고해상도 다중시점 위성영상으로 자동 3D 지표면 모델 생성

초록

본 논문은 다중시점 위성영상으로부터 디지털 지표면 모델(DSM)을 자동으로 생성하는 파이프라인을 제안한다. 자동 지오레퍼런싱, 고밀도 매칭 포인트 클라우드 생성, 그리고 학습된 스테레오 쌍 구성을 기반으로 이미지 쌍을 순위화한 뒤, 적응형 3D 중간값 필터를 이용해 다중 깊이맵을 융합한다. 실험 결과, 기존 중간값 필터 대비 평균 0.36 m RMSE 향상을 달성하였다.

상세 분석

이 연구는 위성영상 기반 3D 복원 분야에서 가장 큰 난제 중 하나인 ‘다중 시점 데이터의 효율적 활용’과 ‘정밀한 지오레퍼런싱’을 동시에 해결하려는 시도로 평가할 수 있다. 먼저 자동 지오레퍼런싱 단계에서는 기존에 수작업으로 수행되던 GCP(ground control point) 입력 과정을 제거하고, 위성 메타데이터와 사전 학습된 변환 모델을 결합해 이미지 좌표계를 세계 좌표계에 자동 매핑한다. 이는 대규모 지역에 대한 빠른 전처리를 가능하게 하며, 특히 고해상도(30 cm 이하) 이미지에서 발생하는 미세한 오차를 최소화한다.

다음으로 깊이맵 생성 단계는 전통적인 스테레오 매칭 알고리즘에 학습 기반의 쌍 선택 메커니즘을 도입한다. 저자들은 제한된 LiDAR 샘플 데이터를 이용해 ‘핵심 스테레오 구성’—즉, 베이스라인 길이, 관측 각도, 대기 조건 등—을 특징 벡터로 추출하고, 이를 기반으로 이미지 쌍을 ‘샘플 데이터와의 근접도’에 따라 순위화한다. 높은 순위의 쌍은 매칭 정확도가 뛰어나며, 낮은 순위의 쌍은 보조적인 정보 제공에만 활용한다. 이러한 데이터‑드리븐 쌍 선택은 전통적인 전역 최적화 방식보다 연산 비용을 크게 절감하면서도 매칭 품질을 유지한다는 장점을 가진다.

가장 혁신적인 부분은 다중 깊이맵 융합에 사용된 ‘적응형 3D 중간값 필터’이다. 일반적인 중간값 필터는 공간적 이웃만을 고려해 노이즈를 제거하지만, 위성영상은 다중 스펙트럼(예: RGB, NIR) 정보를 동시에 제공한다. 저자들은 각 픽셀의 스펙트럴 유사성을 가중치로 사용해, 색상·반사율이 유사한 이웃에 더 큰 신뢰도를 부여한다. 이 과정에서 깊이값이 급격히 변하는 경계(건물 옥상·나무 등)에서도 부드러운 보존이 가능해진다. 실험 결과, 동일 조건 하에서 일반 중간값 필터 대비 평균 RMSE가 0.36 m 감소했으며, 특히 고도 차이가 큰 도시 지역에서 눈에 띄는 개선을 보였다.

전체 파이프라인은 모듈식 설계로, 각 단계(지오레퍼런싱, 쌍 선택, 매칭, 융합)를 독립적으로 교체하거나 최신 알고리즘으로 업데이트할 수 있다. 이는 향후 인공위성 데이터 해상도가 10 cm 수준으로 향상될 경우에도 확장성을 보장한다. 또한, 학습 기반 쌍 선택과 스펙트럴 가중치 융합은 다른 원격 탐사 분야(예: 지형 변위 감지, 식생 구조 분석)에도 적용 가능하다는 점에서 연구 가치를 높인다.