원격탐사에서의 SVM

전문가 제언

○ 그간 항공사진과 위성영상 분석의 많은 방법론들이 실행되고 평가되어왔다. 여기서는 현재 각광받고 있는 기계 학습 방법론의 일종인 SVM(Support Vector Machine)의 원격탐사에의 응용에 관해 고찰되었다. 최근 해외에서는 SVM의 원격탐사 적용이 기하급수적으로 증가하고 있으나 국내에서는 거의 전무한 실정이다.

○ 원격탐사 영상 자료(data) 분류 방법에는 크게 두 가지 즉, 감독(Supervised)과 비감독(Unsupervised) 분류가 있다. 감독 분류 방법은 다중 판별 분석과 같이 훈련 집합(training set) 자료를 입력하여 분류자를 생성하는 방법이고, 비감독 분류 방법은 군집 분석과 같이 훈련 집합 없이 자료 전체를 대상으로 하여 단계적으로 자동 분류하는 방법이다. 여기서 자료라 함은 특성(feature) 벡터에서 변량을 갖는 여느 다차원(평면) 관측/측정 화소의 값을 의미한다.

○ SVM은 제한적인 훈련 표본에서도 훌륭히 일반화시키는 성능으로 인해 원격탐사 분야에서 특히 유용하다. 그러나 최종 결과에 영향을 미치는 모수(parameter) 선택/부여의 문제는 향후 연구 과제이다.
앞의 글은 원격탐사에의 SVM 응용과 알고리즘 향상에 지침을 마련해주리라 기대된다.

○ 결국 원격탐사 자료의 효용을 극대화 시키는 작업은 컴퓨터의 처리 과정에 통게적 알고리즘을 얼마나 잘 원용하는가에 달려있다고 해도 과언이 아니다.
SVM은 기존의 판별분석과 Bayes의 최소-오류 결정 알고리즘보다 진일보한 기법으로 평가된다.

저자

Giorgos Mountrakis , Jungho Im, Caesar Ogole

자료유형

학술정보

원문언어

영어

기업산업분류

정보통신

연도

2011

권(호)

66(3)

잡지명

ISPRS Journal of Photogrammetry and Remote Sensing

과학기술
표준분류

정보통신

페이지

247~259

분석자

김*홍

분석물

• 원격탐사에서의 SVM.pdf [222,316 byte]

이미지변환중입니다.