한반도 모자이크 영상의 토지피복분류 활용 가능성 탐색을 위한 비교 연구

A Comparative Study on the Possibility of Land Cover Classification of the Mosaic Images on the Korean Peninsula

Abstract

한국항공우주연구원은 지속적으로 증가하는 공공분야의 위성영상 수요에 대응하기 위해 정부 위성정보활용협의체를 운영하고 있으며, 사용자 편의성 증진 및 위성영상 활용 활성화를 위해 매년 한반도 모자이크 영상을 제작하여 제공하는 등 다양한 지원사업을 수행하고 있다. 특히 한반도 모자이크 영상의 활용도를 높이고 사용자가 손쉽게 분류 영상을 현업에 활용할 수 있도록 모자이크 영상을 분류 및 갱신하는 방안을 모색하고 자 하였다. 그러나 한반도 모자이크 영상은 영상 융합 및 컬러 밸런싱 등을 적용하기 때문에 분광정보, 즉 색상왜곡이 발생하고 R, G, B 밴드만 보유하고 있다는 한계점이 있기 때문에 모자이크 영상으로 만들어낸 분류 결과가 현업에서 활용될 수 있는 수준인지 확인 및 검증이 필요하다. 따라서 본 연구에서는 모자이크 영상으로 분류를 수행했을 때 그 결과물의 신뢰도를 KOMPSAT-3 영상과 비교하여 확인해보고자 하였다. 연구 결과, KOMPSAT-3 영상의 분류 정확도는 약 81~86%(전체 정확도 약 85%)로 나타난 반면, 모자이크 영상분류 결과의 정확도는 약 69~72%(전체 정확도 약 72%)로 다소 낮게 나타났다. 이러한 현상은 모자이크 영상을 생성하는 과정에서 영상 융합과 모자이크 과정을 거치며 본래의 분광정보가 왜곡되었을 뿐만 아니라, 컬러밴드인 R, G, B 세 가지의 밴드만 제공함에 따라 NDVI나 NDWI 정보를 실제 모자이크 영상이 아닌 KOMPSAT-3 영상에서 추출하였기 때문으로 해석된다. 비록 현재로서는 모자이크 영상으로 토지피복분류를 수행하여 사용자에게 배포하기에는 무리가 있을 것으로 판단되나, 추후 모자이크 영상을 제작할 때 분광정보 왜곡을 최소화할 수 있는 방법을 모색하고 R, G, B 밴드뿐만 아니라 NIR 밴드도 함께 제공하거나 모자이크 영상에 적합한 영상분류 기술을 개발할 필요가 있을 것으로 생각된다. 또한 지형특성별 분류결과 비교분석과 관심객체별 기계학습 등을 통한 영상분류 방법을 개발하는 등 관련 연구를 지속한다면, 추후 분광정보가 제한된 영상들도 활용도가 높아질 수 있을 것으로 기대된다.

The KARI(Korea Aerospace Research Institute) operates the government satellite information application consultation to cope with ever-increasing demand for satellite images in the public sector, and carries out various support projects including the generation and provision of mosaic images on the Korean Peninsula every year to enhance user convenience and promote the use of satellite images. In particular, the government has wanted to increase the utilization of mosaic images on the Korean Peninsula and seek to classify and update mosaic images so that users can use them in their businesses easily. However, it is necessary to test and verify whether the classification results of the mosaic images can be utilized in the field since the original spectral information is distorted during pan-sharpening and color balancing, and there is a limitation that only R, G, and B bands are provided. Therefore, in this study, the reliability of the classification result of the mosaic image was compared to the result of KOMPSAT-3 image. The study found that the accuracy of the classification result of KOMPSAT-3 image was between 81~86% (overall accuracy is about 85%), while the accuracy of the classification result of mosaic image was between 69~72% (overall accuracy is about 72%). This phenomenon is interpreted not only because of the distortion of the original spectral information through pan-sharpening and mosaic processes, but also because NDVI and NDWI information were extracted from KOMPSAT-3 image rather than from the mosaic image, as only three color bands(R, G, B) were provided. Although it is deemed inadequate to distribute classification results extracted from mosaic images at present, it is believed that it will be necessary to explore ways to minimize the distortion of spectral information when making mosaic images and to develop classification techniques suitable for mosaic images as well as the provision of NIR band information. In addition, it is expected that the utilization of images with limited spectral information could be increased in the future if related research continues, such as the comparative analysis of classification results by geomorphological characteristics and the development of machine learning methods for image classification by objects of interest.

1. 서론

전 세계적으로 가용할 수 있는 위성의 증가와 영상 분석 기술이 발달함에 따라 위성영상에 대한 공공분야의 수요가 지속적으로 증가해 왔다. 이에 한국항공우주연구원에서는 정부 위성정보활용협의체를 운영하고 있으며, 사용자 편의성 증진 및 위성영상 활용 활성화를 위해 매년 한반도 모자이크 영상을 제작하여 제공하는 등 다양한 지원사업을 수행하고 있다. 다양한 위성영상활용 분야 중에서도 환경 및 국토 관리가 가능한 위성영상 분류에 관한 연구는 위성영상의 등장과 함께 지금까지 끊임없이 이어져 왔다(Jensen, 2007; Li et al., 2014; Lu and Weng, 2007). 과거에는 주로 중저해상도 위성인 Landsat 자료 등을 활용하여 영상을 분류해 왔으나, 위성영상의 공간해상도가 향상됨에 따라 점점 고해상도 위성영상을 활용한 분류 기법들이 등장하고 있다. 특히 Ku(2011)는 서로 다른 해상도를 가진 위성을 체계적으로 분류하기 위한 연구를 수행했으며, Oh et al.(2010)은 1 m 급의 유사한 공간해상도를 가진 위성영상의 분류 정확도를 비교하였다. 이뿐만 아니라 특정 위성에 최적화된 기법을 개발하거나 인공신경망 등 특정 분류 기법의 정확도를 높이기 위한 기법을 개발하는 등 현재까지도 영상 분류에 대한 활발한 연구가 이루어지고 있다 (Kang et al., 2013; Mahmon and Ya’acob, 2014). 이에 한반도 모자이크 영상의 활용도를 높이고 공공분야 사용자가 손쉽게 분류 영상을 현업에 활용할 수 있도록 모자이크 영상을 분류 및 갱신하는 방안을 모색하고자 하였다. 그러나 한반도 모자이크 영상은 영상 융합 및 컬러 밸런싱 등을 적용하기 때문에 분광정보, 즉 색상 왜곡이 발생하고 R, G, B 밴드만 보유하고 있다는 한계점이 있기 때문에 모자이크 영상으로 만들어낸 분류 결과가 현업에서 활용될 수 있는 수준인지 확인 및 검증이 필요하다.

따라서 본 연구에서는 모자이크 영상으로 분류를 수행했을때 그 결과물의 신뢰도를 KOMPSAT(Korea Multipurpose Satellite, 다목적실용위성) 3호 영상과 비교하여 확인해보고자 하였다.

2. 연구지역 및 자료

본 연구에서는 대한민국의 행정수도인 세종특별자치시 일대를 연구지역으로 선정하였다. 연구에 활용된 두장의 위성영상은 정사보정 후 중첩된 지역을 절취하여 활용하였으며, 세종시 연동면, 금남면, 한솔동, 연기면, 도담동, 아름동, 장군면, 월송동, 의당면 일대를 포함하고 있다. 연구지역의 범위는 약 21×12 km로 면적은 약 268 km²이며(Fig. 1), Table 1은 연구지역에 대한 위치 정보를 나타내고 있다.

Fig. 1. Study area.

Table 1. Coordinates of study area

아래의 Table 2는 본 연구에 사용된 모자이크 영상과 KOMPSAT-3 영상의 제원이다. 모자이크 영상의 경우 매년 한반도 통판 영상을 만들기 위해 당해 연도에 촬영된 구름 없는 KOMPSAT-2, KOMPSAT-3, KOMPSAT- 3A 영상을 모두 활용하여 제작한다. 그러나 KOMPSAT 위성들은 분광해상도는 동일하나 공간해상도가 서로 다르기 때문에 그 중 해상도가 가장 낮은 2호를 기준으로 1 m의 공간해상도로 영상을 융합하여 모자이크 영상을 제작한다. 본 연구에 활용된 모자이크 영상은 4개 도엽(367054, 367063, 367092, 367101)에 해당하며, 4 도엽을 합친 부분 중에서 KOMPSAT-3 영상과 중첩되는 부분을 절취하여 최종적으로 사용하였다.

Table 2. Specifications of satellite data

3. 연구방법

1) 영상의 전처리

연구에 활용된 모자이크 영상은 이미 정사보정되어 사용자에게 배포되는 영상이며, KOMPSAT-3 영상은 정사보정이 필요하였다. KOMPSAT-3 영상의 정사보정을 위해 격자간격 5 m의 DEM(Digital Elevation Model)과 공간해상도 0.5 m 급의 항공정사영상을 활용하였다. 정사보정까지 수행한 KOMPSAT-3 영상의 RMSE(Root Mean Square Error) 오차는 X: 0.547, Y: 0.435로 1 pixel 이내이기 때문에 연구에 적합하다고 판단하였다.

또한 모자이크 영상과 KOMPSAT-3 MS(Multi Spectral) 영상의 공간해상도가 각각 1 m, 2.8 m로 다르기 때문에 두 영상의 공간해상도를 맞춰줄 필요가 있었다. KOMPSAT-3 MS 영상의 공간해상도를 1 m로 향상시킬 경우 원본 MS 영상의 분광정보가 왜곡될 우려가 있기에, 모자이크 영상의 공간해상도를 2.8 m로 Cubic Convolution 기법을 활용하여 리샘플링하였다.

2) 영상 분할

최근에는 고해상도의 위성이 보급됨에 따라 영상 분류를 수행할 때 전통적인 화소기반 분류 기법보다 객체기반 분류 기법을 널리 활용하고 있다(Myint et al., 2011; Kim and Yeom, 2012; Na and Lee, 2014). 화소기반 분류는 영상의 분광정보만 활용하는 반면, 객체기반 분류는 다양한 보조정보를 이용하여 분석이 가능하며, 이웃한 화소끼리 서로 다른 클래스로 분류되어 노이즈처럼 보이는 salt-and-pepper 현상을 감소시킬 수 있다는 장점이있다(Moon and Kim, 2017). 따라서 본 연구에서도 객체기반 영상 분류를 수행하였다.

객체기반 토지피복분류를 위해서는 영상 분할 (segmentation) 과정이 필요하다. 영상 분할은 유사한 특징을 가진 픽셀들을 그룹화하여 객체로 만들어주는 과정이며, 분류에 적절한 단위의 객체로 분할될 수 있도록 파라미터 값을 설정해야 한다. 본 연구에 활용한 eCognition Developer 9.4 소프트웨어에서는 scale parameter, shape, compactness의 값을 조절하여 영상을 분할할 수 있으며, 본 연구에서는 scale parameter 100,shape 0.1, compactness 0.5로 설정하였다. 영상 분할 및 분류에 사용된 영상은 두 영상의 MS 밴드뿐만 아니라 정사보정에 활용된 DEM과 NDVI(Normalized Difference Vegetation Index) 및 NDWI(Normalized Difference Water Index) 등을 보조정보로 활용하였다. 그러나 모자이크 영상은 NIR(Near Infra-red) 밴드를 제외한 R, G, B 밴드만 제공하고 있으므로 NIR 밴드가 필요한 NDVI와 NDWI는 KOMPSAT-3 영상에서 추출하여 사용하였다. 비록 두 영상의 센서와 촬영일이 동일하지 않으나, 분광밴드정보가 동일하고 육안으로 확인하였을 때 농경지 및 산림지역 등에 분포하는 식생의 계절적 차이가 크지 않아 KOMPSAT-3 영상에서 추출한 지수들을 사용하여 연구를 진행하였다.

3) 토지피복분류

토지피복분류는 환경부의 토지피복 분류체계 중에서 대분류를 기준으로 수행하였다. 환경부의 대분류 토지피복은 시가화/건조지역, 농업지역, 산림지역, 초지, 습지, 나지, 수역으로 총 7개의 토지피복으로 이루어져있다. 본 연구에서는 영상의 계절적 특징 및 분광정보 특성상 습지를 개별 피복으로 분류하기 힘들기 때문에 습지를 제외한 6개의 토지피복으로 영상을 분류하였다.

토지피복분류는 결정나무기법을 활용하였으며, Fig. 2는 객체기반 토지피복분류 흐름도를 보여준다. 가장 먼저 NDVI 값을 기준으로 식생 지역과 비식생 지역으로 분류하였다. 이후에는 NDVI, NDWI, Ratio of R/B*G, DEM의 표준편차값을 활용하여 하위 클래스로 분류하였으며, 각 지표들은 특정 임계치에 해당하는 클래스와 해당하지 않는 클래스(unclassified)로 분류하는 단계를 거쳤다. 각 지표들의 임계치 값은 영상마다 서로 다르기 때문에 최적의 결과를 얻을 때까지 임계치 값 수정을 반복하였다.

Fig. 2. Flow chart of object-based classification.

4. 연구결과

1) 토지피복분류 결과

모자이크 및 KOMPSAT-3 영상으로 분류한 토지피복분류결과는 Table 3에 요약되어 있다.

Table 3. Classification result

토지피복분류결과를 비교해보면 KOMPSAT-3 영상에 비해 모자이크 영상에서는 초지가 과대분류되는 경향이 나타나는 것을 확인할 수 있었다. 반면 그 이외의 토지피복인 수역, 산림, 농경지, 나지, 시가지는 모자이크 영상에서 과소분류되는 경향이 나타났으며, 그 중에서도 산림의 결과 차이가 큰 것으로 나타났다.

Fig. 3은 KOMPSAT-3와 모자이크 영상의 분류 결과를 원 영상과 비교한 것으로, 두 영상에서 계절적 차이는 크지 않은 것으로 나타났다. 그러나 두 영상이 촬영된 시기가 동일한 것은 아니므로 모자이크 영상에서 산림이 과대분류된 것인지 아닌지는 정확도 평가를 통해 비교해야 정량적인 비교가 가능하다. 정확도 평가에 앞서 토지피복분류 결과를 정성적으로 확인하였을 때, 모자이크 영상의 결과가 KOMPSAT-3 영상의 결과보다 좀 더 파편화되고 객체 분할 및 분류 결과가 고르지 못한 것을 확인할 수 있었다(Fig. 4). 이러한 현상은 모자이크 영상과 KOMPSAT-3 영상의 공간해상도를 동일하게 맞추는 과정에서 기존의 1 m 영상을 2.8 m로 리샘플링 하였기 때문으로 추측된다.

Fig. 3. Classification map.

Fig. 4. Comparison of classification results.

특히 모자이크 영상의 경우 시가지와 나지를 구분할 때 색의 대비가 뚜렷하지 않아 KOMPSAT-3 영상보다 오분류 되는 경우가 다수 발생하였다.

2) 정확도 평가 결과

토지피복분류 결과의 정확도 평가는 eCognition Developer에서 제공하는 방법인 TTA(Test and Training Area) 마스크 레이어를 생성하여 수행하였다

Table 4는 토지피복분류 이후 정확도 평가를 수행한 결과를 보여주고 있다. 정확도 평가 결과, KOMPSAT-3영상 분류 결과의 정확도는 81~86%대로 높게 나타난 반면, 모자이크 영상 분류 결과의 정확도는 69~72%대로 다소 낮게 나타났다. KOMPSAT-3와 모자이크 영상의 전체 정확도는 각각 약 85%와 72%로 나타났으며, 정량적인 평가 결과에서도 모자이크 영상의 정확도가 낮게 나타난 것을 확인할 수 있었다.

Table 4. Accuracy assessment result

이러한 현상은 모자이크 영상을 생성하는 과정에서 영상 융합과 모자이크 과정을 거치며 본래의 분광정보가 왜곡되었을 뿐만 아니라, 컬러밴드인 R, G, B 세 가지의 밴드만 제공함에 따라 NDVI나 NDWI 정보를 실제 모자이크 영상이 아닌 KOMPSAT-3 영상에서 추출하였기 때문으로 해석된다.

5. 결론

본 연구에서는 모자이크 영상으로 토지피복분류를 수행했을 때 그 결과물의 신뢰도 수준을 검증해보고자 KOMPSAT-3 영상과 비교하였다. 2016년에 촬영된 KOMPSAT-3 영상과 모자이크 영상의 토지피복분류결과, KOMPSAT-3 영상 분류 결과의 정확도는 81~86%대로 높게 나타난 반면 모자이크 영상 분류 결과의 정확도는 69~72%대로 다소 낮게 나타났다. KOMPSAT-3와 모자이크 영상의 전체 정확도는 각각 약 85%와 72%로 나타났으며, 정량적인 평가 결과에서도 모자이크 영상의 정확도가 낮게 나타난 것을 확인할 수 있었다. 이러한 결과는 모자이크 영상을 생성하는 과정에서 영상 융합과 모자이크 과정을 거치며 본래의 분광정보가 왜곡되었을 뿐만 아니라, 컬러밴드인 R, G, B 세 가지의 밴드만 제공함에 따라 NDVI나 NDWI 정보를 실제 모자이크 영상이 아닌 KOMPSAT-3 영상에서 추출하였기 때문으로 해석된다. 따라서 모자이크 영상으로 추출한 토지피복분류 영상은 사용자에게 배포하기 이전에 정확도를 향상시킬 필요가 있는 것으로 확인되었다.

본 연구는 모자이크 영상뿐만 아니라 본래의 분광정보가 왜곡된 영상도 분류가 가능한지, 가능하다면 그 정확도는 어느 정도인지 확인하는 데 목적이 있었다. 비록 현재로서는 모자이크 영상으로 토지피복분류를 수행하여 사용자에게 배포하기에는 무리가 있을 것으로 판단되나, 추후 모자이크 영상을 제작할 때 분광정보 왜곡을 최소화할 수 있는 방법을 모색하고 R, G, B 밴드뿐만 아니라 NIR 밴드도 함께 제공하거나 모자이크 영상에 적합한 영상분류 기술을 개발할 필요가 있을 것으로 생각된다. 또한 연구지역 이외에 다양한 지형특성이 나타나는 지역을 대상으로 지형특성별 분류결과를 비교 분석하고, 분광정보기반 영상분류 방법과 더불어 관심 객체별 기계학습 등을 통한 영상분류 방법을 개발하는 등 관련 연구를 지속한다면, 추후 분광정보가 제한된 영상들도 활용도가 높아질 수 있을 것으로 기대된다.