초분광영상은 적외선 영역부터 자외선 파장 대역까지 수십에서 수백 개의 정보를 가지고 있는 고차원 데이터이다. 최근 분광데이터를 이용한 색인에서 발생하는 문제를 해결하기 위해 적분정합 필터가 제안되었다. 하지만 질의 필터 과정에서 순차검색보다 느려지는 문제가 존재하고, 기존의 PCA, ICA 등의 차원축소 알고리즘을 적용했을 때 분광특성을 정확히 반영하지 못할 수 있다. 본 논문에서는 이러한 문제들을 해결하기 위하여 분광데이터 특성에 따라 차원축소를 하는 SPVD(Spectral pair vector decomposition) 차원축소 알고리즘과 SPVD 질의 필터를 제안한다. 제안하는 알고리즘은 차원축소 과정에서 밴드의 특성을 이용하기 때문에 전처리가 필요 없고, 질의 시간이 줄어든다. 물질 분류 실험 결과 8차원에서 86%의 정확도를 보였고, 표적탐지 실험에서는 k-최근접 질의의 k가 25일 때 8.25초의 검색시간과 나지토양은 77%, 아스팔트는 85.6%의 정탐지율로 기존방법 보다 좋은 성능을 보인다.
Hyperspectral Images are high-dimensional data that have dozens or hundreds information ranging between infrared lay and ultraviolet lay wavelength bands. Recently, integrated spectral matching filter is suggested to solve the problem in indexing using spectral data. But its query filter processing time is slower than that of sequential scan and traditional dimensionality reduction algorithm such as PCA, ICA, etc may not exactly reflect spectral characteristics. In this paper, we propose SPVD dimensionality reduction algorithm and SPVD query filter that reduces dimension according to characteristics of spectral data. The proposed algorithm reduces dimension using feature of bands so that it does not rake preprocess and query processing time is decreased. The experimental results show better performance than existing methods in that its material classification accuracy is 86% in 8-dimension, its search time takes 8.25 second, its detection ratios are 77% for bare soil and 83% for asphalt, respectively when k is 25 for k-NN query.
