Automatic multi-temporal sea ice classification using the expectation maximization algorithm

Abstract

남/북극해에 존재하는 해빙은 지구 온난화 연구에 대해 중요한 역할을 하여 해빙의 상태와 양에 대한 연구가 주목받고 있다. 지난 40여년간 다양한 분야에서 활용되는 지구관측 위성 Landsat 시리즈는 전지구 피복 맵핑에 가장 대중적으로 사용되는 원격탐사 센서로 넓은 촬영폭(185km)과 다양한 밴드로 해빙 맵핑에 적합한 광학센서이다. 원격탐사영상의 피복을 분류하는 방법은 주로 감독분류(Supervised classification)과 무감독분류(Unsupervised classification)가 있는데 무감독분류는 피복에 대한 레이블 정보없이 컴퓨터가 자동으로 분류를 수행할 수 있지만 분류결과를 사용자에 의해 정의하는 레이블링 작업이 추가로 필요하다. 반면 감독분류는 분류를 수행하기전에 사용자에 의해 레이블정보를 입력하는 것으로 보다 정확한 피복분류를 할 수 있다. 감독분류시 분류기를 훈련하기 위한 레이블정보를 입력하는 작업은 분류정확도를 결정하는 가장 중요한 부분이고, 일반적으로 현장조사 등과 함께 수행된다. 레이블링을 위한 현장조사는 많은 시간과 비용이 소모되는 작업으로 극지역의 경우 접근의 어려움으로 인해 더 많은 비용을 요구하는 어려운 작업이다. 다중영상의 감독분류시 레이블정보는 동일 클래스일지라도 영상간 존재하는 분광정보의 차이(Spectral shift)로 인해 영상강 공유가 어려워 각 영상마다 레이블정보를 독립적으로 획득하는 것이 가장 이상적이다. 본 연구는 하나의 Landsat 영상에서 획득한 레이블정보를 다른시기 영상에서 사용하기 위해 기대값 최대화 알고리즘을 이용하여 최대우도분류 파라미터를 최적화함으로써 다중시기 Landsat영상을 자동분류하는 방법을 제안하였다. 이를 통해 매일 약 600개(1TB이상)의 영상이 획득되는 극지역에서 해빙을 자동으로 분류하여 극지 해빙 맵핑의 자동화와 효율을 높일수 있을 것으로 기대한다.