A Method of DTM Generation from KOMPSAT-3A Stereo Images using Low-resolution Terrain Data

저해상도 지형 자료를 활용한 KOMPSAT-3A 스테레오 영상 기반의 DTM 생성 방법

Abstract

With the increasing prevalence of high-resolution satellite images, the need for technology to generate accurate 3D information from the satellite images is emphasized. In order to create a digital terrain model (DTM) that is widely used in applications such as change detection and object extraction, it is necessary to extract trees, buildings, etc. that exist in the digital surface model (DSM) and estimate the height of the ground. This paper presents a method for automatically generating DTM from DSM extracted from KOMPSAT-3A stereo images. The technique was developed to detect the non-ground area and estimate the height value of the ground by using the previously constructed low-resolution topographic data. The average vertical accuracy of DTMs generated in the four experimental sites with various topographical characteristics, such as mountainous terrain, densely built area, flat topography, and complex terrain was about 5.8 meters. The proposed technique would be useful to produce high-quality DTMs that represent precise features of the bare-earth's surface.

고해상도 위성영상의 보급이 증가함에 따라, 위성영상으로부터 정확한 3차원 정보를 생성하기 위한 기술의 필요성이 강조되고 있다. 영상의 변화탐지 및 객체추출 등 응용 분야에서 많이 활용되고 있는 수치지형모델(digital terrain model, DTM)을 생성하기 위해서는 수치표면모델(digital surface model, DSM)에 존재하는 수목, 건물 등 비지면 객체를 추출하고 지면의 높이를 추정하는 과정이 필요하다. 본 논문에서는 KOMPSAT-3A 스테레오 영상에서 추출된 DSM으로부터 자동으로 DTM을 생성하기 위한 방법을 제시한다. 기 구축된 저해상도 지형자료를 활용하여 비지면 영역을 탐색하고 지면의 높이값을 추정하는 기법을 개발했다. 산악지형, 건물밀집지역, 평지, 복합지 등 다양한 지형 특성을 갖는 4곳의 실험 지역에서 생성된 DTM의 수직 정확도는 약 5.85 m로 나타났다. 제안된 기법을 통해 지표면의 정밀한 형상을 나타내는 고품질의 DTM 생성이 가능한 것으로 판단된다.

1. 서론

3차원공간정보를나타내는DSM및DTM은 객체추출, 변화 탐지, 도시 모델링, 산림 관리 등의 다양한 공간정보 응용 분야에서 기본적으로 요구되는 자료이다. 특히 정규화 된 수치표면모델(normalized digitalsurface model, nDSM)은 도심지에 존재하는 건물의 고도를 추출하여 3차원 건물 모델을 생성하는데 활용하거나, 산림 지역에서 수목의 높이를 나타내는 식생표고모델(canopy height model, CHM)로 사용된다.

일반적으로 이러한 3차원 정보들은 LiDAR(light detection and raging)로 관측된 자료를 이용하거나 스테레오 또는 다중 촬영된 광학 영상에 사진측량 기반의 방식을 적용하여 취득할 수 있다. LiDAR를 이용한 기법은 센서에서 전송된 에너지의 펄스가 센서로 다시 돌아오는 데 소요되는 시간을 측정함으로써 지표면 상의 객체와 센서 사이의 거리를 결정하는 방식이다. LiDAR 자료는 사진 측량 방식의 생성물과 비교하여 높은 정확도 를 갖는 고 밀집 점군(point cloud)의 취득이 가능하기 때문에 고해상도 표고 모델 생성에 많이 이용되고 있다. 특히 식생이 밀집한 산림 지역에 있어서, LiDAR 펄스가 식생 캐노피를 투과하는 특성을 이용함으로써 해당 지점에서 지형의 높이를 획득하거나 군집된 수목의 형 태를 파악하는데 활용할 수 있다(Kukko and Hyyppa, 2009; Meng et al., 2010; Hwang and Lee, 2011). 반면에 3차원 정보 취득을 위해 항공사진 및 위성영상 등의 광학 영상을 이용하는 경우에는 상대적으로 낮은 비용으로 넓은 지역에 대한 정보 수집이 가능하며, 대상 영역의 텍스처 정보가 함께 제공된다는 점에서 활용도가 높다. SGM(semi-global matching) (Hirschmuller, 2008; Gehrke et al., 2010) 또는 MDR(multi-dimensional relaxation) (Rhee and Kim, 2016) 등의 정합 기법을 통해서 각 영상에서의 대응점을 추출하고, 정합점의 영상 벡터들이 3차원 공 간상에서 교차하는 지점을 추정하여 높이값을 획득할 수 있다.

LiDAR 및 광학영상으로부터 생성된 3차원 정보에는 기본적으로 건물 및 가로수 등 인공지물의 높이가 지형 정보와 함께 반영되어 있다. 이러한 3차원 정보에 존재하는 비지면 객체를 추출하고 해당 지점에서의 지면 높이를 추정하여 DTM을 생성하는 연구는 이전부터 다양한 방식을 통해 시도되어 왔다(Krauss et al., 2011). 비지면 추출 방법으로 기울기 기반, 모폴로지(morphology) 연산 기반, 불규칙 삼각망(triangulated irregular network, TIN) 기반 등의 기법이 주로 사용된다. 기울기 기반의 비지면 필터는 인접한 점의 높이차로부터 계산된 기울기의 값이 지면점에서의 기울기 값과 비교하여 변화가 큰 경우 비지면 객체로 분류하는 방법이다. 두 개의 점 간의 기울기를 이용하는 방법(Vosselman, 2000)에서 착안하여, Sithole(2001)은 대상 지형에 맞게 적절한 기울기 임계값을 결정하는 방식을 고안했다. 모폴로지 연산 기반의 필터는 침식, 팽창 연산을 통해 추출된 영역에서 최소값과 최대값 등을 활용하여 비지면 격자를 추출하는 방식이다(Zhang et al., 2003). Vu et al.(2009)와 Arefi et al.(2011)은 다양한 스케일에서의 모폴로지 기반 복원 맵을 이용하여 비지면 영역을 탐색하고 DTM을 생성 했다. 불규칙 삼각망 기반 필터는 지형의 표면 형상을 추정하는 기법이다. 가장 많이 활용된 방법으로 PTD (progressive TIN densification)의 경우, 지역 내에 가장 낮은 높이값을 갖는 점에서부터 삼각망을 생성하여 점진적으로 지표면의 조건에 해당하는 점을 추가하는 방식이다(Axelsson, 2000). 그 외의 기법으로 3차원 점들을 특징에 따라 그룹화하여 지면과 비지면으로 분류하는 연구를 수행했다(Cho et al., 2003; Lee, 2006).

선행된 여러 연구들은 대부분 LiDAR로 취득된 3차원 정보에 존재하는 비지면점을 추출하는 기법 및 처리 과정을 제시하였다. 그러나 대부분의 연구가 제한적인 지형 특성을 갖는 지역에서만 수행되어 복합적인 비지면 객체를 포함하거나 기복 변위가 심하게 나타나는 등 다양한 지역에 대해서는 추가적인 실험을 필요로 한다. 위성영상을 사용한 DTM 생성 실험의 경우에는 대상 지역을 주거지로 제한하였으며, 일부 폐색 영역에 대해서는 비지면 분류가 수행되지 않음을 확인했다(Arefi et al., 2011). 건물이 밀집한 도심지역의 고층 빌딩 등으로 인해 영상에 폐색 영역이 발생한 경우에는 정합점이 추출되지 않으므로, 해당 지역의 높이값은 주변의 인접한 점들로부터 추정하게 된다. 결과적으로 비지면 객체의 경계가 실제 형상에 비해 부드럽게 표현되어 이를 지면과 분리하는데 어려움이 있다. 또한 수목이 밀집한 산림 지역에서는 지표면이 촬영되지 않기 때문에 광학영상만으로는 정확한 높이값을 추정하는 것이 불가능하다. 이러한 제약사항에도 불구하고 위성영상은 항공 레이 저 측량(aerial laser scanning, ALS) 정보에 비해 여러 분야에서 활용도가 높으며, 최근에는 고해상도 위성영상 의 보급이 증가함에 따라 고품질의 영상을 취득하기 용이하다는 장점이 있다.

본 논문에서는 스테레오 위성영상으로부터 고품질의 DTM을 생성하는 것을 목적으로, 앞서 언급된 위성 영상 기반의 처리방식의 한계점을 극복하고자 기 구축 된 저해상도 지형 자료를 활용하는 기법을 제시한다. 이를 위하여 사진측량 기반의 정합 기법을 KOMPSAT-3A 영상에 적용하여 DSM을 생성하고 비지면 분류, 지면 높이 추정 과정을 통해 DTM을 생성한다. 또한 제안 기법으로부터 생성된 DTM과 레퍼런스 자료의 수직 오차를 산출하고 정확도를 분석하고자 한다.

2. 연구자료

1) KOMPSAT-3A

경기도 고양시 일대를 촬영한 KOMPSAT-3A 영상 2 장을 실험 영상으로 사용하였다(Fig. 1). 영상의 공간해 상도는 약 0.66 m, 영상의 크기는 각각 24060 × 21280 pixel, 24060 × 21680 pixel이다. Table 1에 명시된 바와 같이, 2장의 영상은 2017년 2월 23일과 2017년 2월 24일 이틀간 동일한 시간대에 취득되었다.

Fig. 1. The overlapping area of KOMPSAT-3A stereo images.

Table 1. Specification of used KOMSAT-3A stereo images

2) DSM

다양한 지형 특성을 반영할 수 있는 4개의 지역에서 사진측량 기반의 영상정합 기법인 MDR(Rhee and Kim, 2016)을 적용하여 KOMPSAT-3A 스테레오 영상으로부터 2 m급의 공간해상도를 갖는 2 km ×2 km 크기의 DSM 을 생성하였다. 생성된 4장의 DSM은 UTM-52-North 좌표계 상에 투영하였다. Fig. 2는 대상 영역을 촬영한 위성 영상으로 (a)는 기복 변위가 큰 산악지형, (b)는 건물이 밀집한 주거지역, (c)는 기복 변위가 상대적으로 낮은 지역, (d)는 복합적인 지형을 보여준다.

Fig. 2. Target areas: (a) Site1 (mountainous), (b) Site2 (densely built), (c) Site3 (flat), (d) Site4 (complex).

3) 저해상도 지형 자료

본 논문에서 사용되는 저해상도 지형 자료는 SRTM (shuttle radar topography mission) Version 3.0을 선택하 였다. 해당 자료는 북위 60도에서 남위 56도까지 지구의 80% 면적에 구축된 수치표고모델(digital elevation model, DEM)로서 1 arc-second, 약 30 m의 공간해상도를 갖는다 (NASAJPL, 2014). SRTM의 수직 좌표계는 WGS84(world geodetic system 84)/EGM96(earth gravitational model 96) 을 기준으로 한다. Fig. 3(a)는 실험을 위해 사용된 북위 37도, 동경 126도 지역의 SRTM 일부를 나타내며 영상 의 크기는 3601 × 3601 pixel이다.

Fig. 3. External data of target area: (a) SRTM, (b) reference DTM.

4) 레퍼런스 DTM

제안 기법으로 생성된 DTM의 정확도를 평가하기 위하여 국토지리정보원에서 제공한 5 m 공간해상도를 갖는 남한지역 DTM을 레퍼런스로 사용하였다. 이는 항공 LiDAR로 취득된 3차원 정보를 TM 중부원점 좌표계 상에 격자화 하여 나타낸 것으로 지오이드 모델은 EGM 2008이 적용되었다. Fig. 3(b)는 실험 지역에 대해 확대하여 나타낸 레퍼런스 DTM이다.

3. 연구방법

본 연구에서는 고품질의 DTM을 생성하기 위하여 기 구축된 저해상도 자료를 초기 지형정보로 이용하는 기법을 제시한다. Fig. 4는 DTM 생성을 위한 제안 기법 의 흐름을 도식화한 것이다. 우선 저해상도 자료의 투 영좌표체계 및 격자간격을 DSM과 일치시키기 위한 변환 작업을 수행한다. 이 과정에서 재배열(resampling)을 위한 기법으로 양선형 보간법(bilinear interpolation)을 적용한다. 다음으로 해당 영역에서의 지오이드고(geoid height)를 계산하여 저해상도 자료의 수직좌표를 타원 체기준으로변환한다. 위의 작업을 통해 변환된 저해상도 지형 자료와 DSM의 차분 평균값을 3 × 3 패치 내에서 계산하여 초기 nDSM을 생성한다. 이는 DSM에 존재하는 전반적인 지형의 기복(undulation)을 제거하고, 비지면 객체의 형상을 부각시키기 위함이다. 초기 nDSM은 다음에 설명되는 비지면 분류 작업 및 수목 높이 추정에 사용된다.

Fig. 4. Workflow of proposed algorithm of DTM generation

1) 비지면 분류

비지면 분류 과정에서는 초기 nDSM에 존재하는 건물 및 수목 등의 지물을 추출하고, 추출된 비지면 정보를 건물 영역과 수목 영역으로 분류하는 작업을 수행한다. 이 과정에서는 영상에 존재하는 특이 영역을 탐색하기 위한 방법으로 조건부팽창연산(conditional dilation)을 적용한다(Arefi et al., 2011). 조건부 팽창 연산을 위한 마스크 (mask)는 초기 nDSM, 마커(marker)는 마스크에서 일정한 높이만큼 차분한 결과를 사용하고, 마스크의 범위 내에 서 일정 간격으로 생성된 마커의 개수만큼 연산을 반복 한다. 식 (1)은 조건부 팽창 연산을 나타내는 것으로 A는 마스크, S는 마커, B는 구조적 요소(structuring element), k는 팽창 연산의 반복 횟수를 의미한다(Dougherty, 1992). 마스크의 높이값 내에서 마커에 반복적으로 팽창 연산 을 수행하며, 마커의 모든 격자에서 더 이상의 변화가 발생하지 않는 경우에는 팽창 연산을 종료한다.

\(S^{(k)} = [S^{(k-1)} \bigoplus B] \cap A\)        (1)

조건부 팽창 연산의 결과로 초기 nDSM에서 주변의 높이와 구분되는 특이 영역이 추출된다. 추출된 각 영역의 경계선에서 높이차가 임계치를 초과하는 점의 비율을 계산한다. 제안 기법에서는 해당 비율이 높은 영역을 불연속적인 객체로 판단하여 건물로 분류하고 그 외의 영역은 수목으로 정의한다. 단계적으로 분류된 건물 영역과 수목 영역은 비지면 맵에 누적하여 지면 높이 추정을 위한 자료로 활용한다.

2) 지면 높이 추정

앞서 비지면 분류 과정을 통해서 생성된 비지면 맵을 이용하여 지표면의 높이를 추정한다. Fig. 5는 빨간색으로 표현된 건물 영역과 초기 nDSM으로부터 추정된 수목의 높이를 단계별로 나타낸 수목 영역을 나타낸다. 수목 영역에서는 영역 내에 존재하는 초기 nDSM의 높이 값 중에서 중간값(median)을 선택하고, 이를 해당 영역에서의 수목 높이로 가정한다. 초기 nDSM으로부터 취득된 수목의 높이만큼 DSM의 높이값을 차분하여 지면 높이를 추정한다. 건물로 분류된 영역의 경우, DSM에 존재하는 격자의 높이를 제거한 뒤에 보간 기법을 통해 주변 격자로부터 지면의 높이를 계산한다. 양선형 (bilinear), 양3차(bicubic) 함수를 통한 보간 기법은 인접한 화소로부터 값을 추정하기 때문에 알고리즘의 처리 시간이 짧지만 자료의 공간 분포를 반영하기 어렵다. 그러나, 복잡한 알고리즘으로 구성된 보간 기법이 더 나은 DTM 결과를 위해 반드시 필요한 사항은 아니므로 (Anderson et al., 2005), 본 논문에서는 역비례 거리 가중치(inverse distance weight, IDW) 보간 기법을 이용하여 처리시간 대비 효율적으로 빈 격자의 보간을 수행한다. 모든 격자에서 지면 높이 추정이 완료되면, 패치 크기 15 × 15의 중간값 필터 및 가우시안(gaussian) 필터를 적용하여 지형에 존재하는 과대오차를 제거하고 불연속 적인 형상을 부드럽게 표현한다.

Fig. 5. Result of non-ground classification. Red refers to building area which will be removed. Green refers to estimated height of tree canopy at each area.

4. 연구결과 및 논의

다양한 지형 특성을 나타내는 4개의 영역에 대하여, 비지면 객체의 제거 여부를 확인하고 DSM 및 DTM 결과를 육안으로 분석한다. 다음으로 레퍼런스 DTM을 기준으로 DTM과 SRTM의 모든 격자에서 높이값의 차이를 측정하여 오차에 대한 평균, RMS(root mean square)를 계산하고 정확도를 비교한다. Fig. 6에서는 실험 영역 4곳에 대하여 사진측량 기법을 통해 생성된 DSM, 제안 기법을 통해 추출된 비지면 분류 맵, DTM 결과를 나타낸다. 비지면 분류 맵에서 빨간색으로 표시된 부분은 경계선에서 높이 변화가 크게 발생하여 건물로 분류 된 영역이며, 초록색으로 표시된 부분은 수목 영역을 나타낸다. Fig. 6(a1)은 산악지형(Site 1)에서 생성된 DSM이다. 이어서 Fig. 6(a2)은 산악지형의 비지면 추출 결과 로서 대부분의 비지면이 수목 영역으로 분류됐으며, 이를 통해 생성된 DTM은 입력 자료로 사용된 DSM의 지형과 비슷한 형상을 나타내는 것을 Fig. 6(a3)에서 알 수 있다. Fig. 6(b1)은 고층 건물이 있는 주거지 및 도로가 지나는 언덕지형이 포함된 지역(Site 2)에서 생성된 DSM이다. Fig. 6(b2)에서는 좌측 하단의 주거지에서 다수의 고층 건물이 분류된 것을 확인할 수 있다. 해당 지역에 전반적으로 분포되어 있는 낮은 건물들의 경우에는 객체의 경계선에서 주변 영역과의 높이 차이가 상대적으로 적게 발생하여 수목으로 분류됐다. 이는 제안 된 알고리즘이 객체의 경계선에서 인접 영역과의 높이 차를 이용하여 객체를 건물과 수목으로 분류하는 특성에서 기인한 것이다. 수목으로 분류된 영역에서는 초기 nDSM을 이용하여 비지면 객체의 높이를 추정하고 주변의 지면점과 근사하게 영역의 높이가 조정되기 때문에, 결과적으로 Fig. 6(b3)에서와 같이 자연스러운 지형의 표현이 가능해진다. Fig. 7(a)은 주거 지역에 대해 DSM과 DTM을 부분적으로 확대하여 나타낸 것으로, 해당 지역에 존재하는 고층 건물들이 성공적으로 제거된 것을 확인할 수 있다.

Fig. 6. Results of DSM, non-ground map, and DTM: (a) Site 1 (mountainous), (b) Site 2 (densely built), (c) Site 3 (flat), (d) Site 4 (complex).

Fig. 7. Results of the removed non-ground objects: (a) Site 2 (densely built), (b) Site 4 (complex).

Fig. 6(c1)은 고도의 변화가 상대적으로 작은 평지(Site 3)에서 생성된 DSM이다. Fig. 6(c2)에 표시된 부분에서 높이 변화가 급격하게 발생한 수목 영역이 건물로 분류 된 것을 확인할 수 있다. 그 결과, 건물로 분류되어 제거 된 일부 수목 영역의 형상이 DTM에 반영되지 않은 것을 Fig. 6(c3)에서 보여준다. 마지막으로 Fig. 6(d1)은 고도가 높은 산지와 고층 건물이 있는 주거지가 포함된 복합적인 지형(Site 4)의 DSM을 나타낸다. Fig. 6(d2)의 상단에 표시된 지역에서는 경사진 산악 지형에 존재하는 건물 객체가 성공적으로 추출된 것을 확인할 수 있으며, 해당 지역을 Fig. 7(b)에 확대하여 나타냈다. 이어서 하단에 표시된 건물 밀집 지역을 살펴보면 고도가 낮은 일부 건물들이 수목으로 분류됐다. Fig. 6(d3)은 제안 기법으로 생성된 DTM이며, DSM에 존재하는 비지면 객체가 성공적으로 제거된 것을 확인할 수 있다.

Table 2는 각 영역에서 생성된 DTM과 SRTM의 레퍼 런스 DTM에 대한 오차의 최대값, 오차의 최소값, 평균 오차, RMS 오차를 나타낸다. 남한의 일부 지역에서 SRTM의 수직 RMS 오차는 평지에서 약 8.73 m, 산악지역에서 32.85 m로 보고된 바 있다(Kang, 2010). 1번 지역 (Site 1)은 가파른 산악 지형으로 높이값의 범위가 46.64 m ~ 468.70 m이다. 해당 지역에서 생성된 DTM의 평균 오차는 2.47 m이며, SRTM의 평균 오차는 7.15 m이다. Fig. 8(a1)은 1번 지역의 레퍼런스 DTM, (a2)는 레퍼런스 DTM과 제안기법으로 생성된 DTM의 높이값의 차이를 계산하여 생성한 오차맵, (a3)는 레퍼런스 DTM과 SRTM간의 오차맵을 나타낸다. Fig. 8(a1), (a2)를 살펴보면 제안된 DTM의 경우 높이 변화가 심한 산맥 영역 주변에서만 양의 부호 높이 오차가 발생했는데, SRTM은 산맥 뿐만 아니라 주변의 넓은 영역까지 양의 부호 높이 오차가 발생한 것을 확인할 수 있다. 이는 제안된 기법이 DSM에 나타난 수목 지역의 정밀한 형상을 반영하여 DTM 변환을 수행하는 것과는 달리, 저해상도 DEM인 SRTM에서는 가파른 산맥의 형상이 제대로 유지되지 않았기 때문인 것으로 판단된다. 그 결과, 제안된 기법으로 생성된 DTM의 RMS 오차는 5.34 m이며, SRTM의 RMS 오차는 9.04 m으로 나타났다. 1번 지역(Site 1)에서 생성된 DTM의 평균 오차가 가장 작게 발생한 것은 Fig. 8(a2)에서와 같이 산악 지형의 가파른 산맥과 협곡에서 서로 다른 부호의 높이 오차가 발생함에 따라, 부호에 영향을 받는 평균오차가 가장 낮게 측정된 것으로 판단된다. 또한, 생성된 DTM에서 오차의 최소값이 - 25.78 m로 SRTM에 비해 크게 나타났으며, Fig. 8(a2)의 표시된 부분에서 음의 부호 오차가 상대적으로 크게 발생한 것을 알 수 있다. 이는 영상에 촬영된 구름의 영향으로 인해, 정합 과정에서 추출된 3차원 정보에 포함된 오차에서 기인한다(Fig. 2(a)).

Table 2. Statistical evaluation of produced DTM and SRTM compared to the reference DTM

Fig. 8. Reference DTM and error map of DTM and SRTM: (a) Site 1(mountainous), (b) Site 2(densely built), (c) Site 3(flat), (d) Site 4(complex).

RMS 오차는 도심지(Site 2)에서 생성된 DTM이 4.55m로 가장 낮게 나타났다. Fig. 9에서 DSM(a)과 레퍼런스 DTM(b)을 통해 볼 수 있듯이 해당 지역에는 도로 건설로 인한 지형정보의 변화가 존재하는데, 제안된 DTM은 DSM 자료에 기반하기 때문에 이러한 지형의 변화를 반영할 수 있다. 또한 제안된 DTM과 SRTM 각각의 오차맵에서 산림 영역을 비교하면(Fig. 8(b2), (b3)), 제안된 DTM의 오차가 SRTM에 비해 크게 감소한 것을 알 수 있다. 그러나 Fig. 8(b2)에 표시된 부분에서 음의 부호 오차가 크게 발생함에 따라, 생성된 DTM에서 오차의 최소값이 -18.57 m로 나타났다. 이는 1번 지역(Site 1) 에서의 현상과는 다르게, 언덕 지형의 변화가 레퍼런스 DTM에 반영되지 않아서 발생한 오차이다. 결과적으로 해당 지역(Site 2)의 DTM은 정보의 최신성과 수목 영역의 정밀한 형상 유지로 인해 가장 좋은 DTM 결과를 나타냈다.

Fig. 9. Dataset of Site 2: (a) DSM, (b) reference DTM, (c) proposed DTM, (d) SRTM.

Fig. 8(c)는 평지 지역으로 건물과 완만한 경사의 산림을 포함하며, 6.16 m의 RMS 오차를 나타냈다. Fig. 8(d)는 복합 지역으로 건물과 가파른 산맥 영역을 포함하며, RMS 오차는 7.34 m로 측정됐다. 두 지역 모두 제안된 DTM의 오차맵(Fig. 8(c2), (d2))에서 수목 영역의 오차가 SRTM에 비해 상대적으로 작게 나타났다. 이는 제안 기법으로 생성된 DTM에서 수목 영역의 형상이 잘 유지된 것을 의미한다. 그러나 수목 영역의 비율이 높기 때문에, 나머지 지역(Site 1, Site 2)에 비해 상대적으로 오차가 크게 나타나는 것으로 보인다.

5. 결론

본 연구에서는 스테레오 위성영상에서 취득된 3차원 공간정보로부터 고품질의 DTM을 생성하기 위한 방법으로 저해상도 지형 자료 활용 기법을 제시하였다. 이를 위해 산악지형, 건물밀집지역, 평지, 복합지역 등 각각의 지형 특성을 나타내는 4개의 실험 지역을 선정 했다. 실험에서는 사진측량 기반의 정합 기법을 통해 KOMPSAT-3A 영상으로부터 생성한 DSM과 전지구적 저해상도 DEM인 SRTM을 사용했다. 제안 기법을 통해 생성된 DTM은 SRTM과 비교하여 개선된 수직 정확도를 나타냈다. 특히 수목이 밀집한 산지 또는 폐색 영역이 발생하는 고층 건물과 같이 지표면을 탐색하기가 어려운 영역에서도 지면의 높이를 추정하여 정확도 높은 DTM을 생성했다. 또한 DSM에 나타나는 지형 정보를 반영함으로써, 산악 지형의 정밀한 형상이 DTM에 보존되는 것을 확인했다. 결과적으로 기 구축된 저해상도 지형 자료를 활용함으로써 고품질의 DTM 생성이 가능함을 알 수 있었다. 그러나 DSM에 존재하는 비지면을 분류하는 과정에서 높이가 낮은 건물들이 수목으로 분류되었으며, 비지면 분류 정확도를 향상시키기 위해서는 영역의 형상(shape) 및 스켈레톤(skeleton) 등의 요소를 활용한 추가적인 실험이 필요할 것으로 판단된다. 또한 다양한 격자 간격에 대해 DTM을 생성하여 공간해상도에 따른 DTM의 정확도 및 육안 결과를 비교하고, KOMPSAT-3A 영상에 적합한 최적의 공간해상도를 도출할 필요가 있다.