[논문]위성영상으로 DSM을 생성하기 위한 SGM Cost의 비교

이효성; 박순용; 권원석; 한동엽

doi:10.7848/ksgpc.2019.37.6.473

초록
AI-Helper

본 연구는 ISPRS (International Society for Photogrammetry and Remote Sensing)에서 제공하는 스페인 Terrassa 지역의 WorldView-1 고해상도 스테레오 위성영상으로부터 DSM (Digital Surface Model) 제작을 위해 SGM을 적용하였다. SGM (Semi Global Matching)은 스테레오 영상에 대한 매칭 Cost를 여러 방향에서 계산하고, 계산된 Cost를 순차적으로 누적시킨 후, 누적된 Cost의 최소(또는 최대) 값에 해당하는 시차를 계산하는 영상매칭 알고리즘이다. SGM 적용을 위한 Cost는 MI (Mutual Information, NCC (Normalized Cross-Correlation), CT (Census Transform)를 적용하였으며, 각각의 Cost별 DSM에서 지형지물의 외곽선 표현결과 정확도와 그 성능을 제시하였다. 사용 영상과 실험 대상지역을 토대로, CT Cost 결과 정확도가 가장 우수하였으며, 외곽선 표현 또한 가장 선명하게 묘사되었다. 아울러 SGM 방법은 기존 소프트웨어에 비해 보다 세밀한 외곽선을 표현한 반면 수계지역에서는 많은 오류가 발생하였다.

Abstract ▼ AI-Helper

This study applied SGM (Semi Global Matching) to generate DSM (Digital Surface Model) using WorldView-1 high-resolution satellite stereo pair in Terrassa, Spain provided by ISPRS (International Society for Photogrammetry and Remote Sensing). The SGM is an image matching algorithm that performs the c...

This study applied SGM (Semi Global Matching) to generate DSM (Digital Surface Model) using WorldView-1 high-resolution satellite stereo pair in Terrassa, Spain provided by ISPRS (International Society for Photogrammetry and Remote Sensing). The SGM is an image matching algorithm that performs the computation of the matching cost for the stereo pair in multi-paths and aggregates the computed costs sequentially. This method finally calculates the disparity corresponding to the minimum (or maximum) value of the aggregation cost. The cost was applied to MI (Mutual Information), NCC (Normalized Cross-Correlation), and CT (Census Transform) in order to the SGM. The accuracy and performance of the outline representation result in DSM by each cost are presented. Based on the images used and the subject area, the accuracy of the CT cost results was the highest, and the outline representation was also most clearly depicted. In addition, while the SGM method represented more detailed outlines than the existing software, many errors occurred in the water area.

주제어

표/그림 (18)

그림 Fig. 1. SGM progress
그림 Fig. 2. MI cost between stereo image
그림 Fig. 3. NCC cost
그림 Fig. 4. CT cost by the Hamming distance=2      
그림 Fig. 5. Cost on the left and right epipolar image
그림 Fig. 6. Costs of the right-image line corresponding to one pixel position of the left-image
그림 Fig. 7. Costs for the entire line of the right image according to the pixel position of the left image
그림 Fig. 8. Accumulated cost generated by eight directions
그림 Fig. 9. WorldView-1 satellite image and test areas
그림 Fig. 10. Image of the test area 1 and LiDAR DSM
그림 Fig.11 . DSM of SGM NCC and differential with LiDAR DSM
그림 Fig. 12. DSM of SGM MI and height differential with LiDAR DSM
그림 Fig. 13. DSM of SGM CT and height differential with LiDAR DSM
그림 Fig. 14. DSM of ERDAS and height differential with LiDAR DSM
그림 Fig. 15. DSM of Correlator3D and height differential with LiDAR DSM
그림 Fig. 16. Image of the test area 2 and LiDAR DSM
그림 Fig. 17. DSMs in the test area 2
표 Table 1. Height difference in same plane location between 5 cases of DSM and LiDAR (unit: meter)

AI 본문요약
AI-Helper

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

문제 정의

그러나 기존 연구에서는 SGM Cost를 적용할 때 MI, NCC, CT를 비교한 연구를 찾아보기 힘들다. 따라서 본 연구에서는 고해상도 스테레오 위성영상으로부터 DSM 제작을위한 SGM에서 3가지 종류의 Cost 즉, MI, NCC, CT를 적용한 후, 이로부터 건물, 도로와 같은 지형지물 외곽선 표현결과 정확도를 제시하여 사용 영상과 대상지역에서 가장 적합한 Cost를 제시하고자 하였다. 추가적으로 SGM에 의한 DSM을 상용 소프트웨어인 Correlator3D, ERDAS 결과와 시각적으로 비교하여 그 성능을 비교하고자 하였다.
본 연구에서는 고해상도 스테레오 위성영상으로부터 SGM 기법을 적용하여 DSM을 제작하고 그 성능을 분석하였다. SGM을 위한 Cost는 MI, NCC, CT 3가지 방법을 적용하였으며, 실험에 적용한 위성영상과 대상지역에서는 CT Cost의 결과가 가장 우수하였다.
따라서 본 연구에서는 고해상도 스테레오 위성영상으로부터 DSM 제작을위한 SGM에서 3가지 종류의 Cost 즉, MI, NCC, CT를 적용한 후, 이로부터 건물, 도로와 같은 지형지물 외곽선 표현결과 정확도를 제시하여 사용 영상과 대상지역에서 가장 적합한 Cost를 제시하고자 하였다. 추가적으로 SGM에 의한 DSM을 상용 소프트웨어인 Correlator3D, ERDAS 결과와 시각적으로 비교하여 그 성능을 비교하고자 하였다.

제안 방법

SGM으로 얻은 DSM 뿐만 아니라 기존의 상용 소프트웨어(ERDAS, Correlator3D)로 얻은 DSM 결과를 동일지역 LiDAR DSM과 비교하였다. Fig.
9에서 보는바와 같이 건물이 밀집한 도심지역 절취영상으로 수행하였다. Test 1은 MI, NCC, CT Cost 별 SGM 성능 비교를 위한 지역이며, Test 2는 Test 1에서 선정된 Cost를 이용한 SGM의 결과를 상용 소프트웨어인 Correlator3D, ERDAS 결과와 시각적으로 비교하기 위한 지역을 나타낸 것이다. 먼저 Test 1 대상지역에 대해 각 Cost를 이용한 SGM으로 DSM을 생성하고 정확도를 분석하였다.
먼저 Test 1 대상지역에 대해 각 Cost를 이용한 SGM으로 DSM을 생성하고 정확도를 분석하였다.
본 연구에서 적용한 SGM은 Fig. 1에서 보는바와 같이, 우선 좌, 우 에피폴라 영상에 대한 매칭 Cost를 계산하고, 계산된 Cost를 순차적으로 누적시킨 후, 누적된 Cost의 최소(또는 최대) 값에 해당하는 시차 값을 계산하는 방식으로 수행되었다.

대상 데이터

5m)을 이용하였다. SGM에 의한 DSM의 성능비교를 위한 기준자료로는 동일지역에서 획득한 LiDAR DSM(점밀도= 1m2 당 0.5 포인터)을 사용하였다. 실험은 Fig.
본 연구에 사용된 인공위성 영상자료는 Fig. 9에서 보는바와 같이 ISPRS에서 제공하는 스페인 Terrassa 지역의 WorldView-1 입체영상(해상도 0.5m)을 이용하였다. SGM에 의한 DSM의 성능비교를 위한 기준자료로는 동일지역에서 획득한 LiDAR DSM(점밀도= 1m2 당 0.
5 포인터)을 사용하였다. 실험은 Fig. 9에서 보는바와 같이 건물이 밀집한 도심지역 절취영상으로 수행하였다. Test 1은 MI, NCC, CT Cost 별 SGM 성능 비교를 위한 지역이며, Test 2는 Test 1에서 선정된 Cost를 이용한 SGM의 결과를 상용 소프트웨어인 Correlator3D, ERDAS 결과와 시각적으로 비교하기 위한 지역을 나타낸 것이다.

성능/효과

Fig. 11부터 Fig. 15에서 보는 바와 같이, ERDAS와 Correlator3D의 DSM은 건물 외곽선 표현이 MI와 CT Cost를 적용한 SGM 결과에 비해 선명도가 다소 떨어지는 결과를 보인 반면 높이 정확도는 Correlator3D의 결과가 가장 우수한 것으로 나타났다(Table 1). SGM 적용을 위한 Cost는 CT의 표현이 가장 섬세하게 표현되었으며, 그 결과 또한 적용 Cost 중 가장 우수한 것으로 나타났다(Table 1).
15에서 보는 바와 같이, ERDAS와 Correlator3D의 DSM은 건물 외곽선 표현이 MI와 CT Cost를 적용한 SGM 결과에 비해 선명도가 다소 떨어지는 결과를 보인 반면 높이 정확도는 Correlator3D의 결과가 가장 우수한 것으로 나타났다(Table 1). SGM 적용을 위한 Cost는 CT의 표현이 가장 섬세하게 표현되었으며, 그 결과 또한 적용 Cost 중 가장 우수한 것으로 나타났다(Table 1). 이는 CT의 Cost인 Hamming distance가 주변화소 값에 비해 급격이 변하는 건물과 도로 등의 외곽선 지점을 초기 매칭점으로 선택하기 때문인 것으로 판단된다.
본 연구에서는 고해상도 스테레오 위성영상으로부터 SGM 기법을 적용하여 DSM을 제작하고 그 성능을 분석하였다. SGM을 위한 Cost는 MI, NCC, CT 3가지 방법을 적용하였으며, 실험에 적용한 위성영상과 대상지역에서는 CT Cost의 결과가 가장 우수하였다. 실험 결과를 토대로, 지형지물의 외곽선 형태는 SGM이 기존 두 가지 소프트웨어에 비해 보다 선명한 DSM을 획득할 수 있었으나 수계지역에서는 많은 오차를 포함하고 있었다.
이는 초기 Cost를 계산할 때 하천을 포함한 수계지역에서는 과대오차가 발생할 수 있으며 이로부터 8방향에서 누적 Cost를 구하고 페널티 P1, P2를 적용하더라도 수계지역의 잘못된 최소 Cost 계산으로 인한 불량매칭을 피할 수 없기 때문이다. 결과적으로 본 실험 대상지역의 위성영상을 이용한 SGM 스테레오 매칭에서 CT Cost가 다른 Cost SGM과 적용 소프트웨어에 비해 묘사도가 가장 뛰어났다. 그러나 본 연구에서 적용한 SGM은 8방향에서 누적 Cost를 계산하기 때문에 로컬매칭에 비해 훨씬 많은 시간이 소요된다는 단점이 있다.
이는 CT의 Cost인 Hamming distance가 주변화소 값에 비해 급격이 변하는 건물과 도로 등의 외곽선 지점을 초기 매칭점으로 선택하기 때문인 것으로 판단된다. 그리고 실험 대상지역에서 SGM은 건 물과 같은 외곽선 표현이 소프트웨어에 비해 보다 선명하게 표현되고 있는 반면 지면은 상용 소프트웨어의 표현이 더욱 우수한 것으로 나타났다.
실험 결과를 토대로, 지형지물의 외곽선 형태는 SGM이 기존 두 가지 소프트웨어에 비해 보다 선명한 DSM을 획득할 수 있었으나 수계지역에서는 많은 오차를 포함하고 있었다. 본 실험에서는 페널티를 전체 영상에 일괄적으로 적용하였지만 물이나 그림자 지역과 같은 초기 Cost의 오차가 크게 발생할 수 있는 지역은 분류를 해서 페널티를 별도로 부여하면 이 부분의 오차는 줄일 수 있을 것으로 판단된다.
SGM을 위한 Cost는 MI, NCC, CT 3가지 방법을 적용하였으며, 실험에 적용한 위성영상과 대상지역에서는 CT Cost의 결과가 가장 우수하였다. 실험 결과를 토대로, 지형지물의 외곽선 형태는 SGM이 기존 두 가지 소프트웨어에 비해 보다 선명한 DSM을 획득할 수 있었으나 수계지역에서는 많은 오차를 포함하고 있었다. 본 실험에서는 페널티를 전체 영상에 일괄적으로 적용하였지만 물이나 그림자 지역과 같은 초기 Cost의 오차가 크게 발생할 수 있는 지역은 분류를 해서 페널티를 별도로 부여하면 이 부분의 오차는 줄일 수 있을 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	로컬매칭이란 무엇인가?	영상정합은 크게 로컬매칭과 글로벌매칭으로 나누는데, 그 중 로컬매칭은 정합선상의 점들 중에서 현재의 기준이 되는 점과 가장 일치하는 점을 찾는 점대점 매칭방법이며, 이때 특징정보 즉, 포인터나 에지를 이용하는 형상기반매칭(FBM: Feature Based Matching)과 영상소의 밝기 값을 이용하는 영역기반매칭(ABM: Area Based Matching)으로 나눈다.
	NCC (Normalized Cross Correlation)를 이용한 ABM 방법의 문제점을 극복하기 위한 방안은 무엇이 있는가?	이러한 문제점을 극복하기 위하여, Silveira et al.(2008)은 IKONOS-2 스테레오 위성영상으로부터 SIFT (Scale Invariant Feature Transform) 방법으로 초기 Seed point를 추출한 후, 이로부터 영역확장(region growing)에 의한 최소제곱 매칭방법을 제안하였다. 특히, 이 방법은 주택과 건물 밀집지역에서 많은 매칭점을 획득하였다.
	영상접합 중 로컬매칭은 어떻게 구분되는가?	영상정합은 크게 로컬매칭과 글로벌매칭으로 나누는데, 그 중 로컬매칭은 정합선상의 점들 중에서 현재의 기준이 되는 점과 가장 일치하는 점을 찾는 점대점 매칭방법이며, 이때 특징정보 즉, 포인터나 에지를 이용하는 형상기반매칭(FBM: Feature Based Matching)과 영상소의 밝기 값을 이용하는 영역기반매칭(ABM: Area Based Matching)으로 나눈다.

참고문헌 (14)

Baek, S.H and Park, S.Y. (2010), A stereo matching technique using multi-directional scan-line optimization and reliabilitybased hole-filling, KIPS Transactions on Computer and Communication Systems, Vol. 17, No. 2, pp. 115-124. (in Korean with English abstract)
Baltsavias, E.P., Mason, S.O., and Stallmann, D. (1995), Use of DTMs/DSMs and orthoimages to support building extraction, Semantic Scholar, https://pdfs.semanticscholar.org/3048/b0e6a3c13 -f28ecf84b3392018205e75f89da.pdf (last date accessed: 15 October 2019).
D'Angelo, P. and Reinartz, P. (2011), Semiglobal matching results on the ISPRS stereo matching benchmark, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 14-17 June, Hannover, Germany, Vol. XXXVIII-4/W19, pp. 79-84.
Dall'Asta, E. and Roncella, R. (2014), A comparision of semiglobal and local dense matching algorithms for surface reconstruction, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 23-25 June, Riva del Garda, Italy, Vol. XL-5, pp. 187-194.
Hirschmuller, H. (2008), Stereo processing by semiglobal matching and mutual information, IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol. 30, No. 2, pp. 328-341.

상세보기
Jang, Y.J., Lee, J.W., and Oh, J.H. (2019), Topographic information extraction from KOMPSAT satellite stereo data using SGM, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 37, No. 5, pp. 315-322.
Kim, T. and Rhee, S. (2011), DEM generation from high resolution satellite images through a new 3D least squares matching algorithm, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 14-17 June, Hannover, Germany, Vol. XXXVIII-4/W19, pp. 153-157.
Kornus, W., Alamus, R., Ruiz, J. and Talaya, J. (2006), DEM generation from SPOT-5 3-fold along track stereoscopic imagery using autocalibration, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 60, pp. 147-159.

상세보기
Kwon, W. (2019), DSM generation and accuracy comparison using stereo matching based on image segmentation, Korean Journal of Remote Sensing, Vol. 35, No. 3, 2019, pp. 401-413.
Oh, J.H., Lee, W.H., Toth, C.K., Grejner-Brzezinska, D.A., and Lee, C.N. (2010), A piecewise approach to epipolar resampling of pushbroom satellite images based on RPC, Photogrammetric Engineering & Remote Sensing, Vol. 76, No. 12, pp. 1353-1363.

상세보기
Reinartz, P., Muller, 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, Vol. 60, pp. 160-169.

상세보기
Silveira, M.T., Feitosa, R.Q., Jacobsen, K.., Brito, J.L.N.S., and Heckel, Y. (2008), A Hybrid method for stereo image matching, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Beijing, China, Vol. XXXVII, Part B1, pp. 895-900.
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, Vol. 60, pp. 170-181.

상세보기
Yan, L., Fei, L., Chen, C., Ye, Z., and Zhu, R. (2016), A multiview dense image matching method for high-resolution aerial imagery based on a graph network, Remote Sensing, Vol. 8, No. 799, pp. 1-18.

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

위성영상으로 DSM을 생성하기 위한 SGM Cost의 비교
Comparison of SGM Cost for DSM Generation Using Satellite Images 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (18)

표/그림 (18)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

위성영상으로 DSM을 생성하기 위한 SGM Cost의 비교 Comparison of SGM Cost for DSM Generation Using Satellite Images 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (18) 모든 표/그림 보기

표/그림 (18) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

이효성 (25) 한동엽 (27)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

위성영상으로 DSM을 생성하기 위한 SGM Cost의 비교
Comparison of SGM Cost for DSM Generation Using Satellite Images 원문보기

초록
AI-Helper

표/그림 (18)

표/그림 (18)

AI 본문요약
AI-Helper