Reconstruction of 3D Topography from Contour Line Data using Artificial Neural Networks

신경회로망을 이용한 등고선 데이터로부터 3차원 지형 복원

We propose an algorithm which can reconstruct the 3D information from geographical information. The conventional techniques, the triangular patches and the Random Fractal Midpoint Displacement (RFMD) method, etc., have often been used to reconstruct natural images. While the RFMD method using Gaussian distribution obtains good results for the symmetric images, it is not reliable on asymmetric images immanent in the nature. Our proposed algorithm employs neural networks for the RFMD method to present the asymmetrical images. By using a neural network for reconstructing the 3D images, we can utilize statistical characteristics of irregular data. We show that our algorithm has a better performance than others by the point of view on the similarity evaluation. And, it seems that our method is more efficient for the mountainous topography which is more rough and irregular.

본 논문에서는 지리 정보로부터 3차원 지형 정보로 복원하는 알고리즘을 제안한다. 자연스러운 3차원 지형의 표현을 위해 기존의 복원 알고리즘들은 삼각형 패치 기법이나 랜덤 프랙탈 중간점 변위기법들을 이용하여 복원하였다. 이와 같이 가우시안 분포를 사용한 랜덤 프랙탈 중간점 변위 방법으로 복원한 결과는 좌우대칭인 이미지에 대해서는 자연스럽게 표현되지만, 자연에 내재된 비대칭인 지형의 모습을 표현하기에는 어려움이 있었다. 좌우비대칭인 지형을 좀 더 자연스럽게 표현하기 위해 기존의 랜덤 프랙탈 중간점 변위 방법에 신경회로망을 이용하여 복원하는 알고리즘을 제안한다. 신경회로망의 학습결과를 3차원 지형 복원에 이용함으로써 비정형적인 데이터가 갖는 통계적 특성을 활용한다. 제시된 알고리즘의 우수성은 복원된 결과의 근사도 평가로 보인다. 또한, 신경회로망 학습 결과를 이용하여 산악지형과 평탄지형에 대하여 실험하고 실험 결과 산악지형에 대한 적용 예가 더 효과적임을 보인다.