선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 먼저 웨이블릿 변환과 다중해상도 분석에 관해 소개하였다. 그러나 웨이블릿변환은 매우 복잡한 수학적 이론이므로 본 연구에서는 웨이블릿 변환에 대한 상세한 소개는 하지 않으며, 웨이블릿 변환을 도로망 추출에 적용하는 과정에 반드시 필요한 이론적 내용에 한정하여 소개하였다.
- 첫째, 웨이블릿 변환을 이용한 다중해상도 분석을 도로망 추출에 이용하기 위한 이론적 배경을 고찰하는 것이다. 둘째, 이 기법을 직선형 도로망이 아니라 여러 가지 유형의 도로망이 혼재하는 부산광역시 금정구 일대의 도로망 추출에적용하여 보고 그 정확도를 평가하는 것이다.
- 이 기법들은 원격탐사에서는 최근에 사용되기 시작한 기법이다. 따라서 먼저 웨이블릿 변환과 다중해상도 분석에 관해 소개하였다. 그러나 웨이블릿변환은 매우 복잡한 수학적 이론이므로 본 연구에서는 웨이블릿 변환에 대한 상세한 소개는 하지 않으며, 웨이블릿 변환을 도로망 추출에 적용하는 과정에 반드시 필요한 이론적 내용에 한정하여 소개하였다.
- 본 연구의 목적은 두 가지이다. 첫째, 웨이블릿 변환을 이용한 다중해상도 분석을 도로망 추출에 이용하기 위한 이론적 배경을 고찰하는 것이다. 둘째, 이 기법을 직선형 도로망이 아니라 여러 가지 유형의 도로망이 혼재하는 부산광역시 금정구 일대의 도로망 추출에적용하여 보고 그 정확도를 평가하는 것이다.
가설 설정
- 넷째, 축척에 따라 추출 가능한 도로망이 다르다. 예를 들어 SPOT Panchromatic 영상에서 추출 가능한 도로망이더라도 KVR-1000 에서는 추출이 불가능할 수도 있다.
제안 방법
- 그리고 이 기법을 적용하여 도로망을 추출하고평가하였다. 그러나 도시에 존재하는 모든 종류의 도로를 폭에 따라 세밀히 구분하는 것은현실적으로 불가능하므로, 본 연구에서는 도로를 부산광역시 도시계획편람(부산광역시, 2000) 에 의거하여 폭에 따라 광로(40m 이상), 대로 (25m 이상에서 40m 미만), 중로(12m 이상에서 25m 미만), 그리고 소로(12m 미만)로 구분하였다. 그러나 본 연구지역에는 광로가 존재하지 않으므로, 실제 추출 대상은 대로, 중로, 그리고 소로로 한정하였다.
- 그리고 웨이블릿 변환과 다중해상도 분석을 이용한 도로망 추출기법을 소개하였다. 그리고 이 기법을 적용하여 도로망을 추출하고평가하였다.
- 그리고 이 기법을 적용하여 도로망을 추출하고평가하였다. 그러나 도시에 존재하는 모든 종류의 도로를 폭에 따라 세밀히 구분하는 것은현실적으로 불가능하므로, 본 연구에서는 도로를 부산광역시 도시계획편람(부산광역시, 2000) 에 의거하여 폭에 따라 광로(40m 이상), 대로 (25m 이상에서 40m 미만), 중로(12m 이상에서 25m 미만), 그리고 소로(12m 미만)로 구분하였다.
- 둘째, 저빈도 필터를 적용한 영상에 웨이블릿 변환을 적용하여 근사 영상을 만든다. 이것은 영상에서 필요 없는 정보들을 제거하고, 또한 영상이 가지고 있는 중요한 정보들이 더욱집약적으로 나타나도록 하는 역할을 한다.
- 첫째, 현지 답사를 통하여 연구 지역에 분포하는 도로망을 확인한다. 둘째, 현지 답사한 결과를 바탕으로 도로 분절 표본을 결정한다. 셋째, 결정한 도로 분절 표본과 벡터화한 최종 결과에 나타난 도로를 확인 .
- 형태적 특성은 직선, 곡선, 교차로의 세 가지로 구분하였다. 따라서 기존 표본이외에 교차로 표본을 추가하여 총 200개의 표본 분절을 선정하여 정확도를 평가하였다. 교차로는 좌우, 상하로 교차되는 지점을 중심으로 벡터화한 결과를 보았을 때 시각적으로 교차로인 것을 구별해 낼 수 있을 때는 정확한 것으로, 그리고 구별할 수 없을 때는 부정확한 것으로 평가하였다.
- 벡터화한 최종 결과는 원 영상과의 중첩 및 현지 조사를 통하여 평가하였다. 그러나 공간 해상도 2m 와 4m에서 추출한 도로망은 도로가 아닌 공간이 도로로 추출되는 과잉 추출이 심하여 정확도가 매우 떨어졌다.
- 본 논문에서는 고해상도인 KVR-1000 위성영상에서 웨이블릿 변환과 다중해상도 분석 방법을 결합한 “a trous” 알고리즘을 이용하여 연구지역의 도로망을 추출하였다. 연구 결과 다음과 같은 결론을 얻게 되었다.
- 둘째, 현지 답사한 결과를 바탕으로 도로 분절 표본을 결정한다. 셋째, 결정한 도로 분절 표본과 벡터화한 최종 결과에 나타난 도로를 확인 . 평가한다.
- 이러한 절차를 수행하는 웨이블릿 알고리즘으로는 여러 가지 종류가 있으나 실제 도로망추출을 위해 사용된 것은 Dutilleux에 의해 개발된 縞 trous” 알고리즘이다(그림 2). 이 알고리즘은 윤활(smoothing)에 의한 연속 근사 영상을 만들고, 웨이블릿 계수를 두 연속 근사영상의 차를 이용해 계산한다. 단 모든 근사영상과 웨이블릿 계수 영상은 동일한 크기를 갖는다(Couloigner 등, 1998).
- 일곱째, 영상으로부터 추출된 에지에서 도로를 구별할 임계치(threshold value)와 도로 폭을 고려하여 도로 선형을 구분해 낸다.
- 형태적 특성은 직선, 곡선, 교차로의 세 가지로 구분하였다. 따라서 기존 표본이외에 교차로 표본을 추가하여 총 200개의 표본 분절을 선정하여 정확도를 평가하였다.
대상 데이터
- 그러나 이들은 질적인 측면에서만 도로망 추출의 결과를 평가하였으며, 계량화된 평가치는 제시하지 않았다(Couloigner과 Ranchin, 2000). 국내에서는 권금선(1999)에 의해 시도되었는데, 서울과 성남 지역의 공간 해상도 5.8 m의 IRSTC Panchromatic 영상과 20 m 의 SPOT XS 영상에 적용하였다. 연구 결과 1:25, 000 수치지도의 도로와 추출한 도로의 길이를 비교하여 각각 55%와 61% 정도의 정확성을 가짐을 확인하였다.
- 그러나 도시에 존재하는 모든 종류의 도로를 폭에 따라 세밀히 구분하는 것은현실적으로 불가능하므로, 본 연구에서는 도로를 부산광역시 도시계획편람(부산광역시, 2000) 에 의거하여 폭에 따라 광로(40m 이상), 대로 (25m 이상에서 40m 미만), 중로(12m 이상에서 25m 미만), 그리고 소로(12m 미만)로 구분하였다. 그러나 본 연구지역에는 광로가 존재하지 않으므로, 실제 추출 대상은 대로, 중로, 그리고 소로로 한정하였다. 또한 길이 10m(5 화소) 이하의 도로는 추출 대상에서제외하였다.
- 도로 분절 샘플은 대로, 중로, 소로로 나누어 표 1 과 같이 선정하였다. 표 1에서 보면 대로, 중로의 표본 수는 적고 대부분이 소로의 표본인데, 이것은 대로와 중로는 각각 하나의 긴 도로를 하나의 도로 분절로 두는 반면, 소로의 경우 각각의 교차 부분으로 끊어지는 짧은 선형들을 각각 하나의 도로 분절로 보았기 때문이다.
- 본 연구에 사용된 영상은 1996년 5월 Russian analogic sensor KVR-1000에 의해 촬영되었으며 부산시의 일부를 포함하는 공간해상도 2m의 고해상도 영상이다. 연구에 사용된 영상의 포함지역은 부산광역시 금정구 장전동과부곡동 일대에 해당되며 행 512 X 열 512의크기로 지상면적 약 1km2에 해당한다(그림 1).
- 고해상도 영상이다. 연구에 사용된 영상의 포함지역은 부산광역시 금정구 장전동과부곡동 일대에 해당되며 행 512 X 열 512의크기로 지상면적 약 1km2에 해당한다(그림 1). 2001년을 기준으로 촬영 시점이 5년 경과하였지만, 연구지역에서는 1996년에 비해 새로운도로망의 건설이나 토지이용의 변화가 거의일어나지 않았다.
데이터처리
- 일반적인 영상처리는 ENVI 3.4 프로그램을이용하였으며, 웨이블릿 변환과 다중해상도 분석 프로그램은 IDL 언어를 이용하여 작성하였다. 그리고 추출한 도로망을 벡터화하기 위해서는 Raster2Vector 소프트웨어를 사용하였다.
이론/모형
- 4 프로그램을이용하였으며, 웨이블릿 변환과 다중해상도 분석 프로그램은 IDL 언어를 이용하여 작성하였다. 그리고 추출한 도로망을 벡터화하기 위해서는 Raster2Vector 소프트웨어를 사용하였다.
- 본 연구에서는 다중해상도분석을 위해 웨이블릿 변환 기법을 사용하였다. 이 기법들은 원격탐사에서는 최근에 사용되기 시작한 기법이다.
- 이렇게 해상도를 변화시켜 형상을 추출하는 것이 다중해상도 분석인데, 웨이블릿 변환을 이용한 다중해상도분석은 저빈도필터(low pass filter)와 고빈도필터(high pass filter)를영상에 적용하여 해상도를 변경하고 웨이블릿변환 과정의 근사영상(context image)과 계수 영상(coefficient image)을 이용한다. 스케일 변환은 다음과 같은 과정을 통해 이루어진다.
성능/효과
- 결론적으로 본 연구 결과를 통해 웨이블릿변환을 이용한 다중해상도 분석은 도시 정보시스템 구축에 적용 가능함을 확인하였다. 그러나 본 기법이 충분한 타당성을 인정받기 위해서는, 동일 연구 지역에 대한 다른 공간 해상도를 가진 위상영상으로부터의 도로망 추출 정확도 비교 및 동일 영상에 대한 다른 도로망 추출 기법을 적용하여 비교하는 등의 후속적인 연구가 필요할 것으로 판단된다.
- 따라서 기존 표본이외에 교차로 표본을 추가하여 총 200개의 표본 분절을 선정하여 정확도를 평가하였다. 교차로는 좌우, 상하로 교차되는 지점을 중심으로 벡터화한 결과를 보았을 때 시각적으로 교차로인 것을 구별해 낼 수 있을 때는 정확한 것으로, 그리고 구별할 수 없을 때는 부정확한 것으로 평가하였다.
- 도로망 추출의 정확성에 대한 평가는 이론적 측면이 아닌 실질적 측면에서 수행하기로하고, 대로, 중로, 소로의 분절을 구하여 분절길이의 80% 이상이 추출된 것을 정확하다고판단하였다. 또한 실제 도로 길이보다 20% 이상 과다 추출되면 부정확한 것으로 간주하였다.
- 둘째, 본 연구 지역의 경우는 여러 가지 형태의 도로망이 혼재하여 직교형 도로 구조를 가진 지역에 비해 다소 정확도가 떨어지리라고 가정하였으나, 곡선형 도로도 70%의 정확도로 추출이 가능하였다. 따라서 이 기법은 곡선형 도로가 많은 도시의 도로망 추출에도 어느 정도 효과적임을 알 수 있다.
- 둘째, 소로의 정확도는 79.9%로 양호하다고 할 수 있다. 특히 오른쪽 하단 지역의 도로망이 다른 지역에 비해 누락되거나 끊어짐 없이 상당히 정확하게 추출되었음을 관찰할 수 있다.
- 따라서본 연구지역의 도로망 추출에서는 “a trous” 알고리즘이 직선 추출에 비해 곡선과 교차로추출이 미흡하다고 말할 수 있다.
- 또한 실제 도로 길이보다 20% 이상 과다 추출되면 부정확한 것으로 간주하였다. 이와 같은 정확도 분석은 실제 도로의 길이와 정확하게 추출된 도로의 길이를 비교하는 확인정확도(identification accuracy) 및 도로의 중심선을 비교하는 것과 같은 이론적 비교에 비해 정교하지 않지만(Gan, 1996), 측량작업을 하지 않고도 평가가 가능한 장점이 있다.
- 비록 연구 지역이 좁은 지역에 국한되어 있기는하나 중로 이상의 도로는 100% 추출하였고, 소로도 80%의 정확도로 추출할 수 있었다.
- 셋째, 연구 지역의 경우 다중해상도 분석에의해 해상도 변환을 수행하여 도로망을 추출한 결과, 2m와 4m의 고해상도보다 오히려 저빈도 필터를 적용하여 윤활한 8m 영상의 추출결과가 우수하였다. 따라서 도로망 자동 추출을 위한 고해상도 위성의 유용성 문제를 제기할 수 있다.
- 셋째, 원 영상과 첫 번째 근사 영상의 차를 이용해 첫 번째 계수 영상을 얻고, 스케일을변화시켜 근사영상(N)과 근사영상(N+1)의 차를 이용해 계수영상(N+1)을 얻는다. 이 과정에서 각 스케일에서의 분광 변화가 감지된다.
- 셋째, 중앙을 가로지르는 대로를 중심으로왼쪽 지역보다 오른쪽지역의 추출 결과가 양호하다. 이것은 이 지역이 부산대학 지하철 역주변에 해당하는 지역이라는 점에서 요인을분석해 볼 때, 토지 이용 즉 상업 지역과 주거지역의 차이에 따른 결과로 추측된다.
- 첫 번째(그림 4, 7)는 원 영상의 스케일을 그대로 가지며, 두 번째(그림 5, 8)와 세 번째(그림 6, 9)는 각각 스케일 함수를 한 단계씩 증가시킨 것이다. 스케일 함수의 증가에 따라 해상도가 감소하는 것을 관찰할 수 있는데, 계속 스케일 함수를 증가시켜 보았으나 더 이상의 스케일 함수 증가는 불필요함을 관찰하였다.
- 8 m의 IRSTC Panchromatic 영상과 20 m 의 SPOT XS 영상에 적용하였다. 연구 결과 1:25, 000 수치지도의 도로와 추출한 도로의 길이를 비교하여 각각 55%와 61% 정도의 정확성을 가짐을 확인하였다. 그리고 도로망 추출의 정확성을 높이기 위해서는 고해상도 영상의 사용이 필요하다고 제안하였다.
- 이상의 과정에 따라 연구 지역에 분포하는 도로망을 159개의 도로 분절 표본으로 나누어 확인하였는데, 최종 벡터화한 결과에서 각 분절 길이의 80%를 기준으로 80% 이상이 나타나는 분절은 정확한 것으로 평가하였다. 도로 분절 샘플은 대로, 중로, 소로로 나누어 표 1 과 같이 선정하였다.
- 첫째, 대로와 중로의 정확도는 100%이다. 그러나 대로의 경우 도로의 아래 끝 부분에서도로가 끊어짐을 관찰할 수 있다.
- 첫째, 본 연구에서 사용한 웨이블릿 변환과다중 해상도 분석은 도로 폭에 따라 다소의 정확도 차이는 있으나, 도시지역의 도로선형을 추출하는데 매우 유용함을 확인할 수 있었다. 비록 연구 지역이 좁은 지역에 국한되어 있기는하나 중로 이상의 도로는 100% 추출하였고, 소로도 80%의 정확도로 추출할 수 있었다.
- 형태적 특성에 의해 평가한 결과 직선 도로의 정확도에 비해서 곡선도로와 교차로의정확도가 떨어지는 것으로 나타났다. 따라서본 연구지역의 도로망 추출에서는 “a trous” 알고리즘이 직선 추출에 비해 곡선과 교차로추출이 미흡하다고 말할 수 있다.
후속연구
- 그러나 본 기법이 충분한 타당성을 인정받기 위해서는, 동일 연구 지역에 대한 다른 공간 해상도를 가진 위상영상으로부터의 도로망 추출 정확도 비교 및 동일 영상에 대한 다른 도로망 추출 기법을 적용하여 비교하는 등의 후속적인 연구가 필요할 것으로 판단된다. 亙드!
※ AI-Helper는 부적절한 답변을 할 수 있습니다.