• 한국측량학회지
• /
• 제39권3호
• /
• pp.157-165
• /
• 2021

최근 위성영상, 항공사진 등의 해상도가 향상됨에 따라 고해상도 원격탐사 자료를 이용한 다양한 연구가 진행되고 있다. 특히, 국토 전역의 건물객체 추출은 수치지도 레이어 및 주제도 작성에 필수적이기 때문에 높은 정확도가 요구된다. 본 연구에서는 딥러닝의 영상처리 기법 중 의미론적 분할에 사용되는 대표적인 모델인 SegNet, U-Net, FC-DenseNet, HRNetV2를 이용하여 건물객체 추출 모델을 생성하고, 이에 따른 모델의 평가를 수행하였다. 학습자료는 다양한 건물들로 이루어진 영상을 이용하여 생성하였고, 평가는 세 지역에 나누어서 진행하였다. 먼저 학습자료와 인접한 지역을 통해 모델의 성능을 평가하였고, 이후 학습자료와 상이한 지역을 통해 모델의 적용성을 평가하였다. 그 결과 HRNetV2 모델이 건물객체 추출의 성능과 적용성 면에서 가장 우수한 결과를 보였다. 본 연구를 통해 수치지도 내 건물레이어 생성 및 수정의 가능성을 확인하였다.

• 한국측량학회지
• /
• 제30권2호
• /
• pp.163-171
• /
• 2012

고해상도 위성영상은 높은 공간해상도의 이점으로 도심지역의 건물 및 도로망 분석, 경관 분석, 생태 환경 평가 등 다양한 분야에 활용되고 있다. 그러나 도심지역의 건물, 교량, 기타 구조물 등 높이 변화를 갖는 개체들은 영상 전체에 걸쳐 그림자 문제를 필연적으로 야기한다. 본 연구에서는 다양한 토지 이용 요소를 포함하는 넓은 영역의 도심지에 그림자 추출 기법을 적용하고, 수동으로 추출된 참조 그림자 지도와 비교하여 정량적인 평가를 수행하였다. 이를 위해 Canny 연산자와 팽창 필터를 이용하여 건물 영역의 인접 정보에 대한 버퍼 영역을 생성하고, Gram-Schmitt 융합 영상에 객체분할기법을 적용하여 생성된 객체들의 분광, 공간 인자들을 계산하였다. 이후 계산된 분광 및 공간 인자 특성과 건물 버퍼 영역과의 중첩여부를 바탕으로 도심지역의 그림자 추출에 가장 적합한 인자와 임계 규칙을 생성하였으며 추출된 그림자 지역 중 이상 객체를 추가적으로 제거하였다. 다양한 정량적 평가지수를 통해 제안된 그림자 추출 기법을 평가한 결과80%~90%의 높은 정확도를 나타냈다.

• 한국측량학회지
• /
• 제31권5호
• /
• pp.411-419
• /
• 2013

3차원 건물을 모델링하기 위해 항공영상 또는 라이다 데이터를 이용하여 건물 외곽선 추출이나 지붕을 구성하는 패치를 추출하는 단계를 거친다. 이러한 3차원 정보를 자동으로 획득하는 알고리즘 개발과 같은 효과적인 정보의 획득에 대한 연구가 활발히 진행되고 있으나, 추후 추출된 정보의 활용이나 유지관리에 대한 연구는 미흡한 상태이다. 본 연구는 3차원 정보를 얻었다는 가정 하에 건물의 형태에 따른 검색을 위한 연구이다. 이를 위하여 벽면, 분할 지붕면, 바닥과 같은 건물의 구성체를 노드(node)로 표현하고 이들의 인접성 관계를 그래프 구조로 객체의 형태를 정의하는 토폴로지 설계 방법을 제안하였다. 제안된 방법에 의해 생성된 토폴로지를 건물 그래프 데이터베이스에 저장하고, 토폴로지 정보를 이용한 패턴매칭을 수행하여 건물을 검색한 결과의 분석을 통해 제안된 객체 토폴로지 설계방법의 효용성을 입증하였다. 그래프 구조의 토폴로지를 기반으로 건물을 검색할 수 있었으며, 검색 조건을 부여하여 건물의 유사 정도를 조절하며 검색할 수 있었다. 또한 축척 및 회전에 불변한 객체의 형태묘사 방법으로 사용될 수 있다고 사료된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 춘계학술대회 논문집
• /
• pp.307-310
• /
• 2006

고해상도(VHR, Very High Resolution) 영상은 활용에 따라 도심의 다양한 정보를 얻을 수 있는 잠재적 가치가 매우 큰 자료이다. 그러나 이러한 고해상도 영상자료는 매우 높은 공간해상력으로 인해 같은 용도의 객체 혹은 같은 객체(예, 건물)라 할지라도 다양한 분광 특성 및 형태로 표현된다. 그러므로 이러한 고해상도영상을 이용하여 효과적으로 주제도를 생성하기 위해서는 현재까지 영상분류 분야에서 주로 활용되고 있는 화소(pixel)단위 기반의 분석방법으로는 한계가 존재한다. 본 연구에서는 이러한 문제점을 보완하기 위한 방법으로 활발한 연구가 진행되고 있는 세그멘트(segment) 혹은 객체(object) 기반 분류기법을 고해상도 영상 및 라이다 자료에 적용하여 도심지역의 건물들을 추출해 보았으며, 그 활용 가능성에 대하여 판단해 보았다. 이러한 세그멘트 기법은 분류하고자 하는 객체들을 하나의 동일한 특성을 가지는 집단으로 모으는 방법을 말하는데, 이를 위해 본 연구에서는 multi-resolution image segmentation기법을 제공해주는 eCognition이라는 소프트웨어를 이용하였다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 한국공간정보시스템학회 2005년도 GIS/RS 공동 춘계학술대회
• /
• pp.387-392
• /
• 2005

최근에는 LiDAR 시스템의 등장으로 기존의 항공사진측량에 비하여 효율적이고, 경제적으로 도시지역의 수치표고자료를 효과적으로 구축할 수 있게 되었으나, 도시지역에서는 다양한 형태의 객체들이 모두 포함된 DSM(Digital Surface Model) 형식의 자료를 취득하게 된다. 따라서, 홍수범람예측에 있어서의 인공지물의 영향 해석 등을 위하여 건물이 제거된 지형에 관한 상세한 정보를 제공하기 위해서는 DSM으로부터 DEM(Digital Elevation Model)을 추출하기 위한 전처리 과정이 필요하다. 본 연구는 LiOAR 시스템으로부터 취득된 도시지역에 대한 DSM으로부터 건물 등이 제거된 DEM을 추출하기 위한 연구로서 영상처리기법의 경계검출 알고리즘을 적용하여 건물 등의 지물들에 대한 경계를 추출하였으며, 선행연구에서 건물로 추출된 지역에 대하여 보간법을 적용함으로써 발생하는 원시 DSM 자료의 변형에 따른 대안으로써, 추출된 경계에 대여 평균값 필터링, 중간 값 필터링, 최소 값 필터링을 각각 적용함으로써 원시 DSM 자료의 변형을 최소화하여 건물 등의 지물들을 제거하였으며, LiDAR DSM으로부터 DEM을 제작하는 과정을 간략화, 자동화하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.29-32
• /
• 2016

특징점 기반 건물인식 시스템에서는 강건한 특징점을 추출하는 것이 인식률 향상에 바로 직결되는 중요한 요소이다. 영상에서 특징점들이 너무 많이 추출되는 경우 인식이나 학습단계에서의 알고리즘 수행 시간을 증가시키는 원인이 된다. 또환 중요하지 않은 특징점(배경이나 가려짐 영역, 기타 객체에서 추출된 특징점)이나 조명 변화에 민감한 영역에서 임의로(arbitrarily) 추출된 특징점은 인식률을 저하시키는 문제를 발생시킨다. 특히 도시환경에서 촬영된 영상의 특징점을 추출할 때 이러한 문제 현상들이 빈번하게 발생한다. 본 논문에서는 이러한 문제를 해결하고자 multi-view 영상에서 건물의 homography를 기반으로 정확히 정합된 특징점인 inlier만을 선택하는 알고리즘을 제안한다. Inlier로 분류된 특징점들은 건물 인식 시스템을 구성하기 위해 사용되고 조명 변화에 민감한 영역에서 임의로 추출된 특징점들은 영역 기반 특징을 추출하여 건물 인식 시스템의 인식률을 높인다. 또한 이를 이용하여 인식하고자 하는 건물과의 상관관계가 적은 잉여 영상들을 DB에서 제거하는 방법도 제안한다. 실험을 통하여 제안하는 기법의 우수성을 보였다.

• 대한원격탐사학회지
• /
• 제27권2호
• /
• pp.75-87
• /
• 2011

본 연구에서는 고해상도 위성영상을 이용하여 기존의 훈련지역 선정과 같은 사용자 개입 없이, 영상의 다중분광 및 색상 불변 특정 정보를 통합한 영역기반 건물 추출 방법론을 개발하고, 이를 IKONOS와 QuickBird 영상에 적용하여 개발된 방법의 효용성을 평가하는데 목적이 있다. 이를 위해 우선 영상을 시드기반 영역확장기법인 MSRG기법을 이용하여 분할한 후, 건물 추출의 편의성을 높이기 위한 전처리 과정의 일환으로 분할된 영상에서 식생과 그림자 객체를 자동으로 탐지하여 제거하였다. 객체단위의 건물 추출을 위해 다중분광 및 색상 불변 특정 정보가 통합된 영역 병합 과정을 통해 식생과 그림자 객체가 제거된 분할영역에 대하여 영역 병합을 수행하였고, 최종적으로 병합된 분할영역의 형상 특징 정보를 이용하여 건물 영역을 추출하였다. 또한 보다 완전성 높은 건물 추출을 위해 일반화 기법을 이용하여 추출된 건물의 외곽선을 단순화하였다. 실험 결과, 대상지역 모두에서 80% 이상의 건물탐지 정확도를 보였으며 시각적으로도 우수한 결과를 도출하였다. 결과적으로 제안된 방법은 고해상도 위성영상의 건물 추출에 유용하게 적용될 수 있으리라 판단된다.

• 한국측량학회지
• /
• 제40권2호
• /
• pp.91-108
• /
• 2022

대부분의 경우 광학 RGB 영상을 딥러닝(DL: Deep learning)의 학습 데이터로 사용하여 객체탐지, 인식, 식별, 분류, 의미적 분할 및 객체 분할 등을 수행하지만, 실세계의 3차원 객체들을 2차원 영상으로 완전하게 파악하는 것은 한계가 있다. 그러므로 대표적인 3차원 지형 공간정보인 수치표면모델(DSM: Digital Surface Model)과 더불어 DSM에 내재된 특성정보를 이용하여 3차원 지형지물을 분석하는 것이 효과적이다. 건물과 같이 기하학적으로 정형화된 형태의 인공구조물은 3차원 공간데이터로부터 얻을 수 있는 기하학적 요소와 특성을 이용하여 객체의 분류와 형상 묘사가 가능하다. 이 연구는 고차원 시각정보(high-level visual information) 시스템에서 중요한 역할을 하는 내재된 고유의 특성정보(intrinsic information)를 기반으로 하며, 이를 위하여 객체의 기하학적 요소인 경사와 주향을 DSM으로부터 도출하고, 다방향에서 생성한 음영기복영상(SRI: Shaded Relief Image)과 함께 DL 모델의 학습 수행에 사용하였다. 실험은 ISPRS (International Society for Photogrammetry and Remote Sensing)에서 제공하는 데이터 셋 중에서 DSM과 레이블 데이터를 객체의 의미적 분류를 위해 개발된 합성곱 기반의 SegNet 학습에 사용하였다. 지형지물을 분류하고 분류 결과를 이용하여 건물을 추출하였다. 특히 DL 모델의 학습 성능 향상을 위해 학습 데이터의 여러 조합에 따른 시너지 효과를 분석하는 것에 핵심이다. 제안한 방법은 건물 분류와 추출에 효과적임을 보여주고 있다.

• 한국측량학회지
• /
• 제34권5호
• /
• pp.479-493
• /
• 2016

항공 레이저 스캐너(ALS)로부터 획득한 라이다(LiDAR) 데이터는 지형지물을 모델링하기 위해서 널리 사용되고 있으며, 특히 정밀 3차원 건축물 및 도시모델, 엄밀정사영상 등 고품질의 공간정보를 효율적으로 구축하기 위하여 라이다 데이터를 이용한 3차원 모델링에 관한 연구가 지속적으로 수행되고 있다. 불규칙적으로 분포된 고밀도의 라이다 데이터로부터 객체를 3차원으로 모델링하기 위해서는 시스템 캘리브레이션, 노이즈 제거 및 지면과 객체를 분리하기 위한 필터링, 객체의 종류 및 특성에 따른 데이터 분류, 기하학적 특성 및 동질성에 기반한 데이터 분할, 분할면의 군집화 및 묘사, 분할면의 재구성과 조합에 의한 모델링, 품질검사 등 일련의 복잡한 과정들이 수반된다. 라이다 데이터를 이용한 많은 모델링 방법들은 데이터 분할 과정을 포함하고 있지만, 본 논문에서는 라이다 데이터를 분할하지 않고 객체를 구성하는 중요하고 대표적인 특징점들을 추출하여 건물 모델링에 활용하는 방법을 제안하고 있다. 복잡하고 다양한 건물 형태를 시뮬레이션한 데이터와 실제 데이터에 적용하여 제안한 방법의 타당성 및 정확도를 검증하였다.

• 한국측량학회지
• /
• 제29권2호
• /
• pp.113-121
• /
• 2011

본 연구에서는 기하학적 정보를 바탕으로 생성된 유사도 기반의 면 객체 자동매칭 방법을 제안하였다. 이를 위하여 서로 다른 공간자료에서 교차되는 후보 매칭 쌍을 추출하고, CRITIC방법을 이용하여 연동 기준별 가중치를 자동으로 생성하여 선형조합으로 추출된 후보매칭 쌍 간의 형상유사도를 측정하였다. 이때, 훈련자료에서 조정된 상자도표의 특이점 탐색을 적용하여 도출된 임계값 이상인 경우가 매칭 쌍으로 탐색된다. 제안된 방법을 이종의 공간자료(수지치도 2.0과 도로명주소 기본도)의 일부지역에 적용한 결과, 시각적으로 형상이 유사하고 교차되는 면적이 넓은 건물객체가 매칭 되었으며, 통계적으로 F-Measure가 0.932로 높게 나타났다.