KR20020008245A - 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법 - Google Patents

정밀한 수치표고모형의 자동생성을 위한 지능적 보간법 Download PDF

Info

Publication number
KR20020008245A
KR20020008245A KR1020000041649A KR20000041649A KR20020008245A KR 20020008245 A KR20020008245 A KR 20020008245A KR 1020000041649 A KR1020000041649 A KR 1020000041649A KR 20000041649 A KR20000041649 A KR 20000041649A KR 20020008245 A KR20020008245 A KR 20020008245A
Authority
KR
South Korea
Prior art keywords
area
interpolation
grid
elevation
value
Prior art date
Application number
KR1020000041649A
Other languages
English (en)
Other versions
KR100361218B1 (ko
Inventor
김승범
김탁곤
Original Assignee
윤덕용
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 윤덕용, 한국과학기술원 filed Critical 윤덕용
Priority to KR1020000041649A priority Critical patent/KR100361218B1/ko
Priority to US09/736,265 priority patent/US6748121B2/en
Publication of KR20020008245A publication Critical patent/KR20020008245A/ko
Application granted granted Critical
Publication of KR100361218B1 publication Critical patent/KR100361218B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Abstract

본 발명은 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법(補間法)에 관한 것으로서, 더 상세하게는 인공위성영상, 항공영상, 지상측량 등을 사용하여 3차원 수치표고모형을 자동 제작하는 보간법에 관한 것으로,
종래보간법 결과(101)에 의해 정합 지역의 가장자리에 인위적으로 발생한 육지를 COG값이나 ECI값을 일정한 역치값과 비교하여 역치값보다 클 경우 제거하는 제1과정(102)과, 상기 제1과정(102)에서 보간된 영역을 선택하고 선택된 영역의 면적을 기준으로 사용하여 보간된 표고의 제거여부를 결정하는 제3과정(103)과, 상기 제1과정(102)에서 보간되지 않고 남은 영역을 선택하고 선택된 영역의 면적을 기준으로 사용하여 제거된 표고의 복원여부를 결정하는 제2과정(104)을 포함하여 구성됨으로써,
해안 등 표고가 존재하지 않는 지역, 표고를 가져야 할 지역이지만 가장자리가 폐쇄되지 않은 강 등의 지역에서 정밀한 수치표고모형을 생성할 수 있는 효과가 있는 것이다.

Description

정밀한 수치표고모형의 자동생성을 위한 지능적 보간법 {Intelligent interpolation methods for automatic generation of an accurate digital elevation model}
본 발명은 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법(補間法)에 관한 것으로서, 더 상세하게는 인공위성영상, 항공영상, 지상측량 등을 사용하여 3차원 수치표고모형을 자동 제작하는 보간법에 관한 것이다.
수치표고모형은 x, y 수평 좌표와 표고의 세 값이 일정한 수평격자에 존재하는 지형 자료이다.
수치표고모형의 생성단계는 좌우 스테레오 영상에서 동일한 지역을 찾아내는 영상정합 단계와, 카메라와 지상점 간의 관계를 규정하는 카메라 모델을 영상정합결과에 적용하여 x, y, 표고를 얻는 카메라 모델링 단계와, 카메라 모델 결과의 수평분포는 불균일하므로 균일한 수평격자로 변환시키는 보간 단계의 세 단계로 요약된다.
지상측량을 사용하는 경우에는 영상정합과 카메라 모델이 생략될 수 있다.
수치표고모형을 자동으로 제작하는 경우에는 보간이 필수적이며 수동제작의 경우 역시 보간의 과정을 필요로 하지만 그 효과가 미미한 실정이다.
70년대 이후 보간에 관한 많은 연구가 진행되어 왔고, 그 연구의 초점은 가장 효율적인 보간법의 모색으로 여러가지 수학모델(예, Gaussian, Kriging, Spline, Minimum Curvature등)을 시험하는 방식이다(이후, 종래보간법이라 칭한다).
종래보간법은 실험용으로 수 백개 이하만의 입력 자료만을 다루었으므로 실제 카메라 모델 결과에 적용되었을 때 발생하는 제 문제들은 고려할 수 없었다.
따라서 종래보간 기술을 적용하면 해안, 방파제, 호수, 강유역 등 지역에서 보간 반경만큼의 인위적 육지가 발생하게 된다.
실제 경우를 다룬 지능적 보간법으로는 호수나 추수전후 농경지 등 필연적으로 영상 정합이 실패하는 지역을 대상으로 가장자리를 정합하고 이 정합 결과들을 사용하여 보간을 수행하는 방법이 소개(Krupnik, A., 1998, Automatic detection of erroneous areas in automatic surface reconstruction, Proceedings of ISPRS Commission Ⅲ Symposium, Columbus, Ohio, p. 132-137) 되었다.
그러나 상기 보간기술은 방파제나 해안선 부근과 같이 표고를 가지지 않아야 할 바다에 적용할 수 없고, 표고를 가져야 할 지역이지만 가장자리가 폐쇄되지 않은 강과 같은 지역에는 응용할 수 없다.
본 발명은 상술한 문제점을 해결하기 위하여 안출된 것으로서, 해안 등 표고가 존재하지 않는 지역, 표고를 가져야 할 지역이지만 가장자리가 폐쇄되지 않은 강 등의 지역에서 정밀한 수치표고모형을 생성할 수 있는 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법을 제공하는데 그 목적이 있는 것이다.
도 1은 본 발명에 따른 지능적 보간법의 전체 공정도,
도 2는 본 발명에 따른 Center-of-Gravity와 Empty-Center-Index의 정의를 나타내는 도식,
도 3은 본 발명에 따른 Center-of-Gravity 계산에 사용되는 정합 입력점의 수와 보간 중심으로부터의 거리사이의 관계 그래프,
도 4는 본 발명에 따른 Empty-Center-Index 계산에 사용되는 정합 입력점의 수와 보간 중심으로부터의 거리사이의 관계 그래프,
도 5는 본 발명에 따른 영역분할 시 발생하는 영역의 파편화를 보여주는 도면,
도 6은 본 발명에 따른 공백메우기 영역분할기법의 순서도,
도 7은 본 발명에 따른 잡음제거 영역분할기법의 순서도.
<도면의 주요부분에 대한 부호의 설명>
102 : 제1과정 103 : 제3과정
104 : 제2과정 418 : (가)단계
419 : (나)단계 420 : (다)단계
517 : (A)단계 511 : (B)단계
512 : (C)단계
이하 본 발명을 첨부된 도면 도 1 내지 도 7을 참고로 하여 설명하면 다음과 같다.
도 1은 본 발명에 따른 지능적 보간법의 전체 공정도이고, 도 2는 본 발명에 따른 Center-of-Gravity와 Empty-Center-Index의 정의를 나타내는 도식이고, 도 3은 본 발명에 따른 Center-of-Gravity 계산에 사용되는 정합 입력점의 수와 보간 중심으로부터의 거리사이의 관계 그래프이고, 도 4는 본 발명에 따른 Empty-Center-Index 계산에 사용되는 정합 입력점의 수와 보간 중심으로부터의 거리사이의 관계 그래프이고, 도 5는 본 발명에 따른 영역분할 시 발생하는 영역의 파편화 도면이고, 도 6은 본 발명에 따른 공백메우기 영역분할기법의 순서도이고, 도 7은 본 발명에 따른 잡음제거 영역분할기법의 순서도이다.
먼저 본 발명의 기본적인 구성을 살펴보면, 종래보간법 결과(101)에 의해 정합 지역의 가장자리에 인위적으로 발생한 육지를 COG값이나 ECI값을 일정한 역치값과 비교하여 역치값보다 클 경우 삭제하는 제1과정(102)과, 상기 제1과정(102)에서 보간된 영역을 선택하고 선택된 영역의 면적을 기준으로 사용하여 보간된 표고의 제거 여부를 결정하는 제3과정(103)과, 상기 제1과정(102)에서 보간되지 않고 남은 영역을 선택하고 선택된 영역의 면적을 기준으로 사용하여 제거된 표고의 복원 여부를 결정하는 제2과정(104)을 포함한다.
종래보간법의 적용 결과, 정합 지역의 가장자리에서 보간 반경만큼 인위적 육지가 발생하는데 이를 제거하기 위한 기술로 본 발명에서는 Center-of-Gravity(이하 COG라 칭함) 및 Empty-Center-Index(이하 ECI라 칭함)가 개시된다.
인위적 육지가 발생하는 원인은 입력 정합점들이 보간 영역의 가장자리에 편중됨이므로 COG를 사용하여 이러한 보간 결과인 표고를 제거한다.
즉, COG값이 일정 역치값보다 클 경우 인위적 육지를 제거한다.
그러나 입력 정합점들이 보간영역의 가장자리에 편중되어 있음에도 불구하고 도 2 우측에서와 같이 모든 방향으로 고르게 분포할 경우에는 COG값이 0에 가깝게 나오므로 COG에 의해 제거되지 않게 된다.
이 경우 보간 영역의 중앙이 비어있음을 착안하여 ECI를 사용한다.
ECI 제거법에서는 일정한 역치값을 정하고 역치값 보다 큰 ECI를 갖는 보간결과를 삭제한다.
도 2에서 상기 COG의 정의는 다음과 같다.
이고
에 있어서도 동일하다.
여기에서x o ,y o 는 보간영역 중의 수평좌표이고max-dist는 (x o , y o )와 입력 정합점들간 거리의 최대치이다.
또한w eqCOG (x k - x o )는 입력 정합점 수의 (x k - x o )에 대한 분포를 (x k - x o )에 대해 무관한 상수함수로 만들기 위한 즉 이퀄라이즈(equalization)하기 위한 가중치이다.
도 3에서 상기 가중치는 아래와 같이 정의된다.
.
는 0으로 나눔을 방지하기 위한 상수이다.
도 3은 보간 반경내부가 정합점으로 가득찬 경우 정합 입력점의 수와 보간 중심으로부터의 거리사이의 관계를 상수함수로 만들기 전(좌측)과 후(우측) 그래프이다.
도 2에서 상기 ECI의 정의는 다음과 같다.
여기에서 r k 는 (x o , y o )와 입력 정합점들간의 거리이고w eqECI 는 입력 정합점 수의r k 에 대한 분포를 이퀄라이즈하기 위한 가중치이다.
도 4에서 상기 가중치는 아래와 같이 정의된다.
.
.
여기에서는 0으로 나눔을 방지하기 위한 상수이다.
도 4는 좌측열의 빗금쳐진 영역이 입력점이 존재하는 지역으로서 정합 입력점의 수와 보간 중심으로부터의 거리사이의 관계를 상수함수로 만들기 전(중앙열)과 후(우측열) 그래프이다.
상기 COG와 ECI를 이용하여 표고를 제거하는 제1과정(102)을 거친 후, 공백메우기 영역분할기법을 이용한 제2과정(104)과 잡음제거 영역분할기법을 이용한 제3과정(103)이 수행된다.
상기 COG와 ECI 제거는 부작용을 갖는데 이는 육지 내의 표고 역시 불가피하게 제거한다는, 곧 공백을 생성하는 점이다.
또한 COG와 ECI제거는 불완전한데 이는 해상(海上)에 잡음과 같은 소규모의 인위적 표고들을 남기는 점이다.
상기 부작용을 보상하기 위한 공백메우기 영역분할기법과 상기 불완전성을 보완하기 위한 잡음제거 영역분할기법이 창안된다.
상기 공백메우기 영역분할기법을 이용한 제2과정(104)은 첫째 COG/ECI의 결과 보간되지 않고 남은 영역들을 선택하고, 둘째 선택된 영역의 면적을 기준으로 사용하여 제거된 표고의 복원여부를 결정하는 과정이다.
영역을 선택하기 위하여 영역분할(Segmentation)을 사용하고 이와 같이 선택된 영역을 세그먼트(Segment)라 한다.
제2과정(104)의 (가)단계(418)에서는 COG/ECI의 제거 결과(401)로 격자의 처음으로 시작하고(402), 현위치의 표고가 제거되었을 경우 주변에서 제거된 표고를 갖는 격자를 탐색한다(403).
여기에서 주변의 정의는 4-커넥티버티(connectivity) 또는 8-커넥티버티(connectivity) 기준이다.
격자들에 영역 식별 번호 (segment identification number)가 부여되어 있는지 확인한다(404).
주변 격자의 영역식별번호가 발견될 경우 영역식별번호 중 최소값을 현재 위치의 영역식별번호로 부여한다(405).
최소값을 택해야 하는 필연적 이유는 없으며 전 영상에 대해 일관되게 적용되는 한 최대값도 무방하다.
주변격자의 영역식별번호가 발견되지 않을 경우 현 격자에 새로운 번호, 즉, 이전 번호+1를 부여한다(406).
영상의 좌측상단 구석으로부터 상기 단계를 반복하여 우측하단 구석까지 진행함으로써 영상 분할을 위한 첫 스캔(scan)을 종료한다(407).
(나)단계(419)에서는 한 스캔(scan)만으로는 영역들이 파편화되어 나타남으로 이를 극복하기 위하여 나머지 3가지 방향(우측 상단, 좌측하단, 우측하단)에서 (가)단계(418)를 반복한다(408-410).
연결된 두 격자의 영역식별번호들이 다를 때(411), 현재 격자의 영역식별번호가 주변격자의 번호보다 클 경우에 한하여 주변격자의 번호를 취득함으로써 영역통합을 수행한다(412).
(다)단계(420)에서는 각 영역들의 크기를 역치값과 비교하여(415) 영역의 크기가 역치값 이상이면 표고값을 복원하지 않고(416) 그렇지 않으면 공백으로 남긴다.
여기에서 역치값은 사용자가 실험적으로 구한다.
상기 (가)단계(418)에서 4-커넥티버티는 격자들이 변을 공유하여 연결된 관계를 뜻하며 8-커넥티버티는 변 또는 모서리를 공유하여 연결된 관계이다.
연결관계의 선택은 결과에 무관하고 4-커넥티버티를 사용하면 8-커넥티버티를 사용할 때보다 많은 수의 영역들이 발생한다.
그러나 네 방향에서의 스캔(scan) 후 영역 통합을 거치면 파편화된 영역들이 모두 통합됨으로써 이 차이가 사라진다.
상기 (나)단계(419)에서 언급된 파편화는 도면 5에 도식적으로 예시되어 있다.
파편화의 문제점으로, 파편화로 인해 각 영역의 면적이 감소됨으로써 상기 (다)단계(420)에서 역치값보다 작게 되고 따라서 표고가 없는 공백으로 남아야 함에도 불구하고 표고가 복원된다.
잡음제거 영역분할기법을 이용한 제3과정(103)은 첫째 COG/ECI의 결과 보간된 영역들을 선택하고, 둘째 선택된 영역의 면적을 기준으로 사용하여 보간된 표고의 제거여부를 결정하는 과정이다.
(A)단계(517)는 현위치의 표고가 존재할 경우 주변에서 표고를 갖는 격자를 탐색하고 제2과정(103)의 (가)단계(418)에서와 동일한 방식으로 영역식별번호를 부여한다(501-506).
즉, 현격자에 표고가 있는 가를 탐색한다(502).
여기에서 영역연결 기준은 4-커넥티버티만을 사용하여 8-커넥티버티로 육지에 연결된 섬(island)은 실제 경우 분리되어 있다고 간주한다.
격자들에 영역 식별 번호 (segment identification number)가 부여되어 있는지 확인한다(503).
주변 격자의 영역식별번호가 발견될 경우 영역식별번호 중 최소값을 현재 위치의 영역식별번호로 부여한다(504).
최소값을 택해야 하는 필연적 이유는 없으며 전 영상에 대해 일관되게 적용되는 한 최대값도 무방하다.
주변격자의 영역식별번호가 발견되지 않을 경우 현 격자에 새로운 번호, 즉, 이전 번호+1를 부여한다(505).
영상의 좌측상단 구석으로부터 상기 단계를 반복하여 우측하단 구석까지 진행함으로써 영상 분할을 위한 첫 스캔(scan)을 종료한다(506).
(B)단계(511)에서는 공백 메우기기법의 (나)단계(419)에서와 동일한 방식으로 4방향에서 스캔(scan)하고 파편화된 영역들을 통합한다.
(C)단계(512)에서는 각 영역들의 크기를 역치값과 비교하여(508) 영역의 면적이 역치값 이상이면 표고값을 제거한다(509).
여기에서 역치값은 사용자가 실험적으로 구한다.
상술한 제과정(102,103,104)에서 COG와 ECI 제거법에 의한 제1과정(102)은 공백메우기 영역분할기법에 의한 제2과정(104)과 잡음제거 영역분할기법에 의한 제3과정(103)에 선행해야한다.
공백메우기 및 잡음제거기법들은 COG와 ECI 제거법의 성능을 보완하기 위해 존재하기 때문이다.
COG와 ECI 제거법의 적용시 우선순위와, 공백메우기 영역분할기법과 잡음제거 영역분할기법 역시 적용시 우선순위를 규정할 필요는 없으나 공백메우기 영역분할기법을 우선적으로 적용하는 것이 바람직하다.
순서가 반대일 경우 공백메우기로 채워질 부분을 잡음제거로 삭제되는 비효율이 발생하기 때문이다.
이상에서와 같이 본 발명에 따른 보간법에 의하면 종래보간법을 사용할 때 해안지역, 강유역에서 발생하는 인위적 표고를 효과적으로 제거함으로써 정밀한 수치표고모형의 생성이 가능하여, 이를 통해 수치표고모형의 가치와 효용을 증대함으로써 수치표고모형이 사용되는 분야들 (예, 재해방지, 해안 시뮬레이션(simulation등))에서 더욱 유용하게 쓰일 수 있는 것이다.
본 발명의 기술을 해안지역의 인위적 표고 생성은 수치표고모형을 제작하는 기존의 상용 소프트웨어에 도입함으로써 상용 소프트웨어의 성능 향상을 가져온다.
본 발명에 따른 지능적 보간법을 적용하기 위하여 요구되는 수행시간은 종래보간법 수행시간의 5% 이내이고 100%의 컴퓨터 메모리가 추가로 요구되나, 메모리는 큰 비용의 지출없이 확장할 수 있으므로 소규모의 시간과 하드웨어를 투자하여 지대한 성능향상을 획득할 수 있는 것이다.
이러한 지능적 보간법은 대부분의 종래보간법들(예, Gaussian, Kriging, Nearest neighbour, Moving Window Average, Multiquadric, Modified Shepard, Spline, Minimum Curvature등등)과 조합하여 사용할 수 있고, 원시 스테레오 영상의 수평해상도에 무관하게 적용할 수 있으며 다양한 종류의 영상(예, 가시광선대역 영상, radar영상등)에 적용할 수 있는 것이다.
이상에서 살펴본 바와 같이, 본 발명에 의하면 해안 등 표고가 존재하지 않는 지역, 표고를 가져야 할 지역이지만 가장자리가 폐쇄되지 않은 강 등의 지역에서 정밀한 수치표고모형을 생성할 수 있는 유용한 발명인 것이다.

Claims (6)

  1. 종래보간법에 의해 정합 영역 외부에서 발생하는 표고를 제거하는 방법에 있어서,
    상기 종래보간법 결과(101)에 의해 정합 지역의 가장자리에 인위적으로 발생한 육지를 COG값이나 ECI값을 일정한 역치값과 비교하여 역치값보다 클 경우 COG값이나 ECI값을 삭제하는 제1과정(102)과, 상기 제1과정(102)에서 보간된 영역을 선택하고 선택된 영역의 면적을 기준으로 사용하여 보간된 표고의 제거 여부를 결정하는 제3과정(103)과, 상기 제1과정(102)에서 보간되지 않고 남은 영역을 선택하고 선택된 영역의 면적을 기준으로 사용하여 제거된 표고의 복원여부를 결정하는 제2과정(104)을 포함하는 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법.
  2. 청구항 1에 있어서, r k 는 (x o , y o )와 입력 정합점들간의 거리이고,는 0으로 나눔을 방지하기 위한 상수이며,w eqECI 는 입력 정합점 수의r k 에 대한 분포를 이퀄라이즈하기 위한 가중치일 때,
    ,
    이고,
    임을 특징으로 하는정밀한 수치표고모형의 자동생성을 위한 지능적 보간법.
  3. 청구항 1에 있어서,x o ,y o 는 보간영역 중의 수평좌표이고max-dist는 (x o , y o )와 입력 정합점들간 거리의 최대치이며,w eqCOG (x k - x o )는 입력 정합점 수의 (x k - x o )에 대한 분포를 (x k - x o )에 대해 무관한 상수함수로 만들기 위한 가중치이고는 0으로 나눔을 방지하기 위한 상수일때,
    이고,
    ,이며
    에 있어서도 동일함을 특징으로 하는 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법.
  4. 청구항 1에 있어서, 상기 제2과정(104)은 현위치의 표고가 제거되었을 경우 주변에서 제거된 표고를 갖는 격자를 탐색하고, 격자들에 영역 식별 번호가 부여되어 있는지 확인하며 주변 격자의 영역식별번호가 발견될 경우 현재 위치로 영역식별번호를 부여하여, 주변격자의 영역식별번호가 발견되지 않을 경우 현 격자에 새로운 번호를 부여하되, 반복 시행하여 영상의 좌측상단 구석으로부터 우측하단 구석까지 진행함으로써 영상 분할을 위한 첫 스캔을 종료하는 (가)단계(418)와,
    3가지 방향(우측 상단, 좌측하단, 우측하단)에서 (가)단계(418)를 반복하여 연결된 두 격자의 영역식별번호들이 다를 때, 현재 격자의 영역식별번호가 주변격자의 번호보다 클 경우에 한하여 주변격자의 번호를 취득함으로써 영역통합을 수행하는 (나)단계(419)와,
    각 영역들의 크기를 역치값과 비교하여 영역의 크기가 역치값 이상이면 표고값을 복원하지 않고 그렇지 않으면 공백으로 남기는 (다)단계(420)로 구성됨을 특징으로 하는 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법.
  5. 청구항 1에 있어서, 상기 제3과정(103)은 현위치의 표고가 존재할 경우 주변에서 표고를 갖는 격자를 탐색하고, 격자들에 영역 식별 번호가 부여되어 있는지 확인하며 주변 격자의 영역식별번호가 발견될 경우 현재 위치의 영역식별번호로 부여하여, 주변격자의 영역식별번호가 발견되지 않을 경우 현 격자에 새로운 번호를 부여하되, 반복 시행하여 영상의 좌측상단 구석으로부터 우측하단 구석까지 진행함으로써 영상 분할을 위한 첫 스캔을 종료하는 (A)단계(517)와,
    3가지 방향(우측 상단, 좌측하단, 우측하단)에서 (A)의 단계(517)를 반복하여 연결된 두 격자의 영역식별번호들이 다를 때, 현재 격자의 영역식별번호가 주변격자의 번호보다 클 경우에 한하여 주변격자의 번호를 취득함으로써 영역통합을 수행하는 (B)단계(511)와,
    각 영역들의 크기를 역치값과 비교하여 영역의 크기가 역치값 이하이면 표고값을 제거하는 (C)단계(512)로 구성됨을 특징으로 하는 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법.
  6. 청구항 5에 있어서, 상기 (A)단계(517)에서 영역연결 기준은 4-커넥티버티임을 특징으로 하는 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법.
KR1020000041649A 2000-07-20 2000-07-20 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법 KR100361218B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020000041649A KR100361218B1 (ko) 2000-07-20 2000-07-20 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법
US09/736,265 US6748121B2 (en) 2000-07-20 2000-12-15 Intelligent interpolation methods for automatic generation of an accurate digital elevation model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020000041649A KR100361218B1 (ko) 2000-07-20 2000-07-20 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법

Publications (2)

Publication Number Publication Date
KR20020008245A true KR20020008245A (ko) 2002-01-30
KR100361218B1 KR100361218B1 (ko) 2002-11-18

Family

ID=19678977

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020000041649A KR100361218B1 (ko) 2000-07-20 2000-07-20 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법

Country Status (2)

Country Link
US (1) US6748121B2 (ko)
KR (1) KR100361218B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100732915B1 (ko) * 2006-01-10 2007-06-27 (주)한성개발공사 디지털사진 측량기술 및 인공위성영상을 이용한 기본설계용도로노선의 3차원적 결정 방법
CN110741409A (zh) * 2018-09-25 2020-01-31 深圳市大疆创新科技有限公司 关于影像的数据处理方法、无人机、系统及存储介质

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10325738B3 (de) * 2003-06-06 2004-12-02 Atlas Elektronik Gmbh Verfahren zur Generierung eines dreidimensionalen Geländemodells
US7650240B2 (en) * 2007-06-22 2010-01-19 Weyerhaeuser Nr Company Estimating an attribute value using spatial interpolation and masking zones
US7889947B2 (en) * 2007-06-27 2011-02-15 Microsoft Corporation Image completion
US8099264B2 (en) 2007-09-28 2012-01-17 Harris Corporation Geospatial modeling system providing inpainting and error calculation features and related methods
US8471854B2 (en) * 2007-09-28 2013-06-25 Harris Corporation Geospatial modeling system providing user-selectable building shape options and related methods
US7983474B2 (en) * 2007-10-17 2011-07-19 Harris Corporation Geospatial modeling system and related method using multiple sources of geographic information
US8060352B2 (en) 2007-10-18 2011-11-15 Harris Corporation Geospatial modeling system using void filling and related methods
KR100896712B1 (ko) 2008-11-24 2009-05-11 삼아항업(주) 수치지도를 이용한 수치표고모델 제작시스템 및 그 방법
CN102692217B (zh) * 2012-06-20 2014-07-23 黑龙江省博凯科技开发有限公司 运用地效应飞行器进行河道测量的方法
CN102831645A (zh) * 2012-07-18 2012-12-19 哈尔滨工程大学 一种应用于海底地形的数字高程模型的建立方法
KR101697183B1 (ko) * 2015-01-29 2017-01-17 계명대학교 산학협력단 인공위성 영상과 랜덤포레스트 분류기 결합을 이용한 자동 하천 검출 시스템 및 방법
JP6457159B2 (ja) * 2016-08-31 2019-01-23 株式会社オプティム 不要物除去システム、不要物除去方法及びプログラム
CN107680121A (zh) * 2017-09-29 2018-02-09 黑龙江省水利水电勘测设计研究院 河道图像的分析方法、装置、设备及计算机可读存储介质
CN109579784B (zh) * 2018-11-26 2020-10-16 青岛国测海遥信息技术有限公司 基于数字表面模型的城市地区建筑物高度的自动获取方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5612901A (en) * 1994-05-17 1997-03-18 Gallegos; Sonia C. Apparatus and method for cloud masking
US5596494A (en) * 1994-11-14 1997-01-21 Kuo; Shihjong Method and apparatus for acquiring digital maps
US5926581A (en) * 1996-04-25 1999-07-20 Lockheed Martin Corporation System for topographic mapping from remotely sensed images
FR2760554B1 (fr) * 1997-03-06 1999-04-16 Alsthom Cge Alcatel Procede de detection de contours de relief dans une paire d'images stereoscopiques

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100732915B1 (ko) * 2006-01-10 2007-06-27 (주)한성개발공사 디지털사진 측량기술 및 인공위성영상을 이용한 기본설계용도로노선의 3차원적 결정 방법
CN110741409A (zh) * 2018-09-25 2020-01-31 深圳市大疆创新科技有限公司 关于影像的数据处理方法、无人机、系统及存储介质
WO2020061772A1 (zh) * 2018-09-25 2020-04-02 深圳市大疆创新科技有限公司 关于影像的数据处理方法、无人机、系统及存储介质

Also Published As

Publication number Publication date
US6748121B2 (en) 2004-06-08
KR100361218B1 (ko) 2002-11-18
US20020035553A1 (en) 2002-03-21

Similar Documents

Publication Publication Date Title
KR20020008245A (ko) 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법
Sithole et al. Filtering of laser altimetry data using a slope adaptive filter
Liu et al. Algorithmic foundation and software tools for extracting shoreline features from remote sensing imagery and LiDAR data
US20120257039A1 (en) Image Processing Device, Measuring/Testing System, and Program
CN110930332B (zh) 一种基于人工智能的数字全息图像去噪方法
US6731806B1 (en) Region growing based noise reduction method for digital images
KR101086402B1 (ko) 영상 분할 방법
CN111179196B (zh) 一种基于分而治之的多分辨率深度网络图像去高光方法
CN104282000A (zh) 一种基于旋转及尺度变换的图像修复方法
CN111161288B (zh) 图像处理方法和装置
CN110363178B (zh) 基于局部和全局深度特征嵌入的机载激光点云分类方法
CN111581756A (zh) 洪水淹没范围的确定方法及装置
KR101795547B1 (ko) 디지털 고도모델 생성방법 및 장치
KR20050078670A (ko) 라이다 데이터로부터 셰도-그리드를 이용한 건물 외곽선자동추출방법
CN116843861A (zh) 一种三维模型简化方法
JP2003216959A (ja) 輪郭抽出方法及びその装置及びそのプログラム
Checchin et al. Segmentation of range images into planar regions
JP2005165969A (ja) 画像処理装置、及び方法
CN115345897A (zh) 三维重建的深度图优化方法及装置
CN107993218A (zh) 基于代数多重网格和分水岭分割的图像融合方法
CN102884565A (zh) 用于三维地形数据的精度提升设备、用于三维地形数据的精度提升方法及其记录介质
CN113610711A (zh) 一种单图像引导的三维表面重建方法及装置
CN113361532A (zh) 一种图像识别方法、系统、存储介质、设备、终端及应用
Palágyi et al. A parallel 12-subiteration 3d thinning algorithm to extract medial lines
CN109300132A (zh) 基于c++语言平台的干涉条纹检测方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20081031

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee