− 153 −
大 韓 土 木 學 會 論 文 集 第29卷 第1D 號·2009年 1月 pp. 153~160
測量 및 地形空間情報工學
IKONOS 영상을 이용한 DEM 추출의 정확도 향상을 위한 토지피복도 활용 정합기법
Matching Techniques with Land Cover Image for Improving Accuracy of DEM Generation from IKONOS Imagery
이효성*·박병욱**·한동엽***·안기원****
Lee, Hyo Seong·Park, Byung Uk·Han, Dong Yeob·Ahn, Ki Weon
···
Abstract
In relation to digital elevation model(DEM) production using high resolution satellite imagery, existing studies present that DEM accuracy differently show according to land cover property. This study therefore proposes auto-selection method of win- dow size for correlation matching according to land cover property of IKONOS Geo-level stereo image. For this, land cover classified image is obtained by IKONOS color image with four bands. In addition, correlation-coefficients are computed at reg- ular intervals in pixels of the window-search area to shorten of matching time. As the results, DEM by the proposed method showed more accurate than DEM using the fixed window-size matching. We estimate that accuracy of the proposed DEM improved more than DEM by digital map and ERDAS in agricultural land.
Keywords :IKONOS, land cover classified image, correlation-coefficient matching, window size, DEM
···
요 지
고해상도 위성영상을 이용한 DEM 자동제작과 관련한 기존연구에 따르면, 토지피복 특성별로 DEM 정확도가 다르게 나 타난다는 것을 제시하였다. 따라서 본 연구에서는 토지피복 분류영상을 이용하여 IKONOS Geo레벨 입체영상에서 상관계수 정합을 위한 토지피복 특성별 기준영역 크기 자동선택 방법을 제안하였다. 그리고 기준영역이 큰 지역의 경우, 정합시간 단 축을 위해 기준영역과 검색영역내의 일정간격 화소들만 참여하여 상관계수를 계산하게 하였다. 그 결과, 고정된 기준영역으 로 정합한 DEM보다 제안방법으로 구한 DEM의 정확도가 향상되었다. 그리고 실험 대상지 중 경작지에서는 제안방법에 의 한 DEM 결과가 수치지도와 ERDAS에 의한 DEM의 결과보다는 오히려 우수한 것으로 판단되어진다.
핵심용어
: IKONOS,토지피복 분류영상, 상관계수 정합, 기준영역, DEM
···
1. 서 론
고해상도 위성영상을 이용하여 DEM(Digital Elevation
Model)
을 제작하는 방법으로 ImageStation Z와 같은 수치도
화 시스템을 이용한 반자동 제작방법과(강준묵 등, 2008),
ERDAS
나 PCI와 같은 영상처리용 소프트웨어를 이용한 자
동제작 방법(김연준 등, 2006)이 있다. 자동제작 방법은 반 자동 제작방법에 비해 시간, 경비와 인력소모가 절감되는 반 면에 과대오차 지역이 발생하거나 전체적으로 정확도가 떨 어진다는 결점이 있다. 그러나 넓은 대상지역에 대해서는 자 동제작 방법이 효율적일 수 있으므로 이 방법을 적극 활용 하기 위해 영상정합 개선과 관련한 많은 연구들이 진행 중 에 있다(박희주 등, 2000; 김의명 등, 2005; 손홍규 등,
2005; Armin et al., 2005; Toutin, 2006; Kornus et al.
2006; Reinartz et al., 2006; Zhang et al., 2006; Wolff et al., 2008).
자동제작을 위한 정합은 영역기반 정합(Area Based
Matching; ABM)
방법이 주로 이용되어져 왔으며, 기존
중·저해상도 위성영상을 이용하여 DEM을 제작할 경우, 고 정된 크기의 기준영역만으로 정합을 수행하였다(박병욱 등,
1991;안기원 등, 1999; Baltsavias et al., 1993; Reinartz
et al., 2006).
그러나 1m 급 고해상도 위성의 입체영상은
지형경사에 따른 시차가 크게 발생할 뿐만 아니라 토지피복 특성도 확연히 분리되어 나타나기 때문에 고정된 크기만으 로 정합하면 지형상태에 따라 DEM의 정확도도 달리 나타 날 가능성이 크다. 물론 정합선을 이용하거나 에피폴라 영상
*순천대학교공과대학토목공학과교수 (E-mail : [email protected])
**정회원·한경대학교 공과대학 토목공학과 교수 (E-mail : [email protected])
***정회원·전남대학교공학대학건설환경공학부교수 (E-mail : [email protected])
****교신저자·경상대학교 공과대학 토목공학과 교수·경상대학교 공학연구원 책임연구원 (E-mail : [email protected])
을 제작하면 작은 화소영역으로 정합해도 무방하지만 밝기 값 대비가 낮은 수계, 산림, 경작지 등은 영상정합 후의 상 관계수가 떨어짐에 따라 DEM의 정확도도 떨어질 가능성이 크다.
기존연구에 따르면 고해상도 위성영상을 이용하여 ABM 방법으로 DEM을 제작한 경우, 토지피복 특성별로 DEM 정확도가 다르게 나타난다는 것을 제시하였다. 그리고 고도 오차는 그림자가 많고 기복이 심한 산림지대와 산악지역에 서 가장 크게 발생하며, 지형경사에 비례한다는 것을 제시 하였다(Toutin, 2004; Toutin, 2006; Kornus et al., 2006;
Reinartz et al., 2006).
자동정합의 정확도 향상을 위하여
Gruen et al.(2005)
과 Zhang et al.(2006)은 SAT-PP(Satellite
Image Precision Processing)
소프트웨어를 개발하여 IKONOS
다중 스테레오 영상으로 DEM을 자동으로 제작하였다. SAT-
PP는 사용자 인터페이스(User-interface)에 의한 단영상과 입 체영상을 선별적으로 이용하여 3차원 공간자료를 획득하는 반자동 수치도화 시스템이며, 이 시스템에서 DEM은 MPM
(Multiple Primitive Multi-image Matching)영상정합에 의 한 방법으로 제작되어진다.
MPM
방법은 기하학적, 방사학적 제약조건에 의한 ABM 방법과 형상기반정합(Feature Based Matching; FBM) 방법 을 동시에 적용한 방법으로써 두 방법 모두 정합이 취약한 도심지와 급경사의 산악지역에 대한 DEM 정확도 향상을 도모하였다. 그러나 이 방법에서도 산림지역의 DEM이 나대 지에 비해 5~7배 정도 정확도가 떨어지는 것으로 보고되었 다. 이는 산림지역에서 ABM 방법을 적용할 때, 그 지역특 성에 맞도록 정합영역 크기를 충분히 확보하지 못했기 때문 일 수도 있다. 따라서 ABM 방법을 고해상도 위성영상에 적용하기 위해서는 예비실험을 통해 토지피복 특성에 맞는 정합영역 크기를 결정해 두고, 이를 토대로 정합을 실시하면 정확도가 향상된 DEM을 얻을 수 있을 것으로 판단된다.
특히, 밝기 값 대비가 낮은 산림지역과 수계, 그리고 경사가 급한 산악지역은 우리나라 대부분을 차지하기 때문에 이러 한 지역들의 특성에 맞게 정합영역 크기를 조절하면 DEM 의 정확도 향상을 도모할 수 있을 것으로 예상된다.
이와 관련하여 이효성 등(2007)은 IKONOS Geo레벨 스 테레오 영상에서 정합선을 수립하고, 4가지 토지피복 특성별
(산림, 논·밭, 수계, 도심지) 정합영역 크기선정 방법을 제 시하였으며, 이로부터 토지피복 특성별 정합영역 크기를 결 정하여, 제작하고자 하는 DEM의 정확도 향상을 모색하였 다. 그러나 이 논문은 결정한 정합영역 크기로 토지피복 특 성별로만 DEM을 추출하였기 때문에 실제 여러 가지 토지 피복 특성들이 섞여있는 입체영상에서는 정합이 이루어지지 않았다.
따라서 본 연구에서는 토지피복 분류영상을 이용하여 입체 영상 내에서 토지피복 특성을 자동으로 판별하도록 하였으 며, 판별된 지역에서는 상관계수 정합을 위해 토지피복 특성 별로 선정해 둔 기준영역 크기를 자동으로 선택할 수 있는 방법을 개발하였다. 이 방법을 적용하더라도 정합영역이 클 경우 많은 정합시간이 요구되므로 이를 극복하기 위해, 정합 영역 내에서 일정간격의 화소들만 참여하여 상관계수를 계 산하게 하였다.
2. 정합방법
IKONOS
입체 위성영상으로부터 DEM 제작을 위해 본
연구에서 제안한 영상정합 방법은 그림 1, 2와 같으며, 구체 적인 내용과 순서는 다음과 같다.
2.1
정합선 수립
IKONOS
위성영상의 Geo레벨 메타자료는 영상 취득 시
촬영 고도각과 방위각, 한 화소의 지상크기, 영상 네 모퉁이 의 WGS84 타원체 기준 UTM 평면위치 등을 제공하고 있 다. 이로부터 외부표정요소 획득을 위한 초기치는 이효성 등(2005)이 제안한 방법으로 계산하였으며, 지상 기준점을 이용하여 센서라인의 변화에 따른 일차다항식의 외부표정요 소를 결정하였다. 그리고 결정한 외부표정요소를 이용하여
Morgan(2004)
이 제안한 식 (1)과 식 (2) 방법으로 정합선
을 수립하였다. 참고로 본 연구에서 사용한 IKONOS 위성 은 북에서 남쪽 방향의 촬영궤도상에서 Along-track 방식으 로 스테레오 영상이 획득되어졌으므로 첫 번째와 두 번째 촬영영상의 정합선도 위아래 방향으로 형성된다(이효성,
2007).(1) (2) Z=
[
B2⁄
B1] l⋅ B
+[
3⁄
B1]
ci=
[
E4+E3⋅
l] E ⁄ [
1+E2⋅
l]
그림
1.토지피복 분류영상으로 인터벌 정합을 위한 순서도
그림
2.토지피복 분류영상을 이용한 인터벌 정합방법의 개념도
− 155 − 여기서, Z는 높이, l은 라인좌표, c
i는 칼럼좌표, B
1, B2, B3, E1, E2, E3, E4는 일차 다항식의 외부표정요소와 공선조 건식으로부터 유도되어진 정합선 방정식의 계수이다(Morgan,
2004).2.2
정합영역 크기결정
본 연구에서는 정합영역 크기결정을 위한 별도의 실험은 수행하지 않고 이효성 등(2007)의 연구논문에서 제시한 크기 를 사용하였다. 이효성 등(2007)이 제시한 정합영역 크기결 정 방법을 간단히 언급하면, Panchromatic(전정색) 입체영상 에서 토지피복 특성이 뚜렷한 지역만을 대상으로 영상을 절 취한 후, 정합영역 11×11부터 2화소씩 증가시키면서 상관계 수 정합을 수행하고, 정합영역 크기별로 상관계수 영상, 라 인시차 영상, 칼럼시차 영상을 출력하였다. 출력한 영상들을 별도의 통계적 기하학적 분석을 통해 최종 정합영역 크기를 결정하였다. 표 1은 이효성 등(2007)이 제시한 토지피복 특 성별 정합영역 크기이다.
2.3
토지피복 분류영상 제작
다양한 토지피복 특성들이 포함되어 있는 입체영상을 기존 연구에서 결정한 정합영역 크기로 정합하기 위해서는 입체 영상 내에서 토지피복 특성을 자동으로 인식할 수 있는 조 건이 설정되어져야만 한다. 다행히 대부분의 고해상도 위성 영상은 전정색 입체영상과 컬러영상을 동종센서에서 동시에 획득하기 때문에 토지피복 분류영상 또한 입체영상과 같은 시기에 사용할 수 있다는 것과 좌표도 동일한 체계로 활용 할 수 있다는 장점이 있다. 본 연구에서는 IKONOS 전정색 입체영상에서 제작하고자 하는 DEM 대상지역을 선정·절 취하고, 이와 동시간대에 촬영한 컬러영상에 대해서도 동일 지역을 절취한 후, 정합할 전정색 입체영상과 동일한 크기로 화소수를 확대시켰다(IKONOS 컬러영상의 경우 4배 확대).
이로부터 일반적인 분류기법으로 토지피복 분류영상을 제작 하였다. 만일 2.2절의 입체영상에서 정합영역 크기를 4가지 토지피복 특성별로 결정하였으면 컬러영상에 의한 토지피복 도 4가지 항목으로 분류하면 되고, 분류한 토지피복에 대해 서는 1부터 4까지 값을 부여해두면 된다.
2.4
토지피복 분류영상을 이용한 정합
IKONOS
컬러영상과 동시간대에 촬영된 입체영상 중 하나
를 기준영상으로, 나머지 영상은 검색영상으로 설정한다. 그 리고 정합할 기준영상 화소와 동일한 지점의 토지피복 분류 영상 화소를 비교하여 정합할 지역의 토지피복 특성이 임의 값(2.3절에서 부여한 분류항목 1부터 4)에 해당하면 그 토지 피복 특성 값에 맞는 크기로 정합을 수행한다. 이효성 등
(2007)
의 연구결과에 따르면 산림지역의 경우, IKONOS 입
체영상의 정합영역이 매우 크기 때문에 정합을 수행할 때, 많은 시간이 소요된다. 따라서 이런 지역은 정합할 기준영역 과 검색영역 내에서 일정간격의 화소들만 참여하여 상관계 수를 계산하였다.
3. 적용실험 및 평가
3.1
사용자료
본 실험에 사용된 IKONOS 위성영상은 2001년 01월 10 일 겨울에 경남 양산시 일대를 지상면적 약 7km×7km 대 상으로 관측·수집한 Geo레벨의 전정색 입체영상과 컬러영 상이다. 표 2는 실험에 사용된 IKONOS 위성영상 메타자료 를 나타낸 것이다. 획득한 위성영상의 지상기준점은 GPS로
30점을 취득하였으며, 지상기준점과 동일한 지점의 영상좌표 는 ERDAS IMAGINE 8.7 소프트웨어(이하 ERDAS)를 사 용하여 독취 하였다. 또한 제안한 방법으로 제작한 DEM의 비교평가를 위해, 1/1,000과 1/5,000 수치지도를 이용하여 동일 대상지의 DEM(간격: 5m)을 제작하였다(그림 4). 그러 나 수치지도로 제작된 DEM도 캐드(CAD)포맷 파일의 등고 선과 포인트 높이 값에 의존하기 때문에 고해상도 위성영상 에서 표현하는 만큼 지형지물을 세밀하게 표현하지 못하는 경향이 있다. 따라서 이러한 문제점을 보완하기 위해, 이미 세계적으로 일반화 되어 널리 이용되고 있는 ERDAS
LPS(Leica Photogrammetry Suite)
소프트웨어로도 DEM(간
격: 5m)을 제작하였다(그림 4). 두 방법으로 제작된 DEM은 실험으로 제작된 DEM들의 정밀도 평가용 자료로 활용되어 질 것이다.
참고로, 수치지도로 제작된 DEM(이하 수치지도 DEM)의 평면좌표는 베셀(Bessel)타원체 기준이고, 높이는 평균해수 표
1.토지피복 특성별 정합영역 크기
(이효성 등
, 2007)산림 논·밭 수계 도심지
119
화소×119화소
51화소×51화소
81화소×81화소
21화소×21화소
표
2.실험에 사용된
IKONOS위성영상 제원
Image First Image Second Image Multi-spectral Image
Nominal Collection Azimuth 18.5512° 187.2200° 187.2200°
Nominal Collection Elevation 73.345000° 74.40065° 74.40065°
Acquisition Date/Time 2001-01-10/02:06 GMT 2001-01-10/02:07 GMT 2001-01-10/02:07 GMT Image Size 7004 pixels×7004 pixels 7001 pixels×7001 pixels 1751 pixels×1751 pixels
Pixel Size 1 meter 1 meter 4 meters
Altitude 681 kilometer
Datum/Map Projection WGS84/UTM
Product Level Geo
면 기준이므로 IKONOS의 영상정합으로 제작된 WGS 84 타원체 기준 DEM과는 직접적으로 비교하기 힘들다. 따라 서 GPS 지상관측점들에 대응하는 지점들을 수치지도에서 취득하여 기준 DEM의 평면좌표는 WGS 84 타원체 기준 좌표계로 기하보정하고, 높이는 타원체 기준의 높이로 수정 한 후, 사용하였다(이효성 등, 2007). 또한 ERDAS LPS로 제작된 DEM(이하 ERDAS DEM)은 지상기준점을 이용하여
IKONOS
에서 제공되는 RPC(Rational Polynomial Coeffi-
cient)
를 정밀 조정한 후, 입력하여 만들어진 것이다.
3.2
정합선 수립
본 연구에서 제안한 방법으로 제작한 DEM의 적절한 평 가를 위해, 입체영상에서 산림, 논·밭, 수계, 도심지가 골고 루 분포된 대상지역을 1000(칼럼)×700(라인)으로 절취하였으 며, 측정해둔 30개의 지상기준점을 이용하여 외부표정요소를 결정하고 이로부터 정합선을 수립하였다. 그림 3은 정합선과
실측한 기준점 영상좌표의 일치정도 파악을 위해 그래프(가 로축: 칼럼좌표, 세로축: 라인좌표)로 나타낸 것이다. 기준점 의 실측 영상좌표는 플로팅 된 정합선상에 거의 일치하는 것을 알 수 있다.
3.3
토지피복 분류영상을 이용한 정합
컬러영상으로부터 250(칼럼)×175(라인)로 입체영상과 동일 한 지역을 절취하였으며, 이를 전정색 영상크기와 맞추기 위 해 4배로 확대시켰다. 여기서, 컬러영상은 입체영상과 동일 센서에서 촬영되어지고, 똑같은 좌표체계로 이루어 졌으므로 기하보정 과정과 같은 별도작업이 필요 없다.
확대시킨 컬러영상을 이용하여 ERDAS 최대우도분류법으 로 토지피복 분류영상을 제작하였다. 이로부터 입체영상에서 토지피복 특성별로 정합영역 크기를 자동판별한 후, 정합선 을 이용하여 상관계수 정합을 실시하였다(그림 4). 이때 토 지피복 분류영상을 이용하여 산림이라고 판별되는 지역의 기
그림
3.두 번째 영상 기준점 좌표들에 대응하는 첫 번째 영상의 정합선들과
1번 기준점에 대한 정합선의 확대모습
(a), 1번 기준점의 위 치와 플로팅된 정합선
(b)그림
4.실험대상지역의
IKONOS컬러영상으로 제작한 토지피복 분류영상과 이를 이용한
IKONOS입체영상의 인터벌 정합과정
− 157 − 준영역은 119×119(인터벌은 11×11), 논·밭이나 나대지로 판 별되는 지역은 51×51(인터벌은 5×5), 물(또는 얼음) 지역은
81×81(
인터벌은 8×8), 도심지는 21×21(인터벌은 2×2) 크기
로 일정간격의 화소들만 참여하여 정합하였다(이하 Case 1).
그리고 Case 1과 비교하기 위하여 2가지 경우를 더 추가하 여 정합을 실시였다. 첫 번째는 제안방법에서 토지피복 분류 영상을 이용하되 기준영역과 검색영역 내에서 인터벌을 주 지 않고 모든화소가 참여하여 정합하는 것(Case 2), 두 번 째는 기준영역을 고정된 크기로 정합해온 기존방식에 근거 하여, 토지피복 특성과는 상관없이 정합의 속도와 정확도를 적절히 고려하여 기준영역 33×33화소 크기로만 정합하는 것
(Case 3)
이다. 정합시간은 Case 1이 약 20분 정도 소요되었
으며, Case 2와 Case 3은 2시간 이상이 소요되었다.
3.4 DEM
제작 및 비교평가
앞에서 정합한 자료 Case 1, 2, 3 각각에 대하여 상관계
수 0.8 이상 지점에 대해서만 외부표정요소를 이용하여 공간 교차이론으로 WGS 84 타원체 기준과 UTM 좌표체계의
5m간격 DEM을 제작하였다(그림 5). Case 1, 2, 3의 정 량적, 정성적 비교평가를 위해, 평가용 DEM과의 고도차(예;
각 Case 별 DEM - 평가용 DEM)를 이용한 통계적 정보,
DEM간 유사도(예; 각 Case 별 DEM과 평가용 DEM 간 상관계수) 결과를 표 3, 4, 5에 정리하였다.
정량적 비교에 앞서 그림 4의 흑백영상과 컬러영상을 토 대로 그림 5를 시각적으로만 평가해보면 경작지와 나대지는
Case 2 DEM
의 결과가 가장 좋고, 산림지역은 ERDAS
DEM
의 결과가 가장 좋은 것으로 판단된다. 수치지도 DEM 의 경우, 영상과 비교시 경작지에서 일부 누락된 부분이 있 고, 일정한 높이가 아닌 경사가 어느 정도 존재하는 지역으 로 표현되었음을 볼 수 있다. 따라서 제안된 DEM의 전체 적인 절대높이 정확도 평가는 수치지도 DEM을 이용하되, 알고리즘의 성능비교 평가에서는 ERDAS DEM을 같이 이
그림
5.수치지도
DEM(a), ERDAS DEM(b), Case 1 DEM(c), Case 2 DEM(d), Case 3 DEM(e)표
3.대상지역 전체에서 각
Case별
DEM과 수치지도
DEM간 차이의 통계정보와 유사도
DEM
평균제곱근오차(m) 표준편차(m) 평균(m) 최대값(m) 최소값(m) 상관계수
Case 1 3.2 2.7 1.7 18.3 -21.2 0.96
Case 2 3.1 2.5 1.8 15.3 -15.0 0.97
Case 3 20.70 20.40 3.2 105.80 -73.4 -0.91-
ERDAS DEM 4.5 3.1 3.3 18.4 -11.8 0.96
용하였다. 표 3은 실험 대상지역 전체에 대한 DEM 간 비 교결과를 나타낸 것이고, 표 4, 5는 각각 산림지역과 경작지
DEM만 절취하여 비교한 결과를 나타낸 것이며, 이에 대한 히스토그램을 그림 6, 7에 나타내었다. 여기서, 결과가 좋지 않은 Case 3 DEM의 비교표는 제외하였다.
표 3에서 각 Case 별 DEM과 수치지도 DEM을 비교한 결과, 제안 방법(Case 1)으로 구한 DEM 결과는 Case 2에 비해 최대·최소값 결과는 떨어지나 전체적인 절대높이 정
확도 결과에서는 큰 차이가 없었다. 한편 ERDAS DEM의 경우, 제안방법에 비해 최대·최소값 폭은 좁고 상관계수 값 은 같으나, 전체적인 정확도에서는 제안방법의 결과보다 떨 어지는 것을 알 수 있다. 이는 ERDAS DEM도 마찬가지로 고정된 크기로만 정합하고, 정합방법에 있어서도 추출한 관 심점(Interest Point)만을 대상으로 정합한 후 이들 사이의 격자점들은 보간하여 표현하기 때문에, 그림 5에서 보듯이 산림지역에서는 제안방법보다 정확도가 향상될 수 있으나 대 표
4.산림지역에 대한
Case 1, 2 DEM과 평가용
DEM간 차이의 통계정보와 유사도
DEM
수치지도 DEM 기준
평균제곱근오차(m) 표준편차(m) 평균(m) 최대값(m) 최소값(m) 상관계수
Case 1 3.7 3.6 1.0 18.3 -21.2 0.94
Case 2 3.5 3.0 1.8 14.6 -8.8 0.96
DEM ERDAS DEM
기준
평균제곱근오차(m) 표준편차(m) 평균(m) 최대값(m) 최소값(m) 상관계수
Case 1 6.2 5.2 -3.5 15.6 -26.3 0.89
Case 2 4.5 3.6 -2.7 6.4 -17.3 0.95
그림
6.산림지역에서
Case 1, 2 DEM의 수치지도
DEM에 대한 차이의 히스토그램
(a, b), ERDAS DEM에 대한 차이의 히스토그램
(c, d)표
5.경작지에 대한
Case 1, 2 DEM과 평가용
DEM간 차이의 통계정보와 유사도
DEM
수치지도 DEM 기준
평균제곱근오차(m) 표준편차(m) 평균(m) 최대값(m) 최소값(m) 상관계수
Case 1 3.1 2.3 2.1 14.0 -11.4 0.39
Case 2 3.0 2.3 2.0 11.2 -15.0 0.38
DEM ERDAS DEM
기준
평균제곱근오차(m) 표준편차(m) 평균(m) 최대값(m) 최소값(m) 상관계수
Case 1 1.6 1.3 -0.9 10.7 -14.7 0.75
Case 2 1.6 1.2 -1.0 8.1 -17.1 0.79
그림
7.경작지에서
Case 1, 2 DEM의 수치지도
DEM에 대한 차이의 히스토그램
(a, b), ERDAS DEM에 대한 차이의 히스토그
램
(c, d)− 159 − 상영역의 2/3 정도를 차지하는 경작지와 나대지 등에서는 제 안방법보다 정합의 정확도가 다소 떨어질 가능성이 있기 때 문인 것으로 추정된다. 한편 Case 3의 경우, 대상지 입체영 상에서 고정된 크기로만 정합하였기 때문에 오정합이 많이 발생하였으며, 특히 산림지역 정합에서 오차가 많이 발생하 여(그림 5(e)) 이로 인한 전체적인 DEM의 정확도도 떨어졌 음을(표 3) 알 수 있다.
산림지역 DEM을 분석한 결과(표 4와 그림 6), ERDAS
DEM을 기준으로 비교한 경우에는 Case 1의 결과가 Case
2에 비해 최대·최소값 폭과 상관계수가 비교적 떨어지나, 수치지도 DEM을 기준으로 한 경우에는 최대·최소값 폭을 제외하고는 Case 1과 Case 2의 절대높이 정확도와 유사도 에서 큰 차이가 없었다. 히스토그램에서 평가용 DEM과의 차이 값에 대한 경향성 또한 Case 1, 2 모두 유사한 형태 로 나타났다. 그리고 Case 1, 2 DEM과 수치지도 DEM과 의 차이 값 평균이 양수인 것은 제작한 Case 별 DEM이 수치지도 DEM보다 높다는 것을 의미한다. 이것은 수치지도
DEM이 지표면 높이를 표현한 반면, 각 Case 별 DEM은 수목 높이가 포함되었기 때문이라 판단된다. 한편 본 연구와 유사한 정합방법으로 제작된 ERDAS DEM과 비교한 경우 에는 평균이 음수로 나타났으며, 그 절대 값도 수치지도
DEM에 비해 크게 나타났다.
경작지 DEM의 경우 표 5와 그림 7에서 보는바와 같이, 각 Case 별 DEM의 평가용 DEM과의 차이에 대한 통계치 가 최대·최소값을 제외한 나머지는 거의 같고, 히스토그램 또한 유사한 분포를 나타내고 있다. 그러나, 각 Case의 상 관계수 값이 수치지도 DEM에 대해서는 0.4보다 작고,
ERDAS DEM
에 대해서는 0.8보다 작게 나타났다. 이는 본
연구 대상지역 경작지의 경사가 급하지 않은 지역인데도 불 구하고 수치지도 DEM에서 기복이 있는 것으로 제작되었기 때문인 것 같으며(그림 5), ERDAS의 경우는 앞에서 언급한 바와 같이 관심점만을 대상으로 제작된 DEM이기 때문에 영 상 격자를 모두 정합한 제안방법의 결과와는 형태적으로 다 소 차이가 발생한 것으로 판단된다. 그리고 제안방법 DEM 의 전반적인 오차는 산림지역에 비해 작게 발생 하였다.
연구결과를 정리하면, 첫 번째, 제안방법의 경우 색깔 대 비가 적은 산림지역에서 상관계수 계산에 최대한 많은 화소 들이 계산에 참여할 수 있도록 기준영역 크기를 자동 조절 했기 때문에 비교적 좋은 결과를 얻을 수 있었다. 반면 상 대적으로 작은 크기의 고정된 기준영역을 사용한 경우, 산림 지역에서 대부분 오정합이 발생함으로 제대로 된 DEM을 표현할 수 없었다. 따라서 제안방법으로 정합한 DEM이 기 존의 고정된 크기로 정합한 DEM보다 정확도가 향상되었음 을 입증할 수 있었다. 두 번째, 제안방법에서 일정간격 화소 들만 참여하여 정합한 경우가 그렇지 않은 경우보다 DEM 의 결과 정확도가 전반적으로 떨어졌으나 큰 차이는 보이지 않았다. 따라서 영역기반 매칭을 보다 짧은 시간에 할 수 있는 제안방법이 더욱더 효율적일 것이라 판단된다. 마지막 으로 시각적인 측면에서 평가를 해보면, 경작지나 나대지에 서는 제안방법에 의한 DEM의 결과가 토지피복영상을 이용 하고 인터벌을 주지 않은 DEM의 결과보다는 약간 떨어지 나, 수치지도 및 ERDAS에 의한 DEM 보다는 오히려 우수
한 것으로 판단된다. 본 연구결과를 통해 토지피복 분류영상 을 이용하여 정합의 성능을 향상시킬 수 있다는데 그 의미 를 부여할 수 있을 것으로 본다.
4. 결 론
본 연구에서는 토지피복 분류영상을 이용하여 입체영상 내 에서 토지피복 특성을 자동으로 판별한 후, 토지피복 특성별 설정해 둔 기준영역 크기 선택방법을 개발하였다. 그리고 정 합시간 단축을 위한 일정간격화소들만 참여하는 정합방법을 제안하였다. 그 결과, 고정된 기준영역으로 정합한 DEM보 다 제안방법으로 구한 DEM의 정확도가 향상되었다. 따라서
DEM제작에 있어서 제안한 정합방법이 기존의 고정된 크기 로 정합하는 방법보다 결과 정확도가 향상되었음을 입증하 였다. 그리고 실험 대상지 중 경작지나 나대지에서는 제안방 법에 의한 DEM 결과가 수치지도와 ERDAS에 의한 DEM 의 결과보다는 오히려 우수한 것으로 판단되어진다. 결국 이 방법은 정합영역 크기의 자동결정 뿐 아니라 영상 내 토지 피복 특성에 따른 정합기법 자동 적용에도 활용되어 질 수 있을 것이다.
감사의 글
본 논문은 한국항공우주연구원의 다목적실용위성 3호 개발 사업의 연구비 지원에 의해 수행되었습니다.
참고문헌
강준묵, 윤희천, 박준규, 김윤관(2008) 수치지도 제작을 위한
QuickBird영상의 활용. 한국측량학회지, 한국측량학회, 제26 권, 제1호, pp. 63-71.
국토지리정보원(2004) 공공측량 작업규정 세부기준
[2004.1.2고시
(건설교통부고시 제2003-326호)].국토지리정보원.
김연준, 유영걸, 양인태(2006) SPOT 5/HRG 입체영상으로부터 추출된 DEM의 평가. 한국측량학회지, 한국측량학회, 제24권, 제2호, pp. 153-158.
김의명, 손홍규, 송영선(2005) 영상정합을 위한 특징점 추출 연 산자의 비교. 대한토목학회논문집, 대한토목학회, 제25권, 제
4D호, pp. 591-597.
박병욱(1991)
SPOT위성데이터를 이용한 수치표고모델 생성에 관한 연구. 박사학위논문, 서울대학교.
박희주(2000) 건물지역 수치표면모형 자동생성을 위한 영상정합 방법. 한국측량학회지, 한국측량학회, 제18권, 제3호, pp.
315-322.
손홍규, 박정환, 장훈(2005) 구간정합선과 다항식비례모형을 활용 한 수치고도모형의 제작. 대한토목학회논문집, 대한토목학회, 제25권, 제1D호, pp. 179-188.
안기원, 이효성, 서두천, 신석효(1999) IRS-1C 위성데이타를 이 용한 수치표고모델 생성에 관한 연구. 한국측량학회지, 한국 측량학회, 제17권, 제3호, pp. 293-300.
이효성, 안기원, 유기윤, 신석효(2005) IKONOS 위성영상의 물 리적 센서모델링. 대한토목학회논문집, 대한토목학회, 제25권, 제6D호, pp. 907-913.
이효성, 안기원, 박병욱, 이병길(2007), IKONOS 입체영상의 토 지피복 특성에 따른 정합영역 크기 결정. 한국측량학회지, 한 국측량학회, 제25권, 제6-2호, pp. 587-597.
Baltsavias, E.P. and Stallmann, D. (1993) SPOT stereo matching for Digital Terrain Model generation. Proceeding of 2nd Swiss
Symposium on Pattern Recognition and Computer Vision, Zur- ich, pp. 61-72.
Gruen, A., Zhang, L., and Eisenbeiss, H. (2005) 3D precision pro- cessing of high satellite imagery. ASPRS 2005 Annual Confer- ence, ASPRS, Baltimore, Maryland, USA, CD-ROM.
Kornus, W., Alamús, R., Ruiz, J., and Talaya, J. (2006) DEM gen- erationfrom SPOT-5 3-fold along track stereoscopic imagery using autocalibration. ISPRS Journal of Photogrammetry and Remote Sensing, ISPRS, Vol. 60, pp. 147-159.
Morgan, M. (2004) Epipolar Resampling of Linear Array Scanner Scenes. Ph.D. Dissertation, Department of Geomatics Engi- neering, University of Calgary, Calgary, Canada.
Reinartz, P., Müller, R., Lehner, M., and Schroeder, M. (2006) Accuracy analysis for DSM and orthoimages derived from SPOT HRS stereo data using direct georeferencing. ISPRS Journal of Photogrammetry and Remote Sensing, ISPRS, Vol.
60, pp. 160-169.
Toutin, T. (2004) DSM Generation and Evaluation from QuickBird stereo imagery with 3D physical modelling. International Jour- nal of Remote Sensing, RSPSoc, Vol. 25, No. 22, pp. 5181- 5193.
Toutin, T. (2006) Generation of DSMs from SPOT-5 in-track HRS and across-track HRG stereo data using spatiotriangulation and autocalibration. ISPRS Journal of Photogrammetry and Remote Sensing, ISPRS, Vol. 60, pp. 170-181.
Wolff, K. and Gruen, A. (2008) Up to date DSM generation using high resolution satellite image data. The International Archives of the Photogrammetry, Remote Sensing and Spatial Informa- tion Sciences 2008, ISPRS, Beijing, Vol. XXXVII, Part B1, pp.
1103-1108.
Zhang, L. and Gruen, A. (2006) Multi-image matching for DSM generation from IKONOS imagery. ISPRS Journal of Photo- grammetry and Remote Sensing, ISPRS, Vol. 60, pp. 195-211.
(
