earticle

영어

In an embedded system such as a drone, it is difficult to store, transfer and analyze the entire hyper-spectral image to a server in real time because it takes a lot of power and time. Therefore, the hyper-spectral image data is transmitted to the server through dimension reduction or compression pre-processing. Feature selection method are used to send only the bands for analysis purpose, and these algorithms usually take a lot of processing time depending on the size of the image, even though the efficiency is high. In this paper, by improving the temporal disadvantage of the band selection algorithm, the time taken 24 hours was reduced to around 60-180 seconds based on the 40000*682 image resolution of 8GB data, and the use of 7.6GB RAM was significantly reduced to 2.3GB using 45 out of 150 bands. However, in terms of pixel classification performance, more than 98% of analysis results were derived similarly to the previous one.

한국어

드론과 같은 임베디드 시스템에서 데이터를 서버로 전송해 실시간 분석을 진행함에 있어진행하는 데 초분광 영상 전체를 저장, 전송, 분석하는 데 전력 소모와 시간이 많이 소요되어 어려움이 있다. 그래서 초분광 영상 데이터는 차원 축소 또는 압축 전처리를 통해 서버로 전송하게 된다. 분석에 필요한 밴드만 보내기 위해서는 피처 선택 기법을 사용하는데 이러한 알고리즘은 대게 효율은 높더라도 영상 크기에 따라 처리 시간이 매우 소요가 크다. 본 논문에서는 밴드선택 알고리즘의 시간적인 단점을 개선하여한 기댓값 기반의 알고리즘을 제안한다. 실험 결과 8GB 데이터의 40000*682 해상도 이미지 기준 평균 소요 시간인 24시간을 60~180초 내외로 감소시키고, 150개 밴드 중에 45개를 활용하여 7.6GB 램 사용을 2.3GB로 크게 감소시켰다. 시간은 크게 줄였음에도 픽셀 분류 성능은 기존과 유사하게 98% 이상의 분석 결과를 도출하였다.