[논문 리뷰] Supervised Classification of RADARSAT-2 Polarimetric Data for Different Land Features

Abhishek Maity|arXiv (Cornell University)|2016. 08. 01.

Remote-Sensing Image Classification인용 수 7

한 줄 요약

이 연구는 밴쿠버 지역에서 RADARSAT-2 완전 편광 SAR 데이터에 대한 감독 분류를 위샤르 및 SVM 분류기로 평가한다. 3×3 다중 룩 스펙클 필터링, 정합성 행렬 계산, H/A/α 분해를 적용하며, RBF-SVM 및 위샤르 분포 기반 분류를 실시한다. 위샤르 분류기는 93.3%의 전체 정확도를 기록한 반면 SVM은 87.3%를 기록하여 이 데이터셋과 지형 클래스 분포에서 뛰어난 성능을 보임을 시사한다.

ABSTRACT

The pixel percentage belonging to the user defined area that are assigned to cluster in a confusion matrix for RADARSAT-2 over Vancouver area has been analysed for classification. In this study, supervised Wishart and Support Vector Machine (SVM) classifiers over RADARSAT-2 (RS2) fine quadpol mode Single Look Complex (SLC) product data is computed and compared. In comparison with conventional single channel or dual channel polarization, RADARSAT-2 is fully polarimetric, making it to offer better land feature contrast for classification operation.

연구 동기 및 목표

• 완전 편광 RADARSAT-2 데이터에 대한 위샤르 및 SVM 분류기의 감독 분류 성능을 평가하고 비교하는 것.
• 편광 분해(H/A/α) 및 다중 룩 스펙클 필터링이 분류 정확도 향상에 미치는 영향을 평가하는 것.
• 다양한 테스트 지역에서 도시, 식생 및 수역 지형 유형에 대한 분류 결과를 오차 행렬을 사용해 분석하는 것.
• 고해상도 완전 편광 SAR 데이터를 사용한 지형 특징 분류에 최적의 분류기를 규명하는 것.

제안 방법

• 스펙클 노이즈를 줄이기 위해 Pauli 기저와 Lee 필터를 사용해 3×3 다중 룩 정합성 행렬 T를 계산함.
• 타겟 산란 특성 기반으로 편광 분해 파rameter인 H(엔트로피), A(이방성도), α(정렬 각도)를 추출함.
• 공분산 행렬 Z의 위샤르 분포를 기반으로 최대우도 추정을 사용해 위샤르 분류를 적용함.
• 비선형 분류를 위해 γ = 0.444 및 C = 100로 설정한 라디얼 기저 함수(RBF) 커널을 사용한 SVM을 구현함.
• 공정한 비교를 위해 두 분류기 모두 동일한 지상 참조 기반 훈련 영역을 사용함.
• 사용자 정의 클래스 할당을 분류된 클러스터와 비교 평가하기 위해 오차 행렬을 생성함.

실험 결과

연구 질문

• RQ1 RADARSAT-2 정밀 4편광 SLC 데이터에 대해 위샤르 분류기와 SVM의 토양 피복 분류 성능은 어떻게 비교되는가?
• RQ2 다중 룩 스펙클 필터링 및 편광 분해는 분류 정확도에 어떤 영향을 미치는가?
• RQ3 밴쿠버 테스트 지역에서 위샤르 또는 SVM 중 어떤 분류기가 더 높은 전체 및 각 클래스 분류 정확도를 달성하는가?
• RQ4 오차 행렬은 도시, 식생 및 수역 클래스 간의 오분류 패턴을 어떻게 반영하는가?
• RQ5 커널 선택(RBF)이 편광 SAR 데이터에서 SVM 성능 향상에 얼마나 기여하는가?

주요 결과

• 위샤르 분류기는 전체 분류 정확도 93.3%를 기록하여 SVM 분류기의 87.3%를 초월함.
• 도시 클래스의 경우 위샤르 분류기는 87.78%의 픽셀을 정확히 분류했고, SVM은 72.53%에 그침.
• 식생 클래스는 두 분류기 모두에서 가장 높은 정확도를 기록함: 위샤르 99.95%, SVM 97.70%.
• 수역 클래스 분류 정확도는 두 방법 모두 낮게 나타남: 위샤르 90.43%, SVM 83.30%.
• SVM은 도시와 수역 간 오분류 비율이 높았음(도시 픽셀의 27.22%가 수역으로 잘못 분류됨), 위샤르 분류기는 이 비율이 12.22%로 낮음.
• 오차 행렬 결과는 비록 다른 연구에서 SVM이 일반적으로 강건한 것으로 알려져 있으나, 위샤르 분류기가 도시 및 수역 특징의 분류 분리 성능에서 더 뛰어남을 시사함.