The Korean Society For Geospatial Information Science

지리공간 웹 서버 구축 단계는 본 논문에서 제안하는 기법의 사전 준비 단계로써, 지리공간 웹 서버을 구축하고, 기준자료 등록을 수행하는 단계이다.

우선, 기준자료란 기준영상과 고도자료로 구분된다. 기준영상이란 기존에 정밀 지리보정된 고해상도 정사영상으로써 기준점의 지리좌표를 제공하는 역할을 한다. 고도자료는 지표면을 3차원으로 수치 모델링한 자료로써 지형의 표고 값을 표현한 자료이다.

이러한 기준자료를 저장, 관리, 제공하기 위한 방법으로 본 논문에서는 지리공간 웹 서버를 사용하였다. 지리공간 웹 서버란 다양한 지리공간 정보에 대하여 웹을 통한 자유로운 검색, 접근, 이용이 가능하도록 클라이언트에게 서비스를 제공하는 서버를 말한다.(Chang et al., 2007) 본 논문에서는 지리공간 웹 서버로 Geoserver를 활용하였다. Geoserver는 지리공간 데이터를 편집하고 공유할 수 있는 JAVA 기반 오픈 소스 GIS 소프트웨어이다.(Open Source Project, 2009) Geoserver는 OGC(Open Geospatial Consortium)표준인 웹맵서비스(Web Map Service, WMS)와 웹커버리지서비스(Web Coverage Service, WCS)를 통하여 다양한 지리공간 데이터를 클라이언트에게 제공한다. WMS란 서버가 보유한 지형공간정보에 대해 클라이언트의 요청에 따라 동적으로 맵을 생성하여 클라이언트에게 제공하는 서비스를 말하고, WCS는 서버가 보유한 지형공간정보(지형고도자료, 지리 보정된 영상 등)를 클라이언트가 활용하고 도시하기 유용한 형태로 클라이언트에게 제공하는 서비스를 말한다.(Open Geospatial Consortium, 2006; Open Geospatial Consortium, 2008) OGC는 WMS와 WCS 인터페이스에 대해 국제 표준을 제시하고, 우리나라 한국정보통신기술협회의 정보통신 표준 위원회에서는 국제표준을 수용한 국내 표준을 제정하였다.(Telecommunications Technology Association, 2009)

본 논문에서 제안하는 기법은 지리공간 웹 서버의 WMS와 WCS를 활용하여 기준자료를 획득한다. 이러한 처리는 기준점 정합을 위해서 사용자가 작은 크기의 기준점 영상패치를 일일이 수작업으로 생성하는 작업을 자동화하여 사용자의 편의성과 효율성을 증대시킨다. 또한 사용자가 기준영상과 고도자료를 직접 구축하고 관리하지 않아도 기 구축된 가용한 지리공간 웹 서버의 주소만 알면, 제안하는 기법은 기준영상을 원하는 크기와 해상도로 자동으로 가져올 수 있고, 원하는 지역의 고도자료를 자동으로 가져올 수 있다. 이를 통하여 본 논문에서 제안하는 기법은 특정 기준자료 서버에 종속적이지 않고 높은 확장성을 가진다.

기준영상 추출 단계에서는 WMS와 WCS를 통하여 지리공간 웹 서버에 기준영상과 고도자료를 요청하여 자동으로 획득한다.

기준영상 추출 단계에서는 Geoserver에게 Fig. 4(a)와 같이 HTTP URL(Uniform Resource Locator)을 통하여 기준영상을 요청한다. URL은 서버 주소와 요청 자료의 속성키와 값 쌍(Key Value Pair)으로 구성되어 있다.(Open Goespatial Consortium, 2006) 기준자료 추출 단계에서는 URL을 통하여 대상영상과 동일영역, 동일크기로 기준영상을 Geoserver에 요청한다. 요청을 받은 Geoserver는 기준영상을 대상영상과 동일한 해상도를 가지도록 맵을 생성하고 요청 받은 포맷으로 전달한다. 기준자료 추출단계에서는 대상영상의 영역에 대해 Fig. 5(a)와 같이 HTTP URL을 통하여 고도자료를 Geoserver에 요청하여 획득한다.

영상 정합 단계는 영상 밝기 조정과 영상 정합으로 구성된다. 영상 정합의 첫 단계에서는 대상영상과 기준영상의 밝기를 조정한다. 영상간 특징점 기반 정합을 할 때, 대상영상과 기준영상간의 밝기 차이가 심하면 정합 정확도가 떨어진다는 연구결과가 발표되었으며(Juan and Gwun, 2009)(Fig. 2 참고), 이를 해결하기 위하여 영상 정합 단계에서는 대상영상과 기준영상에 히스토그램 스트레칭을 적용하여 두 영상의 전체적인 밝기를 조정한다.

Figure 2. 
Matching results before/after applying the histogram stretching

그 다음 단계로 두 영상간 정합을 수행한다. 본 논문에서 제안하는 기법이 적용되는 영상은 위성영상으로 대상영상과 기준영상의 촬영센서, 촬영일시, 촬영고도, 촬영각, 영상 해상도가 각기 다르다. 이러한 영상 간 동일점(정합점)을 찾기 위해서는 크기, 회전, 시점 등의 변화에도 강건하게 동일점을 찾는 정합 알고리즘이 필요하다. 이러한 조건일 때 기존 연구에서는 특징점 기반 알고리즘인 SIFT알고리즘 혹은 SURF 알고리즘을 적용하였다.(Guo et al., 2010; Yi et al., 2008) 두 알고리즘을 비교했을 때 SURF 알고리즘이 적분영상 사용, 단순 간결한 검출자와 서술자의 사용으로 연산처리 속도가 빠른 장점이 있다. 따라서 본 연구에서는 영상 정합을 위하여 SURF 알고리즘을 적용하였다.

영상 정합 단계에서는 영상 정합 수행 결과로 두 영상간 정합점에 대해서 대상영상의 영상좌표, 기준영상의 지리좌표(위경도), 고도자료의 고도값을 하나의 세트로 후보 기준점을 산출한다.

영상 정합 단계에서 추출된 후보 기준점들 중에는 Fig. 3과 같이 오정합점들이 있다. 오정합점을 거르고 정 정합점을 선택하기 위해 본 연구에서는 기준점 추출 단계에 RANSAC 기법을 적용하였다. RANSAC은 측정 노이즈가 심한 원본 데이터로부터 모델 파라미터를 예측하는 방법이다.(Fischler and Bolles, 1981) RANSAC은 전체 원본 데이터 중에서 모델 파라미터를 결정하는데 필요한 최소의 데이터를 임의로 샘플링 하면서 반복적으로 해를 계산하여 가장 많은 데이터의 지지를 받는 최적의 해를 찾는다.

Figure 3. 
An example of a incorrect matching point

기준점 추출 단계는 기준점 추출을 위해 RANSAC 기법을 적용하여 다음과 같은 순서로 동작한다.

1) 영상의 보조 자료를 활용하여 대상영상을 기하 보정할 수 있는 센서 모델을 세운다.

2) 전체 후보 기준점들 중 임의로 정해진 수의 기준점을 샘플링한다.

3) 샘플링된 기준점을 센서 모델에 대입하여 모델 파라미터를 추정한다.

4) 추정된 모델에 전체 기준점의 영상좌표를 대입한다.

5) 추정된 모델로부터 산출된 지리좌표와 기준점의 지리좌표간 차이를 구한다.

6) 차이 값이 일정 임계치 보다 크면 정합 오류점으로 판단하고, 임계치 값 보다 작으면 정 정합점으로 판단한다.

7) 2에서 6 단계를 반복적으로 수행하여 정 정합점의 수가 가장 많은 모델 파라미터를 구하고, 그에 해당하는 정 정합점들을 산출한다.

8) 7 단계에서 산출된 정 정합점들을 최종 기준점으로 산출한다.

위 과정을 수행하기 위해서는 샘플링 데이터의 수, 정 정합점과 정합 오류 점을 판단하는 임계치, 반복 횟수를 설정해야 한다. 기준점 추출 단계에서는 샘플링 데이터의 수를 7개로 설정하였고, 임계치 값은 모델로부터 1화소 이상 차이 나지 않도록 대상영상의 공간해상도로 설정하였다. 반복 횟수는 아래의 식에 따라 설정하였다.(Fischler and Bolles, 1981)

Eq. (1)에서 p는 전체 기준점 중에 정 정합점이 있을 확률이고, n는 샘플링 데이터의 수이고, α는 적어도 한번은 정 정합점만 샘플 데이터로 뽑힐 확률이다. 기준점 추출 단계에서는 p는 20%로, d는 7로, α는 90%로 설정하였다. Eq. (1)을 통하여 반복 횟수는 18만번으로 설정하였다.

위의 모든 과정을 거쳐 기준점 추출 단계에서는 최종 기준점을 추출한다.

본 논문에서는 실험을 위하여 기준영상으로 CIB (Controlled Image Base)-1 영상을 활용하였고, 우리나라 전역에 대한 1m 해상도의 CIB-1 영상을 Geoserver에 등록하여 기준영상 데이터베이스를 구축하였다.

CIB-1 영상은 군사 표준으로 제작된 정사보정된 흑백영상으로써 다양한 무기체계를 지원하기 위하여 제작되었다.(Military specification, 1995) CIB-1 영상의 특징은 1m 공간 해상도를 가진 디지털영상으로 정사영상이고, 수평 기준계로 WGS 84를 적용하였고, 밝기가 보정되어 있고, RPF(Raster Product Format) 포맷으로 되어 있으며, 우리 군에서 지형정보의 기반 자료로 사용되고 있다.

기준자료 획득 단계에서는 기준영상을 Fig. 4(a)과 같이 HTTP URL로 요청하고 Fig. 4(b)와 같은 기준영상을 획득한다.

본 논문에서는 실험을 위하여 수치 표고 자료로써 DTED(Digital Terrain Elevation data) 레벨 2를 활용하였고, 우리나라 전역에 대한 DTED 자료를 Geoserver에 등록하여 기준고도자료를 구축하였다.

DTED는 군사적 활용의 지원을 위해 미국의 지리공간정보국(National Geospatial intelligence Agency, NGA)이 개발하였으며, 일정 격자간격의 표면 고도 정보를 포함하고 있다. DTED 레벨 2의 격자간격은 1초(arcsec), 약 30m 공간해상도를 갖고 있으며, 수평 기준계로는 WGS 84를 적용되었고, 수직 기준계는 평균해수면(MSL)을 적용하였다. (Military specification, 2000)

기준자료 획득 단계에서는 고도자료를 Fig. 5(a)와 같이 WCS를 통하여 HTTP URL로 요청하고, Fig. 5(b)와 같은 고도자료를 획득한다.

Figure 4. 
WMS Request and Returned Iamge

Figure 5. 
WCS Request and Returned data

실험에 사용된 영상은 대전, 진주 지역을 촬영한 3장의 위성영상으로 각기 다른 촬영센서, 촬영일자, 해상도를 가진다. Table 1은 실험영상의 특성을 보여준다. 본 논문에서 제안하는 기법이 촬영일자 변화, 촬영센서 변화, 해상도 변화에도 일정한 결과를 산출하는지를 확인하기 위하여 실험영상을 촬영센서, 촬영일자, 해상도가 각기 다른 영상으로 선택하였다.

제안하는 기법의 평가를 위하여 본 실험에서는 실험영상마다 검사점을 기존 연구에서 차용 혹은 직접 추출하였다. 대상영상1의 검사점은 Sin(1993) 연구에서 사용된 검사점을 차용하였고, 대상영상2의 검사점은 Choi and Sin(2003) 연구에서 사용된 검사점을 차용하였다. 대상영상3의 검사점은 ArcGIS 소프트웨어를 이용하여 실험영상과 기준영상에서 화소 단위로 수동으로 직접 취득하였으며, 고도값은 DTED 레벨2 자료로 부터 취득된 지리좌표에 해당하는 지점의 값을 취득하였다.

제안하는 기법을 적용하여 대상영상1에 대해서는 32개의 기준점을, 대상영상2에 대해서는 32개 기준점을, 대상영상3에 대해서는 35개 기준점을 자동으로 산출하였다. 비교 평가를 위해 본 실험에서는 동일한 실험영상과 기준영상에서 수동으로 기준점을 추출하였다. 수동으로 추출하는 기준점의 영상좌표와 지리좌표는 ArcGIS 소프트웨어를 이용하여 실험영상과 기준영상에서 화소 단위로 직접 취득하였으며, 고도값은 취득된 지리좌표에 해당하는 지점의 값을 DTED 레벨2 자료로 부터 취득하였다.

본 실험에서는 자동 추출한 기준점을 사용하여 실험영상의 센서 모델링을 수행하고, 수동으로 추출된 기준점을 사용하여 실험영상의 센서 모델링을 수행하였다. 이 때 정확한 비교를 위하여 본 실험에서는 수동 추출된 기준점의 수와 동일하게 제안하는 기법으로 산출된 기준점들 중 10개점을 선택하여 사용하였다. 본 실험에서는 대상영상1은 35개 검사점을, 대상영상2는 36개 검사점을, 대상영상3은 22개 검사점을 사용하여 각기 다른 기준점으로 추정된 두 센서 모델(자동추출 기준점 사용 센서모델, 수동추출 기준점 사용 센서모델)의 정확도를 확인하였다.

실험 결과는 Table 2와 같다. 제안하는 기법에서 산출된 기준점을 사용하였을 때 대상영상1에 대한 정확도는 RMSE 4.96화소이고, 대상영상2에 대한 정확도는 RMSE 3.62화소이고, 대상영상3에 대한 정확도는 RMSE 3.46화소이다. 본 실험에서는 전반적으로 RMSE 5 화소 미만의 정확도를 보인다. 산출된 기준점을 확인한 결과, 이는 산출된 기준점이 Fig. 6과 같이 4화소 정도의 오차를 포함하고 있기 때문이다.

Figure 6. 
The position error of a control point

이러한 오차의 주요한 원인은 두 가지로 판단된다. 첫 번째 원인은 영상 정합시 사용되는 SURF 알고리즘의 영향 때문이다. SURF 알고리즘은 박스 필터를 적용하여 특징점을 식별한다. 이러한 방식은 대상영상과 같이 자연과 인공물이 동시에 촬영된 영상, 즉 경계가 모호하고 비슷한 화소의 연속으로 구성되어 있는 영상에서는 정확하게 동일점을 찾지 못하는 것으로 판단된다. 두 번째 원인은 1m 공간해상도인 기준영상을 대상영상의 해상도에 맞춰 재배열(resampling)하기 때문이다. 예를 들어 1m 공간해상도인 기준영상을 2.5m 공간해상도인 대상영상의 해상도에 맞추면, 가로 세로 2.5개의 화소들이 1화소로 표현된다. 이때 지리좌표도 수렴됨으로써 오차를 가지게 되는 것으로 판단된다.

자동으로 산출된 기준점을 사용하여 추정된 센서 모델의 정확도와 수동으로 추출된 기준점의 정확도를 비교 했을 때, 대상영상의 해상도가 향상됨에 따라 수동 추출한 기준점을 이용한 센서 모델의 정확도는 나빠지는 반면 자동 산출된 기준점을 이용한 센서 모델의 정확도는 점점 좋아지는 경향을 보인다. 특히 해상도가 1m인 대상영상의 경우에는 자동 산출된 기준점을 이용한 센서 모델의 정확도가 수동 추출한 기준점을 이용한 센서 모델의 정확도 보다 더 좋은 것을 확인하였다. 이는 대상영상의 해상도 향상에 따라 수동으로 기준점을 추출할 때는 측정 오차가 증가하기 때문이고, 이와 반대로 자동으로 기준점을 추출할 때는 기준영상의 재배열에 따른 오차가 줄어들기 때문으로 판단된다.

제안하는 기법은 실험에 사용된 영상의 촬영센서, 촬영 일자, 해상도 변화에도 5화소 미만의 일관된 정확도를 산출하였다. 또한, 본 실험에서는 제안하는 기법을 통해 자동으로 산출된 기준점이 수동으로 추출된 기준점과 비교했을 때 정확도 면에서 크게 떨어지지 않음을 확인하였고, 대상영상의 해상도가 좋아질수록 점진적으로 정확도가 향상되어 대상영상 해상도가 1m인 경우에 정확도면에서 차이나지 않음을 확인하였다.