초록

하이퍼스펙트럴 영상자료는 객체에 대한 많은 정보를 함유하고 있어 객체의 보다 정확한 분류가 가능하다. 본 논문에서는 하이퍼스펙트럴 영상분류를 위하여 SMI(Spectral Mutual Information)이라는 새로운 스펙트럼 유사도 측정기법을 제안하였다. 본 방법은 정보이론 분야에서 대두된 상호정보량의 개념을 차용하여 고안되었으며 스펙트럼간의 통계적 의존성을 측정할 수 있다. SMI는 영상의 각 화소스펙트럼을 확률변수로 간주하고 두 스펙트럼간의 유사 상호정보량을 통하여 유사도를 측정함으로써 영상을 분류한다. 제안된 기법의 효율성을 평가하기 위해 기존에 개발된 SAM, SSV 분류기법을 이용하여 동일지역에 대해 분류를 수행하고 분류 정확도를 비교 평가하였다. 실험결과 제안한 SMI 기법은 하이퍼스펙트럴 영상분류에 유용하게 적용될 수 있으리라 판단된다.

Hyperspectral remote sensing data contain plenty of information about objects, which makes object classification more precise. In this paper, we proposed a new spectral similarity measure, called Spectral Mutual Information (SMI) for hyperspectral image classification problem. It is derived from the concept of mutual information arising in information theory and can be used to measure the statistical dependency between spectra. SMI views each pixel spectrum as a random variable and classifies image by measuring the similarity between two spectra form analogy mutual information. The proposed SMI was tested to evaluate its effectiveness. The evaluation was done by comparing the results of preexisting classification method (SAM, SSV). The evaluation results showed the proposed approach has a good potential in the classification of hyperspectral images.

키워드

• 상호정보;
• 하이퍼스펙트럴;
• 엔트로피;
• 토지피복분류

• Mutual Information;
• Hyperspectral;
• Entropy;
• Land cover classification;