REMOTE SENSING

어두운 객체(dark objects) 개념을 이용한 산림학습표집의 자동 추출(1)

유병혁 2011. 8. 17. 03:05

국내 국립공원 지역을 대상으로 식생 변화 추적(vegetation change tracker: VCT) 알고리듬을 적용해 보기 위해 논문 분석 중에 있습니다.

 

VCT 알고리듬이 소개된 논문을 분석하다 보니, 먼저 확신하는 산림 표집(confident forest samples)을 추출해야 해서 아래 논문으로 넘어왔습니다.

 

Huang, C., Song, K., Kim, S., Townshend, J., Davis, P., Masek, J., & Goward, S. (2008).

Use of a dark object concept and support vector machines to automate forest cover change analysis. Remote Sensing of Environment, 112, 970-985.

 

논문을 대강 훓어봤을 때는 Landsat 영상의 적색 파장대에서 첫 번째 피크를 기준으로 산림 화소를 추출하는 것으로 판단됩니다.

물론 이러한 기준은 산림 화소가 적색 밴드에서 비교적 어둡다는데 기인하겠지요.

 

산림 학습 표집을 자동적으로 추출하기 위한 절차의 주요 단계는 아래 그림과 같습니다.

 

 

대략적으로 보면,

1) DN 영상을 방사정규화하고 반사율 영상으로 변환합니다. 공개된 절차를 따르리라 생각됩니다.

2) 어두운 객체(dark objects) 중 비산림 영역을 마스킹, 즉 산림화소가 어둡기 때문에 오분류를 방지하기 위한 조치로 이해됩니다.

3) 지역 영상 창(local image window)을 선택하고 산림 피크(forest peak)를 기준으로 임계치를 적용함으로써 산림 학습 표집을 추출합니다.

4) 추출된 화소를 기존의 토지피복산물과 비교함으로써 일관성 확인(consistency checkinng)을 하여 오차를 최소화합니다. 이를 반복하여 산림 화소를 추출합니다.

 

핵심이 되는 산림 피크에 대한 개념을 설명한 그림입니다.

대략적인 이해는 이 정도로 해두고, 보다 자세한 사항은 논문 분석을 통해 확인해 보면 되겠습니다.

알고리듬이 명확히 확인되면, IDL 프로그래밍을 통해 본 절차를 별도의 모듈로 빼낼 생각입니다. 그러려면 모든 게 투명하게 이해되어야겠지요.

 

현 시점에서 자동 추출과 관련하여 고려하고 있는 부분은 아래와 같습니다.

1) 히스토그램 상에서 확신하는 산림 피크를 어떻게 자동적으로 선택할 것인가?

2) 지역 영상 창의 선택은 창 이동(moving window)으로 할 것인가?

 

1)과 2)만 명확하면 구현은 그다지 어렵지 않을 것으로 생각됩니다. 더 분석해보고 싶지만 벌써 새벽 3시네요. 출근을 생각해서 오늘은 여기까지입니다.