[논문]이종 공간 데이터를 활용한 에지 정보 기반 도시 지역 변화 탐지

오재홍; 이창노

doi:10.7848/ksgpc.2015.33.4.259

이종 공간 데이터를 활용한 에지 정보 기반 도시 지역 변화 탐지
Urban Change Detection Between Heterogeneous Images Using the Edge Information 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.33 no.4, 2015년, pp.259 - 266

오재홍 (Dept. of Civil Engineering, Chonnam National University) , 이창노 (Dept. of Civil Engineering, Seoul National University of Science and Technology)

초록
AI-Helper

국토 공간 활용이 복잡해짐에 따라 항공사진, 항공 라이다, 위성영상 등 국토 공간에 대한 정보를 효율적으로 취득하고 분석하기 위한 이종 데이터간의 변화 탐지 기법의 개발의 필요성이 증대되었다. 따라서 본 연구에서는 도시 및 주변 지역에 대하여 취득된 이종 데이터간의 변화 탐지를 위해 화소값에 기반하지 않고 에지 정보에 기반한 RECC (Relative Edge Cross Correlation)기법을 제안하였다. 항공 라이다와 고해상도 위성영상인 아리랑 2호 및 3호 영상에 대한 실험을 통해 변화 탐지 결과를 분석하여 RECC를 위한 적정 윈도우 크기 및 임계 계수를 도출하였고, 육안 분석을 통해 획득한 레퍼런스 데이터와의 비교를 통해 약 80%의 정확성을 보임을 확인할 수 있었다.

Abstract ▼ AI-Helper

Change detection using the heterogeneous data such as aerial images, aerial LiDAR (Light Detection And Ranging), and satellite images needs to be developed to efficiently monitor the complicating land use change. We approached this problem not relying on the intensity value of the geospatial image, but by using RECC(Relative Edge Cross Correlation) which is based on the edge information over the urban and suburban area. The experiment was carried out for the aerial LiDAR data with high-resolution Kompsat-2 and −3 images. We derived the optimal window size and threshold value for RECC-based change detection, and then we observed the overall change detection accuracy of 80% by comparing the results to the manually acquired reference data.

주제어

AI 본문요약
AI-Helper

문제 정의

RECC는 상관계수 매칭과 동일한 형태를 나타내지만 이진 (binary) 형태의 에지 정보를 이용한다는 차이가 있으며, 원래는 이종 영상간의 에지 매칭을 위해 개발된 유사도 계산 연산자이다. 그러나 변화가 많이 존재하는 지역의 경우 RECC 기법이 비유사성을 나타내는 인자로 활용될 수 있으므로, 변화 탐지에 적용 가능성을 분석해 보고자 하였다. 본 논문에서는 항공 라이다와 고해상도 위성영상인 아리랑 2호 및 3호 영상에 RECC 기법을 적용하여 RECC 윈도우 크기 및 임계값 설정에 대한 실험을 수행하고, 참조 데이터를 통한 변화 탐지 정확도를 분석하여 RECC 기법의 적용 타당성에 대해 알아보고자 하였다.
따라서 본 연구에서는 라이다 데이터와 광학 영상의 조합과 같이 공간 영상의 특성, 특히 분광정보의 차이가 현격히 나는 조합을 대상으로 변화 탐지를 적용하기 위해, 분광정보를 이용하지 않고 대상지 지형 및 지물 형상의 에지 정보를 이용하는 RECC (Relative Edge Cross Correlation) 기법 (Oh et al., 2012; Lee and Oh, 2014)을 적용하여 분석해 보았다. RECC는 상관계수 매칭과 동일한 형태를 나타내지만 이진 (binary) 형태의 에지 정보를 이용한다는 차이가 있으며, 원래는 이종 영상간의 에지 매칭을 위해 개발된 유사도 계산 연산자이다.
본 논문에서는 방사학적으로 이질성이 강한 이종 공간 영상간의 변화 탐지를 위해 에지 유사성을 기반으로 한 변화 탐지 기법을 제안하였다. RECC 기법은 윈도우 기반으로 단순하고 빠른 연산이 가능할 뿐 아니라, 공간 영상간의 상호 좌표등록이 정확하지 않더라도 적용이 가능하기 때문에 이종 데이터의 변화 탐지에 제안되었다.
그러나 변화가 많이 존재하는 지역의 경우 RECC 기법이 비유사성을 나타내는 인자로 활용될 수 있으므로, 변화 탐지에 적용 가능성을 분석해 보고자 하였다. 본 논문에서는 항공 라이다와 고해상도 위성영상인 아리랑 2호 및 3호 영상에 RECC 기법을 적용하여 RECC 윈도우 크기 및 임계값 설정에 대한 실험을 수행하고, 참조 데이터를 통한 변화 탐지 정확도를 분석하여 RECC 기법의 적용 타당성에 대해 알아보고자 하였다.

제안 방법

본 논문에서는 방사학적으로 이질성이 강한 이종 공간 영상간의 변화 탐지를 위해 에지 유사성을 기반으로 한 변화 탐지 기법을 제안하였다. RECC 기법은 윈도우 기반으로 단순하고 빠른 연산이 가능할 뿐 아니라, 공간 영상간의 상호 좌표등록이 정확하지 않더라도 적용이 가능하기 때문에 이종 데이터의 변화 탐지에 제안되었다. 항공 라이다 데이터와 고해상도 위성영상인 아리랑 2호 및 3호 영상을 이용하여 실험을 수행하고 윈도우 크기 및 RECC의 입력변수의 변화에 따른 변화탐지 분석을 수행하였다.
라이다 데이터와 고해상도 위성영상과 같이 현격히 다른 이종 데이터간의 유사성 분석을 위해서는 화소값에 기반한 유사성 분석이 어렵다. 따라서 본 연구에서는 기하학적인 정보에 기반하여 유사성 분석을 수행하고 변화 지역을 탐지해내고자 하였고 이를 위해 Eq. (2)와 같은 RECC를 활용하였다 (Oh et al.
라이다 영상에서 윈도우 영역내의 영상을 절취한 후 아리랑 영상의 동일 위치에서 아리랑 영상의 수평위치 오차 범위를 고려하여 유사도 계산을 위한 윈도우 범위보다 넓게 설정한 영역 (20픽셀)내에서 RECC 연산을 수행하고, 변화 지역 탐색을 수행하였다.
우선 윈도우의 크기의 영향을 알아보기 위해 RECC 윈도우 크기를 100×100픽셀(100×100미터)에서 400×400픽셀까지 변화시키며 변화지역을 탐지해 보았다. Fig.
RECC 기법은 윈도우 기반으로 단순하고 빠른 연산이 가능할 뿐 아니라, 공간 영상간의 상호 좌표등록이 정확하지 않더라도 적용이 가능하기 때문에 이종 데이터의 변화 탐지에 제안되었다. 항공 라이다 데이터와 고해상도 위성영상인 아리랑 2호 및 3호 영상을 이용하여 실험을 수행하고 윈도우 크기 및 RECC의 입력변수의 변화에 따른 변화탐지 분석을 수행하였다. 또한 육안 판독으로 도출한 레퍼런스 데이터에 비교하여 약 80%의 정확도의 변화 탐지율을 보임을 확인하여 본 기법은 반자동 변화 탐지 기법 개발 시 효용성이 높을 것으로 판단된다.

대상 데이터

실험은 대구 및 주변 지역에 대해 수행되었고 실험을 위해 사용한 라이다 데이터는 Table 1과 같이 ALS50II 시스템을 이용하여 2008년 2월부터 4월에 걸쳐 취득되었으며 계획된 점밀도는 1제곱미터 당 5포인트이다. 라이다 포인트 클라우드의 반사강도 정보를 이용하여 7,000×10,000픽셀 크기의 공간 해상도 1m의 정사 영상을 제작하였다. 이 때 3×3 크기의 중앙값 필터를 이용하여 낮은 점밀도 지역의 데이터 공백을 해결하였으며, 최종 결과는 Fig.
변화 탐지 실험을 위해 사용한 고해상도 위성영상 데이터는 아리랑 2호 및 3호 영상이다. Table 2에서 제시한 바와 같이 아리랑 2호 영상의 경우 2010년 2월에 취득되었으며 공간해상도는 약 1m를 지닌다.
다음으로는 변화 지역의 개수가 적절히 안정되는 200×200픽셀로 윈도우 크기를 설정하고, 해당 윈도우 크기에서 변화지역의 개수를 안정적으로 도출하기 위해 CV4를 3으로 선정하여 이후 정확도 평가를 진행하였다. 변화 탐지 정확도 확인을 위해 총 211개의 윈도우 영역내의 라이다와 위성영상을 절취한 후 변화 탐지 결과를 모르는 작업자로 하여금 수작업으로 변화 탐지 여부를 판독케 하였으며, 라이다-아리랑 2호 영상 및 라이다-아리랑 3호 영상에 대해서 총 211개의 레퍼런스 데이터를 도출해 내었다. 이를 이용하여 본 논문에서 제시한 자동 탐지 기법 결과의 분류 행렬(confusion matrix)을 작성하였으며 아래 Table 3과 Table 4에 제시하였다.
실험은 대구 및 주변 지역에 대해 수행되었고 실험을 위해 사용한 라이다 데이터는 Table 1과 같이 ALS50II 시스템을 이용하여 2008년 2월부터 4월에 걸쳐 취득되었으며 계획된 점밀도는 1제곱미터 당 5포인트이다. 라이다 포인트 클라우드의 반사강도 정보를 이용하여 7,000×10,000픽셀 크기의 공간 해상도 1m의 정사 영상을 제작하였다.
Table 2에서 제시한 바와 같이 아리랑 2호 영상의 경우 2010년 2월에 취득되었으며 공간해상도는 약 1m를 지닌다. 아리랑 3호 영상의 경우 아리랑 2호로부터 4년 지난 2014년 3월에 취득되었으며 원 데이터의 공간해상도는 약 80cm이다. 아리랑 2호 영상의 경우 촬영각이 거의 수직에 가까우나 아리랑 3호 영상의 경우 입체 영상 취득을 위해 기울여 촬영되었다(Table 2.
라이다의 경우 포인트 클라우드의 형태로 되어 있어 이를 변화 탐지를 위한 영상 형태로 변환한다. 이 때 두 가지 영상을 생성하는데, 하나는 표고값을 이용한 DEM (Digital Elevation Model)이고, 두 번째는 반사강도 값을 이용한 반사강도 영상이다. 두 영상 모두 동일한 방법으로 생성될 수 있다.
고해상도 위성영상의 경우 라이다 데이터와의 공간좌표 일치 및 지형보정을 위해 정사 투영을 실시한다. 입력 DEM으로는 앞서 생성한 라이다 DEM을 사용하고, 센서 모델로는 위성 영상과 함께 제공되는 RPCs (Rational Polynomial Coefficients) 데이터를 사용한다. 사용되는 식은 Eq.

데이터처리

변화 탐지 정확도 확인을 위해 총 211개의 윈도우 영역내의 라이다와 위성영상을 절취한 후 변화 탐지 결과를 모르는 작업자로 하여금 수작업으로 변화 탐지 여부를 판독케 하였으며, 라이다-아리랑 2호 영상 및 라이다-아리랑 3호 영상에 대해서 총 211개의 레퍼런스 데이터를 도출해 내었다. 이를 이용하여 본 논문에서 제시한 자동 탐지 기법 결과의 분류 행렬(confusion matrix)을 작성하였으며 아래 Table 3과 Table 4에 제시하였다. 라이다-아리랑 2호 영상의 변화 탐지 결과 전체 분류 정확도가 약 82.

이론/모형

본 연구 방법의 비교를 위해 판별함수 (discriminant function) 기법을 적용하였다. 판별함수 기법은 해당 화소 주변의 분광정보 분포를 이용하여 동일 위치의 두 시기의 변화가능성 (확률)을 계산하는 방법으로서 단순한 정규 이미지 차분법 (normalized image difference)보다 신뢰도가 높다.

성능/효과

또한 픽셀간의 연결성을 통해 작은 픽셀 그룹을 제외하고 큰 변화 영역만을 필터링해보았으나 큰 개선이 없음을 확인하였다. 따라서 본 연구에서 제시한 에지 정보에 기반한 변화탐지의 효용성을 확인할 수 있었다.
항공 라이다 데이터와 고해상도 위성영상인 아리랑 2호 및 3호 영상을 이용하여 실험을 수행하고 윈도우 크기 및 RECC의 입력변수의 변화에 따른 변화탐지 분석을 수행하였다. 또한 육안 판독으로 도출한 레퍼런스 데이터에 비교하여 약 80%의 정확도의 변화 탐지율을 보임을 확인하여 본 기법은 반자동 변화 탐지 기법 개발 시 효용성이 높을 것으로 판단된다. 향후 변화 탐지된 영역 내에서 세부 변화영역을 도출하고 이를 정량화하는 연구가 필요하고 도시 내 식생 변화에 의한 영향에 대한 연구 또한 필요하다.

후속연구

또한 육안 판독으로 도출한 레퍼런스 데이터에 비교하여 약 80%의 정확도의 변화 탐지율을 보임을 확인하여 본 기법은 반자동 변화 탐지 기법 개발 시 효용성이 높을 것으로 판단된다. 향후 변화 탐지된 영역 내에서 세부 변화영역을 도출하고 이를 정량화하는 연구가 필요하고 도시 내 식생 변화에 의한 영향에 대한 연구 또한 필요하다.

참고문헌 (10)

Chen, G., Hay, G.J., Carvalho, L.M.T., and Wulder, A. (2012), Object-based change detection, International Journal of Remote Sensing, Vol. 33, No. 14, pp. 4434-4457.

상세보기
Chen, J., Gong, P., He, C., Pu, R., and Shi, P. (2003), Land-use/land-cover change detection using improved change-vector analysis, Photogrammetric Engineering & Remote Sensing, Vol. 69, No. 4, pp. 369-379.

상세보기
Chen, X., Vierling, L., and Deering, D. (2005), A simple and effective radiometric correction method to improve landscape change detection across sensors and across time, Remote Sensing of Environment, Vol. 98, pp. 63-79.

상세보기
Deng, J., Wang, K., Li, J., and Eng, Y. (2009), Urban land use change detection using multisensor satellite image, Pedosphere, Vol. 19, No. 1, pp. 96-103.

상세보기
Fraser, C.S. and Hanley, H.B. (2005), Bias-compensated RPCs for sensor orientation of high-resolution satellite imagery, Photogrammetric Engineering & Remote Sensing, Vol. 71, No. 8, pp. 909-915.

상세보기
Lee, C.N. and Oh, J.H. (2014), LiDAR chip for automated geo-referencing of high-resolution satellite imagery, Journal of the Korean Society of Surveying Geodesy Photogrammetry and Cartography, Vol. 32, No. 4-1, pp. 319-326. (in Korean with English abstract)

원문보기 상세보기
Maas, J.F. (1999), Monitoring land-cover changes: a comparison of change detection techniques, International Journal of Remote Sensing, Vol. 20, No. 1, pp. 139-152.

상세보기
Oh, J., Lee, C., Eo, Y., and Bethel, J. (2012), Automated georegistration of high-resolution satellite imagery using a RPC model with airborne lidar information, Photogrammetric Engineering & Remote Sensing, Vol. 78, No. 10, pp. 1045-1056.

상세보기
Song, C., Woodcock, C.E., Steo, K.C., Lenney, M.P., and Macomber, S.A. (2001), Classification and change detection using landsat TM data: when and how to correct atmospheric effects, Remote Sensing of Environment, Vol. 75, pp. 230-244.

상세보기
Zhang, H., Chen, J., and Mao, Z. (2009), An operational method to determine change threshold using change vector analysis, Proc. SPIE 7497, MIPPR 2009, SPIE, 30 October, Vol. 7497, pp. 749706-1-749706-8.

저자의 다른 논문 :

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