원격탐사와 영상분류 방법

원격탐사 영상의 분류는 매우 다양한 영상 처리 기법을 복합적으로 이용하므로, 여러 가지 분류 방법이 있다. 원격탐사 영상분류에 사용되는 주요 방법의 종류 및 특징을 간단히 비교한다. 물론 표에 열거한 분류 방법 외에도 다른 방법이 있으며, 새로운 분류 방법이 지속해서 개발되고 있다. 표에 열거된 각 분류 방법도 적용 방식과 과정에 따라 다양한 변이가 존재한다.
원격탐사 영상분류는 크게 감독 분류(supervised classification)와 무감독 분류(unsupervised classification)로 구분한다. 감독 분류는 영상분류에 필요한 기준을 분석자가 제공함으로써, 컴퓨터에 의한 분류과정을 '훈련'시키고 '감독'하는 분류 방법이다. 분석자는 대상 지역에서 분류하고자 하는 등급(class)에 대하여 어느 정도 사전 지식을 갖추고 있거나, 별도의 참조자료가 필요하다. 무감독 분류(unsupervised classification)는 분석자의 '감독'을 최소화하여, 컴퓨터 스스로 유사한 신호 특성을 갖는 화소끼리 군집화하도록 하여 분류하는 방법이다. 혼합 분류(hybrid classification)는 감독 분류와 무감독 분류를 혼합한 방법으로, 감독 분류에서 분류 기준이 되는 훈련통계값을 군집화 방법으로 산출한다.

반응형

분광 혼합분석(spectral mixture analysis)은 영상의 각 화소는 두 종류 이상의 지표물이 혼재된 혼합 화소로 간주하여, 각 화소를 지표물의 점유 비율로 분해하고 이를 취합하여 영상을 분류하는 방법이다. 주로 초분광영상에 적용하는 분석 기법이지만, 실질적으로 중저해상도의 영상에서 대부분의 화소가 혼합화소임을 감안하면 현실적인 영상분류 방법이라고 할 수 있다. 객체기반 분류(object-based classification)는 화소 단위로 분류하는 것이 아니라, 비슷한 신호를 갖는 인접 화소들을 묶어서 조각(segment) 또는 객체(object) 단위로 구분한 뒤, 객체를 분류하는 방법(object-based classification) 인공지능 기반 영상분류(Al-based classification) 머신러닝(SVM), 인공신경망, 심층학습 등 인공지능 기법을 이용한 영상분류 방법 을 묶어서 조각(segment) 또는 객체(object) 단위로 분리하고, 이를 분류하는 방법이다. 최근 급증하고 있는 고해상도 영상에 많이 적용하는 분류 방법이다. 인공지능 기반 분류(AI-based dassification)는 최근 자율주행 자동차, 보안, 의료, 정찰 영상 분야에서 활용이 급증하고 있는 인공지능 영상처리 기법을 원격탐사에 적용한 분류 방법이다. 이 방법은 머신러닝, 인공신경망, 심층학습 등의 매우 다양한 영상처리 기법을 포함한다.
다양한 종류의 원격탐사 영상분류 방법이 개발되었지만, 분류 과정의 효율성, 난이도, 효과, 정확도 측면에서 가장 우수하다고 검증된 분류 방법은 없다. 앞에서 언급했듯이 영상분류는 분석자의 경험과 능력에 따라 크게 좌우된다. 또한 분류 대상이 정형화된 인공물체가 아닌 매우 복잡한 신호로 구성된 지구 표면이므로, 최적의 분류 방법을 선정하는 게 무리다. 영상분류 방법의 특징과 장단점을 충분히 이해하면, 주어진 분류 등급과 영상자료의 특성에 적합한 분류 방법을 선정할 수 있다.