U-Net++와 저랭크 행렬 분해를 이용한 KOMPSAT-3 영상기반 DEM 정교화 기법에 관한 기초연구

초록

최근 고해상도 위성영상의 보급으로 위성영상 기반 DEM 제작 수요가 증가하고 있다. 그러나 기존 위성영상 기반DEM 생성 방식은 지역적 잡음과 센서 전역적 구조 왜곡이 발생하는 한계가 있다. 본 연구는 이러한 문제를 완화하기 위하여, 전통적인 형태학적 필터링을 통한 비지면점 추출, U-Net 기반 DSM 제작, U-Net++ 기반 DEM 정규화, 저랭크 행렬 분해를 결합한 DEM 정교화 기법을 제안한다. 검증실험은 KOMPSAT-3 영상기반 미국 샌프란시스코와 캐나다 토론토 지역에 대해 산지·평지 지형으로 수행하였으며, 상용 SW 3종으로 생성한 DEM과 딥러닝 기법으로 제작한 DEM 간 참조 DEM과의 RMSE, MAE, bias를 비교하였다. 검증실험 결과, 상용 SW 기반 DEM 대비 RMSE와 MAE를 50.70% 저감하고, bias를 ±1m 내외로 축소하여 수직 편향을 완화시켰다. 특히 산지에서 개선폭이 크게 나타나, 저랭크 분해와 U-Net++ 기법의 융합이 효과적임을 확인하였다.

키워드