• 한국측량학회지
• /
• 제26권6호
• /
• pp.633-641
• /
• 2008

본 논문은 에피폴라기하를 이용하여 신속하게 폐색지역을 탐지하고 유사한 패턴을 자동으로 찾아 폐색지역을 복원하여 정밀 정사투영영상을 자동적으로 생성하기 위한 방법을 제안한다. 기존에는 건물에 대한 부가적인 정보를 이용하여 영상의 폐색지역을 탐지하였지만, 본 논문에서는 카메라의 외부표정요소와 DTM 정보만을 이용하여 폐색지역을 자동으로 탐지하고 탐지된 폐색지역에 대한 복원은 우선적으로 중복된 영상을 사용하여 복원을 수행한 후, K-평균 군집화 알고리즘을 사용하여 대표 패턴을 찾아 폐색지역을 완벽하게 복원한다. 이 때, 중복된 영상의 동일한 지역을 자동으로 빠르게 탐지하기 위해 에피폴라 알고리즘을 사용한다.

• 한국측량학회지
• /
• 제28권1호
• /
• pp.83-92
• /
• 2010

고해상도 항공 디지털 사진기와 고밀도 3차원 데이터를 획득할 수 있는 항공 레이저 스캐너의 보급은 사진측량 및 공간정보 분야에 큰 발전을 가져왔다. 본 연구는 패치기반의 정사영상을 생생하여 폐색지역을 탐색하고 정사영상에서 발생하는 폐색지역을 복원하여 정밀정사영상을 생성하는 방법을 개발하는 것을 목적으로 한다. 정사영상에서 발생하는 폐색지역의 처리를 위하여 대상지역을 포함하고 있는 다중 영상들을 이용하여 상호 복원하는 방법을 개발하였다. 제시된 방법을 적용하면 폐색지역이 많이 발생하는 도심지역의 정밀정사영상을 효율적으로 생성할 수 있을 것으로 판단된다.

• 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
• /
• 제18권1호
• /
• pp.51-57
• /
• 2000

레이저 프로파일링 시스템의 등장으로, 기존에는 얻을 수 없었던 도시 지역에 대한 DTM이 취득 가능해졌고, 더욱 정확한 정사투영영상 또한 제작할 수 있게 되었다. 하지만, 높이변화를 보이는 자연지물과 인공구조물이 있는 지역에 대해 기존의 정사투영사진 제작기법이 적용될 때, 폐색이나 이중매핑과 같은 문제가 발생하여 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 정사투영영상을 제작할 수 있는 알고리즘을 제안하였다. 제안된 알고리즘에 의해 자연지물이나 인공구조물에 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.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2009년도 춘계학술대회 논문집
• /
• pp.13-17
• /
• 2009

고해상도 위성영상의 분류 기술은 최근 가장 활발히 연구되고 있는 분야 중 하나로 텍스쳐(texture), NDVI, PCA 영상 등 다양한 전처리 정보들을 추출하고 이를 멀티스펙트럴 밴드와 조합하여 분류 정확도를 높이는 기술을 개발하는 연구들이 주를 이루고 있다. 고해상도 위성영상에서 건물의 그림자와 옆벽면의 폐색 지역은 개체 추출 및 분류를 방해하는 주된 요인이 되며, 다양한 형태와 분광특성을 갖는 개개의 건물은 자동 분류 과정을 통해 제대로 식별되지 않는다는 한계를 갖는다. 이에 본 연구에서는 KOMPSAT-2 단영상으로부터 효율적으로 건물 정보 및 토지피복을 분류하기 위하여, 추출된 건물 정보를 바탕으로 건물의 그림자와 폐색지역을 보정한 후 비건물 지역에 대한 분류를 수행하여 분류 정확도를 높이고자 하였다. 우선 삼각벡터구조 기반의 반자동 인터페이스를 이용하여 건물의 3차원 모델 및 그림자 영역을 추출하고 이로부터 추출된 그림자 영역을 효과적으로 보정하기 위해 반복 선형회귀 연산을 이용한 그림자 보정을 수행한 후 inpainting 기법을 건물 폐색영역 복원에 적용하여 영상의 품질을 향상시켰다. 이러한 과정을 통해 도심 지역의 영상 분석에 있어 가장 큰 오차를 일으키는 인공물의 그림자와 폐색에 의한 오차를 최소화한 후 분류에 적용하여 이를 보정 전 영상을 이용한 분류 결과와 비교하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 춘계학술대회 논문집
• /
• pp.59-62
• /
• 2008

고해상도 위성영상의 관측시, 위성센서는 보통 지표면으로부터 어느정도의 기울기를 갖는 상태에서 촬영이 되기 때문에 영상 내에서 건물은 지표면에 누워있는 형태로 나타나게 된다. 때문에 건물의 옆벽면 및 지붕에 의해 지표의 일부가 가려지게 되는데 이를 건물에 의한 폐색영역이라 한다. 이러한 폐색영역은 건물의 기복오차가 제거된 정사영상에서는 검게 비어있는 상태로 남게 되며 시각적으로나 영상판독시 불편을 초래하여 위성영상을 베이스 맵으로 사용하기 어렵게 하는 요인이 된다. 이러한 폐색영역을 보정하기 위해서는 일반적으로 동일 영역에 대한 두 장 이상의 영상을 이용하여 폐색 지역을 채워넣는 작업을 수행하나, 이 방법은 위성영상 구입 및 처리 비용에 대한 부담이 커 실제로 자주 사용되지 못 한다. 본 연구에서는 고해상도 위성 단영상의 건물에 의한 폐색영역에, 주변 화소값들의 분광 및 기하학적 특성을 이용하여 복원하는 기술인 inpainting 기법을 적용하여 그 보정 결과를 평가하고 활용 가능성을 검증해보고자 한다.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2003년도 추계학술발표회 논문집
• /
• pp.237-242
• /
• 2003

During the past, digital orthophoto is generated for rural area or low resolution image, because the accurate extraction of DEM is difficult for urban area. But, nowadays, high resolution DEM by ALS system starts to become available for urban area, so the importance of large scale digital orthophoto generation becomes increasing. In this paper, we propose and describe effective algorithm for detecting occlusion area and not only restoring occlusion area but also processing null pixels by occlusion area for minimizing the heterogeneity of digital orthophoto. With proposed algorithm, we detected occlusion area due to height of structures such as buildings, bridges, etc, and restored occlusion area using reference image. Also, The homogeneity of generated digital orthophoto was improved by using brightness correction.

• 한국측량학회지
• /
• 제40권3호
• /
• pp.177-185
• /
• 2022

본 연구에서는 딥러닝을 통해 고해상도 광학 위성영상에 동종센서로 촬영한 영상을 참조하여 폐색 영역을 복원하는 방법을 제안하였다. 패치 단위로 분할된 영상에서 원본 영상의 화소 분포를 최대한 유지하며 폐색 영역을 모의한 영상과 주변 영상의 자연스러운 연속성을 위해 ConvNeXt 블록을 적용한 CycleGAN (Cycle Generative Adversarial Network) 방법을 사용하여 실험을 진행하였고 이를 3개의 실험지역에 대해 분석하였다. 또한, 학습패치 크기를 512*512화소로 하는 경우와 2배 확장한 1024*1024화소 크기의 적용 결과도 비교하였다. 서로 특징이 다른 3개의 지역에 대하여 실험한 결과, ConvNeXt CycleGAN 방법론이 기존의 CycleGAN을 적용한 영상, Histogram matching 영상과 비교하여 개선된 R² 값을 보여줌을 확인하였다. 학습에 사용되는 패치 크기별 실험의 경우 1024*1024화소의 패치를 사용한 결과, 약 0.98의 R²값이 산출되었으며 영상밴드별 화소 분포를 비교한 결과에서도 큰 패치 크기로 학습한 모의 결과가 원본 영상과 더 유사한 히스토그램 분포를 나타내었다. 이를 통해, 기존의 CycleGAN을 적용한 영상 및 Histogram matching 영상보다 발전된 ConvNeXt CycleGAN을 사용할 때 원본영상과 유사한 모의 결과를 도출할 수 있었고, 성공적인 모의를 수행할 수 있음을 확인하였다.

• 한국측량학회지
• /
• 제38권6호
• /
• pp.655-661
• /
• 2020

SGM (Semi Global Matching)은 입체영상 간 모든점의 매칭점을 찾기 때문에 고해상도 위성영상으로부터 고밀도 수치표면모델 제작이 가능하다. 그러나 물과 그림자, 폐색 지역이 포함되면 그 주변지점에도 오매칭의 영향을 준다. 특히 우리나라 아파트 구조물과 같이 시차가 크고 길쭉한 형태의 건물에서는 50cm급 고해상도 위성영상에 SGM 방법을 적용하더라도 건물의 3차원 복원은 어렵다. 따라서 본 연구는 1m급 해상도의 IKONOS-2 입체 위성 영상으로부터 분류영상과 에지영상을 이용한 SGM 기법을 제안, 적용하여 수치표면모델을 제작하고 일반 SGM 방법, ERDAS 소프트웨어의 고밀도 ABM (Area Based Matching) 매칭으로 제작한 수치표면모델과 비교하였다. 실험 대상지역에는 제안방법의 아파트 수치표면모델 결과가 가장 우수하였다. 결과적으로, 해상도가 1m 임에도 불구하고 제안방법을 이용하여 건물 수치표면모델의 윤곽선을 기존 방법에 비해 더욱 더 선명하게 표현할 수 있었다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.363-373
• /
• 2020

정사영상 생성을 위한 많은 연구들이 진행되어 왔다. 기존의 방법은 정사영상을 제작할 경우, 폐색지역을 탐지하고 복원하기 위해 항공영상의 외부표정요소와 정밀 3D 객체 모델링 데이터가 필요하며, 일련의 복잡한 과정을 자동화하는 것은 어렵다. 본 논문에서는 기존의 방법에서 탈피하여 딥러닝(DL)을 이용하여 엄밀정사영상을 제작하는 새로운 방법을 제안하였다. 딥러닝은 여러 분야에서 더욱 급속하게 활용되고 있으며, 최근 생성적 적대 신경망(GAN)은 영상처리 및 컴퓨터비전 분야에서 많은 관심의 대상이다. GAN을 구성하는 생성망은 실제 영상과 유사한 결과가 생성되도록 학습을 수행하고, 판별망은 생성망의 결과가 실제 영상으로 판단될 때까지 반복적으로 수행한다. 본 논문에서 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 라이다 반사강도 데이터와 적외선 정사영상을 GAN기반의 Pix2Pix 모델 학습에 사용하여 엄밀정사영상을 생성하는 두 가지 방법을 제안하였다. 첫 번째 방법은 라이다 반사강도영상을 입력하고 고해상도의 정사영상을 목적영상으로 사용하여 학습하는 방식이고, 두 번째 방법에서도 입력영상은 첫 번째 방법과 같이 라이다 반사강도영상이지만 목적영상은 라이다 점군집 데이터에 칼라를 지정한 저해상도의 영상을 이용하여 재귀적으로 학습하여 점진적으로 화질을 개선하는 방법이다. 두 가지 방법으로 생성된 정사영상을 FID(Fréchet Inception Distance)를 이용하여 정량적 수치로 비교하면 큰 차이는 없었지만, 입력영상과 목적영상의 품질이 유사할수록, 학습 수행 시 epoch를 증가시키면 우수한 결과를 얻을 수 있었다. 본 논문은 딥러닝으로 엄밀정사영상 생성 가능성을 확인하기 위한 초기단계의 실험적 연구로서 향후 보완 및 개선할 사항을 파악할 수 있었다.