단일위성영상 기반 도심지 건물변화탐지 방안

Building Change Detection Methodology in Urban Area from Single Satellite Image

Abstract

도심지는 개별 건물단위의 소규모 변화가 빈번하게 발생하는 지역이다. 기 구축된 건물 데이터베이스는 그 활용도를 높이기 위해 도심지 내의 주기적인 갱신이 요구된다. 그러나 광범위한 도심지에 대한 건물 단위 변화를 관측하기에는 자료수집의 한계가 존재한다. 따라서 본 연구에서는 넓은 범위를 단일 영상으로 촬영 가능한 위성영상을 활용하여 건물변화 탐지와 건물 정보의 갱신 가능성을 확인하고자 한다. 이를 위해 먼저 건물 데이터베이스에서 제공하는 건물 모서리점의 3차원 좌표를 이용하여 위성영상에 건물 영역을 투영한다. 투영된 건물 영역을 다시 지붕 및 전면 영역으로 구분한다. 투영된 지붕영역의 화소값을 비교하여 건물높이 갱신, 건물멸실 등 건물변화 여부를 탐지한다. 건물높이 갱신은 영상에 투영된 지붕면이 실제 영상에서 관측되는 지붕면과 일치할 때까지 높이값을 조절하여 수행된다. 영상에 투영된 모습은 나타나나 관측되는 건물이 없는 경우 철거된 건물에 해당한다. 영상에서 관측되는 건물 중에서 지붕면과 전면영역이 투영되지 않은 건물은 신축 건물에 해당된다. 이러한 변화탐지 결과를 바탕으로 건물 데이터베이스를 높이갱신, 건물삭제 및 건물생성의 세가지 분류로 갱신한다. 제안된 방식은 인천지역을 촬영한 아리랑 3A호와 인천광역시 건물 데이터베이스를 사용하여 실험하였다. 입력 단일 위성영상을 이용하여 건물변화를 탐지하고, 갱신이 필요한 건물에 대해 건물 데이터베이스 편집 작업을 수행하였다. 갱신된 건물 정보를 검증하고자 이를 이용하여 다른 아리랑 3A호 영상에 건물영역을 투영하였다. 실험결과, 갱신된 건물정보로부터 투영된 건물영역은 영상에서 관측된 건물영역과 잘 일치하였다. 이를 통해서 단일 위성영상을 이용한 건물변화탐지 및 건물 데이터베이스 갱신 가능성을 확인하였다. 후속 연구로 제안방식의 자동처리기술 개발을 수행할 예정이다.

Urban is an area where small-scale changes to individual buildings occur frequently. An existing urban building database requires periodic updating to increase its usability. However, there are limitations in data collection for building changes over a wide urban. In this study, we check the possibility of detecting building changes and updating a building database by using satellite images that can capture a wide urban region by a single image. For this purpose, building areas in a satellite image are first extracted by projecting 3D coordinates of building corners available in a building database onto the image. Building areas are then divided into roof and facade areas. By comparing textures of the roof areas projected, building changes such as height change or building removal can be detected. New height values are estimated by adjusting building heights until projected roofs align to actual roofs observed in the image. If the projected image appeared in the image while no building is observed, it corresponds to a demolished building. By checking buildings in the original image whose roofs and facades areas are not projected, new buildings are identified. Based on these results, the building database is updated by the three categories of height update, building deletion, or new building creation. This method was tested with a KOMPSAT-3A image over Incheon Metropolitan City and Incheon building database available in public. Building change detection and building database update was carried out. Updated building corners were then projected to another KOMPSAT-3 image. It was confirmed that building areas projected by updated building information agreed with actual buildings in the image very well. Through this study, the possibility of semi-automatic building change detection and building database update based on single satellite image was confirmed. In the future, follow-up research is needed on technology to enhance computational automation of the proposed method.

1. 서론

도심지는 짧은 주기에 걸쳐 인공지물의 변화가 활발하게 발생하는 지역으로 그 변화를 신속하게 탐지하여 정보를 갱신하는 것이 중요하다. 그러나 개별 건물과 같은 소형 객체의 경우, 신축 및 철거의 주기가 빠르고 그 수가 많아 건물정보의 최신 정보 수집 및 관리에 어려움이 존재한다. 이러한 어려움을 줄이고자 국가 및 지자체에서는 도심지 내 인공지물의 관리와 활용 및 부가 컨텐츠 개발을 위해 개별 객체 단위의 구조물에 대한 정보를 데이터베이스화하여 공개데이터로 제공하고 있다(Korea National Spatial Data Infrastructure Portal Open API, 2015).

하지만 구축한 공개 데이터베이스에는 건물변화정보의 신속한 갱신의 어려움으로 최신 건물변화정보가 반영되지 못하는 한계가 여전히 존재한다. 공개 데이터베이스와 마찬가지로 국가기본도로 제작되어 제공되는 수치 지도의 경우에도 최신 수치 지도 제작을 위해 변화지역에 대한 수치지도 부분갱신의 필요성이 꾸준히 제기되고 있다(National Geographic Information Institute, 2023). 현재에는 소규모 변화지역만을 탐지하는 방안이 부재한 현실이며, 이에 따라 개별건물 변화에 대한 부분 갱신을 수행하기 위해서 도심지 건물변화탐지를 위한 많은 연구들이 수행되고 있다(Vu et al., 2004; Tang et al., 2013).

Matikainen et al. (2010), Vosselman et al. (2004), Awrangjeb (2015)은 항공정사영상과 레이저측량데이터를 활용하여 자동으로 건물변화를 탐지하고 주제도를 갱신하는 기술을 개발하였다. 그러나 레이저측량데이터를 활용하는 방식은 비용 및 데이터처리 분량의 측면에서 소규모 지역 건물변화탐지에 적합하지 않다. 또한 도로구조물, 가로수 등 건물 이외의 객체가 같이 추출되어 건물에 대한 오탐지를 발생시키는 문제가 있다.

위성영상은 항공영상보다 더욱 광범위한 지역을 대상으로 손쉽게 자료수집 및 변화탐지가 가능하다. 특히 고해상도 위성영상의 경우, 건물 및 객체 단위 식별이 가능하여 이를 활용한 도심지 변화탐지가 활발히 연구되고 있다(Bouziani et al., 2010; Malpica et al., 2013; Belgiu and Drăguţ, 2014). 기존의 위성영상을 활용한 변화탐지 연구는 대체로 서로 다른 시기에 촬영된 2장 이상의 시계열 영상자료를 사용한다(Dini et al., 2012; Chen et al., 2021). 그러나 다시기 위성영상은 수집 측면의 비용적 한계와 영상처리 측면의 번거로움이 존재한다. 뿐만 아니라 건물의 경우, 위성의 촬영기하에 따른 영상별 기복변위가 서로 다른 양태로 나타난다. 이러한 기복변위는 도심지 시계열 변화탐지 내 과정에서 오탐지로 분류되어 탐지 정확도를 저하시킨다. 변화탐지 오분류를 줄이고자 단일 위성영상만을 활용하여 기복변위를 제거하고 정밀정사영상을 생성하는 선행연구 또한 수행되고 있다(Kim and Kim, 2023).

이러한 단일 위성영상 기반의 기복변위 제거 과정에서는 건물 데이터베이스 및 수치지형도와 같은 부가 공간정보 활용이 필수적이다. 위성영상과 토지피복도를 이용하여 감독 및 무감독분류 변화탐지를 수행하고 그 결과를 바탕으로 수치지형도를 갱신하는 연구 또한 선행되고 있다(Le Bris and Chehata, 2013; Knudsen and Olsen, 2003). 그러나 부정확한 공간정보를 사용한 경우, 기복변위가 제대로 제거되지 않으며 오탐지로 남아있게 된다. 반대로 정확하게 구축된 공간정보를 이용한다면 영상 내 존재하는 기복변위에 의한 오차를 제거할 수 있다. 따라서 기복변위 제거 여부를 바탕으로 사용하는 건물 데이터베이스 및 수치지형도의 갱신 및 정확도 검증이 가능할 것으로 보인다.

따라서 본 연구에서는 단일 위성영상과 기 구축되어 서비스되고 있는 건물 데이터베이스와 수치고도자료(digital elevation model, DEM)를 입력자료로 하여 도심지 건물변화정보를 탐지하는 방안을 제안하고자 한다. 본 연구는 건물변화정보의 자동추출 기법개발보다 단일영상을 이용한 건물변화정보 탐지 및 갱신 가능성을 확인할 수 있는 방안 수립에 주안점을 두어 진행하였다. 건물의 수평위치와 높이정보를 제공하는 건물 데이터 베이스와 최신위성영상을 이용하여 건물변화탐지를 수행하게 되면 과거시점의 건물정보로 작성된 건물 데이터베이스를 갱신하여 현행화할 수 있다. 아울러 시계열 위성영상이 아닌 단일 위성영상 만을 사용할 경우 위성영상의 확보가 상대적으로 용이해지고 신속한 도심 지역의 변화탐지가 가능할 것이라고 예상된다.

2. 연구 방법

본 논문에서 제안하는 단일 위성영상 기반 건물변화 탐지 절차는 Fig. 1과 같다. 먼저 단일 위성영상을 입력받고 기준점 정보를 이용하여 정밀기하보정을 실시한다. 이후 건물 데이터베이스에서 제공하는 건물 모서리점 좌표와 건물 높이값 및 DEM 자료를 이용하여 단일위성영상 내에 존재하는 건물 기복변위를 계산하고 건물 영역을 영상에 투영한다. 투영된 건물영역은 다시 지붕면과 전면으로 구분한다. 투영된 건물 지붕면 및 전면 영상들을 분석하여 잘못 추출된 지붕면 및 전면 영상을 탐지한다. 또한 원본 위성영상에서 관측되는 건물 중에서 지붕면과 전면이 투영되지 않은 영역 역시 탐지한다. 이렇게 탐지된 건물들은 건물 데이터베이스 내 갱신이 필요하거나 신규 정보 추가가 필요한 신규 건물로 판단한다. 최종적으로 탐지 결과에 기반하여 변화가 발생한 건물들에 대해 건물 데이터베이스를 수정한다. 제안된 방법의 검증을 위해서 수정된 건물 데이터베이스를 변화탐지에 사용하지 않은 다른 위성영상에 적용하여 건물영역을 투영한다.

Fig. 1. Flowchart for the proposed method.

2.1. 건물 기복변위 계산 및 건물영역 추출

건물의 변화를 탐지하기 위해 정밀한 위치 정확도를 가진 위성영상이 입력자료로 요구된다. 따라서 본 연구에서는 기준점 자료를 이용하여 입력 위성영상의 정밀 기하수립과정을 먼저 수행한다. 단일 위성영상에서 건물 기복변위를 계산하고 건물영역을 추출하고자 지상 좌표에서 영상좌표를 추정하는 투영기법을 이용한다. 이 과정에서 수학적 모델인 rational function model (RFM)을 이용하여 원 영상의 영상좌표를 산출한다. 건물 데이터베이스로부터 취득한 건물의 i번째 모서리점의 지상좌표(X_i, Y_i, Z_i)에 대한 영상좌표(x_i, y_i)는 식(1)과 같이 계산된다. 아래의 수식에서 P₁–P₄는 기준점 자료를 이용하여 수립된 정밀기하모델에 따른 rational polynomial coefficients (RPC)로 구성한 3차 다항식에 해당한다.

\(\begin{aligned}x_{i}=\frac{P_{1}\left(X_{i}, Y_{i}, Z_{i}\right)}{P_{2}\left(X_{i}, Y_{i}, Z_{i}\right)}, \quad y_{i}=\frac{P_{3}\left(X_{i}, Y_{i}, Z_{i}\right)}{P_{4}\left(X_{i}, Y_{i}, Z_{i}\right)}\end{aligned}\)       (1)

이때 상기 수식에 적용되는 Z 값은 건물 모서리점의 3차원 좌표계 상에서의 좌표 값이며, 건물의 지붕 및 바닥에 따라 각기 다른 값을 지닌다. 본 연구에서는 지형 고도자료인 DEM을 이용하여 건물의 지붕면 모서리점의 지형 고도값을 산출하고 이를 건물 데이터베이스의 건물 높이값과 더하여 건물 지붕면 모서리점의 Z값으로 사용하였다. 건물의 바닥면 모서리점의 Z값은 해당 지점의 지형고도값을 그대로 사용하였다.

하나의 건물은 공통적으로 지붕면, 바닥면, 전면 3가지 구조로 분할된다. 지붕면은 기복변위가 발생하여 정위수립이 필요한 영역이나 대부분 위성영상에서 잘 관측되는 영역이다. 바닥면은 지붕면과 전면에 가려져서 영상에서 관측이 불가능하지만 지붕면의 정위치에 해당하는 영역이다. 건물 전면은 지붕면과 바닥면을 연결하는 영역으로 영상의 촬영기하에 따라서 영상에서 관측되는 양태가 크게 달라지는 영역이다. Fig. 2는 건물의 지붕 및 바닥 모서리점이 위성영상 내 투영되는 모습을 나타낸다. 건물 지붕면 모서리점과 바닥면 모서리점을 위성영상에 투영하고 투영된 영상점들의 집합을 하나의 다각형으로 연결하여 건물 영역을 정의한다. 또한 투영된 건물영역에서 지붕 모서리점을 연결하여 지붕면 영역을 추출하고 나머지 영역을 전면 영역으로 정의할 수 있다.

Fig. 2. Building points mapping on satellite image and extracted building area.

2.2. 건물변화탐지

위성영상에서 추출된 지붕면 영상과 전면 영상을 이용하여 건물변화탐지를 수행한다. 만약 건물영역 추출에 사용한 건물정보가 정확하고 건물의 형태에 변화가 발생하지 않은 경우, 추출된 건물 지붕면 영상은 실제 지붕면에 해당하는 픽셀들로 구성된다. 이러한 경우는 변화가 발생하지 않은 경우로 판단할 수 있다. 그러나 사용한 건물정보가 부정확하거나 건물의 형태에 변화가 발생하였다면 추출된 지붕면 영상에는 지붕면 픽셀 이외에 건물 전면 픽셀 및 지상점 픽셀들이 포함되게 된다. 또한 건물 데이터베이스에 기재된 건물이 소멸되었거나 잘못 기재된 경우에도 추출된 지붕면 영역과 전면 영역이 실제 건물과 상이한 화소값 패턴을 보이게 된다. 이러한 경우들은 건물변화가 발생한 것으로 정의할 수 있으며 지붕면을 구성하는 픽셀의 특성을 분석하여 건물 변화 여부를 탐지할 수 있다. 특히 유사한 형태의 건물이 밀집하여 배치되어 있는 도심지는 추출된 지붕면 영상들을 비교분석함으로써 건물변화탐지를 수행할 수 있다.

Fig. 3은 건물에서 추출한 지붕면 및 전면영역을 나타낸다. 지붕면 영역을 확인하여 건물전면의 화소값이 포함되어 있은 경우 건물 데이터베이스에 기록된 높이값에 수정이 필요하다고 볼 수 있다. 건물전면 영상도 지붕 영역과 비슷한 원리로 건물변화여부에 사용 가능하다. 그러나 건물 전면 영상은 대체적으로 그림자 또는 주변 건물의 기복변위로 인해 화소값이 균일하지 않은 경우가 많아, 건물변화탐지보다는 건물 높이값 갱신에 더 많은 쓰임새가 있다.

Fig. 3. Examples of building roof extraction (a) and building façade extraction (b).

건물영역을 추출한 후에도 위성영상에는 추출되지 않은 건물영역이 남아있을 수 있다. 이는 건물영역 추출에 사용한 건물 데이터베이스 내 해당 건물 정보가 누락되었거나 건물이 신축된 경우에 해당한다. 해당 건물들은 원본 영상에서 이미 추출된 건물영역과 유사한 화소값 패턴이 나타난 영역을 추정하는 방식으로 자동변화탐지가 가능하다. 그러나 본 논문의 주안점은 단일 영상을 활용한 건물변화탐지 방안을 제시하는 데에 있으므로 자동 신규건물 탐지를 위한 처리절차는 후속 연구로 남겨두기로 한다.

2.3. 건물 정보 갱신

앞 절에서 설명한 과정을 통해서 얻어진 건물변화탐지 결과로부터 갱신이 필요한 건물을 파악하고 건물 데이터베이스의 해당 건물정보를 갱신한다. 이를 위해 건물변화탐지 결과를 바탕으로 갱신이 필요한 건물을 먼저 선별하고 해당 건물의 갱신 유형을 확인한다. 건물 갱신은 건물속성 갱신, 건물 삭제 및 건물 신규 생성의 세가지 변화 유형으로 구분된다.

건물속성 갱신의 경우는 건물 데이터베이스 내에 존재하는 건물정보와 실제 높이 및 형태의 변형 등의 다양한 변경으로 세부 구분이 가능하나, 본 연구에서는 불일치하는 높이정보 속성의 갱신 위주로 설명하고자 한다. 건물의 높이 갱신과정은 초기 높이값을 바탕으로 산출한 건물 영역이 실제 영상에서 관측된 건물 영역과 발생하는 이격을 계산하고 높이값을 조정한다. 이후 수정된 높이값을 바탕으로 재산출된 3차원 지상좌표를 이용하여, 건물 영역을 재추출한다. 재추출한 건물 지붕면 영역이 영상 상의 실제 지붕면 영역과 일치한다면 해당 높이값을 최종 높이로 결정한다. 여전히 이격이 발생한 경우, 건물 기복변위 재산출 및 지붕면 영역 재추출 과정을 반복적으로 수행하여 추출된 지붕면 영역과 실제 지붕면 영역이 일치하는 때의 수정된 높이값을 구한다. 이 과정을 자동으로 수행하는 선행연구가 존재하나(Lee and Kim, 2013) 본 연구에서는 건물변화탐지 방안의 타당성을 위주로 연구를 진행하였다. 최종적으로 추출된 건물 높이값을 통해 건물 데이터베이스의 높이 속성 정보를 갱신한다. 다음으로 건물정보의 삭제가 필요한 건물은 건물 데이터베이스 상에 존재하는 해당 건물의 정보를 삭제한다. 이 경우에는 존재하는 속성 값을 제거하여 데이터베이스를 갱신하므로 별도의 추가 작업은 필요하지 않다.

마지막으로 건물 신축으로 인해 신규 생성이 필요한 건물은 영상으로부터 지붕면 독취 후 앞서 설명한 건물 높이 정보 갱신과 유사하게 해당 건물의 높이값 추정이 가능하다. 이를 위해 우선적으로 건물의 지붕면 모서리 점을 영상 상에서 육안으로 식별하여 지붕면 영역 폴리곤을 생성한다. 독취된 지붕면 폴리곤과 건물 높이 초기값을 이용하여 위성영상에 나타난 건물 영역을 추출한다. 이때 신규 생성한 건물의 높이 초기값은 높이값 갱신을 통한 건물 높이를 추정하기 위해 0으로 설정한다. 이 경우 추출한 건물 영역은 지붕면의 위치로 식별되나, 높이값이 0이므로 실질적으로는 바닥면을 추출한 영역에 해당한다. 따라서 추출한 바닥면이 건물의 실제 바닥면에 일치할 때까지 건물 높이를 조절하고 건물 영역을 영상에 투영하는 과정을 반복하여 건물의 높이를 추정한다. 추정된 높이값과 신규 건물의 지붕면 영상점 및 바닥면 영상점을 이용하여 건물 모서리점의 3차원 좌표를 계산할 수 있다(Lee and Kim, 2013). 최종적으로 산출된 건물의 3차원 지상좌표를 이용하여 건물 속성갱신과 마찬가지로 건물 데이터베이스에 해당 건물정보를 추가할 수 있다.

사전에 확인한 3가지 건물 변화 유형에 따라 각 건물별로 갱신 코드를 부여하고 입력 자료로 사용한 건물 데이터베이스에 갱신 코드 및 갱신한 높이 정보를 추가하여 별도의 산출물로 출력한다. Table 1은 건물 갱신 유형에 따른 갱신 코드를 나타내는 표이다. 해당 코드를 바탕으로 건물 데이터베이스 내 릴레이션 테이블에서 쿼리문을 이용하여 개별 건물의 삭제 및 높이 갱신을 수행한다. 갱신 코드가 B_H인 건물은 별도 산출물로 출력한 높이 값으로 건물 높이를 변경하여 높이 정보 갱신을 수행한다. 갱신 코드가 B_D인 건물은 테이블 내 해당 건물의 튜플을 삭제한다. 갱신 코드 B_C로, 건물 데이터베이스에 신규 생성이 필요한 건물은 앞서 계산한 건물 모서리점의 3차원 좌표를 바탕으로 포인트 객체를 추가하여 신규 폴리곤을 생성한다. 생성한 신규 폴리곤의 높이 속성 정보로는 3차원 좌표와 함께 산출한 건물 갱신 높이를 입력한다.

Table 1. Update method according to classification class

3. 연구결과

3.1. 연구 자료

본 연구에서는 건물 단위 객체 식별이 뚜렷한 영상이 요구되어 고해상도 광학위성인 아리랑 3A 위성으로 실험을 수행하였다. 2022년 12월 20일 인천지역 촬영영상 중 0.55m 공간해상도의 전정색 밴드를 이용하여 실험하였다. 신규 건물의 생성 및 기존 건물의 철거가 혼재되어 나타나도록 영상을 선정하였으며, 선정 영상에 대해 건물 변화 유형에 따라 Fig. 4와 같이 3개의 세부 지역을 선정하였다. 건물 기복변위 산출에 필요한 높이 자료로 국토지리정보원에서 제작한 5 m 공간해상도의 DEM을 이용하였다. 또한 건물 데이터베이스로는 공공 데이터포털(Korea National Spatial Data Infrastructure Portal Open API, 2015)에서 제공되는 인천광역시 건물 데이터베이스를 이용하였다.

Fig. 4. Subscene area in this study.

본 연구에 사용한 건물 데이터베이스는 오픈소스이며 Shape 파일 형태로 제공된다. 이 자료를 제안방식에 적용하기 위해서 폴리곤 자료를 점형태의 자료로 가공하여 사용하였다. Table 2는 건물 기복변위 산출에 사용한 건물정보의 속성 값을 나타낸다. 하나의 건물을 구성하는 모서리점들은 동일한 건물 색인을 지닌다. 모서리점은 영상좌표 추정을 위해 건물의 수평좌표 및 3차원 높이 정보를 속성으로 갖는다. 높이 값을 비롯한 해당 속성들은 별도의 자료로 추출 후, 건물 데이터데이터 내 높이 값 갱신 과정에 활용하였다.

Table 2. Attributes in building database

3.2. 건물 기복변위 산출 및 건물영역 검출 결과

본 연구에서는 DEM과 건물 데이터베이스의 높이값에 기반한 3차원 지상좌표를 영상에 투영하고 영상 상의 건물 기복변위 및 건물 영역을 검출하였다. Fig. 5는 앞서 선정한 3개의 세부지역에 대해 투영한 건물영역 검출 결과를 보여준다. Area 1은 대부분의 건물이 데이터베이스에 존재하고 건물 영역이 검출된 것을 확인할 수 있다. 그러나 건물 데이터베이스에 기록된 건물 높이값에 오차가 존재하는 건물이 많아 투영된 건물영역과 실제 건물영역 간의 차이가 발생하였다. Area 2는 데이터베이스에 존재하는 대부분의 건물이 멸실되었거나 신규 건물이 생성된 경우에 해당한다. 이로 인해 투영된 건물영역 대부분이 실제 위성영상 내 건물과 매우 상이한 모습을 보인다. Area 3은 많은 건물들은 올바르게 건물영역이 투영되었으나 건물 데이터베이스 내에 누락된 건물이 있어 신규 건물정보 생성이 필요한 경우에 해당된다. 건물영역 검출 결과, Area 1은 36개, Area 2는 110개, Area 3은 44개의 건물 영역이 검출되었다.

Fig. 5. Building roof and façade mapping points, extracted building total area.

3.3. 건물 변화 탐지 결과

시범지역 별 건물변화탐지 결과, Area 1은 36개 중 9개의 건물이 제대로 검출되었으며 23개의 높이갱신, 4개 삭제가 필요한 건물이 존재한다. Area 2는 총 110개 중 제대로 검출된 건물이 존재하지 않으며, 8개의 높이갱신, 73개의 삭제, 29개의 건물이 신규 생성이 필요하다. 마지막으로 Area 3는 44개 중 17개의 건물이 제대로 검출되었으며, 3개의 높이갱신, 15개의 삭제, 9개의 건물이 신규 생성이 필요한 것으로 확인되었다.

추출한 지붕면 및 전면 건물 영역 별 화소값을 확인하고 개별 건물을 갱신 유형에 따라 분류하였으며, Table 3는 건물 유형에 따른 건물 수를 나타낸다. Fig. 6은 영상 내 건물 지붕면 및 전면부 추출 모습을 건물 갱신 유형별로 나타낸 결과이다. 지붕면 내에 지표면 및 전면부가 검출되거나 전면부 내 지표면 및 전면부가 검출된 건물은 건물 공개데이터 내 높이 갱신이 필요하다고 판단하였다. 이와 달리 생성한 정사영상 내 건물이 있지 않은 위치임에도 불구하고 기복변위가 공백처리 되어있는 경우는 기존에 건물이 있었으나 철거된 건물로 간주하여 데이터베이스에서 삭제하였다. 영상 상으로는 확인되나 기복변위 제거 또는 건물 영역이 추출되지 않은 경우는 신규 건설되어 데이터베이스에 존재하지 않는 건물로 확인되었다. 이러한 건물은 신규 폴리곤을 생성하는 작업이 추가로 필요하다. 신규 폴리곤을 생성 후에는 앞절에서 언급한 건물 높이값 및 지상좌표점 추정 작업을 수행하여 건물 데이터베이스내 신규 건물 갱신이 가능하다.

Table 3. Building area classification results detected according to update type

Fig. 6. Results of orthorectification and building updating type.

3.4. 건물 공개데이터 갱신

건물 공개데이터를 갱신하고자 개별 건물 단위로 갱신 필요 여부를 확인하고 건물의 변화 유형에 따라 데이터베이스를 갱신하였다. 갱신 코드가 BD_H인 건물은 높이값 보정이 필요한 건물로 일정 높이값 만큼의 연산을 수행하여 높이값 갱신을 수행하였다. 이를 위해 정사영상 생성 과정에서 건물 영역을 매핑하고, 이를 바탕으로 추정한 높이 참값을 향후 데이터베이스에 갱신하였다.

추정을 위해서는 먼저 초기 높이값을 이용하여 영상 좌표를 계산하고 옥상 영역을 추출한다. 본 실험에서는 m 단위의 건물 데이터베이스를 사용하여 영역을 추출하였으므로, 단위 최소값인 1 m씩 높이 갱신을 수행하였다. 영상 내 추출된 옥상 영역을 육안으로 확인하여 실제 옥상 영역보다 아래에 있다면 초기 높이값에 +1 m를 더한다. 실제 옥상 영역보다 추정 옥상 영역이 위에 있는 경우, 초기 높이값에 –1 m를 수행한다. 이후 갱신된 높이를 이용하여 다시 옥상 영역을 매핑하고 정확한 옥상 영역이 추출될 때까지 이 과정을 반복 수행하였다. 실제 옥상 영역과 추정 영역이 일치하게 된 순간의 높이값을 데이터베이스에 입력하여 해당 건물의 높이를 갱신하였다. 갱신 코드가 BD_D인 건물은 삭제가 필요하므로 데이터베이스에 존재하는 폴리곤을 제거하였다.

Fig. 7은 영상 내 건물 갱신 유형 및 갱신된 데이터베이스 모습을 나타내며, Table 4는 갱신 후 건물 데이터베이스 내 건물 수를 나타낸다. Fig. 6에서 추출한 건물 지붕면 영역이 실제 지붕면과 일치하지 않는 건물이 데이버테이스 갱신 후에는 실제 지붕면에 제대로 위치해 있는 것을 확인할 수 있다. 또한 지면 및 다른 건물 위에 존재하였던 건물들이 갱신 데이터베이스를 사용한 결과, 해당 건물이 검출되지 않는 모습이 나타난다. 건물 폴리곤을 독취하고 높이값을 추정한 신규 건물에 대해서는 기존에 검출되지 않던 건물 영역에 건물영역이 정상적으로 투영되는 것을 볼 수 있었다.

Table 4. Results of building after update

Fig. 7. Database with deletion and height update performed.

Fig. 8은 방법론에 설명한 갱신 코드를 바탕으로 실험 지역 내 건물 데이터베이스를 갱신한 결과를 보여준다. 왼쪽 그림은 갱신 전 건물 데이터베이스에 포함된 건물 폴리곤을 나타낸다. 가운데 그림은 건물정보 신규생성 과정을 마친 뒤의 건물을 나타낸다. 신규 생성된 건물 식별을 용이하게 하고자 빨간색 포인트 및 라인으로 나타내었다. 오른쪽 그림은 높이정보가 갱신된 속성테이블을 보여준다.

Fig. 8. Shape and attribute table of building database.

앞선 건물변화탐지 실험에 사용되지 않은 새로운 위성영상에 건물영역을 투영하여 갱신한 건물 데이터베이스를 검증하였다. 검증에 사용한 위성영상은 2019년 1월 6일 촬영된 K3 위성영상으로, 다른 촬영각에서 영상이 촬영되어 기복변위가 다른 방향으로 발생한 영상을 사용하였다. 새로운 위성영상을 사용하여 건물영역을 검출한 결과는 Fig. 9와 같다. 기존 영상에서 실제 영상과 이격을 보이던 지붕면이 건물높이 갱신 이후에 영상의 건물과 일치되었음을 알 수 있다. 또한 기존 영상에서 잘못 투영된 건물과 누락된 건물은 각각 건물 삭제와 건물 생성과정을 거쳐서 갱신한 결과 새로운 위성 영상에서는 올바르게 건물영역이 투영되었음을 확인하였다. 다만, Area 2에서는 존재하지 않는 건물에 대해 건물 영역이 여전히 검출된 것을 확인할 수 있었다. 이는 건물 데이터베이스 갱신에 사용된 위성영상에 비해 과거의 영상을 검증에 사용하였기에 촬영 당시 아직 건설되지 않은 건물 영역이 검출된 결과이다.

Fig. 9. Extracted roof and façade area using updated database and other satellite images.

4. 결론

본 논문에서는 기존에 구축되어 활용되던 건물 데이터베이스 및 단일 위성영상만을 이용하여 건물변화를 탐지하는 방안을 제안하였다. 이를 위해 데이터베이스 내 존재하는 건물 모서리점들을 위성영상에 투영하여 정의한 건물영역을 실제 영상에서 관측되는 건물영역과 비교하였다. 추출한 건물 지붕면 및 전면을 바탕으로 건물 오탐지를 확인하고 개별 건물의 건물높이 변화, 건물 멸실 및 건물 신축여부를 확인할 수 있었다. 또한 투영된 건물영역이 영상 내에 건물영역에 일치하도록 건물높이를 조절함으로써 단일영상을 이용하여 건물의 높이를 수정하였다. 최종적으로 수정한 높이를 건물 데이터베이스에 입력하여 단일 위성영상을 통해 탐지한 변화의 갱신 가능성을 확인하였다.

기존에 진행된 많은 연구들은 시계열 영상으로부터 도심지의 건물변화를 탐지하는 방식을 사용하였다. 그러나 이 방식은 건물에서 발생한 기복변위가 변화로 오탐지되는 문제를 내제하고 있다. 이와 달리 본 연구에서 제시하는 변화탐지 방식의 경우 기 구축된 건물 데이터베이스를 사용하여 건물정보를 영상에 투영시키는 방식을 사용하여 건물 기복변위가 미치는 정확도 저하를 근본적으로 배제할 수 있었다. 또한, 본 연구에서 시계열 영상이 아닌 단일 위성영상만을 이용한 단안식 모델-영상 간의 변화탐지를 제안하여 변화탐지에 필요한 입력 자료 수집의 어려움을 극복하였다.

본 연구는 단일 위성영상으로부터 건물변화탐지 및 건물정보 갱신의 가능성 검증에 초점을 두어 연구를 진행하였으며 이 과정에서 건물정보 갱신 등의 작업은 반자동으로 진행하였다. 이를 통해 별도의 현장 측량없이, 광범위한 도심지에 대해 단일 위성영상만을 이용한 데이터베이스 갱신 가능성을 확인하였다. 이 과정에서 추출한 건물 영역 정보를 기반으로 하여 건물 모델링 같은 후속연구에 활용한다면 정밀한 디지털 트윈 모델 제작이 가능할 것으로 기대된다. 이를 위해 본 연구에서 반자동으로 수행된 갱신 필요 건물 탐지 및 건물정보 갱신 작업들을 자동으로 수행하는 연구가 추가로 필요하다.