항공라이다 데이터를 이용한 빌딩 탐지 기반의 항공사진 분류정확도 향상에 관한 연구

국문 초록 (Abstract)

광학 영상의 공간해상력이 고해상도로 발전하면서 영상의 시각적인 판독력은 향상되었지만, 토지피복 분류에 있어 높은 공간해상력으로 인한 단일 객체 내의 분광적인 이질성 문제와 다른 객체와의 유사 분광 특성 문제가 발생하였다. 특히, 도시 환경의 인공 요소 중 하나인 빌딩 객체의 경우, 복잡한 형태와 함께 다양한 분광 특성을 갖기 때문에 분광 정보뿐만 아니라 공간적인 특성을 반영하는 공간 객체 정보를 이용하더라도 단일 분류 항목으로 분류해내기에 한계가 있다. 따라서 본 연구에서는 3차원 위치 정보를 제공하는 항공라이다 데이터를 항공사진의 객체기반 분류에 활용함으로써 빌딩 객체의 다양한 분광 특성으로 인해 발생하는 문제점을 해결하고자 하였다.
본 연구의 제안 기법은 항공사진의 영상 분할, 항공라이다 데이터로부터의 DTM(Digital Terrain Model) 생성 및 빌딩 탐지, 두 데이터 간의 융합을 통한 객체기반 분류 단계로 나눌 수 있다. 본 연구에서는 객체기반 분류를 수행하기 위해 항공사진에 ADRLS(Adaptive Dynamic Range Linear Stretching) 영상 강조 기법을 적용하여 전처리를 수행하고, MSRG(Modified Seeded Region Growing) 분할 기법을 적용하여 영상 분할을 수행하였다. 분류 과정에서 활용되는 빌딩 정보를 추출하기 위해 MPF(Mean Planar Filter)기반 DTM 생성 기법을 새롭게 제안하였으며, 이진 감독분류와 면적기반 필터를 이용하는 빌딩 탐지 방법론을 새롭게 구성하였다. 또한, 항공사진상의 빌딩 영역을 정확하게 추출하기 위해 아웃풋 레벨 융합을 수행하는 중첩 기법을 새롭게 제안하였다. 융합 과정을 통해 추출된 빌딩 정보는 최종 객체기반 분류 과정에서 빌딩 항목으로 선분류되며, 빌딩외 영역은 항공사진의 분광 정보와 함께 nDSM(normalized Digital Surface Model)을 추가적인 밴드로 사용하여 객체기반 감독분류가 수행하였다.
제안 기법의 성능을 검증하기 위하여 본 연구에서는 충청남도 천안시 독립기념관 인근과 대전시의 4개 지역을 선정하여 제안 기법을 적용하고 시각적인 평가와 함께 정량적인 비교평가를 수행하였다. 그 결과 제안 기법은 빌딩과 포장의 오분류 문제, 빌딩 지붕의 그림자로 인한 오분류 문제들을 해결함으로써 비교평가 기법에 비해 향상된 분류정확도를 보였으며, 특히 빌딩과 포장 항목에 대한 오분류가 개선된 것을 확인할 수 있었다. 이를 통해 본 연구에서 제안하는 방법론이 고해상도 광학 영상을 이용한 도심지의 토지 피복 분류 시 분류정확도 향상에 효과적으로 활용될 수 있음을 확인하였다.

다국어 초록 (Multilingual Abstract)

The development of the spatial resolution of optimal images into high resolution has improved the visual interpretations of images at the expense of spectral heterogeneity in single objects and some issues raised on spectral features similar to other objects due to high resolution at the time of land cover classification. In particular, the complex shapes and diverse spectral features of building objects, which are one of artificial elements in urban environments, impose restrictions on classifying them into a single classification class, even if spatial object information representing not only spectral information but also spatial features are used. In this regard, this study aimed at addressing such issues that result from the diverse spectral features of building objects using airborne LiDAR data, which provides 3-dimensional location information, in order to perform the object-based classification of aerial images.

The technique proposed in this study can be broken down into the following steps: the image segmentation of aerial images, the creation of DTMs (digital terrain model) and building detection using airborne LiDAR data, and object-based classification by fusing the two types of data. In this study, preprocessing was performed by applying the ADRLS (adaptive dynamic range linear stretching) image enhancement algorithm to aerial images in order to carry out object-based classification; and image segmentation was performed using the MSRG (modified seeded region growing) segmentation technique. To extract building information used for classification processes, a new MPF-based (mean planar filter) DTM creation technique was suggested, along with the construction of a new building detection methodology based on area-based filters. In addition, an overlaying method that can be used for performing output level fusion was newly proposed so as to accurately extract building areas from aerial images. Building information extracted from the fusion process were pre-classified as building items over the course of the final object-based classification process, and object-based supervision classification was performed by using nDSMs (normalized digital surface model) and the spectrum information of aerial images for the areas (from which buildings were excluded) as additional bands.

In this study, to verify the performance of the proposed technique, the technique was applied to four target areas (in the vicinity of the Independence Memorial Hall in Cheonan, Chungcheongnam-do; four areas in Daejeon), and a quantitative comparison was performed along with visual assessment. As a result, the proposed technique showed classification accuracy superior to that of non-comparative assessment techniques by addressing erroneous classification issues resulted from erroneous classification of buildings and pavements, and shadows of building roofs; and by extension, it was confirmed that erroneous classification regarding buildings and pavement items were improved. Consequently, it was confirmed that the methodology suggested in this study could be used for enhancing classification accuracy in an effective fashion when classifying ground coverage in urban areas using high-resolution optic images.

목차 (Table of Contents)

• 1. 서 론 1
• 1.1. 연구배경 및 연구목적 1
• 1.2. 연구동향 4
• 1.2.1. 광학 영상의 분류 4
• 1.3. 연구의 범위 및 방법 8
• 2. 항공사진과 항공라이다 데이터를 이용한 분류정확도 향상 기법 10
• 2.1. 항공사진의 영상 분할 10
• 2.1.1. ADRLS 기법을 이용한 방사 강조 10
• 2.1.2. MSRG 기법을 이용한 영상 분할 20
• 2.2. DTM 생성 및 빌딩 탐지 24
• 2.2.1. DTM 생성 26
• 2.2.2. 빌딩 탐지 36
• 2.3. 아웃풋 레벨 융합을 통한 객체기반 분류 43
• 2.3.1. 중첩을 통한 빌딩 영역 추출 43
• 2.3.2. SVM을 이용한 빌딩외 영역의 객체기반 분류 45
• 3. 실험 데이터 및 비교평가 기법 47
• 3.1. 실험 데이터와 평가 척도 47
• 3.1.1. 실험 데이터 47
• 3.1.2. 실험지역 48
• 3.1.3. 정량적 평가 측정치 50
• 3.2. 비교평가를 위한 기법 53
• 3.2.1. Max-Min을 이용한 아웃풋 레벨 융합기반 분류 기법 54
• 3.2.2. SSI와 nDSM을 이용한 객체기반 분류 기법 55
• 4. 적용 및 평가 56
• 4.1. 항공사진의 영상 분할 56
• 4.2. DTM 생성 및 빌딩 탐지 62
• 4.3. 아웃풋 레벨 융합을 통한 객체기반 분류 69
• 5. 결론 91
• 참고문헌 93
• 부 록 105