도심지역에 대한 고해상도 다중센서 위성영상의 자동 기하보정

Abstract

최근에 다양한 고해상도 위성영상의 발사와 함께 이들에 대한 가용성이 높아짐에 따라 다중센서와 다시기 영상을 함께 이용하여 영상융합, 객체추출, 변화탐지 등의 공간정보 분야에 활용하기 위한 연구가 활발히 진행되고 있다. 이를 위해서는 다중센서 영상 간의 정밀한 기하보정이 선행되어야하지만, 변환모델 구성을 위한 정합쌍 추출과정은 대부분 수동으로 이루어져 많은 인력 및 시간비용을 소모하는 원인이 된다. 따라서 고해상도 다중센서 위성영상 간의 자동 정합쌍 추출을 위한 연구가 요구된다. 이에 본 연구에서는 도심지역을 대상으로 한 고해상도 다중센서 위성영상 간의 기하보정 과정을 자동화하고 정확도를 향상시키기 위한 방법론을 개발하고자 하였다. 현재 취득되고 있는 고해상도 위성 센서인 광학영상과 SAR 영상에 대해서, 고해상도 광학영상 간의 자동 기하보정과 고해상도 광학영상과 SAR 영상 간의 자동 기하보정으로 나누어서 각각에 대한 방법론을 제안하였다. 고해상도 광학영상 간 자동 기하보정을 위해서, SIFT 기법을 개선하여 영상 전역에 걸쳐서 고르게 분포된 정밀한 정합쌍을 추출하였다. 특징점의 지역적 특성을 이용하여 건물이나 산지, 그림자 지역과 같이 영상이 취득될 당시의 센서 자세나 위치, 촬영시간 등에 따라 위치차이를 보일 수 있는 지역에서 추출된 정합쌍을 효과적으로 제거하였고, 최종적으로 추출된 정합쌍으로 전역적/지역적 변환모델을 구성함으로써 기하보정 정확도를 향상시키고자 하였다. 고해상도 광학영상과 SAR 영상 간 자동 기하보정을 위해서, 강도기반과 특징기반 정합기법을 결합하여 특성이 다른 다중센서 영상 간 기하보정 정확도를 향상시키고자 하였다. 건물밀집지역과 같이 두 센서에서 기하적, 방사적 차이를 보이는 지역을 유사도 측정 대상지역에서 제외하였고, 공통된 선형화소를 이용하여 정밀 정합쌍을 추출하였다. 본 연구의 효용성을 검증하기 위하여, 대표적인 고해상도 광학영상인 QuickBird-2, IKONOS-2, KOMPSAT-2 영상과 고해상도 SAR 영상인 TerraSAR-X, Cosmo-SkyMed 영상을 이용하였다. 제안 알고리즘이 다양한 센서 및 실험지역 특성에서도 적용이 가능한지에 대한 검증과 함께, 객관적인 정확도 평가를 통해 제안 기법의 우수성을 정량적으로 판단하였다. 고해상도 광학영상 간의 기하보정 정확도 평가 결과 약 1.5m 이하의 RMSE를, 광학영상과 SAR 영상 간 기하보정 정확도 평가 결과 약 3m 이하의 RMSE를 도출하였다. 이는 본 연구에서 비교한 기존 기법에 비해 정확도가 향상된 결과이며, 도심지역을 대상으로 진행한 선행연구결과와 비교해도 신뢰할만한 수준의 정확도임을 확인하였다. 이를 통해, 제안 기법이 고해상도 다중센서 위성영상을 다양한 공간정보 분야에 활용하기 위한 효과적인 전처리 기술로 적용될 수 있을 것으로 사료된다.

An increasing number of studies and tasks is being performed using high-resolution commercial satellite sensors due to the high accessibility of such data. There are many applications related with remote sensing, such as image fusion, object extraction, change detection, etc. To incorporate satellite sensors in these applications, image registration is a fundamental preprocessing requirement. However, matching points, which are used for the construction of a transformation model, have usually been extracted manually, requiring considerable human resources, cost, and time. As a result, automatic image-to-image registration has received a great deal of attention. In this study, we develop an automatic image-to-image registration between high-resolution multisensor satellite data in urban areas. The research is categorized into two parts according to the available high-resolution satellite sensors: optical and SAR sensors. The first part is automatic registration between high-resolution optical images, and second is automatic registration between high-resolution optical and SAR images. As part of the registration between optical images, we extract the evenly distributed matching points using the SIFT method. The matching points extracted from shadow regions or from objects with height variations such as buildings or mountains are removed using orientation differences between the features extracted from each image. Then, the matching points are subjected to combined piecewise linear functions and affine transformation for precise registration. As part of the registration between optical and SAR images, we integrate intensity- and feature-based similarity measures. A region such as an area that is dense with buildings is eliminated from the similarity measurement targets because the region has a lot of geometric and radiometric differences between optical and SAR images. Linear features are used to extract precise matching points and construct the transformation model to increase the registration accuracy. Representative high-resolution optical images, IKONOS-2, QuickBird-2, and KOMPSAT-2, and SAR images, TerraSAR-X and Cosmo-SkyMed, were applied to the experiments to evaluate the proposed methods. Through the experiments, it was found that the proposed algorithm could be applied to a diversity of sensors and conditions, and showed outstanding results assessed by quantitative evaluation indexes. The registration accuracies between optical images, and between optical and SAR images, were RMSE of 1.5m, and RMSE of 3.0m, respectively, and all results showed increasing registration accuracy compared with the related results applied in urban areas. These results indicate that the proposed methods can be used as effective preprocessing for the application of high-resolution multisensor data to various spatial information fields.