Automatic Extraction of the Land Readjustment Paddy for High-level Land Cover Classification

토지 피복 세분류를 위한 경지 정리 논 자동 추출

Abstract

To fulfill the recent increasement in the public and private demands for various spatial data, the central and local governments started to produce those data. The low-level land cover map has been produced since 2000, yet the production of high-level land covered map has started later in 2010, and recently, a few regions was completed recently. Although many studies have been carried to improve the quality of land that covered in the map, most of them have been focused on the low-level and mid-level classifications. For that reason, the study for high-level classification is still insufficient. Therefore, in this study, we suggested the automatic extraction of land readjustment for paddy land that updated in the mid-level land mapping. At the study, the RapidEye satellite images, which consider efficient to apply in the agricultural field, were used, and the high pass filtering emphasized the outline of paddy field. Also, the binary images of the paddy outlines were generated from the Otsu thresholding. The boundary information of paddy field was extracted from the image-to-map registrations and masking of paddy land cover. Lastly, the snapped edges were linked, as well as the linear features of paddy outlines were extracted by the regional Hough line extraction. The start and end points that were close to each other were linked to complete the paddy field outlines. In fact, the boundary of readjusted paddy fields was able to be extracted efficiently. We could conclude in that this study contributed to the automatic production of a high-level land cover map for paddy fields.

최근 각종 공간정보에 대한 수요가 증가함에 따라 정부 및 지방 자치 단체에서 다양한 공간정보를 제작하여 공급하고 있다. 2000년 대분류 토지피복지도가 제작된 이래 2010년부터 토지 피복 세분류 지도가 작성되기 시작하였으나 현재 일부 지역에 대해서만 세분류 지도가 구축되어있는 상황이다. 또한 그 동안 토지 피복 분류 결과의 고도화를 위하여 다양한 연구들이 진행되어왔지만 대부분의 연구가 대분류 또는 중분류 수준에 그치고 있으며 토지 피복 세분류에 관한 연구는 매우 부족한 실정이다. 따라서 본 연구에서는 토지 피복 중분류의 논 항목을 세분류 갱신하기 위하여 경지 정리 논을 자동으로 추출하는 기법을 제안하였다. 농업 분야에 효과적인 활용이 가능한 RapidEye 위성영상을 이용하였으며 영상에 고주파 필터링을 적용하여 논의 경계 정보를 강조하고 Otsu 임계화를 통해 논 경계에 대한 이진 영상을 취득하였다. 토지 피복 지도와 영상 등록을 수행하여 논 토지 피복에 대한 마스킹을 수행하였으며 이를 통해 논 지역의 경계 정보를 선별하였다. 최종적으로 지역적인 허프 라인 추출을 통하여 끊어진 에지를 이어 논의 경계 정보를 선형으로 추출하고 시작점과 끝점이 유사한 선형을 연결하여 경지 정리 논의 경계 정보를 완성하였다. 연구 결과, 효과적으로 경지 정리 논의 경계를 추출할 수 있었으며 벡터 추출 시 논 토지 피복 세분류 갱신의 상당 부분을 자동화할 수 있음을 확인하였다.

1. 서 론

최근 토지 피복 정보, 건물 및 도로 데이터, 지형 및 등고 정보 등과 같이 각종 공간정보에 대한 수요가 증가함에 따라 정부 및 지방 자치 단체에서 다양한 공간정보를 제작하여 공급하고 있다. 환경부 또한 환경공간정보서비스 홈페이지를 통해 환경공간정보 활용을 통한 선진 환경 정책 실현을 도모하고 있다. 환경공간정보서비스는 우리 국토의 토지피복지도, 생태자연지도 등 환경공간정보를 위성영상과 중첩하여 다양한 정보를 제공한다. 이 중 토지 피복지도는 지표면의 현상을 가장 잘 반영하는 자료로서 지표면의 투수율에 의한 비점오염원 부하량 산정, 비오톱 지도 작성에 의한 도시계획, 댐 수문 방류 시 하류지역 수몰피해 시뮬레이션, 기후 대기 예측 모델링, 환경 영향 평가 등에 폭 넓게 활용되고 있다. 토지 피복지도는 중앙정부 및 지방정부의 환경정책수립의 과학적 근거로서 위상을 가지고 있으며 관련 학계의 다양한 연구 자료로 활용되고 있다(Environmental Geographic Information System, 2014).

토지 피복 지도는 세부 분류 범주에 따라 대분류, 중분류, 세분류로 나뉘며 2000년 대분류 토지 피복 지도가 제작된 이래 2005년 중분류 토지 피복 지도가 구축되었다. 이후 중분류 토지 피복 지도는 두 번의 갱신을 거쳤으며 2010년부터 토지 피복 세분류 지도가 작성되기 시작하였다. 그러나 현재 북한강, 남한강, 낙동강 유역의 일부 지역에 대해서만 세분류 지도가 구축되어있는 상황이다. 공간정보 산업의 활성화와 공공과 민간의 편의 증진을 위해서는 공급되는 공간정보의 다양성과 최신성 그리고 질이 향상되어야만 한다.

그 동안 토지 피복 분류를 수행하거나 분류 결과의 고도화를 위하여 다양한 연구들이 진행되어왔다. Park et al.(2007)은 우리나라 중분류 토지피복 지도의 제작과정을 검토하고 문제점을 파악한 후 개선 방안을 제시하였다. Jeong et al.(2006)은 MODIS 영상에 선형분광혼합분석 기법을 적용하여 한반도의 토지 피복을 분류하고 대분류 및 중분류 수준의 정확도 평가를 수행하였다. Lee et al.(2011)는 LiDAR 데이터를 이용하여 항공사진, IKONOS 위성영상의 정사영상을 제작하고 객체 기반 분류를 수행하여 토지 피복을 분류하였다. 분류 결과의 정확도는 환경부 중분류 토지 피복 지도와 수치지도를 바탕으로 평가하였다. Oh et al.(2010)은 다양한 고해상도 위성영상을 이용하여 육안 판독 기반의 대분류, 중분류, 세분류를 수행하여 영상간 일치도와 우수성을 비교 평가하였다. 이처럼 토지 피복 지도 제작을 위해 다양한 연구들이 진행되었지만 연구 결과의 대부분이 대분류 또는 중분류 수준에 그치고 있으며 토지 피복 세분류의 자동화에 관한 연구는 매우 부족한 실정이다.

토지 피복 지도에서 농업지역 대분류는 논, 밭, 시설재배지, 과수원, 기타재배지의 5개 중분류 범주로 나뉜다. 이 중 논 중분류 항목은 세분류에서 경지정리가 된 논과 경지정리가 안 된 논으로 나뉜다. 경지 정리의 여부에 따라 논을 세분류하는 이유는 첫째, 농업 생산량을 비롯한 통계 조사 시 필지 또는 소유주 기반의 통계량을 산출하고 필요한 조세, 복지, 보조금 지원 정책을 수행할 수 있기 때문이다. 둘째, 농업효율성과 수확량의 차이가 경지 정리에 따라 달라지기 때문에 경지 정리가 필요한 논을 조사하거나 수확량의 차이를 비교 분석하기 위해서이다. 그러나 세분류 토지 피복 지도를 작성하기 위해 환경부에서는 수치표고모형, 항공사진, 임상도, 지적도 등의 다양한 데이터를 활용하고 있으며 육안판독과 현지 조사 등과 같이 높은 노동 강도가 필요한 작업을 포함시키고 있다. 따라서 다중 데이터 보정과 통합, 육안 판독, 현지 조사와 같은 고비용, 고노동 업무를 경감하기 위해서는 원격탐사 데이터를 활용한 경지 정리 논의 자동 추출 알고리즘 개발이 필요하다.

본 연구에서는 토지 피복 중분류의 논 항목에 대한 세분류 갱신의 비용 절감과 효율성 증가를 위하여 경지 정리 논을 자동으로 추출하는 기법을 제안하였다. 일반적인 다중 분광밴드 외에 Red edge 밴드를 추가적으로 포함하여 식생 및 농경지 분석이 용이한 RapidEye 위성영상을 이용하였으며 영상에 고주파 필터링(high pass filtering)과 Otsu 임계화를 적용하여 에지 정보를 추출하고 허프(Hough) 변환을 통해 경지 정리 논의 경계를 추출하였다. 또한 경지 정리 논의 경계를 벡터로 추출하여 중분류 논 토지 피복의 갱신을 수행하였다.

 

2. 연구방법

본 연구의 전체적인 흐름은 Fig. 1과 같다. RapidEye 영상에 고주파 필터링을 적용하여 경지 정리 논의 경계 정보를 강조한 후 Otsu 임계화 기법을 적용하여 에지를 추출하였다. 이 후 RapidEye 영상과 환경부 중분류 토지 피복 지도 간에 영상 대 지도 등록을 수행하였으며 계산된 기하보정 파라미터를 임계화된 에지 영상에도 적용하였다. 이 후 논 토지 피복에 대한 마스킹을 수행한 후 지역적인 허프 라인을 적용하여 에지의 주 선형을 추출한 후 추출된 에지들의 연결을 통해 최종 경지 정리 논을 추출하였다. 추출된 경지 정리 논의 경계를 벡터 데이터로 변환하여 중분류 논 토지 피복의 갱신을 수행하였다.

Fig. 1.Flow chart

2.1 위성영상을 이용한 논의 경계 정보 추출

위성영상에서 주파수란 일반적으로 공간 주파수를 의미하며 공간 주파수란 단위거리에 대하여 변화하는 화소값으로 정의할 수 있다. 주어진 지역에서 반사값이 거의 변하지 않는 경우 저주파지역이라 할 수 있으며, 짧은 거리에서 많은 변화가 있다면 고주파 지역이라고 할 수 있다(Jensen, 1995). 고주파 필터링은 저주파 성분을 제거하고 지역적인 변화인 고주파 성분을 강조함으로써 물체의 윤곽이나 경계선 부분을 강조하거나 에지를 검출하는데 이용된다. 따라서 고주파 필터링은 영상을 선명하게 하는 효과가 있다. 일반적으로 윈도우 기반의 커널(kernel) 구조를 이용하여 필터링이 수행되는데 고주파 필터링의 경우 중앙에 높은 값의 가중치를 지니며 주변부에는 음(negative)의 가중치를 갖는 커널을 이용한다 (Haralick et al., 1987). 본 연구에서는 3×3 크기 커널을 이용하여 영상의 각 밴드별 고주파 필터링을 수행하였다. 필터링 결과를 바탕으로 이진 에지 영상을 생성하기 위하여 Otsu임계화 기법을 이용하였다. 고주파 필터링 결과는 다양한 값을 갖는 집합이기 때문에 논의 경계와 비경계에 대한 두 개의 인덱스(index) 값만을 갖는 새로운 영상으로 변환할 필요가 있다. Otsu 임계화 기법은 영상의 히스토그램 형태가 쌍봉형(bimodal)이라고 가정하였을 때 계곡점을 찾아서 그 점을 임계값으로 설정한다(Otsu, 1975). Otsu 임계화는 클래스 내외의 분산을 이용하는데 Eq. (1)과 같이 통계학적으로 전체 분산은 클래스 내 분산(σw)과 클래스 간 분산(σb)의 합으로 나타낼 수 있다. 클래스 내 분산은 클래스 1과 2의 가중치 합인 Eq. (2)로 표현된다.

여기서 가중치(w)란 전체영상에서 그 클래스에 해당 하는 픽셀이 나타날 확률을 의미한다. 양 클래스의 분산이 작을수록 최적의 임계값에 가깝기 때문에 위 Eq. (2)의 최소값을 구하면 최적의 임계값을 계산할 수 있다. 본 연구에서는 밴드별 필터링 결과의 합 영상에 대하여 Otsu 임계화를 적용하고 논의 경계를 추출하였다.

2.2 영상 대 지도 등록 및 논 토지 피복 마스킹

환경부 중분류 토지 피복 지도를 갱신하기 위하여 위성영상과 토지 피복 지도의 공액 기준점(conjugate control point)을 추출하여 영상등록(image registration)을 수행하였다. 영상 등록이란 같은 지역의 두 개나 그 이상의 영상 또는 지도를 기하학적으로 중첩시키는 과정이다(Zitová and Flusser, 2003). 환경부 중분류 토지 피복 중에서 논 토지 피복만을 추출하였으며 이 중 영상과 중첩되는 폴리곤을 이용하였다. 공액 기준점은 위성영상과 토지 피복 지도 뿐만 아니라 해당 지역의 항공사진을 판독하여 선정하였으며 영상에 고루 분포시켜 변환의 국지적인 왜곡을 최소화하였다. 수집된 공액 기준점의 평균제곱근오차(root mean square error)는 1화소 내외가 되도록 반복적으로 수집되고 보완되었다. 환경부 세분류 작성기준에서 지상 기준점 선정 및 수치 표고 모형을 이용한 정사보정 시 위치오차를 3.5m 이내로 규정하고 있으나 본 연구에서는 1화소인 5m 내외의 영상 등록 정확도를 목표로 기하 보정을 수행하였다. 이는 사용한 위성영상과 중분류 토지 피복 지도가 모두 5m의 공간 해상도이기 때문이며 중분류 논 토지 피복 폴리곤은 개별 필지에 비해 상대적으로 매우커 폴리곤 내부에 기준점을 선정할 수 없기 때문이다. 원영상과 토지 피복 지도의 기준점을 통해 계산된 1차 다항변환 파라미터를 논 경계 이진 영상에도 적용하였다. 이 후 논 토지피복 지도와 일치하는 에지들을 추출하여 경지 정리 논의 경계를 추출하고자 하였다.

2.3 지역적 허프 라인 추출과 연결 및 토지 피복지도 갱신

추출된 논 이진 경계들은 연결이 끊어진 곳이 곳곳에 존재하므로 허프 변환을 통해 주요 선분을 추출하였다. 허프 변환은 대표적인 선형 추출 알고리즘으로 입력 에지들의 연결 가능성을 종합하여 우세한 선분을 찾아내게 된다. 허프 변환은 기울기와 y축 절편으로 표현되는 일반적인 선형방정식을 Eq. (3)과 같이 𝜌와 θ의 매개변수로 표현한다(Hough, 1962). θ는 -90도 이상 90도 이하의 값을 지니며, 𝜌는 영상의 모서리 사이의 거리인 D값에 대하여 -D이상 D이하의 값을 지닌다. 이러한 변환을 통해 동일 직선은 𝜌와 θ 평면에서 한 점에 놓이게 되며 𝜌 - θ 평면에서 최빈(peak) 지점을 찾음으로써 입력 에지들에 대한 주 선형을 찾을 수 있다.

그러나 허프 변환은 제한 영역을 설정하지 않을 경우 전체영상에 대한 대표적인 선형을 추출하기 때문에 제한 영역의 설정이 매우 중요하다. 따라서 본 연구에서는 100m에 해당하는 크기의 격자로 영상을 분할한 후 지역적인 선형을 추출하였다. 지역적으로 추출된 선형들은 선형간의 시작점과 끝점의 위치가 차이가 있으므로 추출된 선형의 시작점과 끝점의 위치가 격자 크기의 절반 이하일 경우 선분을 연결하여 최종적으로 논 경계를 추출하였다.

추출된 논 경계는 토지 피복 지도를 기준으로 영상 등록되어 있으므로 토지 피복 지도와 동일한 좌표 체계를 지닌다. 논 경계의 시작점과 끝점 화소 좌표에 지도 좌표를 부여한 후 벡터 데이터로 변환하여 중분류 논 토지 피복 지도를 갱신하였다. 이 후 갱신 이전의 중분류 논 토지 피복 지도와 비교 평가를 수행하였다.

 

3. 연구결과 및 논의

3.1 연구 대상지역과 데이터

연구 대상지역은 충청남도 당진시 대호지면 적서리 인근으로 경지 정리 논이 다수 분포하는 지역이다(Fig. 2). 2012년 8월 5일에 수집된 RapidEye 영상과 2007년 제작된 환경부 중분류 토지 피복 지도를 이용하여 연구를 진행하였다. RapidEye 위성은 2008년 8월에 발사되어 현재 5개의 위성이 지구를 관측하고 있으며 공간해상도는 중분류 토지 피복 지도와 같은 5m이기 때문에 분석에 적합하다. 뿐만 아니라 일반적인 위성영상의 다중분광 밴드(Red, Green, Blue, NIR)에 더불어 690-730nm 분광대역의 Red edge 밴드를 포함하여 농업 및 산림 분야에 효과적으로 활용할 수 있다(Fig. 3).

Fig. 2.Aerial photo of study site

Fig. 3.RapidEye image with R(NIR), G(Red edge), B(Red) color composition

환경부 토지 피복 지도는 해상도와 분류 항목의 세분 정도에 따라 대분류, 중분류, 세분류의 3가지 위계를 가진다. 대분류는 우리나라의 대표적인 7 종류의 토지 피복인 시가화 건조지역, 농업지역, 산림지역, 초지, 습지, 나지, 수역으로 이루어져 있으며 중분류는 22개 항목, 세분류는 41개 항목으로 나뉜다. 이 중 대분류 농업지역은 논, 밭, 시설재배지, 과수원, 기타재배지의 5개 중분류 범주로 나뉘며 논 중분류 항목 다시 경지정리가 된 논과 경지정리가 안 된 논으로 세분류된다(Fig. 4). 본 연구에서는 중분류 토지 피복 지도의 토지 피복 코드(210)를 이용하여 논 토지 피복만을 추출한 후 영상과 교차하는 폴리곤을 선택하여 이용하였다(Fig. 5 (a), (b)).

Fig. 4.Land cover category system of agricultural area

Fig. 5.(a) Mid-level land cover map and (b) polygon intersected with study site

3.2 논의 경계 정보 추출

RapidEye에 고주파 필터링을 적용하여 논의 경계 정보를 강조한 후 Otsu 임계화를 통해 이진 영상을 생성하였다(Fig. 6). 고주파 필터링 결과를 살펴보면 대부분의 화소가 낮은 값을 갖는 것을 알 수 있다. 따라서 쌍봉형 데이터에 적합한 Otsu 임계화를 적용한 결과 Fig. 6 (b)와 같이 논의 경계들이 이진 분류로 잘 추출되는 것을 알 수 있다.

Fig. 6.The results of (a) high pass filtering and (b) Otsu binary thresholding

그러나 Fig. 7의 확대 영상을 보면 중간에 에지가 끊어져 있거나 군소 화소들이 잡음(noise)으로 남아 있는 것을 알 수 있다. 또한 추출된 논 경계가 한 화소로 표현되지 않고 보통 2 화소의 두께를 갖는 문제점이 존재한다. 따라서 이러한 문제를 해결하기 위해 허프 변환을 적용하여 주 선형을 추출하였다.

Fig. 7.Magnified image of Otsu binary thresholding

3.3 영상 대 지도 등록 및 논 토지 피복 마스킹

환경부 중분류 토지 피복 지도를 갱신하기 위하여 토지피복 지도를 기준으로 RapidEye 영상의 공액 기준점 10개를 취득하였다. 연구 대상지역은 중분류 논 토지 피복 지도에서 3~4개의 큰 폴리곤으로 이루어져 있기 때문에 기준점이 될 수 있는 특징점이 많지 않으며 강이 바다와 만나는 지점 또는 논이 산림과 인접하는 지점을 바탕으로 기준점을 취득하였다. 기준점의 평균제곱근오차는 약 1.22 화소였으며 원영상과 논 경계 이진 영상의 영상 등록 결과는 Fig. 8과 같다.

Fig. 8.Registered image of (a) RapidEye and (b) binary paddy outline

논 토지 피복 지도와 RapidEye 영상을 중첩 시킨 결과는 Fig. 9와 같다. Fig. 9에서 알 수 있듯이 좌측과 우측의 큰 폴리곤 1개씩 그리고 가운데 4개의 폴리곤이 연구 대상지역과 교차하고 있으며 하나의 폴리곤이 다수의 경지정리 논을 포함하는 것을 알 수 있다. 연구 대상 지역과 동일한 영역에 대한 중분류 논 토지 피복의 이진 마스크를 생성하였으며 이를 논의 이진 경계 영상에 적용하였다(Fig. 10).

Fig. 9.Overlay image between RapidEye and land cover map

Fig. 10.(a) Paddy land cover mask and (b) masking result of paddy outline

3.4 지역적 허프 라인 추출과 연결 및 토지 피복지도 갱신

마스킹 된 이진 논 경계 영상을 이용하여 지역적 허프 라인을 추출하였다. 선형은 녹색으로 표현되었으며 시작점과 끝점은 각각 노란색과 붉은색으로 표시하였다. 영상 전체에 걸쳐 경지 정리 논의 경계들이 잘 추출된 것을 확인할 수 있으며 추가적인 허프 라인 연결을 통해 붉은색의 끝점이 노란색의 시작점과 연결되어 그 수가 감소하는 것을 알 수 있다(Fig. 11). Fig. 12 (a)에서 보이듯이, 추출된 선형은 시작점과 끝점을 기준으로 곳곳이 끊어져 나타난다. 따라서 추출된 선형의 시작점과 끝점이 인접해있는 경우 이 점들의 평균위치로 선형 추출 결과를 갱신함으로써 추출된 선형이 연결되어 경지 정리 논이 폐합되고 완결성의 증가하는 것을 확인할 수 있다(Fig. 12 (b)).

Fig. 11.The results of (a) regional Hough line extraction and (b) Hough line connection

Fig. 12.Magnified results of (a) before and (b) after the Hough line connection

최종적으로 추출된 경지 정리 논의 경계를 이용하여 중분류 논 토지 피복 지도의 갱신을 수행한 결과가 Fig. 13과 같다. 갱신 이전에는 연구 대상지역이 경계 구분 없이 크게 6개 내외의 폴리곤으로 구성되어 있었으나 갱신 이후에는 경지 정리 논의 경계를 기준으로 폴리곤이 세분할 된 것을 알 수 있다.

Fig. 13.Land cover map of (a) before and (b) after the readjustment paddy updating

 

4. 결 론

본 연구에서는 농업 분야에 효과적인 활용이 가능한 RapidEye 위성영상을 이용하여 환경부 중분류 논 토지 피복의 자동 세분류 갱신 방법을 제안하였다. 이를 위해 영상에 고주파 필터링을 적용하여 논의 경계 정보를 강조하고 Otsu 임계화를 통해 논 경계에 대한 이진 영상을 효과적으로 취득하였다. 토지 피복 지도와 영상 등록을 수행하여 논 토지 피복에 대한 마스킹을 수행하였으며 이를 통해 논 지역의 경계정보를 선별하였다. 지역적인 허프 라인 추출을 통하여 잡음에 영향을 받지 않으며 끊어진 에지를 잇는 논의 경계 정보를 선형으로 추출하고 시작점과 끝점이 유사한 선형을 연결하여 경지 정리 논의 경계 정보를 완성하였다. 최종적으로 추출된 경지 정리 논의 경계를 이용하여 중분류 논 토지 피복지도의 갱신을 수행하였다.

대부분의 기존 연구들은 토지 피복 세분류를 위한 방법론을 제시하고 있지 않으며 대분류 또는 중분류 기준의 결과와 분석에 그치는 경우가 많다. 또한 세분류 토지 피복 지도는 현재 북한강, 남한강, 낙동강 유역의 일부 지역에 대해서만 구축되어 있는 상황이다. 따라서 본 연구는 Red edge 밴드를 추가로 갖는 RapidEye 영상을 이용하여 환경부 중분류 논 토지 피복의 자동 갱신을 수행하였다는데 큰 의미가 있다. 1m 이하의 고해상도 영상에 비해 상대적으로 낮은 해상도로 인해 영상에서 논 경계 정보가 추출되지 않은 경우 선형이 추출되지 않는 문제점이 있으나 이는 향후에 고해상도 위성영상이나 항공사진을 이용할 경우 보완이 가능할 것이라 생각된다. 세분류 토지 피복 지도를 제작하기 위해서는 많은 자료와 육안 판독 및 현지 조사가 필요한 점을 고려하여 볼 때 제안 방법은 경지 정리 논의 경계를 효과적으로 추출하여 논 토지 피복 세분류 작업의 상당 부분을 자동화하는데 기여할 것이다.