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
- 이에 본 연구에서는 서브-미터급 고해상도 위성영상(GSD 1m급 이하)을 이용하여 고해상도 위성영상의 시범제작 및 정확도 검증을 통한 정밀 주제도 제작 기술의 연구와 고해상도 위성영상의 적용 가능성을 분석하고 정밀 주제도 제작 기법을 정립하고자 한다.
제안 방법
- 1차 분류된 객체에는 산림과 초지, 그림자가 혼합되어 있어 1차로 분류된 객체로부터 밝기값, Green과 Red 밴드와의 상대적 비율, 평균값을 기준으로 초지를 추출하였다. KOMPSAT-2 영상은 도심지역의 공원 및 강둔치의 화단 등의 추출이 가능하였다.
- DEM은 표정 해석 후 입체 영상으로 제작한 에피폴라 영상으로부터 영상정합법 중 밝기상관법을 이용하여 5m×5m 격자 DEM을 제작하였다.
- 주제 정보 추출 실험에 이용된 매개변수는 표 3에 나타내었다. 객체지향분류를 위해 영상분할을 수행하고 분할된 객체에서 얻어진 매개변수 값들과 같은 속성을 가지는 객체들의 분석을 통해 영상분류를 수행하였다. 수계는 근적외 밴드 화소값, 밝기값, 표준편차 등을 기준으로 수행하였으나 일부 그림자 지역이 포함되어 추출이 이루어 졌다.
- KOMPSAT-2스테레오 영상을 이용하여 대상지역의 DEM 및 정사 영상을 제작하였으며. 또한 제작된 정사영상을 이용하여 자동추출 실험을 수행하였다.
- 본 연구에서 토지피복분류는 미국의 USGS 토지피복 분류체계, 유럽연합의 CORINE 토지피복 프로젝트의 내용과 환경부 토지피복지도 분류체계, 그리고 비오톱지도 토지피복지도 분류체계 등 국내ㆍ외 주제정보 분류 체계 및 방법과 국내의 주제정보 자동 분류 연구사례를 분석하여 고해상도 위성영상을 통해 자동분류 가능한 주제 정보 항목을 건물, 도로 및 시가화지역, 나대지(농경지), 산림, 수계, 초지, 그림자 이상 7개로 선정하고, 객체지향분류법을 이용하여 주제 정보 추출 실험을 수행하였다.
- 본 연구에서는 고해상도 위성영상을 이용하여 주제 정보를 추출하고, 정밀주제도 시범제작 및 정확도 분석을 통하여 다음과 같은 결론을 얻을 수 있었다.
- 분류된 결과에 대해 항목별로 LiDAR 데이터, 항공사진, 1/1,000 수치지형도를 이용하여 비교ㆍ분석을 수행하였다.
- 산림은 NDVI(Normalized Diffenerce Vegetation Index, 식생지수) 비교 및 Green과 Red 밴드와의 상대적 비율, 밝기값을 기준으로 추출을 수행하였다. 대상 지역은 도심지역이라 가로수와 공원내 수목 등이 산림 지역으로 추출되었다.
- 정사영상의 정확도 분석을 위하여 25점의 검사점을 선정하여 1:1,000수치지도와 상대적인 위치오차 분석을 수행하였다.
- 정사영상의 제작은 영상으로부터 추출한 DEM과 LiDAR DEM을 이용하여 정밀수치편위수정(differential rectification)을 수행하였다. 영상재배열(image resampling) 보간법은 공일차내삽법(Bilinear Interpolation)을 이용하였으며, 영상재배열은 4pixel 단위로 수행하였다.
- 주제정보 추출에 앞서 대상지역 위성영상의 표정해석을 수행하여 입체영상을 제작하고, 입체영상으로부터 DEM을 추출을 수행하였다.
- 추출된 DEM을 이용하여 정사영상을 제작하고, 제작된 정사영상과 DEM을 이용하여 주제정보를 추출하였다. 추출된 분류성과는 오류검수 과정을 거쳐 주제도 제작을 수행하였다.
- 추출된 DEM을 이용하여 정사영상을 제작하고, 제작된 정사영상과 DEM을 이용하여 주제정보를 추출하였다. 추출된 분류성과는 오류검수 과정을 거쳐 주제도 제작을 수행하였다. 그림 4는 주제정보 추출 방법을 나타내고 있다.
대상 데이터
- KOMPSAT-2 영상은 대상지역의 1m급 전정색, 4m 급 다중분광 스테레오 영상과 헤더정보 및 RPC 자료를 확보하여 실험에 이용하였다.
- KOMPSAT-2 영상의 표정해석은 영상과 함께 제공되는 RPC(Rational Polynomial Coefficient)와 test field 내 9점을 선정하여 1:1,000 수치지도를 통해 좌표를 획득하였다.
- 본 연구에서는 대전광역시 유성구를 대상지역으로 대상지역 중 하천, 건물, 공원 등이 있는 지역을 토지피복 정보 추출 Test field로 선정하였다. KOMPSAT-2스테레오 영상을 이용하여 대상지역의 DEM 및 정사 영상을 제작하였으며. 또한 제작된 정사영상을 이용하여 자동추출 실험을 수행하였다.
- KOMPSAT-2영상은 2008년 5월 6일과 2009년 4월 12일에 취득한 스테레오 영상으로, 영상 면적은 좌측영상이 약 263.050㎢, 우측영상이 약 253.923㎢이며, 중복도는 약 94%이다. 참고자료로 생성된 지형공간정보의 정확도 분석을 위하여 2006년에 제작된 1:1,000수 치지도 총 52도엽을 획득하였다.
- 산림은 NDVI(Normalized Diffenerce Vegetation Index, 식생지수) 비교 및 Green과 Red 밴드와의 상대적 비율, 밝기값을 기준으로 추출을 수행하였다. 대상 지역은 도심지역이라 가로수와 공원내 수목 등이 산림 지역으로 추출되었다. 그림 13은 산림 추출 결과를 나타낸 것이다.
- 대상지역의 LiDAR(Light Detection And Ranging) 데이터는 2005년 4월 촬영한 데이터로서, 캐나다 Optech사의 ALTM 30/70 으로 취득하였으며, 1평방미터당 3～6점의 고밀도 데이터를 사용하였다. 표 2는 실험에 사용된 LiDAR 장비의 재원을 나타낸 것이다.
- 본 연구에서는 대전광역시 유성구를 대상지역으로 대상지역 중 하천, 건물, 공원 등이 있는 지역을 토지피복 정보 추출 Test field로 선정하였다. KOMPSAT-2스테레오 영상을 이용하여 대상지역의 DEM 및 정사 영상을 제작하였으며.
- 923㎢이며, 중복도는 약 94%이다. 참고자료로 생성된 지형공간정보의 정확도 분석을 위하여 2006년에 제작된 1:1,000수 치지도 총 52도엽을 획득하였다.
데이터처리
- 나대지는 영상 분할을 통해 생성된 각 객체별 Maximum Difference, 밝기값, 평균값을 기준으로 추출하였다. 학교운동장, 강 둔치 등에 대한 추출이 가능 하였다.
이론/모형
- 정사영상의 제작은 영상으로부터 추출한 DEM과 LiDAR DEM을 이용하여 정밀수치편위수정(differential rectification)을 수행하였다. 영상재배열(image resampling) 보간법은 공일차내삽법(Bilinear Interpolation)을 이용하였으며, 영상재배열은 4pixel 단위로 수행하였다.
성능/효과
- LiDAR의 건물 분류와 비교한 결과 건물의 위치는 정확하나 모양은 많은 차이를 보였다.
- 나대지에 대한 분류 결과, 항공사진과 비교를 수행하였을 때 위성영상과 항공사진의 시기적 차이에 의해 결과가 다소 차이가 있는 것으로 분석 되었으며, 산림지역과 초지의 추출결과 도심지역의 공원, 녹지 지역등이 추출된 것으로 나타났으며, 양호한 결과를 나타냈다.
- 둘째, 주제정보 분류 연구 사례의 분석을 통해 건물, 도로 및 시가화, 나대지(농경지), 산림, 수계, 초지, 그림자로 자동 분류 우선 항목 7개를 결정하였으며, 자동 추출을 위해 7개 분류항목에 대하여 객체지향분류를 수행한 결과 자연 지형지물인 수계, 산림, 초지, 그림자, 나대지는 세부적인 분류가 가능하였다.
- 수계경계와 1:1,000 수치지도의 수계경계는 유수하천은 큰 차이를 나타내지 않으나, 건천, 모래, 습지가 있는 경우 다소 다른 양상을 나타내는 것으로 분석되었다.
- 정사영상의 평균수평위치오차는 ±3.081m로 다소 높은 것으로 나타났지만, 1:5,000 수치지도의 수평위치오차 허용한계인 3.5m에 준하는 것으로 나타났다.
- 제작된 DEM을 LiDAR 데이터와 비교한 결과 0～±5m 오차 지역이 81.6%로 나타났다.
- 첫째, 고해상도 위성영상을 이용하여 영상매칭 DEM과 LiDAR DEM을 적용하여 정사영상을 제작하여 정사영상의 정확도 분석결과 1:1,000 수치지도에 비하여 ±1.5m의 오차가 발생함을 알 수 있었다.
- 표정해석은 상용 프로그램인 PCI Geomatica 10.2를 이용하였으며, 표정해석 결과 KOMPSAT-2의 dX는 ±1.49m, dY는 ±1.09m, dL은 ±1.85m로 위성영상 절대 표정 규정인 2화소 이내의 정확도를 나타냈으며, 1:5,000 수치지도의 절대표정 정확도인 ±2m 보다 양호한 결과를 나타냈다.
후속연구
- 또한, Multispectral 영상과 Panchromatic 영상을 이용하여 높은 공간해상도를 확보하고 시각적인 정밀도를 높일 수 있는 Pansharpening 기술의 활용을 통하여 다양한 고해상도 영상을 제공해야 한다.
- 셋째, 주제정보의 세부분류를 위해서는 기존 주제도 및 각종 지형공간정보 등을 참고자료로 활용하여 정확도를 향상시킬 필요가 있으며 고해상도 영상에 대한 맵핑기법을 이용한 자동화 기법에 대한 추가 연구가 요구 된다.
- 초지, 산림, 나대지, 수계 등 자연 지형지물에 대해서는 자동 추출된 토지피복도의 분류가 세부적으로 이루어 졌으며, 자동 추출을 통한 중분류 토지피복정보의 제작 및 갱신이 가능할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.