지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 조기성
- 발행연도
- 2017
- 저작권
- 전북대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Hyperspectral imaging is one of the spectral imaging and has high resolution in comparison to previous multi-spectral imaging by reducing the width of the bands and increasing the number of bands.
Each pixel of the hyperspectral image includes much more information and it is considered the most appropriate technic for land cover classification. Hyperspectral imaging was introduced recently in Korea, thus land cover classification was nothing more than at a general level which has less than ten classes due to the limited data and technics for analysis. In order to assess the viability of detail land cover classification which is more advanced, compared to general land cover classification, we examined the accuracy improvement of detail classification by making a decision tree based on existing result of spectral similarity method. The result of the research shows that SAM method which sort spectrum distribution is suitable for general land cover classification and SSS method which take spectrum distribution and magnitude of reflectance into account is appropriate for detail land cover classification. It also appears that the accuracy of detail classification was improved by making a decision tree.
Each pixel of the hyperspectral image includes much more information and it is considered the most appropriate technic for land cover classification. Hyperspectral imaging was introduced recently in Korea, thus land cover classification was nothing more than at a general level which has less than ten classes due to the limited data and technics for analysis. In order to assess the viability of detail land cover classification which is more advanced, compared to general land cover classification, we examined the accuracy improvement of detail classification by making a decision tree based on existing result of spectral similarity method. The result of the research shows that SAM method which sort spectrum distribution is suitable for general land cover classification and SSS method which take spectrum distribution and magnitude of reflectance into account is appropriate for detail land cover classification. It also appears that the accuracy of detail classification was improved by making a decision tree.
목차
제 1 장 서 론 11.1 연구배경 및 목적 11.2 연구연혁 31.3 연구내용 및 범위 6제 2장 이론적 배경 92.1 초분광영상 92.1.1 초분광영상의 정의 92.1.2 초분광영상의 센서 112.2 초분광영상의 분석 142.2.1 초분광영상의 전처리 142.2.2 초분광영상의 분류 152.2.3 무감독 분류 162.2.4 감독 분류 22제 3 장 적용 및 고찰 313.1 연구대상지역 선정 313.2 영상의 제원 323.3 클래스 선정 및 분류 결과 343.3.1 클래스 선정 343.3.2 Training Sample 선정 353.3.3 유사도 기법을 활용한 분류 결과 363.4 분류 정확도 평가 및 분석 483.4.1 Reference Data 제작 493.4.2 ED(Euclid Distance) 정확도 평가 513.4.3 SAM(Spectral Angle Mapping) 정확도 평가 553.4.4 SSS(Spectral Similarity Scale) 정확도 평가 593.4.5 정확도 평가 결과의 종합 분석 663.5 Decision Tree 기법 723.5.1 분류 기준 설정 733.5.2 Decision Tree 기법을 활용한 분류 결과 753.5.3 Decision Tree 정확도 평가 79제 4 장 결 론 92참고문헌 94
최근 본 자료
댓글(0)
0