효과적인 특징 추출을 이용한 위성 원거리 센싱 분석 딥 러닝 기법을 통한 분류

최근 몇 년간, 딥 러닝(DL) 알고리즘은 이미지 처리 분야에서, 특히 위성 원거리 센싱 분석에서 더 많은 주목과 인기를 얻고 있습니다. 이는 데이터 내에서 계층적이고 구별적인 특징 표현을 학습할 수 있기 때문입니다. 본 연구는 딥 러닝 알고리즘을 적용하여 위성 원거리 센싱 이미지 분류의 효율성을 향상시키는 것을 목표로 합니다. 국립 농업 이미지 프로그램(NAIP) 데이터베이스에서 수집된 위성 이미지를 시스템에 입력합니다. 이후 수집된 이미지는 이미지 품질을 향상시키기 위해 사전 처리되며, 개발된 시스템의 성능을 더욱 향상시킵니다. 이미지 사전 처리 모듈은 HS 이미지의 패칭/슬라이싱 및 이미지 정규화 알고리즘을 이용하여 데이터 클리닝, 데이터 보간 및 데이터 이산화와 같은 작업을 수행하여 DL 알고리즘의 오버피팅 문제를 최소화하는 데 기여합니다. 또한, 사전 훈련된 오토인코더 모델을 사용하여 가장 중요한 특징을 추출하는 특징 공학이 수행되어 데이터 차원이 감소합니다. 마지막으로, 추출된 특징으로 밀집 합성곱 신경망(CNN)을 훈련시켜 위성 원거리 센싱 이미지를 분류합니다. 실험 결과, 개발된 DL 전략은 기존의 최첨단 모델보다 높은 93%의 정확도를 달성했습니다. 또한 제안된 알고리즘은 96%의 특이도, 96%의 민감도, 87%의 정밀도, 90%의 탐지율을 기록했습니다. 설계된 방법론의 이러한 뛰어난 성능은 위성 이미지 분석에서의 효율성을 강조합니다.