Classification of sea ice types in winter using Sentinel-1 SAR imagery

Abstract

이 연구에서는 Sentinel-1 SAR 영상으로부터 주기적인 해빙 유형 지도 산출물 생성을 위해기계학습 기반의 반자동 알고리즘을 제안한다. 대부분의 기존 관련 연구들은 훈련과 검증에 쓰이는 자료의 생산을 전문가의 수작업에 의존하여 지도 갱신 주기가 1주일 이상으로 길었다. 우리는 정기적으로 발행되는 해외 유수 기관의 주간 해빙 유형 지도를 직접 기계학습에 사용 하면 대량의 자료를 효율적으로 처리할 수 있고, 또한 복수의 전문가의 주관에 의한 해빙 유 형 판단의 불일관성을 최소화할 수 있음을 보인다. 제안 방법은 영상 노이즈의 제거, 덱스쳐 추출, 랜덤 포레스트 분류자 학습 및 적용으로 구성된다. 다양한 유형의 해빙이 공존하는 프람 해협을 대상으로 수행한 실험 결과, 3종 (open water, first-year ice, multi-year ice) 분류는 85%의 정 확도를, 5종 (open water, new ice, young ice, first-year ice, multi-year ice) 분류는 58%의 정확도를 보였다. 분류 오차는 주로 학습 및 검증에 사용된 주간 해빙 유형 지도의 낮은 시공간해상도에 기인한다. 제안 방법은 기존 방법들에 비해 분류 정확도는 유사하나, 산출 물 생성의 자동화와 그로 인한 발생 주기 단축의 예상효과가 있다.