[논문]고해상도 항공정사영상을 이용한 신설 도로 추출 방법에 관한 연구

이경민; 고신영; 김경민; 조기성

doi:10.7319/kogsis.2014.22.3.003

고해상도 항공정사영상을 이용한 신설 도로 추출 방법에 관한 연구
Extracting Method The New Roads by Using High-resolution Aerial Orthophotos 원문보기

한국지형공간정보학회지 = Journal of the korean society for geospatial information science, v.22 no.3, 2014년, pp.3 - 10

이경민 (전북대학교 토목공학과) , 고신영 (전북대학교 토목공학과) , 김경민 (전북대학교 토목공학과) , 조기성 (전북대학교 토목공학과)

초록
AI-Helper

수치지형도는 항공영상 및 현장조사 자료를 바탕으로 전문가의 숙련된 과정을 통해 제작되며 수치지형도는 2년 주기로 수정 갱신한다. 이러한 수치지형도 제작에는 많은 시간이 소모되어 급변하는 지형정보의 신속한 수정 갱신이 요구된다. 따라서 본 논문에서는 간결하고 신속한 수치지형도의 갱신 방법을 위해 촬영시기가 다른 동일 대상 지역의 고해상도 항공정사영상을 이용하여 RGB 컬러모델에서 HSI 컬러변환을 실시한다. 이에 얻어진 채도값을 기준으로 영역확장기법 및 모폴로지를 적용하여 도로영역의 객체 분류를 수행하였으며 대상지역의 지형변화 탐측을 위해 CVA 기법을 적용하여 변화된 도로영역의 추출정확도를 비교 분석하여 제시하였다.

Abstract ▼ AI-Helper

Digital maps are made by experts who digitize the data from aerial image and field survey. And the digital maps are updated every 2 years in National Geographic Information Institute. Conventional Digitizing methods take a lot of time and cost. And geographic information needs to be modified and updated appropriately as geographical features are changing rapidly. Therefore in this paper, we modify the digital map updates the road information for rapid high-resolution aerial orthophoto taken at different times were performed HSI color conversion. Road area of the cassification was performed the region growing methods. In addition, changes in the target area for analysis by applying the CVA technique to compare the changed road area by analyzing the accuracy of the proposed extraction.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

일반적으로 2개의 밴드를 이용해 CVA 기법의 분석 방법은 동일 위치의 픽셀을 변화크기(Magnitude)와 방향(Direction)을 산출하며 변화라고 말할 수 있는 임계값을 설정해 임계값을 초과하는 것은 변화되었다고 나타낼 수 있으며 변화한 방향을 통해서 픽셀의 변화 유형을 분석할 수 있다. 따라서 본 논문에서는 영역확장을 통해 추출된 도로망의 결과로부터 CVA 기법을 적용시켜 변화크기를 구하여 특정 임계값 이상인 부분을 변화된 부분이라 판단하고 변화된 부부분만을 추출하고자 한다.
모폴로지는 기본적으로 최외곽선의 한 픽셀을 더하거나 빼는 기법인 확장 (Dilation), 침식(Erosion)이 있으며, 두 기법의 순서를 적절히 조절하여 열림(Opening), 닫힘(Closing)기법을 통해 잡음제거 및 객체의 경계, 형태 등 물체의 구조를 명확히 표현하는데 사용된다(Donnay et, 2001). 본 논문에서는 영역확장을 이용한 도로 추출 시 차량 및 차선분리대로 인해 도로영역으로 추출되지 않는 부분을 제거하기 위해 모폴로지를 적용해 제거하고 도로영역만을 추출하고자 한다.
1에 나타낸 연구흐름도와 같이 동일 대상지역의 촬영시기가 다른 고해상도 항공정사영상을 HSI 컬러 변환을 통해 각 영상 도로영역의 Tranning Data를 선정하고 S(Saturation)값으로부터 산출된 평균과 표준편차를 영역확장기법에 적용해 도로영역을 추출하고 CVA를 통해 변화된 도로 영역을 감지하여 수치지도간의 변화된 영역과 수치적으로 비교하였다. 이 비교된 결과로 실제 도로의 변화 영역에 대한 수치지도의 신속한 갱신 등에 적용 가능한 도로망 추출 방법을 검증하고자 한다.

제안 방법

따라서 본 논문에서는 Fig. 1에 나타낸 연구흐름도와 같이 동일 대상지역의 촬영시기가 다른 고해상도 항공정사영상을 HSI 컬러 변환을 통해 각 영상 도로영역의 Tranning Data를 선정하고 S(Saturation)값으로부터 산출된 평균과 표준편차를 영역확장기법에 적용해 도로영역을 추출하고 CVA를 통해 변화된 도로 영역을 감지하여 수치지도간의 변화된 영역과 수치적으로 비교하였다. 이 비교된 결과로 실제 도로의 변화 영역에 대한 수치지도의 신속한 갱신 등에 적용 가능한 도로망 추출 방법을 검증하고자 한다.
따라서 영역확장을 통한 도로 추출을 위해 각 영상에서 도로를 대표할 수 있는 값인 Seed Point(#)와 동일 객체의 동질성의 한계를 나타내는 임계값(σ)을 각 도로영역에 대한 채도값의 Tranning 데이터를 통해 산출하였다.
5와 6은 각각 참조영상과 변화영상에서 도로영역의 Tranning 영역의 값을 그래프로 표시한 것이다. 또한 각 영상에서 도로를 대표할 수 있는 값을 산출해 영역확장을 통한 도로영역을 추출하기 위해 Tranning 영역으로 부터 산술적 계산을 통해 얻었다. Table 1은 영역확장기법을 수행하기 위해 필요한 각 영상의 Seed Point(#)값과임계값(σ)을 타나낸 것이다.
또한 도로가 가지는 균일한 명도값을 이용해 각 화소 명도값의 평균과 표준편차를 계산한 ATS(Angle Texture Signature) 방법을 제안하여 도로를 추출하였다. 그러나 도로와 유사한 명도 값을 가지는 객체 또한 도로로 인식되는 문제점이 발생하였다.
모폴로지 통해 오류부분이 제거된 도로망을 나타낸 두 영상으로부터 변화된 도로를 추출하기 위해 CVA 기법을 적용하였으며 그 결과로서 변화된 부분은 검정색, 변화하지 않은 부분은 흰색으로 아래 Fig. 11와 같이 결과를 나타내었다. 검정색으로 나타낸 변화 추출된 도로망을 확대해보면 새로이 생겨난 도로의 경우 일정한 폭과 연속성을 가지는 결과를 얻을 수 있었다.
정확도 분석을 위해 사용되어진 기준 자료는 변화된 도로영역을 추출하기 위해 사용된 영상의 촬영시기와 동일한 연도에 제작되어진 수치지형도를 ESRI 사의 ArcGIS 프로그램을 이용하여 각 시기의 도로망 영역에 대한 벡터 자료를 추출한 후 각각의 선형 벡터 자료를 폴리곤 형태로 변환하였다. 변환된 폴리곤 자료를 영상자료의 공간해상도에 맞춰 레스터 자료로 전환하는 작업을 실시하여 이를 바탕으로 도로망 영역의 면적 비교분석을 수행하였다. Fig.
본 연구에서는 동일 대상지역의 촬영시기가 다른 고해상도 항공정사영상을 영역확장기법과 CVA기법을 적용해 변화된 도로영역을 추출한 결과 다음과 같은 결론을 얻을 수 있었다.
본 연구에서는 영상에서 도로망을 추출하기 위해 촬영시기가 다른 각 영상에서 도로영역의 Sampling을 통해 도로의 대표값을 가지는 기준값(#)과 동질성의 임계값을 가지는 매개변수(σ)를 산출하여 영상에서 도로망 추출을 수행하였다.
본 연구에서는 영상에서 도로의 경우 아스팔트 또는 콘크리트로 시공되어 도로 재료의 균질성의 특징을 가지고 있어 HSI 컬러모델 요소 중 채도에서 도로영역의 분광값의 유사성을 볼 수 있기 때문에 전처리 과정으로서 기존 RGB 모델에서 HSI 모델로 식 (1)～(3)을 이용하여 컬러모델 변환을 수행하였다.
영상에서 영역확장기법을 통해 추출한 도로의 경우 도로위의 차선이나 분리대의 경우 채도 값이 도로와는 상이하기 때문에 도로영역으로 추출되지 못하는 문제가 발생하게 되어 Salt & Pepper를 흩뿌려 높은 것과 같은 영상으로 보이게 되며 도로가 단절되는 등 추후 정확도 분석에서 문제를 발생시키게 되므로 본 논문에서는 이러한 부분을 오류점이라 판단하여 모폴로지 연산의 닫힘(Closing)기법을 통해 제거하였다.
변화 탐지된 도로영역의 결과의 평가는 일반적으로 영상을 이용한 정확도 평가를 위해 사용되는 면적 비교 방법을 채택하였다. 정확도 분석을 위해 사용되어진 기준 자료는 변화된 도로영역을 추출하기 위해 사용된 영상의 촬영시기와 동일한 연도에 제작되어진 수치지형도를 ESRI 사의 ArcGIS 프로그램을 이용하여 각 시기의 도로망 영역에 대한 벡터 자료를 추출한 후 각각의 선형 벡터 자료를 폴리곤 형태로 변환하였다. 변환된 폴리곤 자료를 영상자료의 공간해상도에 맞춰 레스터 자료로 전환하는 작업을 실시하여 이를 바탕으로 도로망 영역의 면적 비교분석을 수행하였다.

대상 데이터

연구대상지역은 충청남도 천안시 동남구 신방동 일대(좌상단 : 211016E, 465450N; 우하단 : 216016E, 460450N; TM<중부> GRS-80)영상으로 시계열적으로 변화된 도로망이 육안으로 뚜렷이 확인이 가능한 곳으로 포함되어 있는 지역을 선정하였으며, 대상지역 면적은 약 5km × 5km으로 설정하였다. 본 연구에서 이용된 영상은 GSD 50㎝의 항공정사영상으로서 도로의 변화탐측을 수행하기 위해 기준이 되는 2008년에 촬영된 참조영상(Fig. 3)과 2011년 촬영된 대조영상(Fig. 4)영상을 이용하였다.
연구대상지역은 충청남도 천안시 동남구 신방동 일대(좌상단 : 211016E, 465450N; 우하단 : 216016E, 460450N; TM GRS-80)영상으로 시계열적으로 변화된 도로망이 육안으로 뚜렷이 확인이 가능한 곳으로 포함되어 있는 지역을 선정하였으며, 대상지역 면적은 약 5km × 5km으로 설정하였다.

데이터처리

13는 본 연구에서 제안한 방법으로 영상으로 부터 변화된 도로망을 추출한 결과이다. 두 데이터를 통해 실제 참조 데이터와 변화 추출된 데이터가 서로 일치하는 영역을 추출하고 본 논문에서 사용한 방법에 의해 나타나는 수행오차(Commission error)와 누락 오차(Omission error)를 구해서 오차행렬(error matrix)를 이용하여 분석을 수행하였다.

이론/모형

본 논문에서 도로영역 추출은 영역확장 기법 적용하여 각 영상의 도로를 추출하기 위해 Tranning Data를 통해 얻어진 산출 값을 이용하였다. Fig. 7은 영역확장 기법의 수행과정을 나타내는 것으로서 Seed Point로부터 주위의 모든 픽셀을 비교해 임계값이내의 값을 가지는 픽셀은 Seed Point와 같은 객체라 인식하고 위치를 저장하는 과정을 반복수행하여 동일 객체를 추출하는 방법을 이용하였으며 MATLAB Ver. 2010의 코딩을 통해 수행하였다. 위 과정을 수행하여 다음 Fig.
본 논문에서 도로영역 추출은 영역확장 기법 적용하여 각 영상의 도로를 추출하기 위해 Tranning Data를 통해 얻어진 산출 값을 이용하였다. Fig.
항공정사영상에서 변화된 도로영역을 추출하기 위해 각 영상에서 도로의 대표성을 가지는 S(Saturation)값을 산출하였으며, 이 값을 영역확장기법에 적용하고 도로영역을 추출 하였다.

성능/효과

Table 2와 같이 기준자료와 영상에서 추출된 변화된 도로영역의 정확도 검증을 위해 오차행렬을 작성하였고 위의 결과와 같이 분류 항목을 변화된 부분(Change) 과 변화되지 않은 부분(No-change)으로 설정할 때 전체정확도(Overall accuracy)는 96.16% 라는 높은 수치가 나왔다.
11와 같이 결과를 나타내었다. 검정색으로 나타낸 변화 추출된 도로망을 확대해보면 새로이 생겨난 도로의 경우 일정한 폭과 연속성을 가지는 결과를 얻을 수 있었다. 반면 변화되지 않은 부분에서 변화되었다고 결과를 나타내는 부분을 분석해 보면 영상의 취득 시 서로 다른 촬영 조건으로 인한 그림자 영향과 도로 옆 가로수로 인한불분명한 도로의 경계 추출, 도로 외각부분의 이물질로 인해 영역확장기법을 통한 도로영역 추출 시 정확한 도로의 폭을 추출하기 어렵기 때문에 전체 영상에서 일정한 형태를 나타내지 못하고 잡음처럼 나타내어졌다.
16% 라는 높은 결과를 얻을 수 있었다. 그러나 변화된 도로지역으로 선택된 영역 중 도로지역과 유사한 S값을 갖는 주차장 등과 같은 지역이 도로로 인식됨으로서 수행오차와 누락오차가 발생함을 확인 하였다.
또한 기준자료와 영상에서 추출된 변화된 도로지역의 제작자 정확도(Producer’s accuracy)값을 보았을 때 약 58.32%의 비교적 낮은 값을 나타내고 있다.
영역확장으로부터 추출된 도로영역 결과에서 도로 시설물 및 차량으로 인해 도로영역이 분절되는 현상이 나타났으나 모폴로지를 통해 제거함으로서 일정폭과 연속성을 가지는 도로영역 결과를 얻을 수 있었다.
위 결과로부터 CVA기법을 적용해 얻어진 변화된 부분과 변화되지 않은 영역에 대한 전체 정확도 분석결과 96.16% 라는 높은 결과를 얻을 수 있었다. 그러나 변화된 도로지역으로 선택된 영역 중 도로지역과 유사한 S값을 갖는 주차장 등과 같은 지역이 도로로 인식됨으로서 수행오차와 누락오차가 발생함을 확인 하였다.

후속연구

누락오차의 경우 Fig. 16에서와 같이 주로 도로의 외곽에서 나타났으며 이러한 원인은 도로외곽에 존재하는 모래 및 기타 이물질로 인해 도로가 가지는 분광특성 값에 영향을 미치게 되기 때문에 영역확장 적용 시 추출하지 못한 것으로 판단되며 정확도를 높이기 위해 수행오차와 누락오차를 줄일 수 있는 추가적인 연구가 필요하다고 사료된다.
그러나 현재 도로정보 수정 갱신 기간은 최소 2년의 시간을 소요하고 있으며 대부분의 경우 현장 측량을 통한 비효율적인 방법을 적용하고 있다. 따라서 보다 효율적이고 신속한 정보 수정 갱신을 위한 방법에 대한 연구가 필요로 한다.
그러나 위 도로영역을 추출하기 위한 연구의 결과들은 단일 영상만을 이용하였으며 이러한 경우 변화된 영역의 부분을 추출하기에 어려움이 따른다. 이에 동일 대상지역의 시계열적으로 촬영시기가 다른 두 영상을 이용하고 기존 인공위성보다 공간해상도가 높은 항공 정사영상을 이용해 변화된 도로영역을 추출할 수 있다면 도로정보를 갱신하는데 있어 제작 기간 및 경제적인 비용을 낮추는데 효과적이라 판단되며 이를 위한 연구가 필요하다.
향후 객체 분류 및 오차들을 줄일 수 있는 추가적인 연구를 진행한다면 영상만을 이용해 도로의 변화된 정보를 신속히 취득하고 수치지도의 빠른 갱신에 본 연구 결과가 효과적으로 활용될 수 있다고 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수치지형도 제작에 요구되는것은 무엇인가?	수치지형도는 항공영상 및 현장조사 자료를 바탕으로 전문가의 숙련된 과정을 통해 제작되며 수치지형도는 2년 주기로 수정 갱신한다. 이러한 수치지형도 제작에는 많은 시간이 소모되어 급변하는 지형정보의 신속한 수정 갱신이 요구된다. 따라서 본 논문에서는 간결하고 신속한 수치지형도의 갱신 방법을 위해 촬영시기가 다른 동일 대상 지역의 고해상도 항공정사영상을 이용하여 RGB 컬러모델에서 HSI 컬러변환을 실시한다.
	원격탐사가 대두된 배경은 무엇인가?	현대사회의 지속적인 발전으로 인한 변화된 지표정보의 신속한 취득을 위해 원격탐사가 대두되었다. 초기 민간에게 보급된 원격탐사 데이터는 낮은 공간해상도로 인해 현장조사에 따른 측정값에 비해 정확도가 떨어져 참조데이터로서 사용이 어려워 농업과 환경 등 대단위 지역의 경향 분석에 사용되어 왔다.
	효율적이고 신속한 정보 수정 갱신을 위한 방법에 대한 연구가 필요한 이유는 무엇인가?	지도 제작에 있어 지표정보는 자연지물과 건물, 도로 등의 인공지물까지 모두 표현되어지며 이 중 사회기반 시설인 도로는 도시계획 및 우리의 일상생활에 사용되는 내비게이션에서도 중요한 정보 중 하나이다. 그러나 현재 도로정보 수정 갱신 기간은 최소 2년의 시간을 소요하고 있으며 대부분의 경우 현장 측량을 통한 비효율적인 방법을 적용하고 있다. 따라서 보다 효율적이고 신속한 정보 수정 갱신을 위한 방법에 대한 연구가 필요로 한다.

참고문헌 (12)

Haverkamp, D., 2002, Extracting straight road structure in urban environments using IKONOS satellite imagery, Optical Engineering, vol. 41, no.9, pp. 2107-2110.

상세보기
Jeon, Do Hongm 2005, Computer graphics theory, Jeong Ik Book.
Kaidi, S. Bernard, S. Lambert, P. Massip, A. Dessy, F. Donnay, I., 2001, Effect of conventional controlled-rate freezing and vitrification on morphology and metabolism of bovine blastocysts produced in vitro, Biology of Reproduction, Vol. 65, No. 4, pp. 1127-1134.

상세보기
Kang, Won Ju, 2007, Detecting and removing of shadowing area of image using HSI color model, thesis, Chonbuk national university of Technology.
Kim, Hye Jin, 2004, Vegetation change detection using change vector analysis, The Korean Society for Geo-Spatial Information System, vol. 2004, no. 1, pp. 295-300.
Ozyavuz, M., Satir, O., Bilgili, B. C., 2011, A change vector analysis technique to monitor land-use/ land-cover in the Yildiz Mountains, Turkey, Fresenius Environmental Bulletin, Vol.20, No.5, pp. 1190-1199.
Pavlidis, T. Liow, Y. T., 1990, Integrating region growing and edge-detection, IEEE, Transactions on Pattern Analysis and Machine Intelligence, Vol.12, No.3, pp. 225-233.

상세보기
Pitas, I. Venetsanopoulos, A. N., 1993, Knowledgebased image-analysis for geophysical interpretation, Journal of Intelligent & Robotic Systems, Vol. 7, No. 2, pp. 115-137.

상세보기
Richards, John A., 1994, Remote sensing digital image analysis, An Introduction, Second, Revised and Enlarged Edition, pp.229-262, Springer-Verlag.
Shackelford, A. K. Davis, C. J., 2003, Fully automated road network extraction from highresolution satellite multispectral imagery, Vapnik, proc. of IGRSS, vol. 1, pp. 461-463.
Song, Myung Sung, 2002, Perception natural images using region growing, Thesis, Chonbuk national University.
Zhang, Q. Couloigner, I., 2006, Automated road network extraction from high resolution multi-spectral imagery, proc. of ASPRS.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증