본 연구에서는 그라디언트(gradient) 공식을 사용하여 무인항공사진의 선명도 분석을 실시하고, 작업자가 간단하게 사용할 수 있도록 MATLABGUI(Graphical User Interface) 기반 선명도 분석 tool 제작에 대하여 소개하였다. 본 연구에서 제시한 선명도 분석 방법의 신뢰도를 검증하기 위하여 상용 software인 Agisoft사의 Metashape로 무인항공영상의 선명도를 측정한 결과와 비교하였다. 총 10장의 영상을 대상으로 두 가지 tool로 선명도를 각각 측정한 결과 동일 영상에 대하여 선명도 수치의 값들은 서로 상이하였다. 하지만 두 결괏값 간에는 0.11 ~ 0.20 정도의 일정한 편이(bias)가 존재하여 이를 소거하면 동일한 선명도를 나타내어 본 연구에서 제시한 선명도 분석 방법의 신뢰도를 입증하였다. 또한, 제시한 선명도 분석 방법의 실용성을 검증하기 위하여 선명도가 낮은 무인항공사진을 저품질의 영상으로 분류한 후, 각각 이를 포함한 정사영상과 이를 제외하고 제작한 정사영상의 품질을 비교하였다. 실험결과, 저품질의 무인항공사진을 포함하고 있는 정사영상은 해상도 타겟 부분의 흐림 현상으로 품질 분석이 불가하였다. 하지만 저품질의 무인항공사진을 제외하고 제작한 정사영상의 GSD (Ground Sample Distance)는 해상도 타겟이 선명하게 관측 가능하여 bar target은 3.2cm, siemens star는 4.0cm이었다. 이 결과는 본 연구에서 제시한 선명도 분석 방법의 실용성을 입증하였다.
본 연구에서는 그라디언트(gradient) 공식을 사용하여 무인항공사진의 선명도 분석을 실시하고, 작업자가 간단하게 사용할 수 있도록 MATLAB GUI(Graphical User Interface) 기반 선명도 분석 tool 제작에 대하여 소개하였다. 본 연구에서 제시한 선명도 분석 방법의 신뢰도를 검증하기 위하여 상용 software인 Agisoft사의 Metashape로 무인항공영상의 선명도를 측정한 결과와 비교하였다. 총 10장의 영상을 대상으로 두 가지 tool로 선명도를 각각 측정한 결과 동일 영상에 대하여 선명도 수치의 값들은 서로 상이하였다. 하지만 두 결괏값 간에는 0.11 ~ 0.20 정도의 일정한 편이(bias)가 존재하여 이를 소거하면 동일한 선명도를 나타내어 본 연구에서 제시한 선명도 분석 방법의 신뢰도를 입증하였다. 또한, 제시한 선명도 분석 방법의 실용성을 검증하기 위하여 선명도가 낮은 무인항공사진을 저품질의 영상으로 분류한 후, 각각 이를 포함한 정사영상과 이를 제외하고 제작한 정사영상의 품질을 비교하였다. 실험결과, 저품질의 무인항공사진을 포함하고 있는 정사영상은 해상도 타겟 부분의 흐림 현상으로 품질 분석이 불가하였다. 하지만 저품질의 무인항공사진을 제외하고 제작한 정사영상의 GSD (Ground Sample Distance)는 해상도 타겟이 선명하게 관측 가능하여 bar target은 3.2cm, siemens star는 4.0cm이었다. 이 결과는 본 연구에서 제시한 선명도 분석 방법의 실용성을 입증하였다.
In this study, we analyzed the sharpness of UAV-images using the gradient formula and produced a MATLAB GUI (Graphical User Interface)-based sharpness analysis tool for easy use. In order to verify the reliability of the proposed sharpness analysis method, sharpness values of the UAV-images measured...
In this study, we analyzed the sharpness of UAV-images using the gradient formula and produced a MATLAB GUI (Graphical User Interface)-based sharpness analysis tool for easy use. In order to verify the reliability of the proposed sharpness analysis method, sharpness values of the UAV-images measured by the proposed method were compared with those by measured the commercial software Metashape of the Agisoft. As a result of measuring the sharpness with both tools on 10 UAV-images, sharpness values themselves were different from each other for the same image. However, there was constant bias of 011 ~ 0.20 between two results, and then the same sharpness was obtained by eliminating this bias. This fact proved the reliability of the proposed sharpness analysis method in this study. In addition, in order to verify the practicality of the proposed sharpness analysis method, unsharp images were classified as low quality ones, and the quality of orthoimages was compared each other, which were generated included low quality images and excluded them. As a result, the quality of orthoimage including low quality images could not be analyzed due to blurring of the resolution target. However, the GSD (Ground Sample Distance) of orthoimage excluding low quality images was 3.2cm with a Bar target and 4.0cm with a Siemens star thanks to the clear resolution targets. It therefore demonstrates the practicality of the proposed sharpness analysis method in this study.
In this study, we analyzed the sharpness of UAV-images using the gradient formula and produced a MATLAB GUI (Graphical User Interface)-based sharpness analysis tool for easy use. In order to verify the reliability of the proposed sharpness analysis method, sharpness values of the UAV-images measured by the proposed method were compared with those by measured the commercial software Metashape of the Agisoft. As a result of measuring the sharpness with both tools on 10 UAV-images, sharpness values themselves were different from each other for the same image. However, there was constant bias of 011 ~ 0.20 between two results, and then the same sharpness was obtained by eliminating this bias. This fact proved the reliability of the proposed sharpness analysis method in this study. In addition, in order to verify the practicality of the proposed sharpness analysis method, unsharp images were classified as low quality ones, and the quality of orthoimages was compared each other, which were generated included low quality images and excluded them. As a result, the quality of orthoimage including low quality images could not be analyzed due to blurring of the resolution target. However, the GSD (Ground Sample Distance) of orthoimage excluding low quality images was 3.2cm with a Bar target and 4.0cm with a Siemens star thanks to the clear resolution targets. It therefore demonstrates the practicality of the proposed sharpness analysis method in this study.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
결과 분석에서는 본 연구에서 제시한 선명도 분석 방법의 신뢰도와 실용성을 검증하고자 하였다. 신뢰도 분석을 위하여 같은 영상처리 방법인 그라디언트 공식을 이용하여 영상의 선명 도를 분석하는 상용 S/W인 Agisoft사의 Metashape(Agisoft, 2019)의 선명도 분석 결과와 본 연구에서 제시한 선명도 분석 방법의 결과를 비교하였다.
이와 같이 항공사진의 품질 분석은 대개 해상도 타겟을 설치하여 실시하거나 품질 분석 S/W가 모두 고가이거나 외국산 이어서 국내의 작업자가 간편하게 이용하기에는 큰 어려움이 있다. 이에 본 연구에서는 간단한 영상처리 방법인 그라디언트 공식을 사용하여 무인항공사진의 선명도 분석을 실시하고, 작업자가 간단하게 실시할 수 있는 MATLAB GUI 기반 품질 분석 tool을 제작하여 제시한 선명도 분석 방법의 신뢰도와 실용성을 검증하고자 하였다.
또한 품질의 저하가 발생하면 재촬영이 필요하여 추가적인 인력, 비용 및 시간이 소요된다. 이에 본 연구에서는 작업자가 간단하게 수행할 수 있는 무인항공사진 품질 분석 tool을 제작하여 제시한 선명도 분석 방법의 신뢰도와 실용성을 검증하고자 하였다. 연구 결과 아래와 같은 결론을 도출하였다.
특히 특정한 열화 현상 중에서 흐림 현상은 고해상도의 사진에서 사용자의 육안으로 확인할 수 있는 화질에 큰 영향을 미칠 수 있다. 이에 연구자들은 흐림 현상의 정도를 측정하기 위한 다양한 방법을 제안하였다. 대개는 영상의 픽셀 수치를 이용하여 측정할 수 있다.
제안 방법
무인항공기체와 함께 운반하여 모든 현장 조건에 설치할 수 있으며 현장조건에 따라 테스트 시트의 구성을 결합하거나 분리할 수 있다. 또한 공간해상도, 분광해상도 및 방사해상도를 동시에 평가하여 다양한 무인항공기체에 탑재된 센서의 검증을 용이하게 하였다.
본 연구에서 제시한 선명도 분석 방법의 실용성을 확인하기 위하여 Table 5와 같이 해상도 타겟이 촬영된 총 6장의 무인항공영상을 대상으로 선명도를 측정하여 영상의 품질을 분류하였다. Table 5에서 ①, ②, ③의 사진은 육안으로도 사진의 흐림 현상을 인식 가능하며 선명도가 모두 0.
신뢰성 분석을 위하여 상용 S/W인 Agisoft사의 Metashape 의 선명도 분석 기능과 본 연구에서 제시한 분석 방법을 이용하여 동일한 무인항공사진 10장을 분석하였다. 분석 결과는 Table 3과 같다.
신뢰도 분석을 위하여 같은 영상처리 방법인 그라디언트 공식을 이용하여 영상의 선명 도를 분석하는 상용 S/W인 Agisoft사의 Metashape(Agisoft, 2019)의 선명도 분석 결과와 본 연구에서 제시한 선명도 분석 방법의 결과를 비교하였다. 실용성 검증은 본 연구에서 제시한 선명도 분석 방법으로 분석한 영상 품질 수치를 이용하여 일정 수치 이하의 품질이 낮은 무인항공사진을 제거한 후 성과물을 제작하여 GSD (Ground Sample Distance) 분석을 실시하였다. 영상 품질을 0∼1 사이의 수치로 나타내었고 수치가 클수록 좋은 선명도의 영상이다.
앞서 설명한 그라디언트 공식을 이용한 선명도 분석 방법을 바탕으로 무인항공사진측량을 실시하는 작업자가 저비용으로 간편하게 사용할 수 있도록 MATLAB S/W기반 선명도 분석 tool을 제작하였다(Mathworks, 2019). MATLAB S/W는미국의 Mathworks 사가 개발한 공학용 어플리케이션 S/W로서 영상처리와 같은 각종 tool 박스가 포함되어 있다.
(2010)은 유인항공영상에 대한 국가별 관련 표준 및 규정 등에 따른 유인항공영상 품질 검사 기술의 현황을 분석하고 유인항공영상의 품질검사지수 시스템을 제시하였다. 제시한 시스템은 데이터의 품질(카메라의 성능, 사진처리 기술), 영상의 품질(해상도, 컬러의 표현, 선명도, 영상의 대비, 데이터 파일의 형식), 비행 품질(촬영고도 및 일정한 촬영 고도 유지, 중복도, 사진의 회전각, 비행경로) 등으로 나누어 제시하였다. 무인항공영상에 대한 품질 분석 연구동향을 살펴보면 Sieberth et al.
첫째, 사진경계기반 방법 중에서 기본적인 영상처리 방법인 그라디언트 공식을 사용하여 무인항공사진의 선명도 평가를 실시하고, 작업자가 용이하게 실시할 수 있는 MATLAB GUI 기반 품질 분석 tool을 제작하였다. 이 tool을 이용하여 선명도 분석 방법의 신뢰도와 실용성을 검증하였다.
데이터처리
둘째, 그라디언트 공식을 이용하여 개발한 선명도 분석 tool 의 신뢰도를 검증하기 위하여 상용 S/W에서의 선명도 분석 결과와 비교하였다. 총 10장을 사진을 동일하게 분석하였으며 상용 S/W에서의 분석결과는 선명도 수치가 높은 순서대로 0.
결과 분석에서는 본 연구에서 제시한 선명도 분석 방법의 신뢰도와 실용성을 검증하고자 하였다. 신뢰도 분석을 위하여 같은 영상처리 방법인 그라디언트 공식을 이용하여 영상의 선명 도를 분석하는 상용 S/W인 Agisoft사의 Metashape(Agisoft, 2019)의 선명도 분석 결과와 본 연구에서 제시한 선명도 분석 방법의 결과를 비교하였다. 실용성 검증은 본 연구에서 제시한 선명도 분석 방법으로 분석한 영상 품질 수치를 이용하여 일정 수치 이하의 품질이 낮은 무인항공사진을 제거한 후 성과물을 제작하여 GSD (Ground Sample Distance) 분석을 실시하였다.
첫째, 사진경계기반 방법 중에서 기본적인 영상처리 방법인 그라디언트 공식을 사용하여 무인항공사진의 선명도 평가를 실시하고, 작업자가 용이하게 실시할 수 있는 MATLAB GUI 기반 품질 분석 tool을 제작하였다. 이 tool을 이용하여 선명도 분석 방법의 신뢰도와 실용성을 검증하였다.
그래프를 살펴보면 본 연구에서 제시한 선명도 분석 방법의 수치는 상용 S/W에서의 선명도 수치와 절대적인 수치의 차이는 있으나, 두 방법 모두의 선명도 수치가 가장 좋은 1번 사진에서부터 10번 사진까지 순서대로 낮아지고 있음을 확인할 수 있다. 이와 같이 상대적인 수치 차이가 동일한 결과를 나타내어본 연구에서 제시한 선명도 분석 방법의 신뢰도를 입증하였다.
이론/모형
한편, 상용 S/W인 Agisoft사의 Metashape는 무인항공영 상에 Gaussian 흐림 필터를 적용한 영상과 원본 영상의 그라 디언트 수치를 측정 및 대비하여 선명도를 측정한다(Agisoft, 2019). 이에 본 연구에서는 영상의 선명도를 측정하기 위하여 픽셀값들을 수치적인 기울기와 방향으로 나타내어 중요한 시각적인 정보를 전달할 수 있고 영상의 수치적인 변화를 효과적으로 나타낼 수 있는 그라디언트 공식을 사용하였다. 그라디언트 크기는 두 직각 방향을 따른 이미지 방향 그라디언트의 평균 제곱근으로 정의된다.
성능/효과
(2016)은 강한 바람, 난기류, 조종자의 갑작스런 조작 등으로 인한 카메라의 움직임에 의해 발생한 무인항공 영상의 흐림 현상을 자동으로 필터링하는 기법을 개발하였다. 개발된 기법은 무인항공영상의 흐림 현상을 자동으로 감지하여 제외할 수 있어 영상의 품질을 향상시키고 기존의 작업자가 수동으로 감지하는 방법보다 시간과 비용이 절약되고 객관적인 분석이 가능한 방법이다. Dabrowski와 Jenerowicz (2015) 는 무인항공기에 탑재된 카메라를 검증하기 위해 PIQuAT라는 휴대용 영상품질평가 테스트 시트를 제작하였다.
2와 같이 그래프로 나타내었다. 그래프를 살펴보면 본 연구에서 제시한 선명도 분석 방법의 수치는 상용 S/W에서의 선명도 수치와 절대적인 수치의 차이는 있으나, 두 방법 모두의 선명도 수치가 가장 좋은 1번 사진에서부터 10번 사진까지 순서대로 낮아지고 있음을 확인할 수 있다. 이와 같이 상대적인 수치 차이가 동일한 결과를 나타내어본 연구에서 제시한 선명도 분석 방법의 신뢰도를 입증하였다.
522의 결과를 나타내었다. 본 연구에서 개발한 tool을 이용한 선명도 분석 결과는 상용 S/W에서의 순서와 동일하게 0.872, 0.709, 0.628, 0.561, 0.503, 0.493, 0.420, 0.366, 0.311, 0.284의 결과를 나타내었다. 이와 같이 절대적인 수치의 차이는 있으나 상대적인 수치 차이는 유사한 결과를 나타내어 본 연구에서 제시한 선명도 분석 방법의 신뢰도를 입증하였다.
본 연구에서 제시된 무인항공사진의 품질 분석 방법은 기존 유인항공사진측량과 같이 시간과 비용이 크게 소요되는 테스트 베드의 설치 없이 무인항공사진만으로 수행이 가능하다. 또한 이러한 작업을 매우 간편하게 수행할 수 있도록 제작된 소프트웨어 tool을 활용하여 객관적인 신뢰도의 품질 분석으로 작업의 효율성이 크게 증가될 것으로 기대된다.
셋째, 흐림 현상이 발생하여 선명도가 저하된 낱장사진을 포함하여 제작한 정사영상과 선명도 분석 tool을 이용하여 선명 도가 낮은 사진을 제외하고 제작한 정사영상의 GSD를 분석한 결과 선명도가 저하된 사진을 제외하지 않은 정사영상은 해상도 타겟 부분의 흐림 현상으로 분석이 불가능하였다. 하지만 낮은 선명도의 사진을 제외하고 제작한 정사영상의 GSD는 해상도 타겟이 선명하게 나타나 bar target은 3.
영상 품질을 0∼1 사이의 수치로 나타내었고 수치가 클수록 좋은 선명도의 영상이다.
하지만 Table 4와 같이 4, 5, 6번 사진을 육안으로 확인한 결과 6번 사진은 임야지역이 포함되어 있는 사진으로 나타났다. 이와 같은 결과로 두 알고리즘은 임야지역에서는 절대적인 수치의 차이가 크게 나타남을 확인할 수 있었다.
0cm로 나타났다. 이와 같이 본 연구에서 제시한 선명도 분석 방법을 이용하면 성과물 제작 전에 선명도가 저하된 사진을 제외할 수 있어 최종 성과물의 품질을 높일 수 있다.
둘째, 그라디언트 공식을 이용하여 개발한 선명도 분석 tool 의 신뢰도를 검증하기 위하여 상용 S/W에서의 선명도 분석 결과와 비교하였다. 총 10장을 사진을 동일하게 분석하였으며 상용 S/W에서의 분석결과는 선명도 수치가 높은 순서대로 0.842, 0.837, 0.746, 0.742, 0.732, 0.704, 0.689, 0.599, 0.547, 0.522의 결과를 나타내었다. 본 연구에서 개발한 tool을 이용한 선명도 분석 결과는 상용 S/W에서의 순서와 동일하게 0.
한편, 상용 S/W에서의 선명도 수치는 4, 5, 6번 사진에서 유사한 수치를 나타내었으며, 본 연구에서 제시한 방법의 선명도 수치는 4, 5번 사진의 수치가 유사하고 6번 사진에서 수치가 낮아지는 결과를 나타내었다. 이러한 이유는 상용 S/W의 선명도 분석 방법 알고리즘과 본 연구에서 제시한 선명도 분석 방법의 알고리즘의 차이로 이와 같은 결과를 나타내는 것으로 판단된다.
후속연구
또한 이러한 작업을 매우 간편하게 수행할 수 있도록 제작된 소프트웨어 tool을 활용하여 객관적인 신뢰도의 품질 분석으로 작업의 효율성이 크게 증가될 것으로 기대된다. 따라서 본 연구의 결과는 향후 무인항공사진측량으로 제작되는 정사영상, DSM (Digital Surface Model), 3D model, 각종 수치지형도 등의 품질과 정확도 향상에 큰 기여를 할 것으로 판단된다.
본 연구에서 제시된 무인항공사진의 품질 분석 방법은 기존 유인항공사진측량과 같이 시간과 비용이 크게 소요되는 테스트 베드의 설치 없이 무인항공사진만으로 수행이 가능하다. 또한 이러한 작업을 매우 간편하게 수행할 수 있도록 제작된 소프트웨어 tool을 활용하여 객관적인 신뢰도의 품질 분석으로 작업의 효율성이 크게 증가될 것으로 기대된다. 따라서 본 연구의 결과는 향후 무인항공사진측량으로 제작되는 정사영상, DSM (Digital Surface Model), 3D model, 각종 수치지형도 등의 품질과 정확도 향상에 큰 기여를 할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
유인항공영상의 품질 검증 기법과 검증 지표 중 주관적인 방법과 객관적인 방법은 무엇인가?
(2011)은 유인항공영상의 품질 검증 기법과 검증 지표를 주관적인 방법과 객관적인 방법으로 연구하여 제시하였다. 주관적인 방법은 구름과 구름에 의한 그림자, 영상의 얼룩 및 영상의 노이즈를 작업자가 시각적으로 판단하는 방법이다. 객관적인 방법은 영상점의 최대 변위량, 선명도, 영상의 대비 정도 및 RGB (Red Green Blue) 색상의 밝기 등을 컴퓨터 S/W를 이용하여 판단하는 방법이다. Jiang et al.
주파수 기반 방법은 무엇인가?
픽셀 수치를 이용하여 선명도를 평가하는 방법은 공간상에서 경계 (edge)의 퍼짐 정도를 측정하여 선명도를 추정하는 사진경계 기반 방법(edge-based methods)과 주파수 분포를 측정하여 선명도를 추정하는 주파수기반 방법(spectral-based methods)이 있다. 주파수 기반 방법은 후리에나 웨이블릿으로 변환된 사진 정보의 통계적 특성을 사용하여 윤곽선의 종류를 판단한 후 사진의 선명도를 측정하는 방법이다(Choi and Lee, 2011). 사진 경계 기반 방법은 사진에서 경계의 너비를 판단의 기준으로 한다.
무인비행장치를 이용한 공간정보 데이터 구축 시 생기는 문제점은 무엇인가?
만약 이러한 요소들로 인해 품질의 저하가 발생하면 재촬영이 필요하여 추가적인 인력, 비용 및 시간이 소요된다. 또한, 현재 무인비행장치를 이용한 공간정보 데이터 구축 시 정량적인 품질 검증 및 인증에 적용 가능한 규정이 없어 데이터 품질의 신뢰성 확보가 어려운 문제점이 있으며, 품질 검증 및 인증에 적용 가능한 툴이 없거나 대개 고가의 외국산이어서 실무에 적용이 어려운 문제점이 있다(Sung, 2019).
참고문헌 (14)
Agisoft. (2019), Methashape, Agisoft, Petersburg, https://www.agisoft.com (last date accessed: 12 September 2019)
Choi, H.S. and Lee, C.H. (2011), Sharpness measure based on the frequency domain information, Journal of Broadcast Engineering, Vol.16, No. 3, pp.552-560. (in Korean with English abstract)
Dabrowski, R. and Jenerowicz, A. (2015), Preliminary results form the portable image quality assessment test field(PIQuAT) of UAV imagery for imagery reconnaissance purposes, ISPRS Workshop, 30 August-02 September, 2015, Toronto, Canada, pp.111-115.
Jiang, W., Li, Y., Liang, Y., and Zeng, Y. (2010), Research on quality index system of digital aerial photography results, 4th Computer and Computing Technologies in Agriculture, CCTA, Oct 2010, Nanchang, China, pp. 381-391.
Lee, J.Y., Lee, J.W., and Cho, H.G. (2007), Digital Photo Quality Measuring Method Using Image Blurness, Proceedings of 2007 KCGS Summer Conference, Vol.0, pp.147-154.
Lee, J.O., Lee, T.Y., Cha, S.Y., and Lee, D.R. (2012), The Study on the sharpness of digital aerial image using edge response, Proceedings of 2012 KSGIS Fall Conference, 12 Oct., Seoul, Korea, pp. 81-82.(in Korean)
Liang, Y., Zeng, Y., Jiang, W., and Wang, X. (2011), Research on automatic inspection methods of image quality of digital aerial photography results, 5th Computer and Computing Technologies in Agriculture, CCTA, Oct 2011, Beijing, China, pp. 320-331.
Lim, P.C., Seo, J.H., and Kim, T.J. (2018), Extraction of UAV image sharpness index using edge target analysis, Korean Journal of Remote Sensing, Vol. 34, No. 6-1, pp.905-923. (in Korean with English abstract)
Mathworks. (2019), MATLAB, Mathworks, Massachusetts, https://kr.mathworks.com (last date accessed: 25 September 2019)
Sieberth, T., Wackrow, R., and Chandler, J. (2016), Automatic detection of blurred images in UAV image sets, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 122, pp.1-16.
Sung, S.M. (2019), A study on spatial resolution analysis methods of UAV images, Ph.D.dissertation, Dong-A University, Busan, Korea, 49p. (in Korean with English abstract)
Wikipedia. (2020), Gradient, Wikipedia. https://en.wikipedia.org/wiki/Gradient (last date accessed: 20 January 2020).
Xue, W., Zhang, L., Mou, X., and Bovik, A. (2014), Gradient magnitude similarity deviation: A highly efficient perceptual image quality index, IEEE Transactions on Image Processing, Vol. 23, No. 2, pp.684-695.
Yoo, M.W. (2010), A study on better ways to measure digital photo quality based on exif information, Master's thesis, Seoul National University of Technology, Seoul, Korea, 2p. (in Korean with English abstract)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.