• 한국측량학회지
• /
• 제26권4호
• /
• pp.341-350
• /
• 2008

변화탐지는 도시모델의 갱신을 위해 중요한 단계이다. 이에 본 연구는 서로 다른 시기에 취득된 라이다 데이터로부터 도시변화를 탐지하는 방법을 제안한다. 제안된 방법의 주요 과정은(1) 라이다 데이터로부터 생성된 DSM의 차분을 통해 변화영역을 탐지하고, (2) 탐지된 영역의 라이다 점으로부터 표면패치를 구성하고, (3) 구성된 각각의 패치의 종류를 지면, 수목, 빌딩으로 분류하고, (4) 패치의 종류 및 속성에 기반하여 변화의 종류를 결정한다. 제안된 방법을 실측데이터에 적용한 결과를 동일한 지역의 정사영상으로부터 육안검사를 통해 수동생성된 참조데이터를 이용하여 검증하였다. 변화탐지의 성공률은 평균적으로 97%로 평가되었다. 결론적으로 제안된 방법은 변화탐지 및 도시모델의 갱신을 위한 신뢰성이 높고, 효율적인 방법으로 판단된다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2008년도 공동춘계학술대회
• /
• pp.260-264
• /
• 2008

변화탐지는 도시모델의 갱신을 위해 중요한 단계이다. 이에 본 연구는 도시지역의 변화탐지를 위한 라이다데이터로부터 추출한 표면패치의 분류 방법을 제안한다. 제안된 방법의 주요 과정은 (1) 라이다 데이터로부터 생성된 DSM의 차분을 통해 변화영역을 탐지하고, (2) 탐지된 영역의 라이다 점으로부터 표면패치를 구성하고, (3) 구성된 각각의 패치의 종류를 지면 수목, 빌딩으로 분류한다. 제안된 방법을 실측데이터에 적용한 결과를 동일한 지역의 정사영상으로부터 육안검사를 통해 수동 생성된 기준데이터를 이용하여 검증하였다. 패치분류의 성공률은 99%로 평가되었다. 결론적으로 제안된 방법은 변화탐지를 위한 강인하고, 신뢰성이 높고, 효율적인 패치 분류방법으로 판단된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 춘계학술대회 논문집
• /
• pp.95-100
• /
• 2008

3차원으로 구성되어 있는 실세계를 보다 효과적이고 신속하게 모니터링하기 위해서는 변화된 지역의 정확한 위치정보 획득과 변화 결과의 빠른 도출을 위한 자동화 방안이 필요하다. 일반적으로 변화탐지를 위해 사용되어 온 항공사진이나 위성영상은 자료 획득에 있어 날씨와 같은 자연환경의 영향을 많이 받으며, 자동으로 변화탐지를 수행하는데 많은 문제점을 안고 있다. 반면에 항공 LiDAR 시스템은 영상시스템과는 달리 날씨 등에 영향을 상대적으로 적게 받으며, 지형지물에 대한 3차원 좌표 정보를 직접 획득하기 때문에 자동으로 처리하기에 매우 효율적이다. 본 연구에서는 항공 LiDAR 데이터만을 이용하여 도시지역의 시공간적 변화를 자동으로 탐지하는 방법을 연구 하였다. 변화탐지의 대상이 도시지역이므로 객체를 기반으로 다양한 변수를 사용하여 변화탐지를 수행하였다. 연구에 사용된 데이터는 서로 다른 시기에 획득된 항공 LiDAR 데이터이며, 두 데이터간의 변화탐지를 위해 먼저 상호정합을 수행하였으며, 개별 객체를 추출하기 위해 필터링과 Grouping 과정을 수행하였다. 마지막으로 Grouping된 객체를 대상으로 모양, 면적, 높이 변화를 비교하여 변화를 탐지하였다. 객체의 외곽선과 내부 영역의 모양을 표현하는 형상계수를 사용하므로 수평방향의 객체에 대한 기하학적인 모양 변화를 탐지할 수 있었으며, 객체의 높이값을 비교함으로써 수직방향으로의 변화도 탐지할 수 있었다. 본 연구에서 수행한 객체 기반의 변화탐지 방법은 91.67%의 전체 정확도를 획득하였다.

• 대한공간정보학회지
• /
• 제13권4호
• /
• pp.59-65
• /
• 2005

효율적인 국토관리를 위해서 과거로부터의 토지피복/토지이용 변화를 탐지하고 미래의 도시계획에 반영하는 것은 매우 중요하다고 할 수 있다. 본 연구에서는 시계열 Landsat 영상을 이용하여 토지피복/토지이용 분류를 수행함으로써 도시변화를 분석하고 도시화에 따른 지표온도의 변화를 조사하였다. 해상도 30m의 Landsat 영상에서 도시변화 후보지역을 추출하고 자세한 변화 상황을 고찰하기 위해 고해상도 항공사진을 함께 사용하는 계층적 변화탐지기법을 사용하였다. 또한, 도시의 발달과 지표온도의 상관성을 평가하기 위하여 Landsat 영상의 열적외선 파장영역을 이용하여 온도를 계산하여 실제기온과 비교하고 토지피복별 지표온도를 계산하였다. 연구 결과 도심지의 팽창을 수치적으로 확인 할 수 있었고 도시화로 인한 온도 상승을 탐지할 수 있었다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2004년도 추계 종합학술대회 논문집
• /
• pp.197-202
• /
• 2004

도시의 변화탐지와 예측을 위한 기존의 중력모델은 주로 벡터기반 거리와 면적척도를 사용하였다. 위성영상이 폭넓게 활용되는 추세를 보이고 있는 최근에는 이 위성영상을 이용한 효과적인 래스터GIS기반 중력모델에 대한 연구가 필요하다. 본 연구는 래스터GIS기반 중력모델 방법을 제안하여 이를 전북 군산시 도시변화탐지에 적용하고 지표온도, 토지피복, 식생 변수를 검증하여 지표온도와 코지피복, 식생지수와의 +0.794의 강한 정의 상관관계를 검출함으로써 제안한 위성영상을 이용한 래스터GIS기반 중력모델이 육상 도시변화탐지 모니터링에 매우 효과적임을 입증할 수 있었다.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1579-1590
• /
• 2020

본 논문에서는 고해상도의 위성영상을 활용하여 도시의 변화 양상을 분석하기 위하여 SPADE기반의 U-Net과 객체 영역기반 변화탐지 방법을 제안한다. 제안하는 네트워크는 기존의 U-Net에서 공간 정보를 잃지 않기 위해 SPADE를 사용했다. 고해상도 위성영상을 활용한 변화탐지 방법은 계획, 예측 등 다양한 도시 문제를 해결하기 위해 활용할 수 있다. IR-MAD 등 전통적인 방법인 화소 기반의 변화탐지를 수행할 경우, 다중 시기 영상 간의 기후, 계절 변화 등에 의해 화소의 변화가 민감하기 때문에 미변화 지역들이 변화 지역으로 오탐지될 가능성이 매우 크다. 이에 본 논문에서는 시계열 위성영상에서 도시를 구성하는 객체에 대한 변위를 정확하게 탐지하기 위해 도시를 구성하는 주요 공간 객체를 정의하고, 딥러닝 기반 영상 분할을 통해 추출한 후 영역 간의 변위 오차를 분석하여 변화탐지를 수행한다. 변화 양상을 분석하기 위한 공간 객체로 건축물, 도로, 농경지, 비닐하우스, 산림 영역, 수변 영역의 6개로 정의하였다. KOMPSAT-3A 위성영상으로 학습한 각 네트워크 모델을 시계열 KOMPSAT-3 위성영상에 대한 변화탐지를 수행한다. 객관적인 성능 평가를 위한 변화탐지 지표는 F1-score, Kappa를 사용한다. 제안하는 변화탐지 기법은 U-Net, UNet++ 대비 뛰어난 결과를 보이며, 평균 F1 score는 0.77, kappa는 77.29의 성능을 확인할 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.441-442
• /
• 2021

본 논문에서는 고해상도의 시계열 위성영상을 딥러닝 알고리즘으로 학습하여 도시 변화탐지를 수행한다. 고해상도 위성영상을 활용한 서비스는 4 차 산업혁명 융합 신사업 중 하나인 스마트시티에 적용하여 도시 노후화, 교통 혼잡, 범죄 등 다양한 도시 문제 해결 및 효율적인 도시를 구축하는데 활용이 가능하다. 이에 본 연구에서는 도시 변화탐지를 위한 딥러닝 알고리즘으로 DeepLabV3+를 사용한다. 이는 인코더-디코더 구조로, 공간 정보를 점진적으로 회복함으로써 더욱 정확한 물체의 경계면을 찾을 수 있다. 제안하는 방법은 DeepLabV3+의 레이어와 loss function 을 수정하여 기존보다 좋은 결과를 얻었다. 객관적인 성능평가를 위해, 공개된 데이터셋 LEVIR-CD 으로 학습한 결과로 평균 IoU 는 0.87, 평균 Dice 는 0.93 을 얻었다.

• 대한원격탐사학회지
• /
• 제33권6_3호
• /
• pp.1223-1232
• /
• 2017

본 연구는 KOMPSAT 광학영상을 이용하여 광범위지역에 대한 도시개발 변화를 탐지하는 방법론을 제시한다. 다른 시기에 취득된 KOMPSAT 영상 간의 방사적인 불일치를 최소화하기 위해서, 본 연구에서는 광범위지역에 대한 변화탐지에 적합한 영역별 간이 방사보정을 전처리과정으로 적용하였다. 도시개발에 대한 변화탐지 결과정확도를 향상시키기 위해서, 환경부에서 제공하는 중분류 토지피복도를 이용하여 수계, 산림과 같은 비관심지역을 제거하였다. 대표적인 변화탐지 기법인 분광변화벡터분석(Change Vector Analysis, CVA) 기법을 적용하여 도시개발에 의해 발생한 변화를 탐지하였다. 제안 기법에 대한 적용을 위해 세종시를 연구지역으로 선정하였으며, 2007년 5월과 2016년 5월에 KOMPSAT-2호로 취득한 영상과 2014년 3월에 KOMPSAT-3호로 취득한 영상을 조합하여 총 세 실험지역을 구축하였다. 2007년 5월 KOMPSAT-2호 영상과 2014년 3월 KOMPSAT-3호 영상으로 구성된 실험지역에 대한 변화탐지 정확도 평가를 수행한 결과, 약 91.00%의 변화탐지 전체정확도를 보였다. 본 연구를 통해 넓은 지역에 대량으로 발생한 도시개발 변화를 효과적으로 탐지할 수 있음을 확인하였다.

• 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.

• 지적과 국토정보
• /
• 제50권2호
• /
• pp.37-51
• /
• 2020

머신러닝과 딥러닝 기술의 발달로 인하여 도시의 변화탐지에 이러한 기술을 적용하려는 관심과 시도가 증가하고 있다. 그러나 기존의 변화탐지와 공간정보 구축방법은 여전히 사람에 의해 수작업으로 수행되는 경우가 많아 비용과 시간이 많이 소요되고 있다. 또한 도시지역에서 건축물의 변화탐지를 효율적으로 수행하기 위해서는 많은 인원이 필요한 실정이다. 따라서, 본 연구에서는 포인트 클라우드에서 딥러닝 기술을 적용하여 공간정보 분야에서 활용도가 높은 도로, 건물, 식생의 객체를 분류하고 변화탐지를 수행할 수 있는 방법을 제안하였다. 실험 결과 약 92% 이상의 정확도로 도로, 건물, 식생을 분류하였으며 이를 통해 객체의 속성정보를 자동으로 구축할 수 있었다. 또한, 시계열 데이터가 구축된다면 제안한 방법론을 통해서 변화를 탐지할 수 있고 기 구축된 수치지도의 속성을 검수할 수 있을 것으로 판단된다.