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
- 2013
- 저작권
- 전북대학교 논문은 저작권에 의해 보호받습니다.
이용수5
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
최근 고해상도 위성영상은 자연자원이나 환경 관리에 필요로 하는 토지 피복 및 이용 현황자료 등에 유용하게 사용되고 있는 실정이다. 이에 따라 고액의 투자가 필요로 하는 위성영상의 효율성을 높이기 위하여 영상자료의 분석과정이 중요해지고 있다. 위성영상은 취득이 어려운 정보를 신속하게 취득할 수 있는 장점이 있지만 실제 활용도는 낮은 상황이다. 이는 사용자가 선택하는 분류 알고리즘, 자료의 종류, 분류항목에 따라 결과물이 달라지기 때문이다. 따라서 원격탐사에 대한 다양한 연구가 끊임없이 지속되고 있다.
본 논문에서는 최근 다양한 분야에서 이용되고 있는 SVM 알고리즘을 제시하고 알고리즘을 고해상도 위성인 KOMPSAT-2의 영상자료에 적용하여 토지피복결과를 검사점을 이용한 정확도 분석을 함으로써 SVM의 커널 함수에 대한 기준을 제시하고자 한다. 간단하게 SVM 기법은 입력자료에 대한 최적의 분류 초평면을 찾는 기법이다.
첫 단계에서는 전처리 과정 중 연구대상의 training data 통계값에 대한 계산 및 분석을 수행하였다. 적용결과 각 분류항목에 대한 training data는 정규분포를 따른다는 것을 알 수 있었다. 다음 단계에서, SVM 분류의 Linear, Polynomial, RBF, Sigmoid 커널 함수에 따른 매개변수를 변경하여 영상분류를 실시하였다. 그 결과, 전체 분류 정확도에는 Polynomial 커널 함수가 가장 높은 정확도를 보였고, 분류 항목별 정확도에서의 적절 커널 함수는 Polynomial, RBF 커널 함수임을 알 수 있었다.
본 논문에서는 최근 다양한 분야에서 이용되고 있는 SVM 알고리즘을 제시하고 알고리즘을 고해상도 위성인 KOMPSAT-2의 영상자료에 적용하여 토지피복결과를 검사점을 이용한 정확도 분석을 함으로써 SVM의 커널 함수에 대한 기준을 제시하고자 한다. 간단하게 SVM 기법은 입력자료에 대한 최적의 분류 초평면을 찾는 기법이다.
첫 단계에서는 전처리 과정 중 연구대상의 training data 통계값에 대한 계산 및 분석을 수행하였다. 적용결과 각 분류항목에 대한 training data는 정규분포를 따른다는 것을 알 수 있었다. 다음 단계에서, SVM 분류의 Linear, Polynomial, RBF, Sigmoid 커널 함수에 따른 매개변수를 변경하여 영상분류를 실시하였다. 그 결과, 전체 분류 정확도에는 Polynomial 커널 함수가 가장 높은 정확도를 보였고, 분류 항목별 정확도에서의 적절 커널 함수는 Polynomial, RBF 커널 함수임을 알 수 있었다.
목차
제 1 장 서 론 11.1 연구배경 및 목적 11.2 연구연혁 31.3 연구내용 및 범위 6제 2 장 고해상도 위성영상 82.1 고해상도 위성 정의 및 특징 82.1.1 고해상도 위성 정의 82.1.2 고해상도 위성영상의 특징 92.2 KOMPSAT-2 위성영상 102.3 영상처리 132.3.1 위성영상의 전처리 132.3.2 위성영상 분류방법 16제 3 장 Support Vector Machine 183.1 Linear SVM 193.1.1 Lagrange이론 193.1.2 Linear SVM 213.2 Non-Linear SVM 263.2.1 Non-Linear SVM 263.2.2 Kernel Function 303.2.3 일 대 다(One-Against-All) 검정 343.2.4일 대 일(One--Against-One) 검정 353.2.4 직접접근법 36제 4 장 적용 및 고찰 384.1 연구대상지역 선정 384.2 영상처리(Image Processing) 404.2.1 전처리 과정 404.2.2 SVM(Support Vector Machine) 분류 424.3 결과 분석 및 정확도 평가 55제 5 장 결론 68참고문헌 69
최근 본 자료
댓글(0)
0