원격탐사

본문내용

불확실성은 확률적으로 표현하였다. 확률론에서는 x가 흰색일지 검은 색일지 애매하기는 하나 반드시 흰색이나 검은 색으로 된다. 그러나 퍼지이론에서는 회색이 될 수도 있다는 것이 큰 차이점이다.
예를 들면 리모트센싱 화상을 분류할 때 분류클라스의 경계를 확실히 정하기 어려운 경우가 많다. 삼림과 초지와의 구별은 명확하지 않고 실제로 중간적, 천이적인 클라스가 존재한다. 이와 같이 분류클라스의 정의에 애매함이 있고 클라스의 경계가 확실치 않은 경우에는 퍼지이론을 효과적으로 이용할 수 있다. 또 인간이 행하는 화상판독은 정량적이기보다는 정성적인 판단에 의한 부분이 많고 계산기에 의한 해석도 정성적 처리가 많으므로 퍼지이론의 적용범위는 대단히 넓다.
퍼지이론의 응용은 퍼지 클러스터링을 비롯해서 여러 분야가 있다. 여기서는 퍼지 이론을 활용한 분류방법의 확장 예로서 퍼지 최적분류법에 대해 설명해 둔다. 클라스 k(k=1,n)의 멤버십 함수를(Mf(k) 라고 하면 퍼지 클라스 f의 우도 Lf는 다음과 같이 바꾸어 얻을 수 있다.
L_f = SUM from { {k}=0} to n ｛M_f(k) ×p(x│k)×p(k)｝/ SUM from { i } to {n}｛ P(i)×P(x│i)｝
마찬가지로 클러스터링 방법 등도 퍼지이론을 이용하여 확장할 수 있다.
퍼지이론을 이용한 토지피복 분류의 경우, 먼저 아스팔트와 같이 물리적 정의가 명확한 토지피복을 자세한(1차) 분류 클라스로 분류하고, 그 다음 1차 분류 클라스로부터 고밀도 시가지와 같이 인간은 알기 쉬우나 물리적 정의가 애매한 2차 분류 클라스를 정리해 둔다. 그 과정에서 퍼지이론을 응용하고 있다.
9) 전문가 시스템에 의한 분류
전문가는 여러 가지 경험적 지식을 이용하여 종합적으로 판단해가면서 화상을 판독한다. 그러나 컴퓨터에 의한 화상분류에서는 이러한 전문가의 지식과 종합적인 판단력이 항상 유효하게 활용되고 있는 것은 아니다. Expert System은 어떤 특정한 분야에 있어서 전문가의 지식을 컴퓨터에 입력하고 인간을 도와서 문제해결을 도모하는 시스템이다. 이러한 시스템을 이용함으로써 판독전문가의 경험적인 지식 등을 활용한 분류가 가능하다. 다음과 같은 지식이 분류를 중심으로 한 리모트센싱 화상 처리, 해석에 필요하다.
(1) 화상해석방법에 관한 지식
리모트센싱 화성 처리, 해석의 수법은 그것이 적절한 대상과 적절한 상황에 이용될 때, 비로소 그 유효성이 발휘된다. 유효한 성과를 얻기 위해서는 이들 수법을 적절히 조합하여 적용할 필요가 있다. 효과적인 이용방법에 관한 지식을 가지고 화상의 적절한 처리 절차를 조언, 지시해주는 시스템의 구축이 필요한데 이러한 시스템이 현재 몇 가지 개발되어 있다. 이것들은 이용자에게 해석목적과 처리결과에 관한 만족도를 물어가면서 화상해설 절차를 결정한다.
(2) 대상물에 관한 지식
화상자료로부터 대상물을 분류하고 판독하는데는 대상물에 관한 여러 가지 지식이 필요하다. 예를 들면 스펙트럼과 texture 특징 등 화상상에서의 대상물 인식에 관한 지식과 표고 3000m 이상에서는 삼림은 존재하지 않는다 라고 하는 대상물 특유의 존재 장소에 관한 지식 등이다. 여기서는 해황도의 작성에 이용되는 지식중 조경에 관한 지식을 분류에 이용함으로써 신뢰성 등을 높일 수 있다. 한편 이러한 대상물에 관한 지식을 화상처리에서 능숙하게 살리기 위해서는 화상처리 수법에 관한 지식도 필요하므로 결국 양자의 지식 통합이 중요하다고 말할 수 있다.
많은 경우 지식은 만약(IF) ……이라면 (전제부), (THEN) ……이다 (결론부) 라는 형식으로 표현·축적되어 추론이라는 형식으로 이용된다. 이러한 IF/THEN 규칙(production rule)은 전제나 결론의 명확한 지식, 예를 들면 제한된 영역에서 전문적인 지식을 나타내는 표현방법이라고 말할 수 있다. 더욱이 규칙의 애매함을 표현할 수 있는 퍼지추론에 의한 지식표현 등 여러 가지 수법이 제안되고 있다. 또한 이러한 지식에 기초한 추론을 필요로 하는 여러 가지 자료를 제공하는 시스템으로서 지리정보 시스템이 있고, expert system과 조합하여 효과적으로 이용할 수 있다. 그리고 이러한 expert system의 실용화에는 현장에서의 풍부한 적용경험을 통한 지식의 수정·축적이 불가결하다.
10.참고문헌 및 관련자료
·이상훈, 2001. 공간지역확장과 계층집단연결 기법을 이용한 무감독 영상분류, 대한원격탐사학회지, 17(1): 57 - 70.
·“위성영상자료를 위한 다단계 무감독 분류법 및 지형지물 속성인식 시스템 개발” 연구보고서, 경원대학교, 정보통신부.
· Lee, S. and M. Crawford, 1991. Adaptive reconstruction system for spatially correlated multispectral multitemporal images, IEEE Trans. on Geosci. Remote Sens., 29(4):494-503.
· 이상훈, 2002. 연속 원격탐사 영상자료의 재구축과 변화 탐지, 대한원격탐사학회지, 18(2): 117 - 126
· 박종화, 서동조, 서창완, 1996. TM 영상추출 NDVI를 이용한 수도권 그린벨트의 평가, 대한원격탐사학회지, 12(3):245-256
· 조명희, 1995. 원격탐사자료와 GIS를 이용한 라오스 남칸유역분지의 토지이용평가 및 미작적지분석, 대한원격탐사학회지, 11(1):1-17
· Congalton, R. G., 1991. A Review of Assessing the Accuracy of Classifications of Remote Sensing Data, Remote Sensing of Environment, 37:35-46
· Martin, L. R. G and P. J. Howarth, 1989. Change-Detection Accuracy Assessment Using SPOT Multispectral Imagery of the Rural-Urban Fringe, Remote Sensing of Environment, 30:55-66

키워드

원격탐사,   인공위성,   영상해석,   영상처리,   영상,   보정,   탐사