[논문]고해상도 위성영상을 활용한 자동화된 건물 영역 추출 하이브리드 접근법

안효원; 김창재; 이효성; 권원석

doi:10.7848/ksgpc.2019.37.6.545

고해상도 위성영상을 활용한 자동화된 건물 영역 추출 하이브리드 접근법
A Hybrid Approach for Automated Building Area Extraction from High-Resolution Satellite Imagery 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.37 no.6, 2019년, pp.545 - 554

안효원 (Dept. of Civil and Environmental Engineering, Myongji University) , 김창재 (Dept. of Civil and Environmental Engineering, Myongji University) , 이효성 (Dept. of Civil Engineering, Sunchon National University) , 권원석 (Agency for Defense Development)

초록
AI-Helper

본 연구에서는 기존의 연구들에서 주로 사용하여왔던 현장측량, 항공사진, 라이다 데이터 등의 취득이 원천적으로 어려운 지역에 대한 건물 영역 추출을 구현하고자 하였다. 이에 접근성에 큰 영향을 받지 않는 거의 유일한 데이터인 고해상도 위성영상을 활용한 방법론을 제시하고자 한다. 영상정합을 통해 추출되는 점군 데이터 또는 DSM(Digital Surface Models)을 활용한 건물 영역 추출은 데이터내의 높은 잡음과 다수의 빈 영역으로 인해 그 정확성에 한계를 보이고 있다. 따라서 본 연구에서는 영상 정합을 통해 얻어진 3차원 점군 데이터, 영상의 색상 및 선형 정보를 결합하여 건물 영역 추출을 수행하는 하이브리드식 접근법을 제안하였다. 일차적으로 다중영상정합으로 얻어진 3차원 점군 데이터로부터 지면점과 비지면점을 분리하고, 비지면점으로부터 초기 건물 대상지를 추출한다. 이후, 영상의 색상기반 분할을 수행하여 얻어진 결과와 초기 건물 대상지를 결합하여, 색상분할기반 건물 대상지를 추출한다. 이어서 영상의 선형 추출 및 공간 분할정보를 이용하여 최종적인 건물 영역을 선정하게 된다. 본 논문에서 제시한 건물 영역 자동 추출 방법론은 Correctness: 98.44%, Completeness: 95.05%, 위치오차: 1.05m 정도의 성능을 보임을 확인하였으며, 더불어 직각형태 이상의 복잡한 건물 영역도 잘 추출함을 확인하였다.

Abstract ▼ AI-Helper

This research aims to provide a building area extraction approach over the areas where data acquisition is impossible through field surveying, aerial photography and lidar scanning. Hence, high-resolution satellite images, which have high accessibility over the earth, are utilized for the automated building extraction in this study. 3D point clouds or DSM (Digital Surface Models), derived from the stereo image matching process, provides low quality of building area extraction due to their high level of noises and holes. In this regards, this research proposes a hybrid building area extraction approach which utilizes 3D point clouds (from image matching), and color and linear information (from imagery). First of all, ground and non-ground points are separated from 3D point clouds; then, the initial building hypothesis is extracted from the non-ground points. Secondly, color based building hypothesis is produced by considering the overlapping between the initial building hypothesis and the color segmentation result. Afterwards, line detection and space partitioning results are utilized to acquire the final building areas. The proposed approach shows 98.44% of correctness, 95.05% of completeness, and 1.05m of positional accuracy. Moreover, we see the possibility that the irregular shapes of building areas can be extracted through the proposed approach.

주제어

표/그림 (11)

그림 Fig. 1. Workﬂow of proposed method
그림 Fig. 2. Census transform for cost calculation
그림 Fig. 3. Sample data of satellite image and 3D point cloud derived from SGM
그림 Fig. 4. Example of ground and non-ground separation and initial building hypothesis
그림 Fig. 5. Color based segmentation process for extraction building candidate
그림 Fig. 6. Workﬂow of line extraction and space partitioning
그림 Fig. 7. Step-by-step results of line and space extraction
그림 Fig. 8. Test area and buildings for the experiments
표 Table 1. Satellite images, manually detected buildings, color segment based building hypotheses, and automatically detected buildings
표 Table 2. Correctness and completeness evaluation
표 Table 3. Positional accuracy evaluation

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 기존의 연구들에서 주로 사용하여왔던 라이다 또는 항공영상과 같은 데이터의 취득이 원천적으로 어려운 지역에 대한 건물 영역 추출을 구현하고자 목적하였으며, 이에 접근성에 큰 영향을 받지 않는 고해상도 위성영상을 활용한 방법론을 제안하였다. 영상정합으로부터 얻어진 3차원 점군 데이터는 높은 수준의 잡음과 정합 오차가 존재하기에 이로부터 건물 영역을 추출하는 것은 많은 한계가 있음을 확인하였고, 이의 극복을 위해 3차원 점군 정보와 영상의 색상 및 선형정보를 융합 활용하여 보다 향상된 건물 영역을 추출하는 하이브리드접근법을 제안하였다.
본 연구에서는 기존의 연구들에서 주로 사용하여왔던 항공사진과 라이다 데이터의 취득이 원천적으로 어려운 지역에 대한 건물 모델링의 선행 작업으로, 건물 영역 추출을 구현하고자 하며, 이에 접근성에 큰 영향을 받지 않는 고해상도 위성영상을 활용한 방법론을 제시하고자 한다. 영상 매칭을 통하여 얻어진 3차원 점군 데이터만을 활용하여 건물 영역 추출을 수행하기에는 매칭결과물의 불완전성과 정확도 측면에서 한계가있기에 본 연구에서는 매칭으로 추출된 3차원 점군데이터와 위성영상의 시맨틱(semantic) 정보를 동시에 고려하는 하이브리드 접근 방법을 기반으로 직각형상 이상의 다양한 건물 영역 추출이 가능한 데이터 기반 방법론을 제시하였다.
본 연구에서는 기존의 연구들에서 주로 사용하여왔던 항공사진과 라이다 데이터의 취득이 원천적으로 어려운 지역에 대한 건물 모델링의 선행 작업으로, 건물 영역 추출을 구현하고자 하며, 이에 접근성에 큰 영향을 받지 않는 고해상도 위성영상을 활용한 방법론을 제시하고자 한다. 영상 매칭을 통하여 얻어진 3차원 점군 데이터만을 활용하여 건물 영역 추출을 수행하기에는 매칭결과물의 불완전성과 정확도 측면에서 한계가있기에 본 연구에서는 매칭으로 추출된 3차원 점군데이터와 위성영상의 시맨틱(semantic) 정보를 동시에 고려하는 하이브리드 접근 방법을 기반으로 직각형상 이상의 다양한 건물 영역 추출이 가능한 데이터 기반 방법론을 제시하였다. 제시된 방법론은 간략하게 1) 스테레오 위성영상의 매칭을 통하여 3차원 점군데이터를 생성하고, 2) 지면 및 비지면 점군 데이터 분류와 초기 건물대상지 추출, 3) 초기 건물 대상지와 pan-sharpened 위성영상을 활용한 색상분할기반 건물 대상지 추출, 4) 위성영상의 선형정보를 활용한 건물 영역 정밀 추출의 단계로 구성되어 있다.
이는 영상정합으로부터 얻어진 3차원 점군 데이터 자체의 높은 잡음, 매칭 실패 등에 기인함이며, 이러한 초기 건물 대상지 점군 데이터로부터 건물 형상을 재현하는 것은 상당한 무리가 따른다. 이에 본연구에서는 건물 대상지의 품질을 향상시키고자 영상의 색상기반 분할 결과와 앞서 얻어진 초기 건물 대상지를 결합하여 색상분할기반 건물 대상지를 추출하였다.

제안 방법

이에 선분통합(Fig. 7(b))이라는 과정을 통하여, 대상선분의 끝점들이 인접하고 방향성이 유사한 경우에 (즉, 대상선분 끝점들 간의 이격 거리와 선분간 사이 각을 확인하여), 이들 선분들을 동일 선분으로 간주하고 최소제곱법을 통하여 하나의 선분을 만들었다. 이후 이렇게 통합된 선분들을 이용하여 공간분할을 수행하기 위하여 우선 추출된 선분들의 길이를 늘려선분들 간에 교차점을 추출하였다(Fig.
고해상도 스테레오 위성영상으로부터 3차원 점군 데이터를 일차적으로 생성하기 위해, 다중영상매칭을 수행하였다. 기존의 많은 연구에서는 상관계수기반의 정합법이 사용되어 왔다(Toutin, 2004; Zhang et al.
먼저 색상분할기반 건물 대상지에 버퍼를 설정하고 이 버퍼 영역에 해당하는 Panchromatic 영상을 불러온다. 이후 해당 영상에서 선형정보를 추출하는데 본 연구에서는 LSD (Line Segment Detector)기법을 적용하였다.
본 연구에서 제시한 하이브리드식 접근법을 통한 건물 영역 추출 알고리즘의 성능을 검증하기 위하여, 실험지역으로부터 실험대상 건물을 선정하고, 수동으로 추출한 건물 영역과 자동으로 추출된 건물 영역을 비교하여 정성 및 정량 평가를 수행하였다. 실험데이터는 0.
,2009). 본 연구에서는 두 클러스터링 기법을 데이터에 적용한 경험을 바탕으로 Mean-Shift 알고리즘이 건물 대상지 추출에 보다 적합함을 확인하고, 이 알고리즘을 색상기반 분할에 활용하였다. Mean-Shift 알고리즘은 활용 시 커널값을 지정해 주어야 하는데, 이는 주로 이용하고자 하는 데이터의 특성을 고려해서 결정해준다.
7(c)). 선분교차를 통하여 교차점들을 찾았으나, 이는 폐합된 공간들로의 분할이 이루어진 상태는 아니므로, 교차점과 교차선들 간의 연결성을 기반으로 Convex hull을 적용하여 전체 영역을 닫힌 다각형들로 분할하였다(Fig. 7(d)).
본 연구에서는 기존의 연구들에서 주로 사용하여왔던 라이다 또는 항공영상과 같은 데이터의 취득이 원천적으로 어려운 지역에 대한 건물 영역 추출을 구현하고자 목적하였으며, 이에 접근성에 큰 영향을 받지 않는 고해상도 위성영상을 활용한 방법론을 제안하였다. 영상정합으로부터 얻어진 3차원 점군 데이터는 높은 수준의 잡음과 정합 오차가 존재하기에 이로부터 건물 영역을 추출하는 것은 많은 한계가 있음을 확인하였고, 이의 극복을 위해 3차원 점군 정보와 영상의 색상 및 선형정보를 융합 활용하여 보다 향상된 건물 영역을 추출하는 하이브리드접근법을 제안하였다. 색상정보의 활용은 3차원 점군 데이터에서 얻어진 초기 건물 대상지의 불완전성을 극복하게 해주었으며, 이후 선형 정보 추출 및 공간 분할 기술을 적용함으로써 보다 실제 건물 형태에 가까운 건물 정보를 추출할 수 있게 되었다.
우선 panchromatic 영상과 multi-spectral 영상을 결합하여 얻어진 pan-sharpened 영상을 제작한 후 이에 색상기반 분할을 적용하였다. 색상기반 분할은 클러스터링 기법을 기반으로 컬러 영상의 RGB 색상 정보를 활용하여, 동질적인 영역을 분할하는 것을 말한다.
, 2013). 이후 분리된 비지면 점군 데이터로부터 건물 대상지를 추출하기 위하여, 이웃한 점들 간의 3차원 거리를 계산하여 일정거리 (1m) 이하에 들어오는 점들을 그룹화 하였다. 이는 3차원 상에서 이웃한 점들과 이웃하지 않은 점들을 일차적으로 분리시키고자 함이며, 이후 각 그룹의 크기를 산정하여 일정크기 (10㎡)이상이 되는 경우 건물 대상지로 선택하였다.
7(b))이라는 과정을 통하여, 대상선분의 끝점들이 인접하고 방향성이 유사한 경우에 (즉, 대상선분 끝점들 간의 이격 거리와 선분간 사이 각을 확인하여), 이들 선분들을 동일 선분으로 간주하고 최소제곱법을 통하여 하나의 선분을 만들었다. 이후 이렇게 통합된 선분들을 이용하여 공간분할을 수행하기 위하여 우선 추출된 선분들의 길이를 늘려선분들 간에 교차점을 추출하였다(Fig. 7(c)).
이후 초기 건물 대상지 3차원 점 데이터를 RPC를 이용하여 2차원 영상에 투영한 결과와 앞에서 추출된 색상기반 분할 영상을 비교분석한다. 즉, 각 분할 영역 내 총화소수와 그 영역 내에 포함되는 투영 점의 개수를 비교하여, 일정 크기 (30%) 이상의 중복도를 가지는 분할 영역들을 선택하였다.
정량 평가는 자동화된 건물 영역 추출의 성능을 평가하기 위해 Correctness, Completeness 그리고 건물 모서리점의 위치정확도 평가를 수행하였다. Correctness는 자동 추출된 건물 영역 중 얼마나 정확하게 실제 건물 영역을 추출하였는가를 평가하는 지표이며(Eq.
제안한 방법론은 다양한 크기, 색상, 형상을 갖는 대상지를 선정하여, 정성 및 정량적으로 검증하였다.
이후 초기 건물 대상지 3차원 점 데이터를 RPC를 이용하여 2차원 영상에 투영한 결과와 앞에서 추출된 색상기반 분할 영상을 비교분석한다. 즉, 각 분할 영역 내 총화소수와 그 영역 내에 포함되는 투영 점의 개수를 비교하여, 일정 크기 (30%) 이상의 중복도를 가지는 분할 영역들을 선택하였다. 이렇게 선택된 분할 영역들을 통합하여 새로운 건물 대상지로 선정하였으며, 이를 ‘색상분할기반 건물 대상지’라 칭한다.

대상 데이터

5m 정도의 공간해상도를 갖는 Worldview-2 영상을 사용하였으며, 실험지역은 대전광역시 도심지의 일부를 발취하여 사용하였다. Fig. 8은 실험지역의 위성영상을 보여주고 있으며, 실험대상 건물은 크기, 색상특성, 형태 등을 고려하여 5개를 선정하여 실험하였다.
선형정보 추출 및 공간분할은 건물의 외곽선 및 형태를 보다 정확하게 고려하기 위해 중요 단계이다. 본 장에서는 2.3장에서 추출된 색상분할기반 건물 대상지와 Panchromatic 영상에서 얻어지는 선형정보를 이용하여 최종 건물 영역을 선정한다. Fig.
본 연구에서 제시한 하이브리드식 접근법을 통한 건물 영역 추출 알고리즘의 성능을 검증하기 위하여, 실험지역으로부터 실험대상 건물을 선정하고, 수동으로 추출한 건물 영역과 자동으로 추출된 건물 영역을 비교하여 정성 및 정량 평가를 수행하였다. 실험데이터는 0.5m 정도의 공간해상도를 갖는 Worldview-2 영상을 사용하였으며, 실험지역은 대전광역시 도심지의 일부를 발취하여 사용하였다. Fig.

데이터처리

두 스테레오 영상 윈도우에 대해 중앙 화소 값 대비 주변 화소 값이 클 경우 1로 그렇지 않을 경우 0으로 판단하고, 그 결과를 좌우영상에 대해 XOR(Exclusive-OR) 연산차를 통해 Hamming distance를 계산하여 이를 Cost로 활용한다. 그 후, 위성 이미지의 최종 disparity map 및 RPC (Rational Polynomial Coefficients), 최소제곱법을 사용하여 정합 점의 좌표를 계산한다. Fig.
05%가 나왔다. 한편 위치정확도 평가는 자동으로 추출된 건물 모서리 점과 대응되는 수동 추출 건물 모서리 점의 영상 좌표를 비교하여 RMSE(Root Mean Squares Error)를 계산하였다(Table 3). 위치 정확도는 5개 건물에 대하여전반적으로 1.

이론/모형

3) 비지면점군 데이터는 각 점간의 3차원 거리를 고려하여 그룹화 시키고, 이로부터 초기 건물 대상지를 추출한다. 4) Mean-shift 기법을 이용하여 Pan-sharpened 영상을 색상 분할한다. 5) 초기 건물 대상지와 색상 분할 정보를 사용하여 색상분할기반 건물 대상지를 생성한다.
상관계수기반 정합은 주로 NCC (Normalized Cross Correlation)를 사용하지만,이는 반복된 패턴 및 특징점이 부족한 데이터에서 다수의 오정합을 발생시킨다. 이러한 문제를 극복하고자, 본 연구에서는 기존의 방법보다 상대적으로 우수한 성능을 보여주고 있는 Hirschmuller(2008)의 SGM (Semi-Global Matching)을 활용하였다. SGM은 전역 정합 기법중의 하나로, 정합선 최적화 알고리즘(Scan-line optimization)을 응용하여 에피폴라 영상에 8방향 또는 16방향으로 정합선 최적화 방법을 시행하여, 누적 cost를 계산하고 최저 누적 cost일 때 disparity를 결정하는 알고리즘이다.
건물 외곽선 추출은 다수의 연구에서 대중적으로 Canny edge detector와 Hough transform을 활용하였는데, 이때 에지의 공간적 관계성이 고려되지 않고 hough space에 정보가 쌓이며, 각과 거리의 임계값 설정에 영향을 받아 에지 밀도가 높은 영상에서는 많은 오탐지를 유발한다. 이러한 문제를 해결하고자, 본 연구에서는 에지의 방향성을 고려하여 매개변수 수정 없이 선형정보를 제공하는 LSD (Von Gioi et al., 2010; on Gioi et al., 2012)를 선정하여 활용하였다.
앞에서 얻어진 3차원 점군 데이터로부터 초기 건물 대상지를 추출하기 위해, 일차적으로 지면 및 비지면 분리 과정을 거치게 된다. 이를 위해 기존 알고리즘들과의 비교를 통해 그 우수성이 검증된 SMRF 방법을 적용하였다. 이는 간단한 형태소 이미지 처리 단계를 기반으로 하는 지형 분류 기법이며, 선형적으로 증가하는 윈도우 크기와 간단한 기울기 임계값을 이용하여 모폴로지 기법을 적용시켜 지면 및 비지면으로 점군 데이터를 분리한다(Pingel et al.
먼저 색상분할기반 건물 대상지에 버퍼를 설정하고 이 버퍼 영역에 해당하는 Panchromatic 영상을 불러온다. 이후 해당 영상에서 선형정보를 추출하는데 본 연구에서는 LSD (Line Segment Detector)기법을 적용하였다. 건물 외곽선 추출은 다수의 연구에서 대중적으로 Canny edge detector와 Hough transform을 활용하였는데, 이때 에지의 공간적 관계성이 고려되지 않고 hough space에 정보가 쌓이며, 각과 거리의 임계값 설정에 영향을 받아 에지 밀도가 높은 영상에서는 많은 오탐지를 유발한다.

성능/효과

최저 Correctness가 나온 건물 3에서는 선형정보의 부족으로 인해 건물형태가 단순화되고 건물의 옆면 선분을 최외각선분으로 판단하여 나온 결과이며, 최저 Completeness가 나온 건물 2에서도 선형정보의 부족 및 선형정보의 오추출로 인해 건물정보에 오차가 발생하였다. 5개 건물 모두를 포함하는 Correctness는 98.44%가 나왔으며,Completeness는 95.05%가 나왔다. 한편 위치정확도 평가는 자동으로 추출된 건물 모서리 점과 대응되는 수동 추출 건물 모서리 점의 영상 좌표를 비교하여 RMSE(Root Mean Squares Error)를 계산하였다(Table 3).
일부 선형정보의 미추출로 인하여 실제보다 단순화된 건물 영역을 추출하게 되었으며, 건물 외부의 선형정보가 영향을 주어 수동 측정한 건물보다 크게 추출되었다. 그러나 한편으로 제안한 알고리즘을 통하여 직각형태 이상의 복잡한 건물 영역을 추출할 수 있는 가능성을 확인하였다. 건물 4는 여러 직각요소들로 이루어진 건물이다.
제안한 방법론은 다양한 크기, 색상, 형상을 갖는 대상지를 선정하여, 정성 및 정량적으로 검증하였다. 대상지 전체에 대하여 Correctness는 98.44%, Completeness는 95.05%라는 수치를 얻었으며, 위치정확도는 2.1 화소 오차 (1.05m)를 획득하였다. 더불어, 본 연구에서 제안한 방법론은 직각형태 이상의 복잡한 건물 영역을 추출할 수 있음을 확인하였다.
05m)를 획득하였다. 더불어, 본 연구에서 제안한 방법론은 직각형태 이상의 복잡한 건물 영역을 추출할 수 있음을 확인하였다. 그러나 대상 건물들의 일부 영역에서 선형정보의 오추출 또는 미추출로 인하여 실제 건물과 다른 형상을 얻는 것도 확인하였다.
이에 추출된 색상분할기반 대상지가 수동으로 추출한 건물영역보다 작아진 것을 확인할 수 있다. 더불어, 선형정보 추출과 공간분할을 통한 최종 건물 영역에서도 펜스 안쪽으로 선정되었음을 확인할 수 있다. 건물 2는 4개의 부속건물들로 이루어져 있으며, 이 중 1개의 부속건물은 다른 부속건물들과 색상이 다르다.
건물 3은 직각구조로만 이루어지지 않은 건물 형태를 보여주고 있다. 일부 선형정보의 미추출로 인하여 실제보다 단순화된 건물 영역을 추출하게 되었으며, 건물 외부의 선형정보가 영향을 주어 수동 측정한 건물보다 크게 추출되었다. 그러나 한편으로 제안한 알고리즘을 통하여 직각형태 이상의 복잡한 건물 영역을 추출할 수 있는 가능성을 확인하였다.

후속연구

더불어 건물 지붕의 색상과 벽면 또는 지면의 색상이 매우 유사한 경우에 있어서, 색상분할이 불완전하게 되어 건물 영역 추출에 오류를 보일 가능성도 존재한다. 따라서 향후 연구에서는 보다 향상된 건물 영역 추출을 위해 색상분할, 선형 정보 추출 및 공간 분할의 성능을 향상시키고 더불어 3차원 모델링을 위한 연구도 진행하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	건물 모델링 수행의 활용 자료는 어떻게 나눌 수 있는가?	건물 모델링의 주요한 목적중의 하나는 3차원의 도시 모델을 자동으로 정확하고 신속하게 구축함에 있다. 건물 모델링은 일반적으로 건물 대상지추출(building hypothesis generation)과, 건물 형상화(building reconstruction)로 나누어 생각할 수 있다.
	건물 대상지 추출은 무엇인가?	우선, 건물 대상지 추출은 주어진 데이터에서 건물과 비건물영역을 분리시키는 과정이다. 그 일차적인 과정으로 지면과 비지면을 분리시키는 과정이 선행되며, 이후 비지면 데이터에서 크기와 높이 등을 고려하여 건물 대상지를 추출한다(Vosselman, 2000; Roggero, 2001; Zhang 2003; Choi and Cho,2007; Bartels and Wei, 2010).
	본 논문에서 건물 영역 추출에 사용하는 하이브리드 접근 방법은 어떠한가	영상 매칭을 통하여 얻어진 3차원 점군 데이터만을 활용하여 건물 영역 추출을 수행하기에는 매칭결과물의 불완전성과 정확도 측면에서 한계가있기에 본 연구에서는 매칭으로 추출된 3차원 점군데이터와 위성영상의 시맨틱(semantic) 정보를 동시에 고려하는 하이브리드 접근 방법을 기반으로 직각형상 이상의 다양한 건물 영역 추출이 가능한 데이터 기반 방법론을 제시하였다. 제시된 방법론은 간략하게 1) 스테레오 위성영상의 매칭을 통하여 3차원 점군데이터를 생성하고, 2) 지면 및 비지면 점군 데이터 분류와 초기 건물대상지 추출, 3) 초기 건물 대상지와 pan-sharpened 위성영상을 활용한 색상분할기반 건물 대상지 추출, 4) 위성영상의 선형정보를 활용한 건물 영역 정밀 추출의 단계로 구성되어 있다. 본 논문 2장에서는 제시된 건물 영역 추출 방법론에 대하여 단계별로 구체적인 기술을 하였으며, 3장에서는 다양한 형태의 건물에 대하여 적용한 실험결과 및 정확도 분석을 기술하였고, 4장에서는 결론을 언급하였다.

참고문헌 (40)

Alharthy, A. (2003), Airborne Laser Scanning: System Evaluation and Building Extraction, Ph.D. dissertation. Purdue University, Indiana, USA, 233p.
Baek, S.H. and Park, S.Y. (2010), A stereo matching technique using multi-directional scan-line optimization and reliabilitybased hole-filling, The KIPS Transactions: Part B, Vol.17, No. 2, pp. 115-124. (in Korean with English abstract)
Baillard, C., Schmid, C., Zisserman, A., and Fitzgibbon, A. (1999), Automatic line matching and 3D reconstruction of buildings from multiple views, International Archives of Photogrammetry and Remote Sensing, IAPRS, 8-10 September, Munich, Germany, Vol.32, pp. 69-80.
Bartels, M. and Wei, H. (2010), Threshold-free object and ground point separation in LIDAR data, Pattern Recognition Letters, Vol. 31, No. 10, pp. 1089-1099.

상세보기
Chen, L.C., Teo, T.A., Rau, J.Y., Liu, J.K., and Hsu, W.C. (2005), Building reconstruction from LIDAR data and aerial imagery, In Proceedings. 2005 IEEE International Geoscience and Remote Sensing Symposium IGARSS'05, IEEE, 25-29 July, Seoul, Korea, Vol. 4, pp. 2846-2849.
Chen, T.W., Chen, Y.L., and Chien, S.Y. (2008), Fast image segmentation based on K-Means clustering with histograms in HSV color space, In 2008 IEEE 10th Workshop on Multimedia Signal Processing, IEEE, 8-10 October, Cairns, Qld, Australia, pp. 322-325.
Cheng, L., Gong, J., Li, M., and Liu, Y. (2011), 3D building model reconstruction from multi-view aerial imagery and lidar data, Photogrammetric Engineering and Remote Sensing, Vol. 77, No. 2, pp. 125-139.

상세보기
Choi Y. and Cho G. (2007), Classification of raw LiDAR data using entropy theory, Journal of the Korean Society of Civil Engineers, Vol. 27(2D), pp. 225-231.
Faig, W. and Widmer, T. (2000), Automatic building extraction from aerial images, International Archives of Photogrammetry and Remote Sensing, IEEE, 4-8 December, Cancun, Mexico, Vol. 33, pp. 1708-1715.
Forstner, W. (1999), 3D-city models: automatic and semiautomatic acquisition methods, Photogrammetric Week 99, PHOWO99, 20-24 September, Stuttgart, Germany, pp.291-303.
Haala, N., Brenner, C., and Anders, K.H. (1998), 3D urban GIS from laser altimeter and 2D map data, International Archives of Photogrammetry and Remote Sensing, ISPRS, 6-10 July, Columbus, Ohio, USA, Vol. 32, pp. 339-346.
Habib, A.F., Zhai, R., and Kim, C. (2010), Generation of complex polyhedral building models by integrating stereo-aerial imagery and lidar data, Photogrammetric Engineering and Remote Sensing, Vol. 76, No. 5, pp. 609-623.

상세보기
Hirschmuller, H. (2008), Stereo processing by semi-global matching and mutual information, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 30, No. 2, pp. 328-341.

상세보기
Hirschmuller, H. and Scharstein, D. (2009), Evaluation of stereo matching costs on images with radiometric differences, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 31, No. 9, pp. 1582-1599.

상세보기
Kim, C., Habib, A., Pyeon, M., Kwon, G.R., Jung, J., and Heo, J. (2016), Segmentation of planar surfaces from laser scanning data using the magnitude of normal position vector for adaptive neighborhoods, Sensors, Vol. 16, No. 2, p. 140.

상세보기
Kim, Z., Huertas, A., and Nevatia, R. (2001), Automatic description of buildings with complex rooftops from multiple images, Computer Vision and Pattern Recognition CVPR 2001, IEEE, 8-14 December, Kauai, HI, USA, Vol. 2, pp. 272-279.
Kwak, E. (2013), Automatic 3D Building Model Generation by Integrating LiDAR and Aerial Images Using a Hybrid Approach, Ph.D. dissertation, University of Calgary, Alberta, Canada, 163p.
Kwak, E., Al-Durgham, M., and Habib, A. (2012), Automatic 3D building model generation from lidar and image data using sequential minimum bounding rectangle, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, ISPRS, 5 August - 01 September, Melbourne, Australia, Vol. 39, pp. 285-290.
Kwak, E. and Habib, A. (2014), Automatic representation and reconstruction of DBM from LiDAR data using recursive minimum bounding rectangle, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 93, pp. 171-191.

상세보기
Lee, D.H., Lee, K.M., and Lee, S.U. (2008), Fusion of lidar and imagery for reliable building extraction, Photogrammetric Engineering and Remote Sensing, Vol. 74, No. 2, pp. 215-225.

상세보기
Ma, R. (2004), Building Model Reconstruction from LiDAR Data and Aerial Photographs, Ph.D. dissertation, The Ohio State University, Ohio, USA, 166p.
Maas, H.G. and Vosselman, G. (1999), Two algorithms for extracting building models from raw laser altimetry data. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 54, pp. 153-163.

상세보기
Pingel, T.J., Clarke, K.C., and Mcbride, W.A. (2013), An improved simple morphological filter for the terrain classification of airborne LIDAR data, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 77, pp. 21-30.

상세보기
Roggero, M. (2001), Airborne laser scanning-clustering in raw data, International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, ISPRS, 22-24 October, Annapolis, Maryland, USA, Vol. 34, pp. 227-232.
Rottensteiner, F. and Jansa, J. (2002), Automatic extraction of buildings from LIDAR data and aerial images, International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, ISPRS, 9-12 July, Ottawa, Canada, Vol. 34, pp. 569-574.
Sampath, A. and Shan, J. (2010), Segmentation and reconstruction of polyhedral building roofs from aerial lidar point clouds, IEEE Transactions on Geoscience and Remote Sensing, Vol. 48, No. 3, pp. 1554-1567.

상세보기
Schenk, T. and Csatho, B. (2002), Fusion of LIDAR data and aerial imagery for a more complete surface description, International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, ISPRS, 9-13 September, Graz, Austria, Vol. 34, pp. 310-317.
Seo, S. (2003), Model-based Automatic Building Extraction from Lidar and Aerial Imagery, Ph.D dissertation, The Ohio State University, Ohio, USA, 139p
Sohn, G., Huang, X., and Tao, V. (2008), Using a binary space partitioning tree for reconstructing polyhedral building models from airborne lidar data, Photogrammetric Engineering and Remote Sensing, Vol. 74, No. 11, pp. 1425-1438.

상세보기
Suveg, I. and Vosselman, G. (2004), Reconstruction of 3D building models from aerial images and maps, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 58, pp. 202-224.

상세보기
Toutin, T. (2004), Comparison of stereo-extracted DTM from different high-resolution sensors: SPOT-5, EROS-A, IKONOSII, and QuickBird, IEEE Transactions on Geoscience and Remote Sensing, Vol. 42, No. 10, pp. 2121-2129.

상세보기
Von Gioi, R.G., Jakubowicz, J., Morel, J.M., and Randall, G. (2010), LSD: A fast line segment detector with a false detection control, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 32, No. 4, pp. 722-732.

상세보기
Von Gioi, R.G., Jakubowicz, J., Morel, J.M., and Randall, G. (2012), LSD: a line segment detector, Image Processing on Line, Vol. 2, pp. 35-55.

상세보기
Vosselman, G. (2000), Slope based filtering of laser altimetry data, International Archives of Photogrammetry and Remote Sensing, IAPRS, 16-22 July, Amsterdam, The Netherlands, Vol. 33, pp. 935-942.
Vosselman, G. and Dijkman, S. (2001), 3D building model reconstruction from point clouds and ground plans, International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISPRS, 22-24 October, Annapolis, Maryland, Vol. 34, pp. 37-44.
Wang, Y., Schultz, S., and Giuffrida, F. (2008), Pictometry's proprietary airborne digital imaging system and its application in 3D city modelling, International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISPRS, 3-11 July, Beijing, China, Vol. 37, pp. 1065-1070.
Yan, L. and Li, P. (2014), Building footprints extraction methods based on marker-controlled watershed segmentation and local radon transformation. Information Technology Journal, Vol. 13, No. 11, pp. 1903-1907.

상세보기
Zhang, K., Chen, S.C., Whitman, D., Shyu, M.L., Yan, J., and Zhang, C. (2003), A progressive morphological filter for removing nonground measurements from airborne LIDAR data, IEEE Transactions on Geoscience and Remote Sensing, Vol. 41, No. 4, pp. 872-882.

상세보기
Zhang, L. and Gruen, A. (2006), Multi-image matching for DSM generation from IKONOS imagery, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 60, No. 3, pp. 195-211.

상세보기
Zheng, L., Zhang, J., and Wang, Q. (2009), Mean-shiftbased color segmentation of images containing green vegetation, Computers and Electronics in Agriculture, Vol. 65, No. 1, pp. 93-98.

상세보기

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