1. 서 론

RapidEye위성은 BlackBridge(구 RapidEye)사에서 2008년 8월 29일 발사한 위성군(群)으로서 Fig. 1과 같이 약 630km 고도에 위치한 총 5개의 동일한 위성으로 구성되어 있다. 기존 지구관측위성과는 달리 5개의 위성을 이용하여 지구를 관측하기 때문에 위성 자세를 바꾸는 경우, 매일 동일한 지역에 대한 영상을 획득하고 모니터링 할 수 있다는 것이 큰 장점이다. 또한 77km에 이르는 큰 폭으로 획득되기 때문에, 앞서 언급한 높은 시간 해상도(temporal resolution)와 더불어 넓은 대상지에 대한 빠르고 신속한 데이터 획득이 가능하다. 또한, Table 1에서 제시된 스펙과 같이 통상적으로 위성영상에서 제공하는 4개의 멀티스펙트럴 밴드인 Blue, Green, Red, Near-infrared 외에 Red Edge 밴드가 추가되어 있어 산림 모니터링, 농작물 모니터링 등에 효과적으로 활용 할 수 있다.

Fig. 1.RapidEye constellation of 5 satellites in one orbital plane (image credit: BlackBridge)

Table 1.RapidEye specification

RapidEye 영상 제품은 기본적으로 Basic 1B와 Ortho 3A 두 가지로 제공된다. 1B의 경우 Basic 제품으로서, 방사보정과 센서보정이 적용되고 위성 궤도 정보가 데이터에 포함된다. 즉, RPCs(Rational Polynomial Coefficients)가 같이 제공된다. 3A의 경우 Ortho 제품으로서 기하보정 및 DTED level 1 SRTM DEM을 사용하여 정사보정된다. 가격의 경우 3A데이터가 1B에 비해 약간 비싸다. RapidEye 영상의 위치 정확 도는 후처리 없이는 수평 RMSE 250m (~530m CE95)의 정확도를 보이지만(Ahlriches, 2009), 1B의 경우 Landsat 영상에서 추출된 지상기준점을 활용했을 때 44.9m(CE90), 3A의 경우 Landsat 기반 지상기준점과 SRTM DEM을 활용하면 약 30.3m(CE90)의 정확도를 확보할 수 있다고 BlackBridge사의 스펙에서 제시하고 있다(BlackBridge, 2013). 즉, RapidEye 제품은 일반적으로 기 구축되어 있는 Landsat 영상을 활용하여 위치가 보정되어 제공되고 있으며, 이로 인해 지역마다 큰 차이의 위치정확도를 보여준다(Bresnahan and Kohlbrenner, 2010).

국내의 경우 수치지도 등 Landsat 데이터보다 정확한 여러 참조 데이터가 많이 구축되어 있으므로, 이를 이용하여 RapidEye의 위치 정확도를 보다 향상시킬 수 있다. 그러나 참조 데이터에서 기준점 추출, 영상에서 해당 지점 검색 등 수작업에 의한 정확도 향상은 시간 및 비용이 소요되는 단점이 있다.

따라서 본 연구에서는 국내에서 구축되어 있는 1:25,000 수치지도를 기반으로 자동화된 방법으로 RapidEye 1B 영상의 좌표등록 정확도를 향상시키기 위한 연구를 수행하였다. 1:25,000 수치지도와 RapidEye영상 간의 자동 매칭을 수행하기 위해 레이어 선정, 에지 매칭 등의 방법을 제시하고 실험을 통해 결과를 검증하였다.

본 논문의 구성은 아래와 같다. 2장에서는 방법론을 제시 하였다. 수치지도 레이어 선정 및 전처리 뿐 아니라 매칭을 위한 전처리 및 에지 매칭 기법에 대한 내용을 설명하였고, 3장에서는 실제 RapidEye 1B데이터와 1:25,000 수치지도를 이용한 실험 단계별 결과 및 최종 결과를 제시하였다. 마지막 4장에는 결론을 제시하였다.

2. 방법론

2.1 수치지도 레이어 선정 및 전처리

1:25,000 수치지도는 수많은 레이어로 이루어져있으나 이들 모두가 위성영상에 유사한 형태로 나타나지는 않는다. 수치지도에는 존재하나 위성영상에서는 식별이 힘든 레이어 예로 행정경계, 개발제한구역, 주기, 그리고 등고선 등이 있다. 따라서 본 연구에서 제시하는 레이어 선정 첫 째 기준으로 위성영상과의 매칭 작업을 위해서는 위성영상에 의미 있는 형태로 나타날 수 있는 레이어 만을 선택한다. 따라서 위성영상에서 에지 형태로 잘 나타날 수 있는 선의 형태를 갖는 도로경계, 도로 중심선, 인도, 횡단보도, 철도, 제방, 그리고 경지계 등의 레이어를 선정하여 활용한다. 그러나 영상에서 잘 나타나는 지형이라도 하천 경계와 같이 시간에 따라 위치가 변화하는 등 기하학적 정보가 달라질 수 있는 지형지물은 제외시켜야 한다.

레이어 선정 두 번째 기준으로 높이값이 알려져 있거나 예측할 수 있는 지형지물이어야 한다. 왜냐하면 높이값이 존재해야 지상기준점으로서의 역할을 수행할 수 있기 때문이다. 앞서 언급한 도로 레이어 등은 주변의 등고선, 표고점 등의 높이값을 이용하여 높이를 예측할 수 있다. 그러나, 1:25,000내의 건물 레이어의 경우, 에지 정보는 영상에서도 나타날 수 있으나 건물 높이가 누락되어 있는 경우가 많으므로 해당 레이어는 사용하지 못한다.

따라서 본 기준에 따라 RapidEye와의 매칭에 활용할 수 있는 레이어를 세분류 코드 레벨로 아래 Table. 2와 같이 정리하였다.

Table 2.1:25,000 layer code

앞서 언급한 것과 같이 수치지도에서 선정한 레이어의 경우 높이 정보가 누락된 경우가 많다. 따라서 주변에 위치한 등고선과 표고점을 이용하여 해당 지형지물의 표고 정보를 보간하여 생성한다. 이를 위해 등고선과 표고점을 이용하여 DEM을 생성하고 해당위치의 선정된 지형지물에 높이값을 입력하는 형태로 처리할 수 있다.

2.2 RPCs기반 영상 투영 및 수치지도 영상 생성

본 과정에서는 전처리되어 생성된 수치지도 레이어를 RapidEye영상과의 매칭을 위해 RapidEye 영상 공간으로 투영하고, 수치지도를 RapidEye 영상과 동일한 축척을 갖는 영상의 형태로 변환한다. 이를 통해 수치지도와 RapidEye 영상의 축척이 동일해지는 효과 뿐 아니라, 수치지도의 방향(orientation)이 RapidEye 영상과 동일하게 변환된다.

투영을 위해서는 RapidEye 1B와 함께 제공되는 RPCs 데이터를 사용한다. 투영식은 Eq. (1)의 RFM(Rational Function Model)식과 같다.

Where X, Y : the normalized image coordinates, U, V, W : the normalized ground point coordinages, ϕ, λ, h: the geodetic latitude, longitude and ellipsoidal height of ground point, l,s : the image line (row) and sample (colunm) coordinates, ϕ0, λ0, h0, S0, L0 : the offset factors for the latitude, longitude, height, sample and line ϕS, λS, hS, SS, LS : the scale factors for the latitude, longitude, height, sample and line.

즉 사용자가 자표 등록하고자 하는 RapidEye 위성영상과 RPCs를 입력하면, 선정된 수치지도 레이더의 각 노드 3차원 좌표값은 Eq, (1)에 따라 위성영상 공간으로 투영된다. 그러나 투영된 위치는 RPCs에 내포된 오차로 인해 영상의 정확한 위치가 아닌 오차량 만큼 벗어난 곳에 맺히게 된다. 따라서 영상과의 자동 매칭 과정을 통해 정확한 영상 위치를 찾아야만, RPCs의 오차를 보정할 수 있게 된다.(Oh et al., 2012)

2.3 매칭

앞서 생성된 수치지도 영상은 분광 데이터가 아니기 때문에 일반적인 상관계수 매칭이나 SIFT 매칭 등 포인트 피쳐 기반의 매칭 기법은 활용할 수가 없다. 따라서 본 연구에서는 수치지도 영상과 RapidEye 영상 에지간의 상관도를 기반으로 매칭을 수행할 수 있도록 Eq. (2)와 같은 RECC(Relative Edge Cross Correlation)를 활용하였다(Oh et al., 2012; Lee and Oh, 2014). RECC 매칭 과정은 상관계수 매칭과 동일하나, RECC 매칭의 성공여부를 판단하기 위해서는 Eq. (3)에 제시된 CV4를 이용한다. 매칭 검색 영역 내의 상위 4개의 RECC값을 보이는 위치를 각각 도출하고, 최대값을 보인 위치와의 거리를 계산하여 평균한 것이 CV4이다. 따라서 CV4의 단위는 픽셀이며, 1픽셀보다 큰 값을 갖는다. CV4가 2,3픽셀과 같이 작은 값을 가질수록 최대 RECC 값을 보이는 위치가 성공적인 매칭 위치일 확률이 높다.

where RECC : relative edge cross correlation, L: an edge image of the projected map, R : an edge image of a subarray of the satellite image Lij, Rij : the digital numbers associated with image L and image R, respectively, at line i and sample i (this digital number is one of if it on the edge otherwise it is zero).

where CV4 : the concentration value based on the maximun to fourth largest RECC values, (rmax, cmax), (ri, ci) : the image coordinates of the positions of the maximum RECC and i-th largest RECC values, respectively.

2.4 RPCs 보정

RapidEye영상과 수치지도 영상과의 매칭이 모두 완료되면, 영상 전반에 걸쳐 RPCs의 영상 오차를 파악해낼 수 있으며, 이를 모델링하고 보정하기 위해 Eq. (4)과 같은 선형 변환식을 사용한다. Eq. (4)에서 RPCs의 오차를 편위량(shift)만 고려하여 보정하는 경우에는 A0,B0, 두개만 사용하며, affine 변환식을 활용할 경우에는 A0,A1,A2와 B0, B1, B2의 6개의 파라미터를 활용한다.(Fraser and Hanley, 2005).

where A0,A1,A2,B0, B1, B2 coefficients of the affine model for shift, drift and systematic errors, l,s : the computed image coordinates of a point (sample and line), l', s' : the correct coordinates of the point.

3. 실 험

자동 좌표 등록 실험은 RapidEye 1B 영상에 대해 수행되었다. 실험에 사용된 영상은 2013년 8월에 약 16초에 걸쳐 촬영 되었으며, 낙동강을 따라 구미에서 김해까지를 포함하고, 대구, 경산, 영천, 밀양 및 창원시 등을 모두 포함하고 있는 넓은 범위의 영상이다. 대상지역의 표고의 범위는 약 0~1,200m이다. 실험 영상 데이터의 제원은 Table 3과 같으며, 5개의 밴드중 4번째인 Red edge 밴드의 영상을 Fig. 2(a)에 나타내었다. 영상은 방사보정만 수행되고 기하보정이나 대기보정 등은 수행되지 않은 Basic 데이터이다. 구름량은 영상 전반에 걸처 2%가량 포함되어 있다.

Table 3.Specification of tested RapidEye 1B data

RapidEye 위치 정확도 향상을 위한 참조 데이터로서 1:25,000 수치지도가 활용되었으며 Fig. 2(b)와 같이 총 70장의 수치지도가 영상 전체를 커버하였다.

Fig. 2.RapidEye Level 1B (red edge) and 1:25,000 digital maps

3.1 수치지도 전처리 및 영상 투영

본 연구에서는 1:25,000 수치지도 70여장을 선택하여 처리하였다. 참고로 만약 동일지역에 대해 1:5,000을 사용할 경우25배인 총 1,750장의 영상이 소요되며 대용량으로 인해 데이터 처리의 효율성이 낮아질 것으로 판단된다.

첫번째, 수치지도 레이어 중 등고선 레이어 및 표고점만을 별도로 추출하여 30m 격자간격의 DEM(Digital Elevation Model)을 생성하였다 (Fig. 3). 이 때 수치지도의 표고값은 정표고 값이므로, 대상지역의 지오이드고를 더하여 타원체고로 변환하여 사용하였다.

Fig. 3.30m interval DEM generated from the contours in 1:25,000 digital maps

두번째, 방법론에서 설명한 것과 같이 수치지도와 RapidEye영상과의 매칭을 위해 1:25,000 수치지도 레이어 중 1110~1117, 3110~3122, 3140~3147, 3210~3218, 3324~3325, 5110~5115 등을 추출하였다. 1:25,000 수치지도의 해당 레이어에는 표고값이 누락되어 있으므로, 앞서 추출된 DEM으로부터 노드의 표고값을 추출하여 높이값을 부여하였다. 추출된 DEM의 높이값은 지표의 높이값이므로 건물 등의 레 이어를 매칭에 활용하게 될 경우 실제 높이값의 차이로 인해 위성영상으로 투영 시 표고값 차이에 의한 오차가 발생하게 된다. 따라서 앞서 수치지도 레이어 선택 시 건물 레이어는 제외시켰다.

마지막으로, 높이값이 부여된 수치지도 레이어를 RPCs를 이용하여 영상 공간으로 투영하고 래스터화를 수행한다. 이를 통해, RapidEye 영상과 동일한 크기와 해상도를 갖는 수치지도 영상이 제작되었다. 제작된 영상은 수치지도 벡터가 존재하는 공간은 ‘1’, 아닌 공간은 ‘0’의 값을 갖는 이진(logical) 영상이다. Fig. 4는 투영되어 제작된 수치지도 영상의 일부를 보여주고 있으며, 하얀색은 수치지도 벡터가 존재 하는 지역을 나타낸다.

Fig. 4.A part of the projected and rasterized map layers (logical image)

3.2 매칭

앞서 생성한 수치지도 영상은 원 RPCs의 오차레벨에 따라 RapidEye 영상과의 위치 차이를 보이게 되며, 영상전역에 대해 실제 영상 위치를 찾아내면 곧 RPCs의 오차를 모델링 할 수 있게 된다. 따라서 본 장에서 영상 전역에 걸친 자동 영상 매칭을 통해 실제 위치를 탐색하였다. 이 때, RapidEye영상과 투영된 수치지도간의 영상 매칭을 위해 방법론에서 설명한 RECC 에지 매칭을 사용하였다.

RECC 에지 매칭을 위해 500x500 픽셀의 매칭 윈도우 크기로 설정하고, 매칭 윈도우 사이의 간격은 1,000 픽셀로 설정하였다(Oh et al., 2012). 따라서 16,755행과 11,777열 크기의 영상에서 총 176개(행방향 16개x 열방향 11개, Fig. 6참고)의 매칭윈도우 영역에 대해 매칭을 시도할 수 있게 되었다. 여기서 매칭이란 투영된 수치지도 영상에서 해당 매칭 윈도우 영역만큼의 영상을 잘라내고, 이를 RapidEye영상에서 설정된 탐색 영역에서 매칭을 통해 실제 위치를 찾아내는 과정이다. 이 때, 탐색 영역은 매칭 윈도우 크기보다 상, 하, 좌, 우 각각 50픽셀씩 여유를 주어 설정하였다. 실제로는 1B데이터가 Landsat 영상에서 추출한 기준점을 바탕으로 처리가 되기 때문에 탐색영역을 보다 적은 폭으로 설정해도 괜찮으나, 본 연구에서는 이러한 처리가 안 된 상황을 고려하여 즉, 200m 이상의 오차가 있을 수도 있는 상황을 가정하여 이와 같이 크게 설정하였다. 따라서 탐색 영역의 크기는 600x600 픽셀로 설정되었다.

또한 RECC 매칭 기법 성공판단을 위한 CV4지수로 2픽셀을 설정하였다. 즉, 2픽셀 미만으로 RECC 최대값의 밀집도를 보이는 경우에만 매칭이 성공한 것으로 간주하였다. Fig. 5는 RECC 매칭 결과 예 3가지를 보여주는 그림으로서, 좌측은 투영되어 생성된 수치지도 영상이고, 우측은 RapidEye 적외선 밴드 영상이다. 우측영상에서의 하얀색 박스가 좌측영상 전체 영역에 해당하며, 중간의 ‘x’표시가 매칭된 영상 좌표로 활용될 부분이다. 첫 번째 그림은 농경지역에 대한 매칭결과이며, 두 번째는 시가지역이 많이 존재하는 지역에 대한 결과이고, 마지막 세 번째는 시골 도로 등지이며, 영상에 구름과 같이 장애물이 존재하는 지역에 대한 결과이다. 예에서 보다시피 서로 다른 이질적인 영상간의 매칭이 성공적으로 이루어짐을 알 수 있었다.

Fig. 5.RECC matching samples (left: projected digital maps, right: RapidEye band5)

Table. 4는 밴드별로 수행된 매칭 결과를 나타내고 있다. 각 밴드별로 176개의 매칭 윈도우를 시도하였을 때, 각 밴드별로 성공률의 차이를 보였으나 CV4지수 2픽셀 미만 기준으로는 밴드 1~4에서는 25~33개의 성공지역이 도출되었나, 적외선 밴드인 5에서는 138개의 성공지역이 도출되었다. 따라서 매칭 성공률은 밴드1~4에서는 약 14.2~18.8%, 밴드 5에서는 78.4%로 계산되었다. 밴드별 분광 특성의 차이로 인해 다른 매칭 성공률이 도출된 것으로 보이며, 특히 적외선 밴드인 Band5에서 월등히 높은 성공률을 보인 것이 특징이었다. CV4지수를 2, 3픽셀과 같이 보다 느슨하게 설정할 경우 70%, 90%과 같은 성공률을 얻을 수 있음 또한 알 수 있었다. 밴드별로 매칭에 걸린 시간은 매트랩 기준 약 3분이내로, 빠른 결과를 도출해낼 수 있었다.

Table 4.Matching success rates

3.3 RPCs보정 및 결과분석

매칭 결과를 이용하여 RPCs 보정을 affine식을 통해 수행하였으며, 이 때 오(誤)매칭이 있을 가능성을 열어두고, Baarda(1968)의 기법을 기반으로 자동 과대오차 탐지를 적용하였다. 적용 결과, 모든 밴드의 매칭 결과에서 과대오차가 검출되지 않았다. 하지만, 자동 매칭 기법 자체가 과대 오차가 발생치 않는다고 보장 하지 못하므로, 과대오차 탐지 기능 적용을 통해 항시 결과 검사를 수행해야 할 것이다.

Fig. 6은 RECC 매칭 결과 성공으로 판단된 위치를 RapidEye 영상 영역에 표시해본 결과이다. 밴드별로 매칭 결과가 분광특성의 차이로 인하여 조금씩 차이를 보이며 특히 밴드 5에서는 특히 영상전역에 걸쳐 매칭이 성공한 것을 알 수 있었다.

Fig. 6.The distribution of the matched window position (‘+’ in the square symbols)

매칭된 결과를 바탕으로 영상 전역에 대한 RPCs의 오차를 Eq. (4)를 이용하여 모델링하였으며, 보정된 RPCs를 새로이 생성하였다. 결과 분석을 위해 우선 보정 전 RapidEye RPCs의 정도를 알아보았다. 즉, 제공된 RPCs와 수치지도를 기반으로 생성된 DEM(Fig. 3)을 통해 정사영상을 생성하고, 수치지도와 중첩해보았다 (Figs. 7(a) and 7(c)). 정확도 평가를 위해 동일 수치지도로부터 25개의 기준점을 영상전반에 걸쳐 수동으로 획득하였으며, 이를 활용하여 좌표등록 정확도를 평가해본 결과 평균제곱근 오차(RMSE)가 2.8픽셀로 나타났으며, 6.5m의 해상도(GSD)를 고려했을 때 이는 약 18.2m에 이르는 위치 오차이다. 해당 오차는 앞서 서론에서 언급한 것과 같이, BlackBridge사에서 1B 데이터를 판매할 때 Landsat 영상에서 추출된 지상기준점을 활용하여 위치 오차를 보정한 결과인 44.9m(CE90)에 부합하는 정도로 판단된다. 다음으로 본 연구에서 제시된 100% 자동화된 좌표 등록 적용을 통해 개선된 RPCs 데이터를 이용하여 생성한 정사영상과의 중첩 결과를 Figs. 7(b) and 7(d)에 제시하였다. 앞서 정확도 평가에 사용된 기준점을 동일하게 사용하여 좌표등록 정확도 향상 정도를 평가해본 결과 평균제곱근 오차가 0.8픽셀로서 6.5m 해상도 고려 시 5.2m로 정확도 향상이 이루어진 것을 확인할 수 있었다. 예로, Figs. 7(a) and 7(b)에 보인 것과 같이 수치지도의 도로 외곽선이 RapidEye의 도로 외곽선을 따라 잘 묘사되도록 보정 된 것을 관찰할 수 있고 Fig. 7(c)에서는 1:25,000 수치지도와 중첩 시 편위가 일정하지 않고 영상 우측보다 좌측에서 1픽셀 정도 편위가 큰 패턴이 관찰되나, Fig. 7(d)에서는 수정된 것을 알 수 있었다.

Fig. 7.Overlay 1:25,000 digital maps on the orthorectified RapidEye Level 1B ((a),(c): before, (b),(d): after the automatic adjustment)

4. 결 론

본 논문에서는 RapidEye제품 중 Basic 1B 데이터를 1:25,000 수치지도를 이용하여 자동으로 좌표등록의 정확성을 보다 향상시키기 위한 방법 및 실험결과를 제시하였다. RapidEye영상과의 매칭을 위해 수치지도 내의 레이어 중 영상에 잘 나타나며 시간에 따라 변화가 크게 없는 도로, 철도, 제방, 경지계 등을 선정하여 매칭에 활용하였으며, 선정된 레이어를 RPCs를 이용하여 영상으로 투영 후 RapidEye영상과 에지 매칭을 실시하였다. 실험 결과 RapidEye 5개 밴드 각각의 영상 전반에 걸쳐 매칭이 성공적으로 이루어졌으며, 위치 오차 평가 결과 1:25,000 수치지도 대비 평균 제곱근 오차 1픽셀이내로 정확도를 향상시킬 수 있음을 알 수 있었다. 그러나 본 실험에 의한 정확도는 1:25,000 수치지도와의 일치 여부, 즉 상대정확도이므로, 향후 연구 과제로 GPS측량 등을 통한 절대 위치 오차를 평가해야할 것이다.