.2.1) Salt And Pepper 사례=43,45,1

(그림 2.3.2) 토지이용/피복변화=44,46,1

(그림 3.1.9) 잠정경계 추출 실패 사례=54,56,1

(그림 3.1.10) 경계강화 영상과 잠정경계 대상화소=54,56,1

(그림 3.1.11) 잠정경계 화소의 선형화=55,57,1

(그림 3.1.13) 리지의 DN 순간변화율=57,59,1

(그림 3.1.14) 문턱치 적용후 리지 제거 영상=58,60,1

(그림 3.1.15) 문턱치 적용 후 영상분할단위 정리결과 영상=58,60,1

(그림 3.1.16) 5㎡이하 영상분할단위 제거 영상=59,61,1

(그림 3.2.1) 영상분할단위 ID=60,62,1

(그림 3.3.1) 영상 융합=62,64,1

(그림 3.3.2) Spectral Mixing=62,64,1

(그림 3.3.3) 분광특성 보정=63,65,1

(그림 3.3.4) 영상융합 시뮬레이션 자료=64,66,1

(그림 3.3.5) 1단계 영상융합 시뮬레이션 결과=66,68,1

(그림 3.3.6) 1단계 연구대상지역 영상융합 결과=67,69,1

(그림 3.3.7) Spectral Mixing 지역의 추정=68,70,1

(그림 3.3.8) 융합영상 보정 위한 시뮬레이션 영상=69,71,1

(그림 3.3.9) 보정대상 화소 중심의 Moving Window 예시=69,71,1

(그림 3.3.10) 시뮬레이션 영상 보정대상 화소와 보정의 결과=71,73,1

(그림 3.3.11) Spectral Mixing 보정 전 및 보정 후 분광특성 비교=71,73,1

(그림 3.3.12) 연구대상지역 1단계 융합영상의 보정 영상=72,74,1

(그림 3.4.1) 동일 건물 내의 영상분할 단위=73,75,1

(그림 3.4.2) 영역 통합=76,78,1

(그림 3.4.4) Hotelling's T Square Test 기반 영역통합 결과=78,80,1

(그림 3.4.7) 전체 영상의 Z-Score 기반 영상분할 단위 영역확장=83,85,1

(그림 3.4.8) Euclidian & Color Distance기반 영역확장=86,88,1

(그림 3.4.9) 영상분할단위의 Spectral Shape 비교=87,88,2

(그림 3.4.10) Spectral Shape 기반 영상분할단위 통합결과=89,91,1

(그림 3.4.11) 도시지역내의 특정방향에 따른 DN 변화=90,92,1

(그림 3.4.12) 선형구조물 검색 결과 기반의 도로 영역 통합=91,93,1

(그림 3.5.2) 동일물체내 상이한 사면과 다른 물체의 분광특성=93,95,1

(그림 3.5.5) HSCD 결과와 원래 분광특성 곡선 비교=96,98,1

(그림 3.6.2) 영상분할단위 경계의 직선형태 검출=99,101,1

(그림 3.6.3) 데이터에 따른 경계선=100,102,1

(그림 3.6.4) 물체경계선분의 노드와 아크=101,103,1

(그림 3.6.5) 물체경계 선분의 수평에 대한 경사각=102,104,1

(그림 3.6.6) 물체경계 선분중 45±10 및 135±10°의 선분추출 결과=103,105,1

(그림 3.6.7) 물체경계선분의 곡선 정도 분석결과=104,106,1

(그림 3.6.8) 물체경계선분 중 직선에 근사한 선분(측정치 30 이하)=105,107,1

(그림 3.6.9) 인공적인 지형지물의 정형화된 패턴=106,108,1

(그림 3.6.10) 물체경계 코너의 Squaring(1)=107,109,1

(그림 3.6.11) 물체경계 코너의 Squaring(2)=108,110,1

(그림 3.8.1) 비닐하우스 및 식재림=112,114,1

(그림 3.8.2) 분광특성 및 형태기반 도로 Seed 선형 추출=118,120,1

(그림 3.8.3) 도로 선형형태 검출=120,122,1

(그림 3.8.4) 도로 네트워크 단절 부분 및 도로 방향성=122,124,1

(그림 3.8.5) 도로 방향성 기반 도로 네트워크 보완 방법=123,125,1

(그림 3.8.6) 30-100m 선형 기반 도로 추출 및 네트워크 보완 결과=124,126,1

(그림 3.8.7) 도로후보지역 경계=125,127,1

(그림 3.8.8) 시작단계=128,130,1

(그림 3.8.9) 1단계 영상분할단위통합 검토 대상(경계강화치:강)=129,131,1

(그림 3.8.10) 1단계 영상분할단위통합 결과=130,132,1

(그림 3.8.11) 중간단계 영상분할단위통합 검토 대상(경계강화치:중)=131,133,1

(그림 3.8.12) 중간단계 영상분할단위통합 결과=132,134,1

(그림 3.8.13) 최종단계 영상분할단위통합 검토 대상(경계강화치:약)=133,135,1

(그림 3.8.14) 최종단계 영상분할단위통합 결과=134,136,1

(그림 3.8.15) 블록별 도로 주 진행방향에 의한 격자망=136,138,1

(그림 3.8.16) 경계정비 전 지형지물 경계=137,139,1

(그림 3.8.17) 경계정비 후 지형지물 경계=138,140,1

(그림 3.8.18) 지형지물 경계 폐색=140,142,1

(그림 3.8.19) 지형지물 폐색경계와 지적경계=141,143,1

(그림 3.8.20) 지형지물 폐색경계와 지형도 건물위치비교=142,144,1

(그림 3.8.22) Spatial Autocorrelation 지역 분석 과정=146,148,1

(그림 3.9.1) 확률밀도 기반 객체지향적 토지이용/피복분류 결과=155,157,1

(그림 3.9.2) 필지내 토지이용/피복유형 다양성 사례=156,158,1

(그림 3.9.3) 영상분할단위별 토지이용/피복분류도=157,159,1

(그림 3.9.4) 필지별 토지이용/피복 현황도=158,160,1

(그림 3.9.5) 토지이용/피복분류 지역경계의 모호성=159,161,1

(그림 3.9.6) 토지이용/피복지역 기반의 지역 토지이용/피복현황도=161,163,1

(그림 3.9.7) 영상분할단위별 토지이용/피복분류도=162,164,1

(그림 3.9.8) 과수원지역 밀집도 분석결과도=162,164,1

(그림 3.9.9) 영상분할단위별 토지이용/피복분류도=163,165,1

(그림 3.9.10) 산림지역 밀집도 분석결과도=163,165,1

(그림 3.10.1) 전통적 화소단위 최대우도 분류방법 분류 결과=166,168,1

(그림 3.10.2) 확률밀도기반 객체지향적 토지이용/피복분류 결과=169,171,1

(그림 3.11.1) 필지별 위성영상 검색 기능=173,175,1

(그림 3.11.2) 위성영상 불러오기=174,176,1

(그림 3.11.3) 주소검색에 의한 해당 필지의 위성영상 검색=174,176,1

(그림 3.11.4) 주소검색에 의한 해당 필지 위성영상 검색 후 주변 필지 영상 보기=175,177,1

(그림 3.11.5) 지형도(건물 경계, 도로중심선 등)를 갱신수정=176,178,1

(그림 3.11.7) 도로중심선 편집=177,179,1

(그림 3.11.8) 도로중심선 및 도로경계 생성결과 화면=178,180,1

(그림 3.11.9) 지형도 건축물 레이어 갱신=179,181,1

(그림 3.11.10) 국토이용계획법상 용도지역지구 자료=180,182,1

(그림 3.11.11) 토지종합정보망의 편집지적: 필지멱 지목=180,182,1

(그림 3.11.12) 위성영상 필지별 토지이용/피복분류 결과=181,183,1

(그림 3.11.13) 취락지구내 기개발지 분석=181,183,1

(그림 3.11.14) 지목 및 개발가능지 분석=182,184,1

(그림 3.11.15) 지목 및 현재 토지이용/피복유형 불일치 지역=183,185,1

(그림 3.11.16) 무단형질변경의 가능성 있는 필지 분석=183,185,1

(그림 3.11.17) 지목이 과수원이면서 토지이용 피복분류가 과수원이 아닌 필지=184,186,1

A Report To The Research Institute For Human Settlements,August 2005=197,199,1

Figure 1. Upper Left: Panchromatic Image. Upper Right: False Color Composite Of Multi-scale Texture Images. Lower Left: 3x3 Texture. Lower Right: 21x21 Texture=228,230,1

Figure 3. Locations Of Scale-Dependent Texture Profiles(See Figure 2 and Table 2)=230,232,1

Figure 4. Components Of Scale-dependent Texture Profiles. Upper Left: Minimum Texture. Upper Right: Maximum Texture. Lower Left: Medium Texture. Lower Right: Texture Range=231,233,1

Figure 5. Upper Left: Panchromatic Image. Upper Right: False Color Composite Of Directional Texture Bands. Lower Left: E-W Directional Texture. Lower Right: NE-SW Directional Texture=232,234,1

Figure 6. Upper Left: Minimum Texture. Upper Right: Scale Associated With Minimum Texture. Lower Left: Minimum Angular Texture. Lower Right: Direction Associated With Minimum Angular Texture=233,235,1

Figure 7. Upper Left: Minimum Texture And Directional Texture. Upper Right: Scale Or Direction Associated With Minimum Value Of Texture Or Texture Or Directional Texture. Lower Left: Median Texture. Lower Right: Scale associated With Median Texture=234,236,1

Figure 8. Upper Left: Adaptive Texture. Upper Right: Adaptive Texture Classes(See Also Table2 And Figure4.) Lower Left: False Color Composite Of Composite Of Difference Images Of Texture Bands. Lower Right: Scale Of Stepped Rising Texture=235,237,1

Figure 9. Test Areas For Contingency Analysis=236,238,1