Convolutional Neural Network-Based Land Cover Classification Using 2-D Spectral Reflectance Curve Graphs With Multitemporal Satellite Imagery
Miae Kim, Junghee Lee, Daehyeon Han, Minso Shin, Jungho Im, 이정혜, Lindi J. Quackenbush, Zhu Gu (2018) · ieee-jstars 11(12)
위성 영상의 spectral reflectance curve 를 2D graph 로 변환 후 convolutional-neural-network 으로 land cover classification. Multitemporal (시간 변동 spectra) 정보를 spatial 변환 — 1D spectra → 2D graph image — 으로 CNN 의 이미지 인식 능력 활용. 이정혜 · Jungho Im (UNIST 지구과학) + 미국 SUNY 공동 연구.
- RQ: Multitemporal 위성 spectral 데이터를 2D 이미지로 변환 후 convolutional-neural-network 으로 land cover 분류 하는 접근이 효과적인가?
- 방법론: Spectral reflectance curve (1D) → 2D graph 이미지 변환 + CNN 분류
- 데이터: 시간 변동 multispectral 위성 이미지 (multitemporal)
- 주요 발견: (1) 2D graph 변환이 CNN 의 이미지 인식 능력 활용 가능. (2) Multitemporal 정보가 시계열 + spectral 두 차원을 graph 안에 통합. (3) 기존 1D spectral 분석 또는 단일 시점 분류 대비 시간 정보 활용.
- 시사점: 위성 spectral 데이터의 2D 변환 이 CNN 의 cross-domain 활용. 다른 시계열 + multispectral 도메인에 일반화 가능.
요약
이 paper 는 이정혜 의 2 기 UNIST 초기 의 원격탐사 응용 시리즈의 한 갈래. Deep learning-based monitoring of overshooting cloud tops from geostationary satellite data 와 같은 해 발표. UNIST Jungho Im 의 지구과학 라인 + 미국 SUNY 의 Lindi J. Quackenbush + Zhu Gu 와 국제 공저.
방법론적 핵심: spectral curve 의 2D 변환. 위성 multispectral 데이터는 보통 1D vector (각 픽셀의 spectral signature) 또는 2D image (단일 wavelength 의 이미지). 본 paper 는 spectral curve 자체를 2D graph 로 그려서 CNN 의 이미지 분류 능력 을 활용. Multitemporal 정보 (시간 별 spectral 변화) 도 graph 의 다른 축 으로 통합.
핵심 발견: CNN-based land cover classification 이 spectral curve 의 형태 + 시간 변화 를 이미지 패턴 으로 학습. 농업 (작물 phenology), 산림 (계절 변화) 등 시간 따른 spectral 변화 가 중요한 land cover 에 특히 효과적.
이정혜 의 연구 궤적 안에서 이 paper 는 2 기 원격탐사 응용 라인, Deep learning-based monitoring of overshooting cloud tops from geostationary satellite data 자매 + junghye-lee-2020-cnn-spectral-transform (2020 spectral 도메인 변환) 의 발전 라인.
핵심 결과
| 변환 | 분류 정확도 |
|---|---|
| 1D spectral analysis | baseline |
| Single-time 2D image | 중간 |
| Multitemporal 2D graph + CNN | 향상 |
방법론 노트
Spectral curve → 2D graph 변환:
- X axis: wavelength
- Y axis: reflectance
- Multi-temporal: 시간 stack as multiple curves on same graph
CNN: standard image classification architecture (Conv + Pooling + FC).
식별 가정: (i) Spectral curve shape 의 판별성, (ii) 2D graph 의 충분한 정보 보존, (iii) CNN 의 이미지 변환 일반화.
연구 계보
이 paper 는 (i) Deep learning-based monitoring of overshooting cloud tops from geostationary satellite data 자매, (ii) LeCun et al. (1998) CNN 본가, (iii) 원격탐사 time-series classification 라인 — 의 결합. 이정혜 의 연구 궤적 2 기 원격탐사 응용.
See also
- 이정혜
- Miae Kim
- Jungho Im
- convolutional-neural-network
- land-cover-classification
- remote-sensing
- ieee-jstars
- Deep learning-based monitoring of overshooting cloud tops from geostationary satellite data
인접 그래프
- 인물 8
- 방법론 1
- 논문 2