1 |
1
위성영상을 전송하는 위성과; 상기 위성에서 전송된 위성영상으로부터 특정 주제에 대한 주제도를 자동으로 생성하는 위성영상 분류 시스템을 포함하여 구성되는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류 장치
|
2 |
2
제1항에 있어서, 상기 위성영상 분류 시스템은, 입력되는 위성영상에서 유사한 화소들을 하나의 영역으로 그룹화시켜 객체로 생성하는 영상 분할 모듈과; 상기 영상 분할 모듈에 의해 생성된 각 객체의 형상(feature)들을 비선형 함수로 표현하고, 그 표현된 비선형함수를 이용하여 퍼치 규칙을 생성하는 퍼지 규칙 생성 모듈와; 훈련 집합을 저장하는 훈련 집합 DB와; 상기 퍼지규칙 생성모듈에서 생성된 퍼지규칙의 조정 파라미터를 상기 훈련 집합 DB에 저장된 훈련집합 및 진화 연산을 이용하여 최적화하는 진화연산 최적화 모듈로 구성되는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류 장치
|
3 |
3
제2항에 있어서, 상기 영상 분할 모듈에서 수행되는 영상분할은 영역확장(Region growing)알고리즘을 사용하여 수행되는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류 장치
|
4 |
4
제2항에 있어서, 상기 영상분할모듈에 의해 생성된 객체들은 그에 해당되는 형상(Feature)들을 가지게 되고, 형상들에는 객체의 화소 평균, 표준편차, 모양 및 질감(Texture)이 포함되고, 식생 지수들(PCA, NVDI, Tasseled Cap) 및 같은 여러 밴드 조합을 통해 생성되는 지수도 포함되는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류 장치
|
5 |
5
(a) 위성으로부터 사용자가 관심이 있는 영역을 포함하고 있는 위성영상을 전송 받게 되는 단계와; (b) 그 전송받은 위성영상으로부터 특정 주제에 대한 주제도를 자동으로 생성하는 단계를 포함하여 이루어지는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|
6 |
6
제5항에 있어서, 상기 (b) 단계는 (c) 그 입력된 위성영상을 분할한 후, 그 분할된 영역들을 객체들로 생성하는 단계; (d) 사용자가 각 객체들을 구별할 수 있는 형상들을 선택하면, 상기 사용자에 의해 선택된 형상들은 퍼지의 비선형 함수로 수치적으로 표현하고, 각 퍼지함수를 Min, Max 및 산술 연산을 이용하여 퍼지 규칙을 생성하는 단계; (e) 상기 생성된 퍼지 비선형 함수의 파라미터들을 진화연산을 적용하여 최적화하는 단계; (f) 진화연산을 검증용으로 사용되는 훈련집합을 잘 분리할 수 있는가를 평가하여 최적으로 분리할 수 있게 퍼지 비선형 함수의 파라미터들을 계속적으로 조정하는 적합도 평가를 수행하는 단계; 및 (g) 상기 적합도 평가가 완료된 다음, 최종적으로 주제도를 생성하는 단계로 이루어지는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|
7 |
7
제6항에 있어서, 상기 (c) 단계에서의 영상분할은 영역확장(Region growing)알고리즘을 사용하여 수행되는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|
8 |
8
제6항에 있어서, 상기 (c) 단계에서 수행되는 영상분할에 의해 생성된 객체들은 그에 해당되는 형상(Feature)들을 가지게 되고, 형상들에는 객체의 화소 평균, 표준편차, 모양 및 질감(Texture)을 포함하고, 식생 지수들(PCA, NVDI, Tasseled Cap) 및 같은 여러 밴드 조합을 통해 생성되는 지수를 포함하는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|
9 |
9
제6항에 있어서, 상기 (d) 단계에서의 비선형 함수의 가변성은 중간값과 폭의 값을 이용하여 설정하는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|
10 |
10
제6항에 있어서, 상기 (e) 단계는 (h) 진화연산의 환경을 초기화하는 단계; (i) 상기 (h) 단계에서 설정된 각 개체군의 염색체 인자들을 이용하여 입력된 훈련집합을 적용하고 이를 평가하는 단계; (j) 상기 훈련 집합을 모두 만족시키는가에 대한 유무와 상기 (h) 단계에서 설정된 최대 적용 세대수를 넘었는가에 대한 유무를 판단하는 적합성 평가를 만족하는 지를 판단하는 단계; (k) 상기 판단 결과 적합성 평가를 만족하지 않으면, 돌연 변이 자손 세대를 생성하는 단계; 및 (l) 상기 (k) 단계에서 생성된 돌연변이 자손 세대를 평가한 후, 다시 적합성 평가를 수행하는 단계로 이루어지는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|
11 |
11
제10항에 있어서, 상기 (h) 단계에서의 초기 환경은 진화연산에 하게 될 세대를 구성하게 되고, 한 세대는 여러 개의 개체군으로 구성되는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|
12 |
12
제11항에 있어서, 상기 개체군에는 조정하고자 하는 파라미터들 값과 표준편차를 포함하는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|
13 |
13
제10항에 있어서, 상기 (h) 단계에서 한 세대를 구성할 개체군의 수, 램덤 표준편차 및 최대 적용 세대수를 정하는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|
14 |
14
제10항에 있어서, 상기 (h) 단계에서 설정된 염색체는 한 개체군(Population)의 중간값, 폭과 돌연변이를 위한 표준편차들로 구성되고, 상기 중간값, 폭과 표준편차는 항상 쌍으로 존재하며 적용된 퍼지 비선형 함수의 개수(N)만큼 구성이 되는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|
15 |
15
제10항에 있어서, 상기 (k) 단계는 상기 (i) 단계에서 적합성이 높은 개체군을 순서대로 나열하여 우성인 개체군을 선택하고, 한 세대의 절반의 개체군을 선택하는 단계; 및 상기 선택된 우성 개체군들은 그대로 상속되고 나머지 반은 다음의 수학식을 이용하여 다음 세대를 구성하는 단계로 이루어지는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|
16 |
15
제10항에 있어서, 상기 (k) 단계는 상기 (i) 단계에서 적합성이 높은 개체군을 순서대로 나열하여 우성인 개체군을 선택하고, 한 세대의 절반의 개체군을 선택하는 단계; 및 상기 선택된 우성 개체군들은 그대로 상속되고 나머지 반은 다음의 수학식을 이용하여 다음 세대를 구성하는 단계로 이루어지는 것을 특징으로 하는 퍼지 및 진화연산의 최적화 알고리즘에 기반한 위성영상 분류방법
|