다양한 화소기반 변화탐지 결과와 등록오차를 이용한 객체기반 변화탐지
Object-based Change Detection using Various Pixel-based Change Detection Results and Registration Noise
정세정1) · 김태헌2) · 이원희3) · 한유경4)
Jung, Se Jung·Kim, Tae Heon·Lee, Won Hee·Han, You Kyung
Abstract
Change detection, one of the main applications of multi-temporal satellite images, is an indicator that directly reflects changes in human activity. Change detection can be divided into pixel-based change detection and object-based change detection. Although pixel-based change detection is traditional method which is mostly used because of its simple algorithms and relatively easy quantitative analysis, applying this method in VHR (Very High Resolution) images cause misdetection or noise. Because of this, pixel-based change detection is less utilized in VHR images. In addition, the sensor of acquisition or geographical characteristics bring registration noise even if co-registration is conducted. Registration noise is a barrier that reduces accuracy when extracting spatial information for utilizing VHR images. In this study object-based change detection of VHR images was performed considering registration noise. In this case, object-based change detection results were derived considering various pixel-based change detection methods, and the major voting technique was applied in the process with segmentation image. The final object-based change detection result applied by the proposed method was compared its performance with other results through reference data.
Keywords : Pixel-based Change Detection, Object-based Change Detection, High Resolution Multi-temporal Image, Registration Noise, Segmentation Image
초 록
다시기 위성 영상을 이용한 변화탐지 분석은 인간 활동의 변화를 직접 반영하는 지표이다. 변화탐지는 크게 화
소 기반 변화탐지(PBCD: Pixel-Based Change Detection)와 객체 기반 변화탐지(OBCD: Object-Based Change Detection)로 구분한다. 화소 기반 변화탐지는 알고리즘이 간단하고 비교적 쉽게 정량적 분석이 가능해 전통적으
로 많이 쓰여온 기법이나 고해상도 영상에서의 화소 기반 변화탐지는 오탐지나 노이즈(noise)가 발생하기 때문에
고해상도 영상에서의 활용도가 떨어진다. 또한, 고해상도 다시기 영상은 취득 당시 센서의 자세나 지형적 특성으로
인해 영상 등록(image registration)을 수행한 이후에도 지형적 불일치가 발생한다. 등록오차(registration noise)라
고 불리는 이 지형 불일치는 고해상도 다시기 영상 활용을 위한 공간정보 추출 시 정확도를 떨어뜨리는 방해요인
으로 작용한다. 이에 본 연구에서는 등록오차를 고려한 고해상도 영상의 객체 기반 변화탐지를 수행하였다. 이 때,
다양한 화소 기반 변화탐지 결과를 모두 고려한 객체 기반 변화탐지 결과를 도출하였으며 이 과정에서 분할 영상
(segmentation image)과의 major voting을 적용하였다. 제안 기법과 화소 기반 변화탐지 결과, 그리고 화소 기반 변
화탐지 결과를 객체 기반 변화탐지로 확장한 결과의 비교를 통해 제안 기법의 우수성을 평가하였다
핵심어 : 화소 기반 변화탐지, 객체 기반 변화탐지, 고해상도 다시기 영상, 등록오차, 분할 영상
481 Received 2019. 11. 19, Revised 2019. 11. 25, Accepted 2019. 12. 03
1) Department of Geospatial Information, Kyungpook National University (E-mail: [email protected]) 2) Department of Geospatial Information, Kyungpook National University (E-mail: [email protected]) 3) Member, School of Geospatial Information, Kyungpook National University (E-mail: [email protected])
4) Corresponding Author, Member, School of Geospatial Information, Kyungpook National University (E-mail: [email protected]) Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
Vol. 37, No. 6, 481-489, 2019
https://doi.org/10.7848/ksgpc.2019.37.6.481
ISSN 1598-4850(Print) ISSN 2288-260X(Online) Original article
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://
creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 37, No. 6, 481-489, 2019
482
1. 서 론
최근 고해상도 센서를 장착한 인공위성으로부터 얻어진 영 상을 이용한 연구가 활발히 진행되고 있다. 그중에서도 변화탐 지는 원격 탐사 분야에 위성영상, 항공영상 등 다양한 데이터를 활용한 가장 실용적인 응용 분야 중 하나이다. 변화탐지란 같은 지역에 대해 다른 시기에 취득한 다시기 영상을 통해 물체의 상 태나 현상의 차이를 관찰하는 것을 말하는데 이는 토지 감독, 삼림 벌채 및 자연재해 분석 등 다양한 분야에서 활용되고 있 다(Oommen et al., 2013; Bialas et al., 2016; Choi et al., 2017). 변 화탐지는 크게 화소 기반 변화탐지(PBCD: Pixel-Based Change Detection)와 객체 기반 변화탐지(OBCD: Object-Based Change Detection)로 나뉘는데 화소 기반 변화탐지 기법은 영상의 가장 기본 단위인 화소를 이용해 변화탐지를 도출하는 방법으로 중·
저해상도 영상에서 탁월한 효과를 보인다. 하지만 화소 기반 변 화탐지 기법을 고해상도 영상에 적용할 경우 변화지역에 대한 분광 오차와 등록오차(registration noise)로 인한 과탐지가 발 생하는데 이로 인해 고해상도 영상에서는 객체 기반 변화탐지 가 요구된다(Lv et al., 2018).
분할 영상(segmentation image)은 각 개체들을 화소가 아닌 폴리곤(ploygon)으로 표현하기 때문에 분할 크기에 따라 다른 유형의 정보를 제공한다. 따라서 객체 기반 변화탐지는 고해상 도 영상의 토지피복 분류 결과의 정확성을 향상시킬 뿐만 아니 라 변화탐지의 성능 또한 향상시키기 때문에 고해상도 영상에 서의 변화탐지에서는 객체 기반 변화탐지 기법이 화소 기반 변 화탐지보다 효과적이다(Keyport et al., 2018). 객체 기반 변화탐 지 기법 또한 두 가지 기법으로 나눌 수 있다. 첫째, 객체 기반 변 화탐지 결과 추출 시 multiple spatial 또는 texture features를 함 께 고려한 방법(Chen et al., 2016; Wang et al., 2018)과 둘째, 화 소 기반 변화탐지 결과를 객체 기반 변화탐지 결과로 확장시키 는 방법이 있다(Luo et al., 2018; Lv et al., 2018).
앞서 언급했다시피 고해상도 위성 영상에서의 객체 기반 변화 탐지 결과는 등록오차의 영향을 크게 받는다. 고해상도 다시기 영상의 상호 등록은 변화탐지 수행 시 가장 기본적인 절차임에 도 고해상도 다시기 영상 간의 완벽한 등록은 불가능하다. 이는 영상 획득 시 센서의 시야각 또는 지역의 기하학적 요인에 의해 국 지적 등록오차가 발생하기 때문이다(Bruzzone and Cossu, 2003).
이에 본 연구에서는 고해상도 위성 중 하나인 WorldView-3 를 이용하여 다양한 화소 기반 변화탐지 결과들을(i.e. 다중 화 소 기반 변화탐지) 종합적으로 고려한 객체 기반 변화탐지를 수행하였다. 변화탐지 정확도 향상을 위해 다중 화소 기반 변 화탐지 결과에서 과탐지된 등록오차를 제거하였으며(Han et
al., 2016), major voting을 통해 분할 영상을 이용한 객체 기반 변화탐지 결과를 도출하였다. 분할 영상 생성 시, Scale, Shape, Compactness 그리고 Layer weight를 종합적으로 고려한 다중 해상도 분할기법(multi-resolution segmentation)을 이용해 분할 영상을 생성하였다. 최종적으로 정량적인 비교평가를 통해 제 안 기법의 성능을 평가하였다.
2. 실험지역 및 자료
본 연구에서는 WorldView-3 영상 센서를 통해 취득된 두 시 기 영상을 사용하였으며 각 영상 센서의 제원은 Table 1과 같다.
연구에 사용된 WorldView-3 영상은 총 8개의 다중분광(multi- spectral) 밴드를 가지고 있으나 본 연구에서는 대부분의 고해 상도 위성영상이 제공하는 Red, Green, Blue 그리고 NIR (Near Infra Red) 밴드를 사용하였다. 연구지역은 광주광역시의 평동 산업단지 일대로, 대규모 산업단지는 물론 주택 및 농경지를 포 함한 지역이다(Fig. 1).
Table 1. Specifications of WorldView-3 sensor
Sensor Worldview-3
Ground sample
distance PAN : 0.31m MS : 1.24m
Spectral bands
PAN : 450-800nm MS1 (Coastal) : 400-452nm
MS2 (Blue) : 448-510nm MS3 (Green) : 518-586nm MS4 (Yellow) : 590-630nm
MS5 (Red) : 632-692nm MS6 (Red-edge) : 706-746nm
MS7 (NIR1) : 772-890nm MS8 (NIR2) : 866-954nm Swath width 13.1km (at nadir) Radiometric resolution 11bit
Location Gwangju, Korea Image size 5,833 × 5,330 (pixels) Acquisition data 2017/05/26 2018/05/04
(a) 2017/05/26 (b) 2018/05/04 Fig. 1. Images used in study: WorldView-3
