• 대한공간정보학회지
• /
• 제19권3호
• /
• pp.49-56
• /
• 2011

도시 지역의 환경은 빠르게 변화하고 있기 때문에 그 변화를 신속하게 탐지하여 수치지도 데이터베이스에 반영하는 것이 필요하다. 이에 LiDAR 자료를 사용하여 도시지역 건물의 변화를 탐지하려는 연구가 진행되고 있다. 본 연구에서는 LiDAR 자료와 기존 수치지도를 이용하여 객체 기반으로 건물변화를 탐지하고 그 유형을 분류하고자 하였다. 점 기반으로 건물의 외곽선을 추출하고 수치지도 건물 레이어와 중첩하여 중첩비교와 형상비교를 통해 변화유형을 분류하였다. 중첩비교시 객체별 적응적 임계치를 산정하여 적용함으로써 변화탐지의 객관성과 정확도를 높이고자 하였다. 실험결과, 제안한 방법으로 도시지역 건물의 변화를 탐지하고 분류하는 것이 기존 방법에 비해 높은 분류 정확도를 보임을 확인하였다.

• 대한원격탐사학회지
• /
• 제36권5_2호
• /
• pp.989-1006
• /
• 2020

건물탐지 기반의 건물 변화 모니터링은 발사예정인 차세대 중형위성 1, 2호와 같은 고해상도 다시기 광학 위성영상을 이용한 인공 구조물 모니터링 측면에서 가장 중요한 분야 중 하나이다. 하지만 지표면에 위치하는 건물들의 형태와 크기는 다양하며, 이들 주변에 존재하는 그림자 또는 나무 등에 의해 정확한 건물탐지에 어려움이 따른다. 또한, 영상 촬영 당시의 플랫폼의 방위각(Azimuth angle)과 고도각(Elevation angle)에 따라 생기는 기복 변위로 인해 건물 변화탐지 수행 시 다수의 변화 오탐지가 발생하게 된다. 이에 본 연구에서는 건물 변화탐지 결과 향상을 위해 다시기 영상 취득 당시의 태양의 방위각과 그에 따른 그림자의 주방향(Main direction)을 이용한 객체기반 건물탐지를 수행하였으며, 이후 플랫폼의 방위각과 고도각을 이용한 건물 변화탐지를 수행하였다. 고해상도 영상에 객체 분할 기법을 적용한 후, Shadow intensity를 통해 그림자 객체만을 분류하였으며, 건물 후보군 탐지를 위해 각 객체의 Rectangular fit, GLCM(Gray-Level Co-occurrence Matrix) homogeneity 그리고 면적(Area)과 같은 특징(Feature) 정보들을 이용하였다. 그 후, 건물 후보군으로 탐지된 객체들의 중심과 태양의 방위각에 따른 건물 그림자 사이의 방향과 거리를 이용하여 최종 건물을 탐지하였다. 각 영상에서 탐지된 건물 객체 간 변화탐지를 위해 객체들 간의 단순 중첩, 플랫폼의 고도각에 따른 객체의 크기 비교, 그리고 플랫폼의 방위각에 따른 객체 간의 방향 비교 총 3가지의 방법을 제안하였다. 본 연구에서는 주거 밀집 지역을 연구지역으로 선정하였으며, KOMPSAT-3와 무인항공기(Unmanned Aerial Vehicle, UAV)의 이종 센서에서 취득된 고해상도 영상을 이용하여 실험 데이터를 생성하였다. 실험 결과, 특징 정보를 이용해 탐지한 건물탐지 결과의 F1-score는 KOMPSAT-3 영상과 무인항공기 영상에서 각각 0.488 그리고 0.696인 반면, 그림자를 고려한 건물탐지 결과의 F1-score는 0.876 그리고 0.867로 그림자를 고려한 건물탐지 기법의 정확도가 더 높은 것을 확인할 수 있었다. 또한, 그림자를 이용한 건물탐지 결과를 바탕으로 제안한 3가지의 건물 변화탐지 제안기법 중 플랫폼의 방위각에 따른 객체 간의 방향을 고려한 방법의 F1-score가 0.891로 가장 높은 정확도를 보이는 것을 확인할 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.691-694
• /
• 2020

최근 원격 탐사 영상의 발달로 인해 작지만 중요한 객체에 대한 탐지 가능성이 커져 건물 변화 탐지에 대한 관심이 높아지고 있다. 본 논문은 건물 변화 탐지 방법 중 가장 좋은 성능을 가진 PGA-SiamNet 의 세부 변화 탐지의 정확도가 낮은 한계점을 개선시키기 위해 DensNet 기반의 Dense Siamese Network 를 제안한다. 제안하는 방법은 공개된 WHU 데이터 세트에 대해 변화 탐지 측정 지표인 TPR, OA, F1, Kappa 에 대해 97.02%, 99.5%, 97.44%, 97.16%의 성능을 얻었다. 기존 PGA-SiamNet 에 비해 TPR 은 0.83%, F1 은 0.02%, Kappa 는 0.02% 증가하였으며, 세부 변화 탐지의 성능이 우수함을 확인할 수 있다.

• 한국측량학회지
• /
• 제40권3호
• /
• pp.227-237
• /
• 2022

다시기 고해상도 영상에 존재하는 건물의 위치 및 형태학적 왜곡은 건물의 변화탐지를 어렵게 만드는 요인 중 하나이다. 이를 해결하기 위하여 부가적인 3차원 지형정보 및 딥러닝을 활용한 연구가 수행되고 있지만, 실제 사례에 적용되기 어려운 한계가 있다. 본 연구에서는 건물의 효율적인 변화탐지를 수행하기 위하여, 건물의 위치 정보뿐만 아니라 건물 간 위상정보를 활용하는 방안을 제시한다. 다양한 비연직 영상에서의 건물을 학습하기 위하여 SpaceNet v2 데이터셋을 사용하여 Mask R-CNN (Region-based Convolutional Neural Network)을 학습하였으며, 건물 객체를 탐지하여 중심점을 노드로 추출하였다. 추출한 건물 노드를 중심으로 서로 다른 두 시기에 대해 각각 TIN (Triangulated Irregular Network) 그래프들을 형성하고, 두 그래프 간 구조적 차이가 발생한 영역에 기반하여 변화 건물을 추출하기 위해 그래프 유사도와 노드의 위치 차이를 반영한 변화 지수를 제안하였다. 최종적으로 변화 지숫값을 기반으로 두 그래프 간 비교를 통해 새롭게 생성되거나 삭제된 건물을 탐지하였다. 총 3쌍의 테스트 영역에 대해 제안한 기법을 적용한 결과, 건물들 간 연결성의 변화를 고려함으로써 기복 변위에 의해 서로 다른 시기간 동일 건물 쌍을 판단하기 어려운 경우에도 변화가 발생한 건물을 적절하게 탐지하는 것을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1097-1109
• /
• 2023

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.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2008년도 공동춘계학술대회
• /
• pp.202-205
• /
• 2008

건물이 밀집된 도심지역을 촬영한 두 시기 항공영상에 화소기반 변화탐지 기법인 영상대차(Image Differencing), 영상중첩 분석(Image Overlay)기법을 적용하여 넓은 대도심지역의 효율적인 변화탐지 가능성을 살펴보았다. 영상대차(Image Differencing) 기법은 알고리즘이 간단하고 정량적인 분석이 가능한 결과를 얻을 수 있다는 장점이 있으나 고층건물밀집지역을 보여주고 있는 고해상도 항공영상의 적용과정에서는 폐색영역, 그림자 등으로 인해 정확한 변화탐지 결과를 보여주지 못했다. 영상중첩 분석(Image Overlay)기법은 한 번에 두 개 또는 세 개의 영상을 비교 분석할 수 있다는 장점이 있으나 직관적인 분석만을 제공하고 정량적인 분석이 불가능하였다. 현재의 화소기반 영상변화탐지 기술수준으로는 고해상도 공간영상에 대한 신뢰도 높은 변화탐지 분석결과를 얻을 수 없다는 것을 확인하였다.

• 한국측량학회지
• /
• 제40권4호
• /
• pp.359-364
• /
• 2022

원격탐사 영상의 변화탐지는 카메라의 광학적 요인, 계절적 요인, 토지피복 특성에 의해 오류가 발생한다. 본 연구에서는 CycleGAN (Cycle Generative Adversarial Network) 방법을 사용하여 촬영 각도에 따른 영상 내 건물 기울기를 모의 조정하였고, 이렇게 모의한 영상을 변화탐지에 활용하여 탐지 정확도 향상에 기여하도록 하였다. CycleGAN 기반으로 두 개 시기 영상 중 한 시기 영상을 기준으로 건물의 기울기를 다른 한 영상 내 건물에 유사하게 모의하였고 원 영상과 건물 기울기에 대한 오류를 비교 분석하였다. 실험자료로는 서로 다른 시기에 다른 각도로 촬영되었고, 건물이 밀집한 도시지역을 포함한 Kompsat-3A 고해상도 위성영상을 사용하였다. 실험 결과, 영상 내 건물 영역에 대하여 두 영상의 건물에 의한 오탐지 화소 수가 원 영상에서는 12,632개, CycleGAN 기반 모의 영상에서는 1,730개로 약 7배 감소하는 것으로 나타났다. 따라서, 제안 방법이 건물 기울기로 인한 탐지오류를 감소시킬 수 있음을 확인하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2000년도 춘계 학술대회 논문집 통권 3호 Proceedings of the 2000 KSRS Spring Meeting
• /
• pp.143-148
• /
• 2000

레이저 프로파일링 시스템의 등장으로, 기존에는 얻을 수 없었던 도시 지역에 대한 DTM 취득이 가능해졌고, 더욱 정확한 정사투영영상 또한 제작할 수 있게 되었다. 하지만, 높이 변화를 보이는 자연지물과 인공구조물이 있는 지역에 대해 기존의 정사투영사진 제작기법이 적용될 때, 폐색이나 이중매핑과 같은 문제가 발생하게 된다. 특히 고층건물이 밀집되어 있는 도심지에서 이러한 현상은 두드러져 정사투영영상의 품질을 저해하는 주요한 원인이 된다. 따라서, 본 연구에서는 카메라의 외부표정요소와 DTM을 이용하여 폐색영역을 탐지하고, 폐색이 안된 다른 영상의 정보를 통해 폐색영역을 복원하여 더욱 완전한 정사투영을 제작할 수 있는 알고리즘을 제안하였다. 제안된 알고리즘에 의해 자연지물이나 인공고조물에 의한 폐색영역을 탐지할 수 있었고 폐색영역의 많은 부분을 부가영상을 이용하여 복원하였다. 건물에 대한 사전지식을 이용하여 폐색영역을 탐지하는 국내 연구가 있지만, 본 연구는 건물에 대한 부가정보나 모델링을 사용하지 않고 DTM과 카메라 외부표정요소만을 이용하여 폐색영역을 탐지한다는 점에서 이러한 연구들과 차별성을 가진다.

• 한국측량학회지
• /
• 제38권3호
• /
• pp.187-196
• /
• 2020

본 연구에서는 UAV (Unmanned Aerial Vehicle)와 PlanetScope 위성영상을 함께 이용한 붕괴건물 탐지를 수행하여 지표면에 위치한 특정 객체 탐지에 있어 이종 센서의 활용 가능성을 제시하였다. 이를 위해 지난해 4월 산불 피해로 붕괴된 20여 채의 건물들이 있는 곳을 실험장소로 선정하였다. 붕괴건물 탐지를 위해 1차적으로 객체기반 분할을 수행한 고해상도의 UAV 영상을 이용해 ExG (Excess Green), GLCM (Gray-Level Co-occurrence Matrix) 그리고 DSM (Digital Surface Model)과 같은 객체들의 특징(feature) 정보를 생성한 후 이를 붕괴건물 후보군 탐지에 이용하였다. 이 과정에서 탐지정확도 향상을 위해 PlanetScope를 이용한 변화탐지 결과를 함께 사용하였으며 이를 시드 화소(seed pixles)로 사용하여 붕괴건물 후보군에서 오탐지된 영역과 과탐지된 영역을 수정 및 보완하였다. 최종적인 탐지 결과는 참조 영상을 통해 그 성능을 분석하였으며 UAV 영상만을 이용한 붕괴건물 후보군 탐지 결과와 UAV 그리고 PlanetScope 영상을 함께 사용했을 때의 결과의 정확도를 비교, 분석하였다. 그 결과 UAV 영상만을 이용해 탐지한 붕괴건물의 정확도는 0.4867 F1-score를 가지며 UAV와 PlanetScope 영상을 함께 사용했을 때의 결과는 0.8064 F1-score로 그 값이 상승하였다. Kappa 지수 또한 0.3674에서 0.8225로 향상된 것을 확인할 수 있었다.

• 한국측량학회지
• /
• 제38권3호
• /
• pp.237-246
• /
• 2020

최근 고해상도 영상을 지원하는 위성들이 다양화되면서 도심지에 대한 DSM (Digital Surface Model) 생성 및 업데이트가 가능해지고 있다. 그에 따라 고해상도 DSM을 이용해 건물 단위의 변화탐지가 가능해지면서 DSM을 활용한 건물 변화탐지 기법들이 다양하게 연구되고 있다. 기본적으로 DSM을 활용한 건물 변화탐지를 위해서는 스테레오 위성영상을 이용한 두 시기에 대한 DSM의 생성이 필요하며, 생성된 DSM의 표고값 차이를 이용해 변화를 탐지하는 D-DSM (Differential DSM) 방법이 일반적으로 사용된다. 그러나 D-DSM을 이용하는 기법은 두 DSM 간의 수직오차가 클 경우 건물의 변화를 탐지하기 위한 최소 수직좌표의 임계치를 정밀하게 적용하기에 어려움이 있다. 따라서 본 연구에서는 DTM (Digital Terrain Model)의 높이를 기준표고로 지정하고 구조물의 높이만을 표현하는 nDSM (Normalized DSM)을 기반으로 D-nDSM (Differential nDSM)을 생성하고 모폴로지 필터링을 거쳐 변화탐지를 진행하여 표고 오차에 따른 변화탐지의 오류를 줄이고자 하였다. 또한 도로변 건물의 추출 정밀도 향상을 위해 nDSM에서 도심지의 도로망을 추출하는 방안을 제시해 D-nDSM기법에 적용하였다. 도시 변화지역을 대상으로 두 시기의 스테레오 영상을 이용하여 실험을 진행하였고, D-DSM을 이용한 변화탐지기법과 D-nDSM기법, 도로선형을 추출해 D-nDSM에 적용한 탐지방법 등을 비교하여 결과를 얻었다. 단순 D-DSM을 이용한 기법에서 수직 임계치에 따라 약 30~55%의 정확도를 얻어낼 수 있었다. 또한 D-nDSM 기법의 적용시 59%의 정확도를 얻었으며, 노이즈 필터링의 과정을 거쳐 77.9%의 정확도를 얻었다, 최종적으로 대상지의 도로 선형을 추출해 적용하여 87.2%의 전체 정확도를 얻을 수 있었다.