A Study on Building a Scalable Change Detection System Based on QGIS with High-Resolution Satellite Imagery

고해상도 위성영상을 활용한 QGIS 기반 확장 가능한 변화탐지 시스템 구축 방안 연구

Abstract

The availability of high-resolution satellite image time series data has led to an increase in change detection research. Various methods are being studied, such as satellite image pixel and object-level change detection algorithms, as well as algorithms that apply deep learning technology. In this paper, we propose a QGIS plugin-based system to enhance the utilization of these useful results and present an actual implementation case. The proposed system is a system for intensive change detection and monitoring of areas of interest, and we propose a convenient system expansion method for algorithms to be developed in the future. Furthermore, it is expected to contribute to the construction of satellite image utilization systems by presenting the basic structure of commercialization of change detection research.

고해상도 위성영상 시계열 데이터 확보가 쉬워져 이를 활용한 변화탐지 연구가 활발히 이뤄지고 있다. 위성영상 화소 및 객체 단위 변화탐지 알고리즘 뿐만 아니라, 최근 딥러닝 기술을 적용한 알고리즘 등 다양한 방안이 연구되고 있다. 이런 유용한 결과의 활용도를 높이기 위한 QGIS 플러그인 기반 시스템 구축 방안을 제시하고 실 구축 사례를 제시한다. 제안한 시스템은 관심지역에 대한 집중적인 변화탐지 모니터링을 위한 시스템이며, 향후 개발할 알고리즘의 편리한 시스템 확장 방안을 제시한다. 더 나아가 변화탐지 연구결과 현업화의 기본 구조를 제시하여 위성영상 활용 시스템 구축에 기여할 것으로 기대한다.

1. 서론

고해상도 위성영상을 활용한 변화 탐지 관련 연구는 국내외 다수의 고해상도 광학위성 운용으로 시계열 위성영상 확보가 용이하여 최근 활발히 진행되고 있다. 변화탐지는 동일한 지리적 영역에서 획득한 다중 시기 관측 영상을 기반으로 사물 상태나 자연 현상 차이를 식별하는 과정이다(Singh, 2010). 전통적인 변화탐지 기법은 픽셀 기반 방법과, 객체기반 기법이 있다. 최근에는 딥러닝 기반 알고리즘들이 연구되고 실용화되어 전통적인 방법을 보안하여 탐지 성능을 높이고 있다.

이러한 연구 결과 알고리즘은 실제 운용 가능한 시스템으로 구축하여 그 가치를 높일 수 있으며, 실무에 사용하여 환경, 기상, 재난, 국토 관리 등 많은 분야 지원으로 업무 효율성을 높일 수 있다. 본 연구에서는 관심지역을 미리 설정하고 해당 지역의 지속적인 시계열 데이터를 확보하여 변화 탐지를 분석하고, 변화 탐지에 따른 관심지역의 사회적 활동을 분석하는 시스템을 개발하며 향후 개선된 알고리즘의 확장 구축이 가능한 시스템 구축 방안을 제시한다. 또한, 연구 결과물의 편리한 시스템 구축과 사용자의 효율적인 결과물 확인 및 의사 결정을 지원하도록 Open GIS 도구인 QGIS 플러그인 기반으로 개발하는 방안과 실 구축 사례를 제시한다. 더 나아가 기능 확장 및 미래 개발될 알고리즘의 적용 방법을 제시한다. 본 연구에서는 변화탐지 알고리즘 연구 개발을 직접 다루지 않으며 픽셀 기반 방법인 Multivariate Alteration Detection (Nielsen et al., 1998)과 상용도구(eCognition)를 이용한 객체기반 방법 각 1건을 적용하여 실 운용 결과를 제시한다.

2. 관련 연구

QGIS는 오픈소스 Geographic Information System(GIS)이며 지리분야에 활발히 활용하는 도구이다. 원격 탐사 분야에 활용한 연구 사례는 위성 강수 정보를 이용하여 홍수/침수 분석 프로그램을 QGIS 기반 개발 및 표출(Kim et al., 2021), LANDSAT8 영상정보 대기 및 지표 반사도 산출을 위한 Extension 개발과 성과 검증(Kim and Lee, 2021), 토지이용 변화 분석 및 모델링(Alrubkhi, 2017), 인구증가 및 이동에 따른 토지이용 예측(Kamaraj et al., 2022), 토지이용/피복 매핑 및 분류 적용(Leroux et al., 2018) 등이 있다. QGIS 플러그인으로 딥러닝 모델을 적용한 Deepness 플러그인(Aszkowski et al., 2023)이 있으며, 확장 가능한 프레임워크 연구는 다양한 지오프로세싱 기능을 플러그인으로 제공하고 사용자 알고리즘을 적용할 수 있는 개발 방안(Graser and Olaya, 2015)을 제시하는 강력한 사례가 있다. Graser and Olaya (2015)의 방법으로 위성영상 활용 변화 탐지 알고리즘을 적용하기 위해서는 전처리, 알고리즘 구동, 결과 비교, 보고서 생성 등 일련의 과정 처리에 어려움이 있고, 이 방법은 범용 활용을 위해 개발되어 있어 적용 복잡도 및 처리 비용이 높다. 본 연구에서는 이러한 복잡도 감소 및 실활용을 위한 처리 비용을 낮추기 위해 위성영상 기반 변화탐지에 한정된 확장 가능한 프레임워크를 제안한다. 위성영상을 활용한 변화탐지 SCI 논문은 매년 수천 건이 출판되고 있으며, 2023년에 1,300건 이상(9월말 기준 Science Direct 587건, MDPI 748건, IEEE 44건, Keyword: “Satellite” and “Change Detection”)이 출판되었다.

3. 연구자료 및 방법

3.1. 시스템 구조

본 연구에서 추구하는 변화탐지 시스템 요건은 a) 고해상도 위성영상 기반 변화탐지, b) 시스템 확장성, c) 사용자 편의성과 판독지원, d) 알고리즘 추가 용이성이다. a) 고해상도 위성영상 기반 변화탐지를 위하여 위성영상 메타정보 저장용 데이터베이스와 대용량 파일을 관리하기 위한 스토리지 구조를 가져야 한다. b) 시스템 확장성을 위하여 변화탐지 알고리즘을 쉽게 적용할 수 있는 플러그인 기반의 코어 인터페이스(작업관리 모듈) 구조를 가져야 한다. c) 사용자 편의성과 판독지원은 위성영상이 GIS 기반으로 표출되고 알고리즘 처리 결과의 변화탐지 전후 영상 비교를 위한 기능이 제공되어야 한다. d) 편리한 알고리즘 추가 구축 측면에서 다양한 OS 지원, 향후 유지관리, 미래 개발 알고리즘의 쉬운 적용 및 타 도구의 편리한 사용을 위하여 QGIS 기반 구축을 적용한다. 이러한 요건을 만족하는 시스템 구조를 Fig. 1과 같이 제시한다.

Fig. 1. QGIS-based scalable system architecture.

3.2. 데이터 구성

위성영상 기반 변화탐지를 위하여 효율적인 위성영상 관리와 변화탐지를 위한 보조 자료 관리가 필요하다. 고해상도 위성영상은 아리랑위성3호 영상 기준 3GB 이상 용량으로 데이터베이스를 통한 관리는 부적합하다. 따라서, 대용량 파일 관리를 위한 방안이 필요하며, 시계열 위성영상을 관리하기 위한 데이터베이스 구조와 스토리지 저장 구조로 관리해야 한다. 데이터베이스 구조는 위성영상 메타 정보를 저장하고 변화탐지 작업을 위한 작업 단위 테이블과 관심 영역을 관리하고 변화탐지 결과 판독 지원을 위한 보조자료(예: GIS 주제도)를 기본적으로 관리해야 한다(Fig. 2).

Fig. 2. Change detection database structure.

스토리지 파일 저장 구조는 대용량 영상을 중복관리하지 않기 위해 원본 영상은 한곳에서만 체계적으로 관리하고 영상의 절대 위치를 Database로 관리한다. 전/후 영상을 이용한 변화 탐지는 작업 단위로 관리하고 작업을 생성한 일시 분초를 폴더명으로 생성하여 하위에 전처리 및 변화탐지 결과를 저장 관리한다(Fig. 3, Table 1).

Fig. 3. Change detection storage management structure.

Table 1. Change detection storage management structure

3.3. 알고리즘 확장 적용 방안

위성영상 기반 변화탐지를 위한 위성영상 자료 처리는 Fig. 4 (Asokan and Anitha, 2019)와 같은 순서로 처리된다. 이러한 일반적인 순서에 따라 본 연구에서는 변화탐지 알고리즘을 플러그인으로 추가하여 확장 가능한 방안을 제시한다(Fig. 5)

Fig. 4. Framework of the change detection method.

Fig. 5. Algorithm scalable change detection processing flowchart.

알고리즘의 손쉬운 확장을 위한 파일 인터페이스로 [영상 전처리]-[변화탐지 알고리즘]-[결과표출/활용] 간 느슨한 결합 인터페이스를 제안한다. 전처리 결과 영상 파일을 변화탐지 알고리즘에 입력하며, 변화탐지 알고리즘 결과 파일을 결과 표출로 전달하는 구조를 갖는다. 즉, 신규 변화탐지 알고리즘은 영상 입력과 결과 출력 인터페이스만 준수하면 쉽게 추가가 가능하다. 새로 추가한 변화탐지 알고리즘 운용을 위한 화면 추가는 QGIS 플러그인 개발은 QGIS 홈페이지를 참고하여 Fig. 6과 같은 절차를 따라 개발한다.

Fig. 6. QGIS plug-in development.

Fig. 6의 3번 절차에 따라 GUI를 개발하였고, GUI에서 사용자가 개발한 변화탐지 알고리즘을 구동하기 위해 GUI의 처리 버튼과 Fig. 7과 같은 파이썬 코드의 연동으로 실행할 수 있다. 각각의 변화 탐지 알고리즘은 별도의 파이썬 코드(예: IRMAD.py)로 개발하여 호출하는 구조이다.

Fig. 7. Expandable development structure.

3.4. 실험 및 의사결정 지원 방안

본 논문에서는 변화탐지 결과의 실활용을 위한 관심 지역 기반 변화탐지 식별 및 변화탐지 결과를 활용하여 사회적 활동을 파악하기 위한 의사지원 운용 화면을 제안한다. 실 구축 사례는 북한 영변지역 핵활동판독지원(Ha et al., 2022; Park et al., 2020)을 위한 실 구축 시스템이다. 사용자가 확보한 시계열 영상을 입력 관리하고(Fig. 8-①), 관심 영역에 따라 영상의 리샘플링(Fig. 8-②) 및 전처리를 통한 지리적 동기화를 수행한다(Fig. 8-③). 전처리로 공간 동기화된 영상간 변화 탐지 알고리즘을 구동하여 화소단위(Fig. 8-④), 객체단위(Fig. 8-⑤) 또는 딥러닝 알고리즘을 이용한 변화 탐지를 수행한다. 시범 적용 사례는 한국항공우주연구원에서 위성정보활용경진대회 용으로 제공한 영상 중 변화탐지 시계열 영상(경기도 기흥구)을 활용하였다.

Fig. 8. Results of pilot development using time series K3 imageries in Giheung-gu.

변화탐지 분석결과 및 GIS 주제도(도로, 건물 등)와 중첩하여 직접적인 관심지역 변화탐지 및 사회적인 활동(예: 도로건설, 건물건설, 차량이동 등)을 분석에 활용할 수 있으며(Fig. 8-⑥), 별도의 기능 개발 없이 공개 QGIS 플러그인(예: MapSwipe, Fig. 9)을 이용하여 변화 전후 영상을 쉽게 비교하는 기능을 구축할 수 있다.

Fig. 9. Before and after image comparison (MapSwipe).

4. 결론

고해상도 위성영상 활용은 재난관리, 농업, 해양, 안보, 수자원관리, 국방, 국토관리 등 많은 분야에서 연구가 수행되고 있고 실 활용 시스템으로 구축되고 있다. 본 연구에서는 위성영상 기반 변화탐지 연구 결과를 쉽게 시스템화 하여 활용성을 높이는 방안을 제안하고 구축 사례를 제시하였다. 향후 관련 분야 연구자들이 제안한 방안을 도입하여 연구 결과 검증 및 성과 제고에 활용할 수 있을 것으로 기대하며, 더 나아가 관련 분야의 시스템 구축으로 사회 발전 및 국민 안전에 기여할 수 있기를 기대한다.

5. 향후 연구

본 연구는 고해상도 위성영상 변화탐지 알고리즘을 쉽게 적용해 보기 위한 소프트웨어 프레임워크를 제안하는 논문으로 하드웨어는 고려하지 않은 연구이다. 따라서, 최신 딥러닝을 활용한 알고리즘이 많이 개발되고 있지만 제안하는 구조에 적용하기 위해서는 GUP와 같은 하드웨어도 고려해야 하며, 딥러닝 알고리즘은 적용하는 프레임워크(Pytorch, Tensorflow 등) 및 관련 라이브러리의 영향도 고려해야 한다. 향후 연구에서는 관련 연구 변화탐지 딥러닝 알고리즘(Song et al., 2022)을 적용하기 위한 확장된 구조를 연구하고 더 나아가, 다양한 환경에 적용이 가능한 컨테이너 기술 및 웹 기반으로 처리할 수 있는 API의 적용 방안에 대해서도 연구할 계획이다.