GB-SAR DATA & PROCESSING

Presentation on theme: "GB-SAR DATA & PROCESSING"— Presentation transcript:

1 GB-SAR DATA & PROCESSING
C-밴드 다편파 지상 SAR 영상 분류 결과 강문경1*, 김광은1, 조성준1, 이훈열2, 이재희1 1 한국지질자원연구원 광물자원연구본부, 2 강원대학교 지구물리학과 INTRODUCTION WISHART SUPERVISED CLASSIFICATION RESULTS 다편파 SAR (POLSAR) 자료를 활용한 영상분류기술은 지표면의 정보 추출을 목적으로 하며, SAR Polarimetry 기술 분야에서 중요한 주제이다. 이 연구에서는 한국지질자원연구원과 강원대학교에서 개발한 지상 SAR 시스템에서 취득된 C-밴드 POLSAR 영상자료를 활용한 영상분류 결과를 고찰하고자 한다. Wishart-H/alpha 무감독 분류법(Lee et al., 1999a)과 Wishart 감독 분류법(Lee et al., 1994)을 적용하여 추출된 영상분류 결과를 비교 검토하였다. 1 2 3 4 5 6 (g) Pine trees (b) Maple trees (e) Ginkgo tree (h) Rhododendron tree (c) Juniper trees (d) Grass area (i) Man-made targets (f) Trihedral corner reflector (a) Training cluster set GB-SAR DATA & PROCESSING GB-SAR Image Data 자료취득 시기: 2008년 11월 3일 ~ 5일 관측 지역: 한국지질자원연구원 내 잔디밭 지역 사용 주파수: C-밴드(5.3 GHz) 다편파 자료: HH, HV, VH, VV full polarization POLSAR Image Processing SAR Focusing Processing: ‘gbsar’ Processor (강원대학교 개발) - Deramp-FFT 알고리즘 방식 POLSAR Image Processing: ‘PolSARpro’프로그램 ( Speckle Filtering Methods - Boxcar 필터, Refined Lee 필터 사용 POLSAR Image Classification Methods - 무감독 분류: Wishart-H/alpha 무감독 분류법 - 감독 분류: Wishart 감독 분류법 Trihedral corner reflectors Man-made targets Broadleaved trees Grass Coniferous trees Shrubs 3 2 1 6 5 4 4 class 6 class (a) (b) (c) Ts1 WISHART-H/ALPHA UNSUPERVISED CLASSIFICATION RESULTS (a) Ts2 100 (m) 50 Ts1 Ts2 Ts3 Ts4 Ts5 Ps1 Ps2 Ps3 Ps4 Ps5 Grass area Trees Man-made targets Range Azimuth Ts1 지역: 건물 앞 화단 지역 Ts2: 잔디밭 내 동산 지역(나무 위치 함) Ts3: 지자기 관측함 등 인공지물 위치 지역 Ts4, Ts5: 인공산란체 위치 잔디밭 지역 Ps1 ~ Ps5: 인공산란체 (b) Ts3 (c) Ts4 1 2 3 4 1 2 3 4 5 6 Wishart supervised classification results for 4 class set and 6 class set: (a) 1×4 multilook original image without speckle filtering, (b) 7×7 boxcar filter, and (c) 7×7 refined Lee filter. The polarimetric Pauli color coded image of 1×4 multilook image (Red: HH-VV, Green: HV, Blue: HH+VV) Ts5 Overall image Ts1 Ts2 Ts3 Ts4 Ts5 CONCLUSIONS (a) C-밴드 지상 SAR 다편파 영상자료의 분류 결과를 고찰 함. Wishart-H/alpha 무감독 분류 결과 인공지물과 자연지물의 구별 가능. 스펙클 필터 과정을 수행 후 분류 정확도 향상 뚜렷함. 스펙클 필터링 및 H/A/alpha decomposition 과정 수행 시 적용되는 입력변수의 영향이 감독 분류법 보다 크게 나타남. Boxcar 필터: 상대적으로 refined Lee 필터 보다 입력변수에 따른 영향이 적고, 보다 일관된 분류 결과를 보이나 퍼짐현상(burring effect), 해상도 저하의 단점이 있음. Refined Lee 필터: 사용된 이동창 크기(window size)의 증가에 따른 퍼짐 현상은 개선되는 장점을 보이나 영상처리 시 입력변수에 따른 영향이 큼. Wishart 감독 분류 결과 연구지역 내 위치하는 대상체의 구별이 가능 함. 4 class set: 인공산란체, 인공지물(지자기관측함), 나무, 잔디 지역 구별 가능. 6 class set: 나무 클래스를 침엽수, 활엽수, 관목 3개로 세분류 가능. 영상 분류 시 분류 정확도 향상을 위한 향후 연구 필요. 1 2 3 4 5 6 7 8 (b) 1 2 3 4 5 6 7 8 (c) 1 2 3 4 5 6 7 8 (d) 1 2 3 4 5 6 7 8 (e) 1 2 3 4 5 6 7 8 ACKNOWLEDGEMENTS (f) 본 연구는 국토해양부 첨단도시기술개발사업-지능형국토정보기술혁신 사업과제의 연구비지원(07국토정보C03)에 의해 수행되었습니다. 1 2 3 4 5 6 7 8 (g) REFERENCES 1 2 3 4 5 6 7 8 Kong, J. A., A. A. Swartz, H. A. Yueh, L. M. Novak, and R. T. Shin, Identification of Terrain Cover Using the Optimum Polarimetric Classifier, Journal of Electromagnetic Waves and Applications, 2(2): Lee, J. S., M. R. Grunes, and R. Kwok, Classification of Multi-Look Polarimetric SAR Imagery Based on Complex Wishart Distribution, International Journal of Remote Sensing, 15(11): Lee, J. S., M. R. Grunes, T. L. Ainsworth, L. J. Du, D. L. Schuler, and S. R. Cloude, 1999a. Unsupervised Classification Using Polarimetric Decomposition and the Complex Wishart Classifier, IEEE Transactions on Geoscience and Remote Sensing, 37(5): Lee, J. S., M. R. Grunes, and G. de Grandi, 1999b. Polarimetric SAR Speckle Filtering and Its Implication for Classification, IEEE Transactions on Geoscience and Remote Sensing, 37(5): (h) 1 2 3 4 5 6 7 8 (i) 1 2 3 4 5 6 7 8 Wishart-H/alpha unsupervised classification results: (a) without filtering and after boxcar filter applied with (b) 3×3, (c) 5×5, (d) 7×7, (e) 9×9 window size. The refined Lee filter were used with (f) 3×3, (g) 5×5, (h) 7×7, (i) 9×9 window size. The H/A/alpha decomposition processing were applied with 5×5 window size.