장기 시계열 원격 감지 영상 샘플 생성 방법은 지표 피복 분류 실현, 지표 변화 경향 모니터링 및 토지 이용 상태 분석에 매우 중요합니다. 그러나 전통적인 감독 학습 분류 방법은 일반적으로 대량의 샘플 라벨링을 필요로 하여 지표 피복 분류 작업의 시간 및 인력 비용이 높고, 분류 정확도와 신뢰성도 제한됩니다. 이러한 문제를 해결하기 위해 본 논문에서는 샘플 자동 증강과 적응적 전이를 결합한 장기 시계열 원격 감지 영상 샘플 생성 방법을 제안합니다. 이는 '한 번 라벨링, 여러 번 재사용'을 실현하여 샘플 라벨링을 줄이고 장기 시계열 대규모 장면 원격 감지 영상 분류 효율을 향상시키는 것을 목표로 합니다. 구체적인 아이디어는 다음과 같습니다: 첫째, 국부 클러스터링을 이용해 잠재 샘플 픽셀을 강화하여 스펙트럼 특성 상관성을 측정해 증강 샘플을 결정합니다; 둘째, 인접 시기 영상 간 변화 분석을 기반으로 도메인 간 유사성 규칙을 통해 전이 규칙에 부합하는 샘플을 선별합니다. 본 방법은 항저우만 지역의 2013년부터 2022년까지의 Landsat8 OLI 시계열 영상에서 검증 실험을 수행했으며, 결과는 다음과 같습니다: (1) 제안한 샘플 자동 증강 전략은 샘플의 품질과 수량을 효과적으로 향상시키고 분류 성능과 정확도를 높입니다; (2) 제안한 샘플 적응 전이 전략은 동일 지역 내 다른 시기의 영상 간 샘플 전이를 효과적으로 구현하여 연도별 라벨링을 피하고 샘플 생성 효율과 품질을 크게 개선합니다; (3) 서포트 벡터 머신(SVM), k-최근접 이웃(KNN) 등 다양한 분류기 적용 결과 본 방법의 증강 샘플과 전이 샘플은 다수 분류기에 대해 범용성을 가짐을 보여줍니다.

샘플 생성 방법; 지표 피복 분류; 샘플 자동 증강; 샘플 적응 전이; 항저우만; 장기 시계열 원격 감지 영상