컬러항공사진의 밴드 특성과 DEM 정확도의 상관성 연구 경희대학교 ...

박사학위논문 

컬러항공사진의 밴드 특성과 DEM 

정확도의 상관성 연구 

지도교수 황철수 

경희대학교 대학원 

지리학과 

김진광 

2007년 2월

박사학위논문 





지리학과 

김진광 

2007년 2월




이 논문을 이학박사 학위논문으로 제출함 


지리학과 GIS 및 지도학 전공 

김진광 

2007년 2월

김진광의 이학 박사학위 논문을 인준함 

주심교수

국문초록 

컬러항공사진의 밴드 특성과 DEM 정확도의 상관성 연구 

-i- 

경희대학교 대학원 지리학과 

김진광 

최근 많이 활용성이 확대되고 있는 영상지도의 제작에 필요한 컬러항공사진의 요 

구가 증가하고 있다 . 이에 따라 본 연구는 컬러항공사진을 적극 활용하고자 기초자 

료가 되고 있는 수치표고모형을 컬러항공사진으로부터 생성하여 먼저 기존의 정확 

도 평가방법을 수행하고 , 정확도 평가방법의 신뢰도 향상을 위하여 상관관계기법을 

이용하여 밴드별로 분리한 입체영상의 유사성분석을 수행한 것이다. 

영상지도는 항공사진이나 위성영상을 배경으로 하고 기존 지도 , 자체 영상 , 그리 

고 다른 기타 정보를 조합하여 만들어지며 , 영상지도에서 가장 중요한 자료로서 영 

상의 기복변위를 제거할 수 있는 자료인 수치표고모형이 사용된다 . 또한 영상지도 

를 제작함에 있어서 컬러 영상을 배경으로 제작함에 따라 지형 ․지물의 

판독이 용이 

하고 누구나 쉽게 영상지도를 해석할 수 있기 때문에 최근 컬러영상을 이용한 사진 

지도 및 영상지도의 활용이 증가하고 있다. 

컬러항공사진을 영상지도의 배경 영상으로 활용하기 위해서는 컬러음화필름을 스 

캔하여 영상화한 자료를 사용하게 된다 . 항공사진을 1,200DPI(21 ㎛ ) 의 공간해상도 

로 스캔하여 수치화한 영상의 경우 파일 용량이 390MBytes/ 매의 크기로 저장됨에 

따라 이를 저장하기 위한 큰 공간이 필요하고 이를 이용하여 생성한 수치표고모형 

의 정확도 분석 또한 필요하다. 

따라서 본 연구에서는 컬러항공사진영상을 이용하여 수치표고모형을 생성하고자 

컬러항공사진영상을 원본인 컬러영상 , 변환된 흑백영상 , 밴드별영상 (Red, Green, 

Blue) 

으로 분리한 후 수치사진측량에서 사용하는 영상정합 방법을 이용하여 각 입

체영상으로부터 수치표고모형을 생성하였고 , 이렇게 생성된 수치표고모형을 기준자 

료인 1:1,000 수치지도 표고점과의 비교에 의한 정확도 평가를 수행하였으며 , 또한 

정확도 평가 방법의 대안으로 입체영상의 좌우 영상에 대한 상관관계 분석을 통하 

여 각 밴드별 영상의 특성을 분석하였다 . 본 연구의 분석결과를 통해 다음과 같은 

구체적인 결과를 얻을 수 있었다. 

컬러항공사진의 스캔 방법과 밴드의 차이에 따라 모두 5가지 

수치표고모형을 생 

성한 결과 표준편차 및 평균제곱근오차에서 Red 밴드입체영상의 정확도가 가장 높 

게 나타남을 알 수 있었으며 , 상관관계기법으로 비교한 결과에서도 Red 밴드입체영 

상의 상관계수가 가장 높게 남으로써 영상정합이 가장 우수한 것으로 나타났다 . 또 

한 컬러입체영상의 수치표고모형 정확도는 Red 밴드입체영상에 비해 정확도가 하 

락하는 것으로 나타났다. 

컬러항공사진을 스캔 후 흑백으로 변환한 입체영상으로부터 생성한 수치표고모형 

은 Red 밴드입체영상을 이용하는 경우보다 정확도가 하락하는 것으로 나타났으며 , 

상관관계 분석에서도 낮게 나타났다 . 이는 흑백으로 촬영한 항공사진을 스캔하여 

수치표고모형을 생성하고자 할 경우에는 흑백과 컬러항공사진 촬영에 따른 비용을 

감안하여 정확도가 우선시 되는 상황에서는 컬러항공사진을 촬영하여 스캔 후 Red 

밴드입체영상만을 분리하여 수치표고모형을 생성하는 것을 고려해야 할 것이다. 

또한 수치표고모형의 정확도 평가 방법을 단지 평균제곱근오차 (RMSE) 만을 이용 

하는 것이 아니라 표준편차 , 공분산 등을 이용한 상관관계를 적용함으로써 수치표 

고모형의 정확도를 신뢰할 수 있었다. 

영상지도에 대한 수요가 증가하고 있고 정사영상에 대한 제작 요구가 늘어남에 

따라 정확도가 높은 수치표고모형의 획득은 필수적으로 해결해야 할 과제이다 . 따 

라서 컬러항공사진으로부터 수치표고모형을 생성하고자 할 경우 각각의 영상밴드별 

로 분리한 후 정확도가 가장 우수한 밴드를 사용함으로써 오류의 최소화를 통하여 

편집 및 수정에 소요되는 시간과 경비를 절감하고 그 신뢰성을 확보할 수 있을 것 

이다 . 또한 이와 같은 밴드 특성 결과는 향후 항공사진영상을 촬영하기 위해 사용 

하게 될 디지털 카메라에도 적용할 수 있을 것으로 기대된다. 

주요어 : 수치지도 , 영상지도 , 컬러항공사진 , 영상밴드 (Red, Green, Blue), DEM, 

-ii-

DPI, RMSE, 영상정합 (Image Matching), 

상관관계 

- iii -

제목 차례 > 

제 1 장 서론 ·········································································································· 1 

1.1 연구배경 ·························································································································· 1 

1.2 연구목적 ·························································································································· 4 

1.3 연구내용 및 범위 ·········································································································· 6 

제 2 장 수치표고모형 정확도평가의 의의와 방법 ········································ 8 

2.1 연구동향 ·························································································································· 8 

2.2 정확도 평가의 의의 ··································································································· 11 

2.3 영역에 따른 정확도 평가 방법 ··············································································· 11 

2.3.1 표본 검사점에 의한 정확도 평가 방법 ·························································· 12 

2.3.2 전역에 대한 정확도 평가 방법 ········································································ 12 

2.4 정확도평가이론 ··········································································································· 13 

2.5 기존연구의 한계 ········································································································· 15 

2.6 상관관계를 이용한 정확도 평가 ············································································· 15 

2.6.1 영상자료의 구조 ·································································································· 15 

2.6.2 입체영상의 상관관계분석 ·················································································· 17 

2.6.3 상관관계분석을 위한 패치크기의 결정 ·························································· 19 

2.7 기대효과 ······················································································································· 23 

제 3 장 항공사진의 특성 ················································································· 25 

3.1 입체영상 획득 ············································································································· 25 

3.1.1 촬영용 항공기 ······································································································ 25 

3.1.2 입체영상 획득을 위한 촬영경로 ······································································ 27 

3.1.3 입체영상 획득을 위한 사진중복도 ·································································· 28 

3.2 항공사진측량용 카메라 ····························································································· 29 

3.2.1 항공사진측량용 카메라의 특성 ········································································ 29 

3.2.2 항공사진의 중심투영 ·························································································· 30 

- iv -

3.2.3 항공사진측량용 카메라의 종류 ········································································ 31 

3.3 항공사진측량용 필름의 종류 ··················································································· 33 

3.4 항공사진 전용 필름 스캐너 ····················································································· 35 

3.4.1 항공사진용 필름의 스캔 해상도 결정 ···························································· 36 

3.4.2 항공사진 필름 스캔방식 ···················································································· 38 

제 4 장 수치표고모형의 정의와 생성 ··························································· 40 

4.1 수치표고모형의 정의 ································································································· 40 

4.1.1 Raster 수치표고모형 ························································································· 41 

4.1.2 TIN 수치표고모형 ······························································································· 42 

4.2 항공사진영상의 기하모델링 ····················································································· 43 

4.2.1 지상기준점 선점 ·································································································· 43 

4.2.2 항공사진의 입체화를 위한 표정 ······································································ 44 

4.2.3 사진기준점측량 (3 차원 모델링 ) ········································································ 45 

4.3 수치표고모형의 생성 방법 ······················································································· 48 

4.3.1 기존지도의 활용 ·································································································· 49 

4.3.2 입체영상의 영상정합 이용 ················································································ 49 

4.3.3 입체영상의 영역기준정합 ·················································································· 52 

4.3.4 상관관계에 의한 영상정합 ················································································ 53 

4.3.5 계층적 입체 영상정합 ························································································ 55 

4.3.6 3 차원 좌표계산 ···································································································· 56 

4.3.7 영상정합 후 격자구성 ························································································ 56 

4.4 수치표고모형의 오류특성 ························································································· 57 

제 5 장 수치표고모형의 정확도 분석 ··························································· 59 

5.1 연구 대상지역 선정 ··································································································· 59 

5.2 수치표고모형 생성을 위한 원자료 ········································································· 61 

5.2.1 항공사진자료 ········································································································ 61 

5.2.2 전용 스캐너를 이용한 컬러항공사진 영상의 획득 ······································ 61 

- v -

5.2.3 수치지도자료 ········································································································ 69 

5.3 컬러항공사진의 특성분석 ························································································· 69 

5.3.1 컬러항공사진의 분광특성 ·················································································· 69 

5.3.2 컬러항공사진의 신호 대 잡음비 ······································································ 71 

5.4 입체화를 위한 사진기준점측량 ··············································································· 74 

5.4.1 지상기준점의 획득 ······························································································ 74 

5.4.2 3 차원 모델링 ········································································································ 76 

5.5 밴드별 수치표고모형 생성 ······················································································· 79 

5.6 밴드별 수치표고모형의 정확도 평가 ····································································· 85 

5.7 밴드별 입체영상의 상관관계분석 ··········································································· 92 

5.8 수치표고모형의 정확도와 상관관계 분석결과 ··················································· 101 

제 6 장 결론 ····································································································· 103 

6.1 연구내용 ····················································································································· 103 

6.2 연구결과 ····················································································································· 104 

6.3 향후과제 ····················································································································· 105 

참고문헌 ········································································································· 106 

용어해설 ········································································································· 110 

부록 ················································································································· 111 

부록 1. Visual C++ 를 이용한 상관관계 계산 프로그램 ········································ 112 

부록 2. 밴드별 수치표고모형의 음영기복도 ······························································· 120 

부록 3. 밴드별 수치표고모형의 오차분포도 ······························································· 123 

부록 4. 밴드별 상관계수 빈도 그래프 ········································································· 128 

Abstract ········································································································· 131 

- vi -

표차례 > 

표 2.1 연구방법 요약 ········································································································· 22 

표 3.1 국내 항공기 보유현황 및 제원 ··········································································· 26 

표 3.2 피사각에 따른 항공사진측량용 카메라의 종류 ··············································· 30 

표 3.3 항공사진측량용 카메라 ························································································· 32 

표 3.4 국내에서 사용 중인 필름의 종류 ······································································· 34 

표 3.5 스캔 해상도에 따른 항공사진 파일 용량 ························································· 37 

표 3.6 국내 항측사 보유 스캐너의 종류 ······································································· 39 

표 5.1 컬러항공사진영상의 제원 ····················································································· 66 

표 5.2 밴드별 신호 대 잡음비 결과 ··············································································· 73 

표 5.3 카메라 검보정 결과 ······························································································· 77 

표 5.4 모델링 정확도 결과 ······························································································· 79 

표 5.5 수치표고모형 생성 소요시간 ··············································································· 82 

표 5.6 사용할 수 없는 표고점 제거 기준 ····································································· 87 

표 5.7 수치표고모형 정확도 평가 결과 ········································································· 88 

표 5.8 축척 1:10,000 상관계수 계산결과 예 ( 패치크기 19×19) ····························· 93 

표 5.9 축척 1:10,000 의 밴드별 상관계수와 표고점 수량 ········································· 94 

표 5.10 축척 1:5,000 의 밴드별 상관계수와 표고점 수량 ········································· 96 

- vii -

그림 차례 > 

그림 1.1 연구수행 흐름도 ······································································································ 7 

그림 2.1 영상내 픽셀 배열의 예 ······················································································· 16 

그림 2.2 Red 밴드 입체영상의 픽셀 배열 예 ································································ 17 

그림 2.3 패치크기의 예 ······································································································· 20 

그림 3.1 촬영용 항공기 ····································································································· 26 

그림 3.2 중복촬영 (p:60%, q:30%) ···················································································· 28 

그림 3.3 높이차에 의한 변위 ····························································································· 31 

그림 3.4 필름의 종류 ··········································································································· 35 

그림 4.1 동일한 보간지역의 raster 수치표고모형과 TIN 수치표고모형의 비교 ··· 43 

그림 4.2 지상기준점의 선정 예 ························································································· 45 

그림 4.3 영역기준 영상정합의 개념 ················································································· 52 

그림 4.4 최대값 상관계수 포물선 ····················································································· 54 

그림 4.5 최대상관인자값 결정시 발생하는 문제 ··························································· 54 

그림 4.6 영상계층구조 ········································································································· 55 

그림 4.7 정합 결과의 격자화 ····························································································· 56 

그림 5.1 연구대상지역 위치 ( 축척 1:50,000 성동 ) ························································ 60 

그림 5.2 DSW600 스캐너와 내부 모습 ··········································································· 62 

그림 5.3 스캔 초기의 영상과 히스토그램 ······································································· 63 

그림 5.4 밝기값 이동과 스트레칭 후의 영상과 히스토그램 ······································· 63 

그림 5.5 최종적인 영상과 히스토그램 ············································································· 64 

그림 5.6 스캔된 좌우 영상 ( 촬영축척 1:10,000) ···························································· 65 

그림 5.7 스캔된 좌우 영상 ( 촬영축척 1:5,000) ······························································ 65 

그림 5.8 각 밴드별 영상 ( 촬영축척 1:10,000) ································································ 67 

그림 5.9 각 밴드별 영상 ( 촬영축척 1:5,000) ·································································· 68 

그림 5.10 밴드별로 분리한 영상 ( 촬영축척 1:10,000) ················································· 70 

- viii -

그림 5.11 파장에 따른 산란 차이 ····················································································· 71 

그림 5.12 파장 영역 ············································································································· 71 

그림 5.13 지상기준점 배치도 ····························································································· 75 

그림 5.14 촬영방향의 결정 ································································································· 76 

그림 5.15 수치사진측량시스템을 이용한 사진기준점측량 ··········································· 78 

그림 5.16 수치표고모형 (DEM) 생성 영역 ······································································· 80 

그림 5.17 대상지역의 등고선 및 표고점 레이어 ··························································· 81 

그림 5.18 1:1,000 수치지도의 수치표고모형 ································································· 83 

그림 5.19 Red 밴드 입체영상의 수치표고모형 ······························································ 83 

그림 5.20 Blue 밴드 입체영상의 수치표고모형 ···························································· 84 

그림 5.21 각 밴드별 수치표고모형 비교 ········································································· 84 

그림 5.22 대상지역 전체 표고점 ······················································································· 86 

그림 5.23 대상지역 정확도 평가에 사용한 표고점 ······················································· 87 

그림 5.24 전체표고점 (959 점 ) 을 이용한 수치표고모형 정확도 ··································· 89 

그림 5.25 3σ 이상 표고점을 제외한 수치표고모형 정확도 ········································· 90 

그림 5.26 Red와 Blue 밴드 입체영상의 수치표고모형 오차 분포도 ······················· 91 

그림 5.27 축척 1:10,000 의 밴드별 상관계수 그래프 ·············································· 95 

그림 5.28 축척 1:5,000 의 밴드별 상관계수 그래프 ················································· 97 

그림 5.29 축척 1:10,000 Red 의 상관계수 빈도 그래프 ············································· 99 

그림 5.30 축척 1:10,000 Blue 의 상관계수 빈도 그래프 ············································ 99 

그림 5.31 축척 1:5,000 Red 의 상관계수 빈도 그래프 ············································· 100 

그림 5.32 축척 1:5,000 Blue 의 상관계수 빈도 그래프 ············································ 100 

- ix -

1.1 연구배경 

제 1 장 서론 

1860년 James Wallace Black이 계류기구를 이용하여 120피트의 

높이에서 최초 

의 항공사진을 성공적으로 촬영한 후 , 항공사진은 제 12 ․ 차 세계대전을 거치면서 군 

사 전술을 완전히 바꾸어 놓을 정도로 발전하였고 1) , 1990년 

초부터 사진측량에서 

의 스캔은 수치사진측량의 흐름에서 일반적인 표준이 되었다(Baltsavias and 

Kaiser, 1999). 

초기의 이러한 개념은 정부의 스캔 서비스로 인식되었으나 사진측 

량장비의 발달로 아날로그 사진으로부터의 정보 추출보다 더 세밀한 정보를 추출할 

수 있게 해 주었다(Leberl and Gruber, 2002). 

최근의 컴퓨터 기술 발달로 인하여 많은 분야에서 기존의 자료들을 수치화하고 

있다 . 이와 병행하여 자료를 제작하는 과정 또한 자동 ․반자동의 

기법으로 전산시스 

템화 하고 있는 추세이다 . 지도제작 관련 분야에서는 기존에 수작업으로 대부분의 

정보를 추출하고 자료를 제작하던 경향에서 벗어나 대부분의 장비를 수치화시스템 

으로 대치하고 있다 . 기존의 자료뿐 아니라 새로이 생성되는 자료들을 수치화함에 

따라 제작되는 자료의 활용도와 정밀도가 높아졌으며 이에 따라 응용분야도 폭넓게 

발전하고 있다(Schenk and Toth, 1992). 

특히 최근에는 지도의 발달이 과거 어느 때보다 급속하게 진행되고 있으며 , 이에 

따라 지도의 기능과 역할 , 형태 , 사용패턴 , 제작과정과 같은 기본적 특성이 변하고 

있다 . 지도학과 지리정보과학에서는 이와 같은 현상을 지도학적 패러다임의 변화로 

규정하여 지도학 연구 주제의 재설정과 방법론에 대한 전면적인 검토 작업이 진행 

되고 있다 . 즉 지도의 본질이 ‘ 아날로그 패러다임 ’ 에서 ‘ 디지털 패러다임 ’ 으로 변화 

하고 있다 ( 황철수 , 1998). 

이러한 패러다임의 변화와 기술의 발달로 최근에는 항공기 또는 위성에 탑재된 

영상 센서로부터 직접적으로 수치 영상을 취득하여 지도제작 및 수치표고모형 

(DEM; Digital Elevation Model) 

생성 등 관련 수치자료의 자동생성을 위한 수치 

1) 최초의 지상사진은 1862년 Joseph Nicephore Niepce 가 촬영하는데 성공하였다 ( 채효석 외 , 

2003, 『 환경원격탐사 』 

, 시그마프레스 ). 

-1-

사진측량 기술개발이 계속되고 있다 . 수치사진측량이 활발히 연구되고 있는 이유는 

점차 다양해지고 있는 수치영상의 이용이 가능하며 , 관련 하드웨어와 소프트웨어가 

급속히 발전하고 있고 , 실시간 처리의 필요성이 높아지고 있기 때문이다 . 또한 비용 

의 절감 , 작업속도의 향상과 함께 작업자의 개인적인 숙련도와 관계없이 일관된 성 

과물을 산출할 수 있는 장점이 있기 때문이다 ( 유복모 , 1994). 

수치표고모형은 지상의 위치에 대한 높이 값을 격자화하여 지형공간상에 나타난 

연속적인 기복변화를 수치적으로 표현하는 자료로써 , 대부분의 지도 , GIS 및 관련 

응용분야의 기반정보로 활용되며 수치지형모형의 제작 , 정사투영사진 및 영상지도 

등의 생성에 필수적인 기반자료로 활용된다 ( 조봉환 외 , 1995). 항공사진이나 위성 

사진을 이용하여 대상지역을 입체로 중복 촬영하여 영상과 대상물 공간의 기하학적 

모형을 계산한 후 , 입체영상에서 한 영상의 한 위치에 해당하는 실제의 객체가 다 

른 영상의 어느 위치에 형성되었는가를 찾는 공액점 (conjugate point) 정합 

(matching) 을 통하여 해당 점들의 지상위치를 3차원적으로 

결정함으로써 수치표고 

모형을 생성한다 (Schenk, 1996). 근래에는 컴퓨터의 성능이 급격히 발달했을 뿐 

아니라 , 수치표고모형을 제작하기 위한 입력 자료인 항공사진영상 또는 위성영상을 

촬영하기 위한 센서의 해상도와 정밀도가 높아지고 관련 정보의 정확도가 높아졌 

다 . 이로부터 수치표고모형을 제작하는 기술이 점차 발달함에 따라 보다 세밀한 수 

치표고모형을 대용량으로 제작 가능하게 되었다 ( 유복모 ․토니쉥크 

, 2003). 

사진측량이 아날로그 형태의 관측 장비에 기반을 두고 있었을 때에 컬러는 아날 

로그 생산라인에서는 고비용의 요인이었으나 , 수치사진측량의 시대에서는 그 의미 

가 없어지게 되었다 . 사진측량에서의 컬러 영상은 더 많은 정보를 얻을 수 있게 됨 

에 따라 사진측량 스캐너의 기술이 발달하고 아날로그 필름에서 디지털 파일로 변 

화하고 있다(Leberl and Gruber, 2002). 

지도문서의 하나인 영상지도는 원격탐사로 얻어진 항공사진이나 위성영상을 배경 

으로하여 기존 지도 , 자체 영상 , 그리고 다른 기타 정보를 조합하여 만들어진다 . 영 

상지도에서 가장 중요한 자료로서 영상의 기복변위를 제거할 수 있는 자료인 수치 

표고모형이 사용된다 . 이러한 수치표고모형은 영상자료의 정사보정 , 부피계산 , 범람 

예측 , 경사도 분석 , 이동통신 셀 설계 , 군 작전용 등의 자료로서 그 활용성이 대두 

되고 있다 (GDTA, 1995). 

영상지도를 제작함에 있어서 컬러 영상을 배경으로 제작 

-2-

함에 따라 지형 ․지물의 

판독이 용이하고 누구나 쉽게 영상지도를 해석할 수 있기 때 

문에 컬러 영상을 이용한 사진지도 및 영상지도 사용 요구가 증가하고 있다 . 이와 

같이 컬러항공사진영상을 이용할 경우 판독 및 지도의 제작에 있어서 그 효과는 훨 

씬 뛰어나다. 

서울시에서는 매년 두 번의 항공사진을 촬영하여 불법건축물에 대한 판독업무를 

수행하고 있으며 , 서울시의 내부 방침에 따라 4년마다 

한번 씩 컬러항공사진을 촬 

영하고 있다 . 이러한 판독 업무는 컬러항공사진으로 판독할 경우 건물의 색상변화 

나 형태의 변화를 흑백사진에서보다는 훨씬 더 명확하게 능률적으로 판독업무를 수 

행할 수 있다. 

컬러항공사진을 이용하여 수치표고모형을 생성하고자 할 경우 생성된 수치표고모 

형을 컬러항공사진의 입체모델 상태에서 직접 지형과 비교함으로써 오류의 유형을 

바로 육안 확인이 가능하다. 

또한 컬러항공사진을 밴드별로 분리하여 수치표고모형을 생성할 경우 특정 밴드 

만을 사용할 수 있다 . 이는 사람이 인지 가능한 모든 파장 영역의 자료를 포함함으 

로써 영향을 받는 흑백 항공사진과는 달리 특정 파장 영역에 해당하는 영상만을 사 

용가능 하기 때문에 더 정확도가 우수한 수치표고모형을 생성할 수가 있다. 

국가 ․관공서 

및 많은 지방자치단체에서도 컬러항공사진을 이용한 각종 사업을 착 

수하고 있는 실정이며 , 앞으로도 컬러항공사진영상과 관련된 각종 연구 및 사업들 

이 지속적으로 수행될 전망이다. 예컨대 , 국내 항측사 가운데 규모가 큰 C항측사에 

서 최근 6 년 동안 수행한 컬러항공사진영상관련 사업의 증가 현황은 다음과 같다 . 

2001년 1 건 , 2002년 1 건 , 2003년 2 건 , 2004년 7 건 , 2005년 9 건 , 2006년 10 건 . 

즉 , 2001년 -2003 년까지 컬러항공사진의 국내 도입기라고 보면 , 2004년부터 

본격 

적인 컬러항공사진의 활용증가시기가 도래하고 있음을 확인할 수 있다 . 최근 이러 

한 추세는 대다수 항측사와 관련 기관에서 일반적으로 관찰되는 현상으로 향후 상 

당기간 활성화 단계가 이어질 것으로 예상된다. 

-3-

1.2 연구목적 

지구의 표면을 X(Easting), Y(Northing), Z(Height) 의 점으로 나타내는 수치표고 

모형을 제작하기 위해서는 다음과 같은 기술을 적용하는 방법이 있다(Acharya and 

Fagerman, 2000). 

• GPS2) 

또는 전통적인 측량 기술 (total station) 방법 

• 

• 

• 

해석식 / 아날로그식 사진측량방법 (analytical/analog photogrammetry) 

수치사진측량방법(digital photogrammetry) 

비영상의 항공기술방법(non imaging airborne techniques) 

위의 방법 중 수치사진측량방법은 필름형태의 항공사진 음화필름을 스캔하여 영 

상화한 자료나 위성영상 자료를 사용하게 된다 . 항공사진을 1,200DPI( 이현직 , 

2000) 3)의 공간해상도로 스캔하여 수치화한 영상의 경우 파일 용량이 흑백영상은 

약 130MBytes로 

일반 문자형태의 문서 파일보다는 비교가 되지 않을 정도로 큰 용 

량으로 저장된다 . 게다가 컬러항공사진영상의 경우는 흑백항공사진영상의 3배에 

해 

당하는 약 390MBytes의 

용량으로 저장됨에 따라 이를 저장하기 위한 더 큰 공간을 

필요로 한다 . 컬러 영상은 파일을 저장하기 위한 더 많은 공간이 필요함에도 불구 

하고 , 더 많은 정보를 포함하고 있고 활용분야가 다양하여 그 필요성이 더욱 증가 

하고 있다(Leberl and Gruber, 2002). 

많은 정보를 포함하고 있는 컬러항공사진영상을 이용하여 건물과 식생을 구분할 

수 있도록 Green 밴드와 Blue 밴드를 조합하여 건물 정보를 추출하기도 하며 

(Baltsavias, 2001), 도시 외곽지역에 대한 도로망을 추출하기 위해 컬러항공사진을 

이용하기도 한다(Pan, 2004). 

이와 같이 컬러항공사진영상을 이용하여 활용하는 분야 중의 하나인 수치표고모 

형을 제작하기 위해서는 사용되는 컴퓨터의 처리 속도 및 성능에 따라 영향을 많이 

2) GPS란 Global Positioning System 의 약자로 범지구 위치결정 시스템이다 . 공식적인 명칭은 

NAVSTAR GPS(NAVigation Satellite Timing and Ranging GPS) 로서 위성을 이용한 항법시스템 

이며 총 24 개의 위성을 미 국방성 (DoD) 에서 관리하고 있다 . 

3) DPI란 Dots Per Inch 의 약자로 프린터나 스캐너 등의 해상도를 말할 때 주로 사용하는 용어이다 . 

이는 Dots의 밀도 변화로 이미지를 재현할 경우 사방 1인치 안에 있는 한 변의 Dot수를 

표현하는 

것이다. 

-4-

받게 된다 . 한 번에 처리해야 하는 컬러항공사진의 수량은 최소 몇 매에서부터 수 

백 매에 이르기까지 다양하며 , 국내 지방자치단체의 업무에서 처리해야하는 컬러항 

공사진의 수량은 대개 수백 매에 이른다 . 이와 같이 대량의 컬러항공사진영상을 처 

리하기에는 컴퓨터 및 주변기기의 성능이 아무리 발달하였다 하더라도 무리가 따르 

게 마련이다 . 특히 수치표고모형을 생성하고자 할 경우의 특성상 피라미드 형태의 

영상을 구성해야 하기 때문에 용량은 급격히 늘어나게 되며 , 또한 수치표고모형 생 

성에 필요한 많은 시간을 필요로 하게 된다 . 게다가 수치표고모형은 사용목적과 생 

성 방법에 따라 정확도의 한계는 다르게 되어 이에 따른 소요시간 예측이 난해하게 

된다 . 이러한 컬러항공사진영상을 밴드별 (Red, Green, Blue) 로 분리하게 되면 각각 

의 영상은 흑백영상 형태의 색상을 띠게 되고 그 용량은 현저하게 줄어들게 된다. 

따라서 본 연구에서는 다음과 같은 내용의 목적으로 연구를 수행하였다. 

첫째 , 밴드별로 분리한 입체영상조합으로부터 수치표고모형을 생성한 후 기준자 

료와의 정확도를 평가하여 어느 밴드의 입체영상조합이 가장 우수한지를 판단하고 

자 하였다 . 이러한 정확도를 평가하기 위해 먼저 컬러항공사진영상에 대한 특성을 

분석하였다 . 인간이 인지 가능한 파장영역인 가시광선 영역의 분광 특성을 분석하 

여 수치표고모형의 정확도가 가장 우수한 밴드를 예측할 수 있도록 하였다 . 이러한 

사전 분석을 수행하고 기준자료와의 정확도를 평가함으로써 가장 우수한 수치표고 

모형을 생성할 수 있는 밴드가 어느 것인지 판단하도록 하였다. 

둘째 , 각각의 밴드별 입체영상의 픽셀 값에 대한 상관관계기법을 이용하여 입체 

영상을 이루는 좌우 영상에 대한 유사성을 분석함으로써 각 밴드의 입체영상 조합 

의 특성을 이해할 수 있도록 하였다 . 이를 기반으로 수치표고모형의 정확도에 대한 

신뢰도를 향상하여 정확도 평가 방법의 또 다른 대안을 제시 하였다. 

이와 같이 수치표고모형에 대한 정확도 평가를 수행하고 밴드별 특성을 분석하여 

최적의 입체영상 조합을 구성함으로써 컴퓨터의 성능을 최대한 활용할 수 있도록 

하였다 . 또한 수치표고모형을 생성하기 위한 영상정합에서 발생하는 오류를 최소화 

하여 후속하는 일련의 처리 과정에 편의성을 제공하고 , 기존의 방법보다 명확한 수 

치표고모형의 정확도를 향상시키고자 하였다 . 또한 향후 디지털 카메라를 사용할 

경우 밴드별 영상을 획득하게 되는 디지털 카메라에서도 본 연구의 결과를 바로 적 

용할 수 있도록 하고자 하였다. 

-5-

1.3 연구내용 및 범위 

본 연구의 내용은 스캔하여 얻어진 컬러항공사진영상을 색상의 조합인 RGB에 

대 

하여 각각의 색상 밴드별로 분리한 후 각 밴드별 입체영상으로부터 영상정합기법에 

의한 수치표고모형을 생성하여 어느 밴드의 입체영상이 정확도에 있어서 가장 우수 

한가를 분석하는 것이다. 

따라서 본 연구에서는 크게 두 부분으로 나누어 볼 수 있다 . 첫째는 영상정합에 

의해 생성된 수치표고모형과 대축척 수치지도와의 정확도를 평가 분석하는 부분이 

고 , 둘째는 입체영상조합인 좌 ․우 

영상에 대하여 유사성 분석에 의한 상관관계기법 

을 적용하여 각 밴드의 입체영상에 대한 특성을 분석하는 것이다 . 이를 세부적으로 

설명하면 다음과 같다. 

첫째는 연구대상지역에 대하여 1:10,000 축척으로 촬영된 컬러항공사진영상을 각 

각의 입체영상인 원시의 컬러영상 , 흑백으로 변환한 영상 그리고 Red, Green, 

Blue의 

밴드별로 분리한 영상에 대하여 영상정합 기법을 사용하여 수치표고모형을 

생성하였다 . 비교 기준자료는 대축척 수치지도인 1:1,000 수치지도로부터 표고점 

자료를 추출하여 생성된 수치표고모형과의 정확도를 평가하였다 . 1:1,000 수치지도 

를 제작할 경우 1:5,000 축척으로 항공사진을 촬영 4)한다는 것을 감안할 때 

1:1,000 수치지도의 표고점을 이용한 정확도 평가는 1:10,000 축척의 항공사진에 

서 생성된 지형정보의 정확도 판단에 타당할 것이다. 

둘째는 영상정합은 입체영상 중 한 영상의 한 위치에 해당하는 실제의 대상물이 

다른 영상의 어느 위치에 형성되었는가를 발견하는 작업으로써 , 상응하는 위치를 

발견하기 위해서 유사성 관측을 이용하였다 . 유사성 판정기준으로 기준영역과 탐색 

영역을 비교하는 것으로 가장 잘 알려진 교차상관 (cross-correlation) 기법을 적용 

하였고 , 이 방법에서 상관인자 (correlation factor) 를 계산하여 좌측영상의 기준영역 

과 우측영상의 정합영역에 대한 유사성을 판정하였다. 

이러한 과정을 통하여 그 활용성과 사용자의 요구가 증가하고 있고 , 다양한 지형 

정보를 추출할 수 있는 컬러항공사진영상을 사용하여 수치표고모형을 생성하고 , 이 

에 대한 정확도 평가 방법과 영상특성을 분석하였다 . 밴드별 입체영상에 대한 상관 

4) 국토지리정보원 , 2006, 『 항공사진측량작업내규 』 

, 제 14조 

항공사진 축척의 결정 

-6-

관계기법을 적용한 유사성을 판정하기 위하여 두 가지 촬영축척 (1:10,000과 

1:5,000) 의 컬러항공사진영상을 사용하였다 . 그림 1.1은 

이와 같은 연구에 대한 절 

차를 나타낸다. 

NO 

컬러항공사진촬영 

(축척 1:10,000,1:5,000) 

음화원판필름스캔 

(해상도 1,200DPI) 

영상자료변환 

(Color,Gray,RGB) 

지상기준점 선점 

사진기준점측량 

(3차원 모델링) 

정확도평가 

YES 

수치표고모형 생성 

수치표고모형 

정확도평가 

상관관계 분석 

(축척 1:10,000,1:5,000) 

그림 1.1 

연구수행 흐름도 

-7- 

수치지도 

(축척 1:1,000) 

표고점 레이어 추출

제 2 장 수치표고모형 정확도평가의 의의와 

2.1 연구동향 

-8- 

방법 

사진 , 항공기 , 컴퓨터의 발명으로 사진측량은 다음과 같은 단계로 발전하여 왔 

다. 5) 

• 

• 

• 

• 

평판사진측량(plane table photogrammetry, 1850~1900) 

기계식 사진측량(analog photogrammetry, 1900~1960) 

해석식 사진측량 (analytical photogrammetry, 1960~ 현재 ) 

수치사진측량 (digital photogrammetry, 현재 ) 

1957년 Uuno Vilho Helava가 

캐나다에서 기존의 광학적인 구조나 기계적인 구 

조를 사용하지 않고 서보 제어장치를 6) 활용하여 사진과 지도 좌표와의 변환을 수 

치적으로 처리해주는 해석도화기를 개발함으로써 수작업으로 이루어지던 지도 제작 

을 자동적으로 처리할 수 있는 계기를 마련하게 되었고 , 이러한 해석도화기는 

1976년 ISPRS7) 총회에서 소개되었다 . Softcopy photogrammetry로 

불리기도 하 

는 수치사진측량은 수치영상이나 스캔된 사진을 입력 자료로 사용하는 것을 의미하 

는데 Hobrough(1968) 는 암실 (dark room) 에서 사용가능한 아날로그 형태의 흑백 

입체영상을 사용하여 처음 영상 상관관계 (image correlation) 의 개념을 증명하였다 

(Madani, 2001). 

수치도화기에 대한 논리적인 세부 개념이 Sarjakoski(1981) 에 의해서 최초로 제 

시되었는데 기능적인 면에서는 해석도화기와 매우 비슷하나 사진이 수치영상으로 

대치되는 차이점이 있었다 . Case(1982) 는 수치영상 개발체계의 또 다른 기초 개념 

5) Konecny, G. 1985, “The International Society for Photogrammetry and Remote Sensing-75 

Years Old, or 75 Years Young”, Photogrammetric Engineering and Remote Sensing, Vol. 

51(7), pp.919-933 

6) Servo Control; 고속 , 고정밀의 동작을 실현하기 위해 물체의 위치 , 방위 , 자세 등을 확인해 지령 

과의 차이가 나오지 않도록 하는 제어장치 

7) ISPRS는 International Society for Photogrammetry & Remote Sensing의 

약어로서 국제사진측 

량 및 원격탐사학회이다.

을 제공하였다 . 제안된 이 체계는 수치표고모형을 생성할 수 있는 해석도화기의 가 

능성에 관한 것이다 . 1988년 일본 교토에서 있었던 16차 ISPRS 총회에서 처음으 

로 상업적인 사진측량 체계 (KERN DSP1) 가 소개됨으로써 원격탐사와 수치사진측 

량의 체계 개발에 중요한 계기가 되었다 ( 유복모 ․토니쉥크 

, 2003). 이와 같이 수치사 

진측량은 컴퓨터 기술의 발달과 더불어 그 가능성과 실현성을 넓혀가고 있으며 , 특 

히 사진측량의 일련의 과정에 대한 자동화를 목적으로 활발한 연구가 진행되고 있 

다 . 1980년대 

말 이후에 이르러 소축척의 위성사진을 이용하여 정성적인 판독을 

수행하던 종래의 단계에서 대축척 항공사진을 이용한 정량적인 연구가 수치사진측 

량분야에서 진행되면서 입체영상에서 수치표고모형을 생성하기 위한 영상정합 및 

영상처리기법 등에 관한 많은 연구가 이루어졌다 ( 염재홍 , 1996). 

Robinson et al.(1995) 8) 등은 흑백의 항공사진을 공간 해상도별로 스캔하고 각 

각의 영상을 일부의 영상 값에 대한 손실이 있는 JPG 형태의 압축 파일로 변환하 

여 수치표고자료를 추출하는 연구를 수행하였다 . 연구 결과에 따르면 15㎛ 의 해상 

도로 스캔된 초기의 영상을 약 8:1의 

비율로 압축하였을 때 수치표고자료의 정확도 

가 초기의 영상과 RMSE 0.03m 의 오차를 나타내 만족할 만한 결과에 도달하였다 . 

Niederoest(2001) 9)는 컬러항공사진영상에서 건물을 추출하기 위한 연구를 수행 

하였다 . 이 연구에서의 주된 목적은 어떻게 건물과 식생의 높이 값을 구분하여 건 

물만의 정보를 추출하느냐 하는 것이었다 . 그는 이와 같은 목적을 위해서 수치표고 

모형을 생성하고 컬러 영상의 Green 밴드와 Blue 밴드에 대한 영상분류기법을 조 

합하여 건물에 대한 정보를 추출할 수 있었다. 

Baltsavias and Zhang(2003) 10) 은 도시 외곽지역에 대한 도로망을 추출하고자 

컬러항공사진영상을 이용하였고 , 영상에 대한 수치표고모형을 추출하여 도로 주변 

에 있는 건물과 나무에 대한 높이 값을 제거함으로써 도로에 대한 정보를 추출할 

8)Robinson,C.,Montgomery,S.B.&Fraser,C.S.,1995,“TheEffectsofImage Compression 

on Automated DTM Generation”, Photogrammetric Week '95, , pp.255-262, Heidelberg, 

Germany 

9) Niederoest, M., 2001, “Automated Update of Building Information in Maps using Color 

Aerial Imagery”, International Society for Photogrammetry and Remote Sensing, Gifu,Japan 

10) Baltsavias, E. and Zhang, C., 2003, “Automated Updating of Road Databases from Aerial 

Imagery”, Institute of Geodesy and Photogrammetry, Vol. 6(iss. 3-4), pp.199-213, Zurich, 

Swiss 

-9-

수 있었다. 

Pan et al.(2004) 11) 등은 컬러항공사진영상을 이용하여 항공삼각측량(aerial 

triangulation) 을 수행함으로써 추출된 지형정보에 대한 정확도를 평가하였다 . 즉 , 

산림으로 구성된 지역과 산림이 없는 지역으로 구분하여 연구하였는데 , 산림지역은 

수목들에 대하여 주변보다 높은 구역과 낮은 구역으로 나누어 부정적인 영향을 미 

치지 않도록 하였고 , 산림지역과 비산림지역의 두 그룹에 대한 사진좌표와 가중치 

의 표준편차를 비교함으로써 산림지역에서의 지형 정보 추출에 대한 정확도를 향상 

시킬 수 있도록 하였다. 

국내에서 김경록(2000) 12)은 컬러항공사진영상 해상도의 판단과 영상의 질로부터 

특성 분석을 실시하여 흑백영상과 컬러영상의 차이를 비교분석 하였다 . 흑백영상으 

로부터 지형요소를 자동적으로 추출하는 데 있어서의 문제점을 분석하여 컬러항공 

사진영상에 적용함으로써 영상의 픽셀자료로부터 벡터자료로 변환하는 알고리즘을 

분석하여 도로 , 건물 , 하천 등 수치지형도 대분류 체계상의 지형요소를 추출할 수 

있다는 가능성을 제시하였다. 

황원순(2004) 13) 등은 컬러항공사진영상을 영상 정합에 의한 수치표고모형을 생 

성하여 수치지도와 흑백의 영상으로 변환한 항공사진영상과의 정확도를 비교하였 

고 , 그 결과 RMSE 1.3m와 표준편차 1.2m 라는 결론을 내렸다 . 

이와 같이 컬러항공사진영상을 이용한 연구와 이로부터 생성하는 수치표고모형에 

대한 연구가 진행되고 있으나 아직까지는 컬러항공사진영상을 이용한 연구는 많이 

다루어 지지 않고 있다 . 또한 컬러항공사진영상의 대용량 문제에 대하여 컴퓨터의 

저장 공간을 확대한다는 것만으로 해결방안을 찾을 수 없는 것이 현실이다 . 날로 

증가하는 컬러항공사진영상을 이용한 사용자들의 요구를 해결하기 위해서는 이에 

대한 연구를 계속적으로 수행하여 다양하고 정확한 지형정보를 제공할 수 있도록 

해야 할 것이다. 

11) Pan, L., Zheng, H., Zhang, Z. and Zhang, J., 2004, “A Height and Texture Information 

Integrated Approach for Object Extraction Applied to Automatic Aerial Triangulation”, 

International Society for Photogrammetry and Remote Sensing, Istanbul, Turkey 

12) 김경록 , 2000, 『 천연색 항공영상을 이용한 지형요소 반자동 추출에 관한 연구 』 , 명지대학교 석 

사학위논문 

13) 황원순 , 전호원 , 김감래 , 2004, “ 천연색 항공영상의 수치표고모형 정확도 평가 ”, 한국측량학회 춘 

계학술발표회 논문집, pp.259-262 

-10-

2.2 정확도 평가의 의의 

정확도는 참값과 관측값과의 편차를 나타내는 것으로 우연오차 뿐만 아니라 보정 

되지 않은 정오차에 의해 일어나는 편이에 의해 영향을 받는다 . 이와 같이 수치표 

고모형은 여러 가지 원인에 의한 오차가 누적되어 있다 . 이러한 오차는 절차의 개 

선과 수정 편집의 과정을 거쳐 어느 정도 제거할 수 있지만 모든 오차를 제거하는 

것은 현실적으로 불가능하다. 

영상정합에 의한 수치표고모형의 생성에 있어서 영상정합이 잘못되어 실제와는 

다른 점들이 한 쌍의 정합점으로 결정될 경우 지상좌표의 계산에 있어 오차를 유발 

하며 이에 따라 수치표고모형의 정확도는 저하한다. 

이와 같은 이유로 수치표고모형에 대해 정확도를 평가하고 평가된 결과에 따라서 

사용 가능성 여부를 판단하게 된다 . 수치표고모형의 오차에 대한 허용범위는 수치 

표고모형의 격자 간격의 크기나 사용 목적에 따라 달리 정하고 있다. 

생성된 수치표고모형의 정확도를 평가하기 위해서는 편이 , 최대 ․최소의 

차이 , 오차 

에 대한 표준편차 , 오차 분포 등에 대해 계산할 수 있다 . 이러한 방법은 고전적인 

방법이긴 하나 정량적으로 수치표고모형의 품질을 평가하고 관리할 수 있다는 장점 

을 갖는다. 

이와 같이 대부분의 수치표고모형은 그 용도와 크기에 따라 허용 범위 내에서 생 

성되었는지에 대한 정확도를 평가한다 . 또한 제작과정에서 수행된 여러 공정에 의 

해 영향을 받게 되며 , 제작과정의 각 단계별 공정에서 발생하는 여러 오차들의 함 

수 관계를 알지 못하기 때문에 총 오차를 추정하기란 어려운 일이다 . 따라서 입체 

영상의 영상정합이나 기타 여러 가지 다른 방법에 의해 생성된 수치표고모형에 대 

한 정확도를 평가함으로써 수치표고모형을 신뢰할 수가 있다. 

2.3 영역에 따른 정확도 평가 방법 

이처럼 수치표고모형은 여러 가지 원인에 의한 오차가 누적되어 있다 . 이러한 오 

차는 수치표고모형의 생성 과정에 대한 개선과 생성 후 수정 보완함으로써 어느 정 

도 제거할 수 있지만 모든 오차를 제거하는 것은 불가능한 실정이다. 

-11-

이러한 이유로 수치표고모형에 대해 정확도를 평가하고 , 평가된 결과에 따라서 

사용가능성 여부를 판단하게 된다 . 수치표고모형의 오차에 대한 허용 범위는 수치 

표고모형의 격자 크기별 , 응용 분야별로 구분되어 정의되고 있다 . 

따라서 대부분의 수치표고모형은 그 용도와 크기에 따라 허용 범위 내에서 제작 

되었는지 여부를 평가한다 . 수치표고모형의 위치 정확도는 제작 과정에서 수행된 

공정에 의해 영향을 받게 된다 . 제작과정의 각 단계별 공정에서 발생하는 여러 오 

차들의 함수관계를 알지 못하기 때문에 공간자료에 발생하는 총 오차를 추정하기란 

매우 어려운 일이다 . 따라서 총 오차와 각 공정에서의 오차들 간에 선형관계가 있 

다고 가정하면 오차전파법칙을 이용하여 각 공정의 제곱을 합계하여 전체 오차의 

제곱을 추정할 수 있다 . 이러한 정확도 평가 방법에는 일부분에 대한 표본 평가방 

법과 전역에 대한 평가 방법으로 구분할 수 있다 ( 이승우 , 2004). 

2.3.1 표본 검사점에 의한 정확도 평가 방법 

표본 평가 방법은 첫째 , 현지 측량 또는 기지점에 의한 정확도 평가 방법으로서 

수치표고모형 격자의 수평좌표와 동일한 수평위치 점을 현지 측량하여 표고값을 비 

교함으로써 정확도를 평가하는 방법과 둘째 , 지도나 기준점 정보를 이용하여 지물 

의 위치와 높이값을 취한 후 해당 위치에 대한 수직 정확도를 평가하는 방법이다. 

첫 번째 경우와 같이 현지 측량에 의해 수치표고모형 정확도를 평가하는 경우 시 

간이 많이 소요되고 경제적으로 부담이 되는 현지 측량을 필요로 하는 단점을 가지 

고 있으며 수치표고모형 상에서 현지 측량이 가능한 지점을 식별하기가 곤란하다는 

단점이 있다. 

두 번째 경우는 기존에 현지 측량에 의해 식별이 되었거나 지도에서 식별 가능한 

점에 대하여 정확도를 평가하기 때문에 현지 측량이 갖는 단점을 보완할 수 있다. 

이러한 식별 가능한 점은 일반적으로 도로의 차선 , 횡단보도 , 교차로 등 명확히 

그 지점을 알 수 있는 점을 기준으로 사용한다 . 이들 점들은 주로 사용하는 이유는 

자료원으로부터 쉽게 위치 확인이 가능하고 높이값을 얻을 수 있기 때문이다. 

2.3.2 전역에 대한 정확도 평가 방법 

이것은 해당지역에 대한 기준 수치표고모형을 생성하여 분석 대상 수치표고모형 

-12-

과 비교 평가하는 방법이다 . 이는 표본 검사 방법과 비교하였을 때 전역에 대한 평 

가가 가능하다는 장점이 있다 . 반면에 대상 수치표고모형 보다 더 정확한 수치표고 

모형이 준비되어 있어야 하고 , 기준 수치표고모형과 분석 대상 수치표고모형간의 

시기적 및 지형적으로 변화가 없어야 한다. 

2.4 정확도평가이론 

수치표고모형을 제작하기 위한 격자 간격은 지형 및 제작목적에 따라 달리 정하 

고 있으며 , 정확도를 평가하기 위한 기준자료로는 현지측량이나 대축척 수지지도로 

부터 확보한 지상기준점 (ground control points) 자료를 이용한다 . 즉 , 지상기준점 

과 수치표고모형을 비교하였을 때 나타나는 차이 값을 대상으로 정확도를 판정한 

다 . 수치표고모형의 정확도 평가는 표준편차를 기준으로 하고 있으며 ( 국토지리정보 

원 , 2002), 일부에서는 평균제곱근오차 (RMSE; Root Mean Square Error) 를 혼용 

하여 사용하기도 한다. 

Buyuksalih et al.(2004) 14) 은 SPOT-5 위성영상을 이용하여 영상정합기법에 의 

한 수치표고모형을 생성하고 정확도를 평가하였으며 , 정확도 평가의 기준은 평균제 

곱근오차를 이용하였다. 

Fabris and Pesci(2005) 15) 은 컬러항공사진을 기초자료로 하여 본 연구에서 사 

용한 수치사진측량시스템인 Socet Set을 

이용하여 영상정합 방법에 의한 수치표고 

모형을 생성하였다 . 이 연구의 목적은 시기적으로 변화하는 화산분화구의 모습을 

분석하였으며 , 정확도 평가방법의 기준으로는 평균과 표준편차를 이용하였다 . 

미국 지질조사국(USGS) 16)에서는 수치표고모형의 생성방법과 규격을 정하고 있으 

며 , 수치표고모형의 정확도에 따라 Level-1, Level-2, Level-3의 

단계별로 구분하 

고 있다 . 정확도의 오차 허용 범위는 등고선 간격을 기준으로 선형보간 되었을 때 

14) Buyuksalih, G., Ouc, M., Topan, H. and Jacobsen, K., 2004, “Geometric Accuracy 

Evaluation, DEM Generation and Validation for SPOT-5 Level 1B Stereo Scene”, European 

Association of Remote Sensing Laboratories Workshop, Cairo 

15) Fabris, M. and Pesci, A., 2005, “Automated DEM Extraction in Digital Aerial 

Photogrammetry: Precisions and Validation for Mass Movement Monitoring”, Annals of 

Geophysics, Vol.48(6) 

16) URL: http://edc.usgs.gov/guides/dem.html 

-13-

의 수치표고모형을 사용하여 평균제곱근오차를 정확도의 기준으로 하고 있다. 

국내에서 염재홍(1996) 17)은 지상사진기를 이용한 입체촬영사진을 활용하여 사진 

측량의 관측과정을 자동화하고자 하였으며 , 평균제곱근오차를 이용하여 정확도 평 

가를 수행하였다. 

박준(2003) 18)은 컬러항공사진을 기초자료로 하여 영상재배열 방법 등에 따라 영 

상을 보간하여 저장하고 , 각 영상별로 수치표고모형을 생성하고 기준자료인 수치지 

도와의 비교를 통한 정확도를 평가하였으며 , 평균제곱근오차의 결과로 판단하였다 . 

황원순(2004) 19) 등은 컬러항공사진영상을 영상 정합에 의한 수치표고모형을 생 

성하여 수치지도 및 흑백영상으로 변환한 항공사진영상과의 정확도를 비교하였고, 

정확도 평가를 평균제곱근오차와 표준편차를 이용하였다. 

이와 같이 수치표고모형을 생성하고 기준자료와의 정확도 평가를 위한 허용 오차 

적용 범위의 기준을 표준편차나 평균제곱근오차를 사용하고 있으며 , 그 수식은 다 

음과 같다. 

 

 

수식 2.1 

 

수식 2.2 

 

σ 

수식 2.3 

 

여기서, X : 오차의 평균 

Xi : 수치표고모형과 기준점과의 높이 차이 값 ( 오차 ) 

S : 표준편차 

σ : 평균제곱근오차 

17) 염재홍 , 1996, 『 영상정합기법을 활용한 사진측량의 자동화에 관한 연구 』 , 연세대학교 박사학위 

논문 

18) 박준 , 2003, 『 대축척 천연색 항공영상의 수치표고모형 생성 및 평가 』 , 명지대학교 석사학위논 

문 

19) 황원순 , 전호원 , 김감래 , 2004, “ 천연색 항공영상의 수치표고모형 정확도 평가 ”, 한국측량학회 춘 

계학술발표회 논문집, pp.259-262 

-14-

2.5 기존연구의 한계 

이와 같이 위성영상 또는 컬러항공사진영상을 이용하여 수치표고모형을 생성하고 

자 하는 기존 연구의 정확도 평가 방법에는 다음과 같은 한계점이 있다. 

첫째 , 입체위성영상이나 컬러항공사진영상의 밴드별로 분리한 입체영상 조합을 

이용하여 생성한 수치표고모형과 기준자료인 수치지도를 이용하여 정확도만을 비교 

하였다 . 이는 단지 영상정합에 의해서 생성된 자료의 정확도만을 평가함으로써 입 

체를 구성하고 있는 좌우 영상이 어느 정도의 유사성을 가지고 있는지에 대한 상관 

관계분석이 이루어지지 않아 정확도 평가 방법에 신뢰를 주지 못하고 있다. 

둘째 , 정확도 평가의 척도로서 대부분 평균제곱근오차 (RMSE) 만을 사용하기 때문 

에 약간의 픽셀 이동에 따라 정확도는 상이하게 될 수 있다 . 이는 현재 수치표고모 

형을 생성하고 그 정확도를 평가할 때 대부분 사용하는 방법이다. 

따라서 본 연구에서는 정확도를 평가하기 위한 방법으로 각각의 밴드별로 생성된 

수치표고모형을 기존의 평가방법인 평균제곱근오차와 표준편차로 평가하여 그 정확 

도를 비교하였다 . 그리고 입체영상의 좌우 영역에 대하여 유사성을 판단하기 위하 

여 기준자료인 수치지도의 표고점이 위치하는 곳의 주변 픽셀에 대한 다양한 크기 

의 패치로 좌우 영상의 동일 지점에 대하여 상관관계를 분석하였다. 

2.6 상관관계를 이용한 정확도 평가 

2.6.1 영상자료의 구조 

영상자료는 행 (row), 열 (column) 이라는 말로 그 픽셀의 위치를 나타내며 영상 배 

열의 예를 그림 2.1 에 나타내었다 . 20) 

이렇게 각각의 픽셀에 저장된 밝기값은 촬영하는 센서마다 차이를 가지고 있지 

만 , 기본적으로 256 단계의 밝기값을 가지고 있으며 , 이 밝기값은 흑백영상인 경우 

각 픽셀이 0~255 의 정수값으로 파일에 저장 된다 . 가장 어두운 픽셀은 0의 

값을 

가지며 255 는 가장 밝은 값을 표현한다 . 밝기를 가지는 이러한 픽셀들이 모여 한 

20) 한국환경정책평가연구원 , 2000, 『 공공근로인력 교육교재 』 

-15-

영상을 구성하게 된다. 

각 픽셀 당 8 비트 (2 8 

=256) 의 자료를 가지므로 흑백영상 한 장의 크기는 행 

(rows)× 열 (column)×8 비트 (bit) 가 된다 . 컬러영상의 경우 단위 픽셀은 색을 표현하 

기 위해 각각 256단계의 Red 밴드 , Green 밴드 , Blue 밴드의 자료를 가진다 . 따라 

서 한 장의 컬러영상 크기는 행 × 열 ×8 비트 ×3 밴드의 크기가 된다 . 그림 2.2는 

연구 

에서 사용한 컬러항공사진 영상에서 밴드별로 분리한 입체영상 중에서 Red 밴드 

입체영상의 일부분을 나타내고 있으며 , 패치 영역의 크기는 7×7에 

해당하는 것이 

다 . 좌측 영상이 대체적으로 밝게 나타남에 따라 픽셀값도 전체적으로 높게 나타나 

고 있다 . 이 영상의 내부에는 0~255 사이의 값을 가지는 2차원 

배열로 이루어져 

있으며 , 각각의 숫자는 픽셀의 값을 나타내는 정수값으로 이루어져 있음을 알 수 

있다. 

그림 2.1 

영상내 픽셀 배열의 예 

-16-

왼쪽 영상 픽셀값 오른쪽 영상 픽셀값 

2.6.2 입체영상의 상관관계분석 

그림 2.2 Red 밴드 입체영상의 픽셀 배열 예 

수치사진측량에서의 상관관계기법은 공액점을 찾는데 사용해 왔다. 21) 상관관계는 

수치표고모형을 생성할 당시 영상정합이 얼마나 잘 이루어 졌는가에 따라 다르게 

나타난다 . 즉 , 입체영상에서 좌측사진 영상의 기준영역과 우측영상 정합영역과의 유 

사성을 판정하는 것으로 , 본 연구에서는 상관계수 (correlation coefficient) 를 이용 

하였으며 , 이는 입체영상조합이 어느 정도의 유사성 ( 유사도 ) 을 갖는지를 알 수 있는 

것이다 . 상관계수 γ는 -1 ≤ γ ≤ 1 의 값의 범위를 갖는다 . 이때 1은 

동일한 패턴 

을 , -1 은 반전된 패턴을 나타내며 , γ의 값이 클수록 두 영상간의 유사성이 높다. 

좌우 영상간의 상관관계를 확인하는 유사성을 판단하기 위해서는 패치의 크기에 포 

함하는 픽셀 값들을 이용하여 계산을 하여야 한다. 

21) 유복모 , 토니쉥크 , 2003, 『 현대 디지털 사진 측량학 』 

, 피어슨 에듀케이션 코리아 

-17-

상관계수 γ는 다음식과같이정의된다. 

만약 γ가 정규화 되었다면 -1≤ γ ≤1 

의 범위를 가진다 . 

여기서, SLR : 영상 소구역 L과 R의 공분산 

SL : 영상 소구역 L ( 기준영역 ) 의 표준편차 

SR : 영상 소구역 R ( 정합영역 ) 의 표준편차 

-18- 

수식 2.4 

왼쪽과 오른쪽 영상 소구역에 영상함수 gL(x,y), gR(x,y)와 평균 gL, gR을 도입하 

고 다음의 식으로 정의한다 ( 여기서 n과 m은 행과 열을 나타냄). 

 

 

 

 

․ 

 

 

 

 

 

 

 

 

․ 

 

 

 

 

 

 

․ 

 

 

 

 

 

 

 

․ 

 

 

 

 

 

 

 

 

․ 

수식 2.5 

수식 2.6 

수식 2.7 

수식 2.8 

수식 2.9 

수식의 모양을 보고 짐작할 수 있듯이 이 개념은 통계학에서 사용하는 표준편차 

를 적용한 것이다 . 통계학에서 어떤 거대한 n개의 모집단이 있다고 가정하고 표본 

표준편차를 낼 때 , 모집단의 표준편차를 낼 때와 똑같이 n으로 나누면 표본표준편 

차를 통해서 모집단의 표준편차를 추정할 때 너무 작은 값으로 추정하게 되는 경향 

이 있어서 표본표준편차는 n이 아닌 n -1 로나눈다 .

2.6.3 상관관계분석을 위한 패치크기의 결정 

입체영상조합의 좌우 영상에 대하여 상관관계기법을 적용한 유사성 비교를 위해 

서는 몇 가지 고려사항에 대해서 정의하여야 한다. 

먼저 유사성 비교를 위해서는 그림 2.3과 

같이 표고점을 기준위치로 하여 어느 

영역까지의 픽셀값을 사용해야하는지에 대한 패치의 크기를 정의하여야 한다 . 패치 

의 크기가 작을수록 좌우 영상간의 관계성이 적게 나타나므로 패턴 특성이 약한 반 

면 패치의 크기가 클수록 관계성이 엄밀해짐에 따라 유사한 패턴을 찾을 가능성이 

높아지면서 계산비용이 커진다 . 또한 패치의 크기가 작을수록 대표성을 가질 수 있 

는데 반해 패치의 크기가 클수록 대표성이 약해질 수 있다. 

이는 유사성을 평가하는 방법인 상관계수의 정의가 평균과 분산을 사용하기 때문 

이다 . 따라서 적절한 크기의 패치를 결정하여야 한다 . 일반적으로 영상을 이용한 유 

사성을 측정할 경우 7×7 ~ 41×41 까지 다양하게 사용하고 있으나 , 수치표고모형 

은 지형의 특성을 반영하므로 변화가 급격하지 않기 때문에 지형의 패턴이 엄밀하 

게 평가될 필요는 없다 . 또한 패치의 크기가 지나치게 넓을 경우 지형의 특성상 급 

격한 변화를 보이지 않기 때문에 패치내의 패턴 특성이 약할 가능성이 있다. 

패치의 크기가 결정되면 정합에 따른 유사성에 대한 상관계수 값의 임계값을 결 

정해주어야 한다 . 일반적으로 영상을 대상으로 한 유사성을 비교할 경우 0.5~0.8사 

이의 값을 임계값으로 설정한다. 

-19-

Behan(2000) 22)은 GPS/INS를 

이용한 지상 고도자료의 정확도를 평가하는데 있 

어서 패치의 크기를 15×15 로 결정하여 평가 하였고 , 그 상관계수의 임계값은 0.75 

를 기준으로 하였다. 

Lee et al.(2001) 23) 는 DCS 420 디지털 카메라로 촬영한 영상을 이용하여 수치 

표고모형을 생성하는데 있어서 패치 크기를 7×7 ~ 21×21의 

경우에 대하여 실험 

하였고 , 패치의 크기가 17×17일 경우 상관계수 값이 0.888로 

가장 우수하다는 결 

론을 얻었다. 

5x5 Pixels 

표고점위치 

그림 2.3 

패치크기의 예 

Gruen et al.(2003) 24) 은 탈레반 정권에 의해 2001년 3월에 

파괴된 바미얀 석불 

의 복원을 위해 영상정합기법을 사용하였다 . 사용된 사진은 1970년에 

관광객이 촬 

영한 사진을 이용하였는데 , 패치 크기는 17×17, 25×25, 31×31, 41×41 등 4가지 

경우에 대하여 3 차원 모델로 구현하였다 . 

Zhang et al.(2006) 25) 은 본 연구에서 사용하는 Socet Set의 ATE기능을 

이용하 

22) Behan, A., 2000, “On the Matching Accuracy of Rasterised Scanning Laser Altimeter 

Data”, International Archives of Photogrammetry and Remote Sensing, Vol. 33(B2), 

pp.75-82, Amsterdam, Netherland 

23) Lee, H. et al., 2001, “Object’s Surface Roughness Measurement using a High Resolution 

Digital Camera”, Fédération Internationale des Géomètres(FIG), International Conference 

24) Gruen, A., Remondino, F. and Zhang, L., 2003, “Automated Modeling of the Great Buddha 

Statue in Bamiyan, Afghanistan” International Society for Photogrammetry and Remote 

Sensing, Vol. 34(3), Munich, Germany 

25) Zhang, B., Miller, S., Venecia, K.D. and Walker, S., 2006, “Automatic Terrain Extraction 

using Multiple Image Pair and Back Matching”, American Society of Photogrammetry and 

-20- 

7x7 Pixels

여 비행 활주로가 있는 평탄한 지역에서 수치표고모형을 생성하기 위한 알고리즘을 

개발하면서 15×15 의 패치 크기를 기준으로 하여 정확도를 평가하였다 . 

IMAGINE AutoSync(2006) 26)에서는 패치 크기를 11×11로 

기본값으로 설정하고 

있으며 , 상관계수의 임계값은 0.6~0.99의 

값으로 입력할 수 있도록 하고 기본값으 

로 0.8 로 설정하고 있다 . 

위성영상을 이용할 경우 패치의 크기는 위성영상이 가지고 있는 공간 해상도에 

따라 다르게 나타난다 . 프랑스의 SPOT 위성영상을 사용하는 경우 SPOT1․2․3․4호 기의 panchromatic 영상은 10m의 공간해상도로서 9×9의 

패치 크기에서 가장 좋 

은 결과를 얻을 수 있었으며 , 11×11을 

사용하여 영상을 처리할 경우 안정성은 좋 

으나 세밀함에 있어서는 9×9 보다는 다소 떨어지는 현상이 있다 . 국내의 한 프로그 

램에서는 9×9 패치 크기를 기본값으로 설정하고 있다 . 

이와 같이 패치의 크기와 상관계수 값은 다양하게 사용할 수 있다 . 따라서 본 연 

구에서는 각 경우의 수를 고려하여 각 밴드별 입체영상의 좌우 영상에 대하여 표고 

점 주위로 7×7, 11×11, 15×15, 19×19, 23×23의 

패치 크기로 결정하여 각각에 

대한 상관계수를 구하고 , 정확도가 우수한 입체영상이 유사성에서도 우수함을 확인 

하였다 . 또한 0.5 이상의 상관계수에 대한 임계값을 기준으로 상관계수가 우수한 

표고점의 수량을 확인하여 수치표고모형의 정확도가 우수한 입체영상의 조합이 상 

관계수에서도 동일하게 우수하다는 것을 검증하고자 하였으며 , 표 2.1에 

연구방법 

을 요약 하였다. 

Remote Sensing, AnnualConferenceReno,Nevada 

26) IMAGINE AutoSync, 2006, 『 IMAGINE AutoSync White Paper』 

-21-

표 2.1 연구방법 요약 

연구방법 적용기준 내용 


정확도 평가 

입체영상의 

상관관계분석 

표준편차 

평균제곱근오차 

표준편차와 

공분산 

-밴드별 

입체영상조합으로부터 수치표고모형 

생성 

-수치표고모형을 

기준자료인 수치지도의 표고 

점과 비교하는 정확도 평가 

-정확도 

우수한 밴드 확인 

-밴드별 

입체영상조합으로부터 수치표고모형 

생성 

-수치표고모형을 

기준자료인 수치지도의 표고 

점과 비교하는 정확도 평가 

-정확도 

우수한 밴드 확인 

-입체조합의 

좌우영상에 대하여 기준자료인 수 

치지도의 표고점 주위로 5가지 

패치 크기인 

7×7, 11×11, 15×15, 19×19, 23×23으로 

상관관계 분석 

-수치표고모형 

정확도 평가가 우수한 밴드가 

상관관계에서도 어느 정도 우수한지를 확인함 

으로써 두 관계에 대한 검증 

-22-

2.7 기대효과 

본 연구에서는 컬러항공사진영상으로부터 밴드별로 각각 분리한 입체영상을 이용 

함에 따라 수치표고모형을 생성하는 시간의 단축과 영상의 저장 공간을 적게 사용 

할 수 있도록 하여 각 밴드별 입체영상으로부터 수치표고모형을 생성하였다 . 그리 

고 수치표고모형의 정확도를 평가하기 위한 방법으로 각각의 밴드별로 생성된 수치 

표고모형을 기존의 정확도 평가 방법인 평균제곱근오차와 표준편차를 이용하여 그 

정확도를 비교하였으며 , 기준자료인 수치지도의 표고점이 위치하는 곳의 주변 픽셀 

에 대한 다양한 크기의 패치 영역으로 입체영상의 좌측영상과 우측영상간의 상관관 

계를 분석하였다. 

이러한 연구를 통해 다음과 같은 효과를 기대할 수 있다. 

첫째 , 대용량인 컬러항공사진영상의 파일로부터 분리한 밴드별 각각의 입체영상 

은 파일의 용량이 현저히 줄어들게 된다 . 이는 광범위한 지역을 대상으로 수많은 

영상을 이용하여 수행해야 하는 실무에 있어서 많은 저장 공간을 확보해야하는 어 

려움을 해결할 수 있을 것이다. 

둘째 , 수치표고모형의 정확도가 우수한 입체영상을 사용함으로써 뒤따르는 업무 

에 효율적으로 대처할 수 있다 . 수치표고모형을 생성할 경우 필연적으로 나타나는 

오류를 판독 편집해야하는 업무량을 현저히 줄일 수 있을 것이다. 

셋째 , 정확도 평가 방법에 있어서 기존의 일반적인 평가 방법의 또 다른 대안을 

제시함으로써 수치표고모형의 신뢰성을 확보할 수 있을 것이다. 

또한 현재 항공사진측량분야의 선진국에서는 항공사진측량장비가 전반적으로 디 

지털화를 지향하고 있다 . 기존의 아날로그 필름 기반의 항공사진측량 생산체계는 

비용 , 기간 , 효율성 등의 저하를 초래하므로 생산체계 자체를 자동화 및 디지털화 

할 수 있는 장비로 대체하고 있는 실정이다 . 즉 기존의 아날로그식 촬영카메라는 

점차 그 활용성이 줄어들고 스캔 과정이 필요 없이 항공영상을 획득할 수 있는 디 

지털 카메라의 요구가 증가하고 있으며 , 이러한 카메라는 밴드별 영상을 획득하게 

된다 . 이는 현재 위성영상의 밴드 특성에 대한 연구는 다양하고 활발하게 연구되어 

왔으나 항공사진의 밴드 특성에 대한 연구는 미미한 형편이다 . 따라서 본 연구의 

결과는 향후 사용하게 될 디지털 카메라의 영상에서도 그 특성을 바로 적용할 수 

-23-

있는 사전 연구로서 의미가 있을 것이며 , 디지털 카메라를 사용하게 되는 시점에서 

바로 실무에 활용할 수 있을 것으로 기대한다. 

-24-

3.1 입체영상 획득 

제 3 장 항공사진의 특성 

영상의 취득은 센서 (sensor 또는 camera) 에 의하여 이루어진다 . 센서는 대상물로 

부터 반사 및 복사되는 전자기파를 취득하는 기기로서 전자기파를 받아들이기만 하 

는 수동적 센서와 전자기파를 송신하고 그 반사파를 받아들이는 능동적 센서가 있 

다. 27) 수동적 센서는 일정한 조건하에서만 영상 취득이 가능하나 그동안 많은 연구 

개발로 인하여 효용성을 증대시켰으며 , 능동적 센서는 수동적 센서에 비해 영상 취 

득이 훨씬 자유로워 최근에 연구가 활발해지고 있다 . 본 연구에서 촬영한 카메라는 

수동적 센서에 해당한다. 

3.1.1 촬영용 항공기 

지상사진측량에서는 인력 또는 기계 등의 방법으로 사진 경위의 ( 經緯儀 ) 를 28) 촬 

영점에 운반하는 데 비하여 공중에서 촬영하는 항공사진측량에서는 항공기가 필요 

하다 . 항공계기는 일반항공기 , 비행선 , 기구 및 인공위성 등 공중을 운행하는 일체 

를 총칭한다 . 일반적으로 항공기는 일반항공기로 보통 프로펠러로 추진하는 항공기 

가 많이 이용된다. 29) 

현재 항공사진촬영을 위해 국내의 6개 항측회사가 보유하고 있는 항공기는 총 8대 

이며 , 이들의 내역은 표 3.1 에 나타난 바와 같다 . 표에서 볼 수 있는 바와 같이 현 

재 국내에서 사용되고 있는 항공기는 A사가 보유하고 있는 1 대를 제외하면 , 나머지 

는 모두 미국의 CESSNA 사에서 제작한 경항공기를 이용하고 있음을 알 수 있다 . 

이들 항공기는 모두 프로펠러를 이용한 추진 방법을 채택하고 있으며 , 항공사진측 

량의 원활한 수행을 위해 요구되는 최소 속도인 180km/h 이상의 유효속력을 유지 

할 수 있도록 설계되어 있다 . 또한 항공기에 장착되어 있는 카메라 및 부수장비의 

전원 공급을 위해 기본적으로 12V 이상의 출력 전압을 나타내고 있다 . 

27) 대표적인 수동적 센서로서는 항공사진측량용 카메라 ,Landsat 위성영상 ,SPOT 위성영상 , 우리나 

라의 아리랑 1․2 호 (KOMPSAT1․2) 공 Laser인 LiDAR 등이 있다 . 

위성영상 등이 있으며 , 능동적 센서로는 Radarsat 위성영상 , 항 

28) 사진 경위의 ( 經緯儀 , phototheodolite) 는 수평과 수직각을 재는데 사용 

29) 유복모 , 2001, 『 사진측량학개론 』 

, 사이텍미디어 

-25-

보유업체 항공기 

기종 

표 3.1 국내 항공기 보유현황 및 제원 30) 

제조사 제조년도 출력전압 유효속력 추진방식 자동 

A사 SF-600 AGUSTA 1981 24-28V 243km/h Prop. 

B사 TU-206G CESSNA 1980 28V 220km/h Prop. 

C사 

-26- 

항법장치 

TU-206G CESSNA 1979 28V 220km/h Prop. CCNS-4 

T-207 CESSNA 1969 12V 216km/h Prop. 

D사 TU-206G CESSNA 1985 28V 220km/h Prop. 

E사 

C-208 CESSNA 2000 28V 270km/h Prop. 

C-206 CESSNA 1990 12V 216km/h Prop. 

F사 C-208 CESSNA 1994 28V 270km/h Prop. ASCOT 

그림 3.1 촬영용 항공기 

30) 조우석 , 2002, 『 항공사진 품질향상 방안에 관한 연구 Ⅰ』 

, 국토지리정보원

이러한 항공기는 세계 여러 나라에서 여객용 , 화물용 , 레저용 , 촬영용으로 활용하 

고 있으며 , 본 연구에서 사용한 항공사진 촬영 항공기는 최신기종의 하나인 

CESSNA사의 Caravan 208 기종 ( 그림 3.1) 으로서 최대속도 340km/h, 항속거리 

2000km, 촬영고도 8.5km 의 기능을 갖추고 있으며 , 촬영용 항공기로서는 중형에 

해당한다. 

3.1.2 입체영상 획득을 위한 촬영경로 

일반적으로 촬영비행에는 항공기의 조종사 이외에 촬영사가 동승하여 사진기의 

조작과 촬영을 한다 . 촬영은 지정된 촬영경로에서 촬영고도의 15% 이내로 하고 , 고 

도는 지정고도의 5% 이상 진동하지 않도록 직선상에서 일정고도로 비행하면서 촬 

영한다 . 촬영경로는 촬영지역을 완전히 덮고 촬영경로 사이의 중복도를 고려하여 

결정한다 . 도로라든가 하천과 같은 선형 지역을 촬영할 때는 이것에 따른 직선 촬 

영경로를 조합하여 촬영을 수행하지만 일반적으로 넓은 지역을 촬영할 경우에는 동 

서방향으로 직선 촬영경로를 취하여 계획한다. 31) 촬영은 태양각이 45° 이상이 최적 

이나 일반적으로 태양각이 30° 이상인 쾌청일로서 시각은 오전 10시부터 오후 2시 

경까지이다 . 우리나라의 연평균 쾌청일수는 80 일 정도이다 . 32) 대축척 사진은 높은 

구름이 어느 정도 있어도 낮은 고도로 시계가 확보되므로 태양각이 30° 이상인 경 

우에 촬영이 가능하다. 

이와 같이 사진의 음영이 사진의 상하변에 직교하도록 함은 도화작업에 있어서 

사진을 입체시할 때 그 비고감( 比高感 ) 33)을 얻기 쉽게 하기 위해서다 . 또한 지역이 

남북으로 긴 경우는 후속하는 작업의 기준점 배치 , 도화능률 등의 경제성을 고려하 

여 남북방향으로 촬영경로를 계획한다 . 따라서 연구 대상지역의 특성에 따라 촬영 

경로를 남북방향으로 촬영하여 항공사진을 획득하였다. 

31) 국토지리정보원 , 2006, 『 항공사진측량작업내규 』 , 제 17조 

촬영방향 

32) 조우석 , 최병길 , 이창경 , 1997, 『 수치지도 정확도 향상방안 연구 』 , 국토개발연구원 

33) 높고 낮음의 정도를 의미함 . 이와 유사한 용어로 과고감 ( 過高感 ) 은 사진을 입체시하면 산지는 실 

제보다 돌출하여 높고 기복이 심하며 계곡은 실제보다 깊고 산복사면은 실제의 경사보다 급한 감 

을 준다 . 즉 , 과장되어 보인다 . 과고감은 부상도와 관찰자의 경험이나 심리 또는 생리적인 작용 등 

이 복잡하게 합해서 생기는 것이다 . 과고감은 지표면의 기복을 과장하여 나타낸 것으로 낮고 평탄 

한 지역에서의 지형판독에 크게 도움이 되는 반면 , 사면의 경사가 실제보다도 급하게 보이기 때문 

에 주의가 필요하다. 

-27-

3.1.3 입체영상 획득을 위한 사진중복도 

사진 중복도에는 종중복(over lap, end lap: p ) 과 횡중복 (side lap: q ) 으로 나누어 

진다 . 종중복은 촬영진행방향의 중복으로 입체시를 위하여 최소한 50% 이상이어야 

하며 , 횡중복은 촬영경로간 즉 , 촬영하는 비행 코스간의 틈을 없애기 위하여 최소한 

5% 이상을 요구하고 있다 . 그러나 일반적으로 종중복 60%, 횡중복 30% 를 택하고 

있다 . 또한 산악지역이나 고층빌딩이 밀집된 지역 ( 한 사진이나 한 입체 영역에서 비 

고가 촬영고도의 10% 이상이 되는 지역 ) 은 사각부 (dead area) 34)를 없애기 위하여 

중복도를 10~20% 이상 증가시킨다 . 그림 3.2는 

중복촬영에 따른 비행 방향을 나 

타내고 있다. 

그림 3.2 중복촬영 (p:60%, q:30%) 

34) 사진을 촬영시 항공기의 심한 편류 또는 대상지역의 지나친 비고 등으로 인하여 촬영에서 누락되 

는 부분이 발생할 수 있다 . 이것을 방지하기 위하여 중복도를 높여서 촬영하거나 재촬영을 실시함 . 

-28-

3.2 항공사진측량용 카메라 

사진측량용 측정기기 중에서 가장 중요한 것 한가지만을 언급하기 어려울 정도로 

대부분의 기기가 중요한 역할을 한다 . 그러나 사진을 이용한다는 관점에서 보면 카 

메라가 그 중의 가장 중요한 기기일 것이다 . 사진측량을 원활히 수행하기 위해서는 

사진의 기하학과 카메라에 대한 기초지식 , 그리고 작동법의 이해는 필수적이다 . 최 

근 사진측량의 놀라운 발전은 정밀 측정용 카메라의 개발과 데이터 인터페이스의 

편리성을 도모하였다 . 카메라의 개발 중의 가장 현저한 발전은 왜곡을 거의 제거시 

킨 고해상도의 렌즈 제조와 자료 부분에서 수치자료의 입 ․출력이 

용이해졌다는 점 

이다. 

항공사진측량용 카메라는 일반 카메라와는 매우 다르다 . 항공사진측량용 카메라 

의 기본적인 요소는 고품질의 기하학을 유지할 수 있는 렌즈를 사용하는 것이다. 

항공 카메라는 연속적으로 많은 사진을 신속하게 촬영하고 기하학적으로 안정한 형 

상을 기록할 수 있어야 한다 . 또한 고속 비행 중에 촬영을 수행하여야 하기 때문에 

비행속도와 연관되는 렌즈와 셔터를 갖추어야 하고 , 항공기의 진동과 기후의 악조 

건 속에서도 효율적으로 임무를 수행할 수 있어야 한다 . 항공 카메라는 일반적으로 

60~150m 이상의 롤필름을 담을 수 있는 필름 통 (magazine) 을 사용한다 . 현재의 

카메라는 유리판 위를 지나는 대상물을 자동으로 촬영하도록 개발되어 있어 일률적 

인 사진측량을 가능하게 한다. 

3.2.1 항공사진측량용 카메라의 특성 

항공사진측량용 카메라는 반드시 사진지표 (fiducial mark) 가 있으며 , 내부표정의 

제원을 갖춘 것으로 렌즈가 그 생명이다 . 항공사진측량용 카메라를 일반 카메라와 

비교하면 다음과 같은 특징이 있으며 , 표 3.2는 

피사각에 따른 카메라의 종류를 나 

타내고 있다. 

• 초점거리가 길다(88~300mm). 

• 렌즈의 지름이 크다. 

• 왜곡이 극히 적으며 왜곡이 있더라도 역의 왜곡을 가진 보정판을 이용함으로써 

왜곡을 없앨 수 있다. 

• 피사각이 크다. 

• 

거대하고 중량이 크다. 

-29-

• 

• 

• 

• 

• 

표 3.2 피사각에 따른 항공사진측량용 카메라의 종류 35) 

종류 렌즈의 초점거리 사진의 크기 필름의 길이 최단셔터 

피사각 (mm) (cm) (m) 간격 ( 초 ) 

보통각 

카메라 

광각 

카메라 

초광각 

카메라 

50° 

60° 

300 

210 

셔터의 속도는 0.01~0.001 초이다 . 

필름은 폭 24cm, 길이 200ft, 500ft 의 것을 주로 이용한다 . 

파인더 (finder) 로 사진의 중복도를 조정한다 . 

주변부라도 입사하는 광량의 감소가 거의 없다. 

해상력과 선명도가 높다. 

3.2.2 항공사진의 중심투영 

23×23 

18×18 

항공사진측량용 카메라로 촬영한 항공사진은 지도와는 근본적으로 투영 방식에 

차이가 있다 . 즉 , 지도는 정사투영 (orthogonal projection) 인데 비해 사진은 렌즈를 

통한 중심투영 (central projection) 에 의해 상 ( 像 ) 이 만들어진다 . 사진은 렌즈의 중 

심점에서는 지도와 같이 정사의 형태를 띠지만 중심에서 멀어질수록 상이 바깥쪽으 

로 늘어나서 실제의 위치가 달라지는 변위 (displacement) 가 발생한다 . 또한 지형의 

기복에 따라서도 생기는데 기준면보다 높은 곳은 이보다 바깥쪽으로 쏠리고 기준면 

보다 낮은 곳은 안쪽으로 변위가 발생한다 . 가령 피라미드가 그림 3.3과 같이 3×3 

의 배열로 되어 있을 때 피라미드 5의 

상공에서 항공사진을 촬영할 경우 사진에 나 

타나는 상은 가운데에 있는 것은 피라미드의 상부가 중심에 맺어지지만 가장자리 

피리미드의 상부는 바깥쪽으로 기울어져 보이게 된다. 

35) 유복모 , 2004, 『 디지털측량공학 』 , 박영사 

-30- 

300 

120 

2.5 

2 

90° 125~153 23×23 120 2 

사용목적 

도시관측, 

산림조사용 

일반도화, 

판독용 

120° 88 23×23 60 3.5 소축척도화용

3.2.3 항공사진측량용 카메라의 종류 

세계적으로 가장 많이 사용하는 카메라는 두 가지 형태로서 대표적인 제조사는 

는 Leica-Geosystems( 미국 ) 사와 Z/I Imaging( 미국 ) 사가 있다 . Leica-Geosystems 

의 카메라는 RC8, RC10, RC20, RC30 등이 있으며 , Z/I Imaging의 

카메라는 

RMK TOP 15, RMK TOP 30 등이 있다 . 현재 국내에서 가장 널리 사용하는 카메 

라는 RC20, RC30, RMK TOP 15 모델로서 표 3.3은 

대표적인 두 모델을 보여주 

고 있다. 

1 2 3 

4 5 6 

7 

8 

그림 3.3 

높이차에 의한 변위 

-31- 

9

표 3.3 항공사진측량용 카메라 

구분 RC30 RMK TOP 15 

외형 

제조사 Leica-Geosystems Z/I Imaging 

초점거리 153.66mm 152.54mm 

무게 158kg 155kg 

사진형태 

카메라의 특성상 장기간 사용하게 되면 왜곡 또는 편차가 발생하게 된다 . 이러한 

문제점을 해결하지 않은 상태에서 사진을 촬영하여 지도 또는 기타 지형정보를 제 

작 생성하였을 경우 심각한 오류를 범하게 된다 . 따라서 카메라의 사용 기간에 따 

라 정기점검을 함으로써 오차를 최소화 하고 있다. 

(1) 카메라 검정 (camera calibration) 정보 

항공사진 상에 표시된 지표 중 서로 마주보고 있는 것을 직선으로 연결하였을 

때 , 그 교차점이 항공사진의 주점 (fiducial center or principal point) 이 된다 . 그러 

나 실제로 지표들의 교차점은 사진 주점과 어느 정도 위치 편차를 가지고 있으며, 

-32-

이 값을 검정 기록상의 지표 위치와 비교함으로써 사진의 신축 정도 및 방향을 측 

정하고 이로부터 왜곡을 보정할 수 있다. 

(2) 렌즈 왜곡 (lens distortion) 보정 

카메라의 검정 기록에 나타나있는 자료 중 지표 위치와 함께 중요하게 다루어지 

는 것이 바로 렌즈 왜곡 자료이다 . 렌즈 왜곡은 방사 방향의 왜곡 (radial 

distortion) 과 접선 방향의 왜곡 (tangential distortion) 으로 나누어지며 , 이 중 대칭 

형으로 나타나는 방사 왜곡이 렌즈 왜곡에 절대적인 영향을 미치므로 일반적으로 

방사 방향의 왜곡만을 보정하는 경우가 많다. 

카메라의 렌즈 왜곡은 근본적으로 렌즈 내부의 밀도가 불균질하여 렌즈를 통과한 

빛이 이상적인 방향으로 굴절하지 못하기 때문에 발생하는 현상이며 , 통상적으로 

모든 렌즈에 대해 실험실에서 collimator를 

이용해 이 왜곡의 정도를 실측한 뒤 이 

를 카메라 검정 기록에 수록하고 있다. 

카메라 검보정을 해야 하는 기간은 운영하는 조건에 따라 다르게 된다 . 즉 , 운영 

시간 , 촬영사진수량 , 사용하는 환경 , 보관 환경 등에 영향을 받으며 , 일반적으로 요 

구되는 검정 기간은 2~4년 이며 36) , 본 연구에서 사용하는 항공사진은 최신의 장비 

인 RC30 카메라로 촬영하였고 , 카메라 검보정은 2002년 10 월에 실시하였다 . 

3.3 항공사진측량용 필름의 종류 

항공사진측량용으로 사용하는 필름은 그 종류가 매우 다양하나 크게 두 가지로 

구분할 수 있다 . 흑백 (panchromatic) 필름은 현재 가장 많이 사용되고 있는 것으로 

서 일반적으로 지도제작의 표준처럼 활용되어 왔다 . 최근 사진측량뿐만 아니라 원 

격탐사 등에서도 컬러 필름을 이용하는 것이 급격하게 증가하고 있다 . 이는 흑백 

보다는 달리 컬러는 인간의 시각적인 효과에 커다란 이점이 있기 때문이다. 37) 

항공사진촬영을 위해 많이 쓰이는 필름으로 카트리지 속의 축에 감아 넣거나 또 

는 종이로 된 보호용지와 함께 이용한다 . 휴대가 간편하고 암실이 아닌 곳에서도 

36) Leica-Geosystems, 1995, 『 RC30 Technical Reference Manual』 

37) Lillesand, T.M. and Kiefer, R.W., 1994, 『 Remote Sensing and Image Interpretation 』 , 

Third Edition, Wiley 

-33-

필름 교환이 가능하지만 촬영 도중에 필름을 바꿔 쓸 수 없고 , 일부만 현상 할 수 

있다는 제약점을 가지고 있다 . 일반적인 필름의 길이는 약 150m에 

해당하기 때문 

에 소규모 지역을 촬영하고자 할 때는 암실에서 필요한 길이만큼 잘라 사용함으로 

써 비용을 절감하기도 한다 . 촬영이 완료된 필름은 현상과정을 거쳐 상이 반전되어 

찍히는 음화필름 원판이 만들어지게 된다. 

국내의 항공사진촬영 분야에서는 흑백필름의 경우 KODAK사의 Double-X 2405 

필름을 대부분 사용하고 있으며 , 컬러필름의 경우 KODAK사의 Aerocolor-Ⅲ 

2444 필름이 가장 많이 사용되고 있다 . 표 3.4는 

국내에서 일반적으로 많이 사용하 

는 필름의 종류를 나타내고 있다. 38) 

표 3.4 국내에서 사용 중인 필름의 종류 

종류 제조사 필름명 필름폭(inch) 필름두께(mil) 사용고도(m) 

흑백 

KODAK 

Plus-X 2402 9.5 4.3 650~6,000 

Double-X 2405 9.5 4.4 650~6,000 

AGFA PAN200PE 9.4 4.3 650~6,000 

컬러 KODAK 

Aerocolor-Ⅲ 

2444 

Aerocolor-Ⅲ 

2445 

출처 : 국토지리정보원 2002 

-34- 

9.5 5.2 650~6,000 

9.5 4.0 650~6,000 

38) 조우석 , 2002, 『 항공사진 품질향상 방안에 관한 연구 Ⅰ』 

, 국토지리정보원

컬러음화 컬러양화 흑백음화 흑백양화 

그림 3.4 필름의 종류 

컬러음화필름은 대체로 붉은 색을 띠게 되는데 이는 현상과정에서 사용하는 약품 

에 따라 약간의 차이가 있으며 , 그림 3.4 는 대표적인 필름의 형태를 나타내고 있다 . 

3.4 항공사진 전용 필름 스캐너 

항공사진은 필름 상에 아날로그 형식의 자료로 촬영이 되므로 이를 컴퓨터에서 

처리하기 위해서는 수치 (digital) 형식의 자료로 변환해야 한다 . 이러한 변환에 사용 

되는 것이 스캐너이며 , 스캐너의 정밀도에 따라 수직 또는 수평 방향의 왜곡이 발 

생할 수 있다 . 통상적으로 항공사진 전용스캐너의 경우 약 0.001mm 이내의 정밀도 

를 가지고 있다. 39) 수치화된 항공사진영상에 있어서 이러한 오차는 거의 보정이 불 

가능하므로 작업의 정밀도를 위해서는 스캐너의 정밀도에 대한 검증이 반드시 선행 

되어야 한다. 

일반적으로 항공사진 전용스캐너에 의해 제작된 수치영상은 기계적인 오차를 포 

함하게 된다 . 항공사진 스캐너상에서 스캔할 필름을 이동시키거나 또는 센서를 이 

동시키는 가이드 레일 (guide rail) 이 불완전할 경우에는 대상물과 센서 사이에서 직 

교성 (orthogonality) 을 유지하지 못하게 되며 , 그 결과 포인팅 오차 (pointing error) 

를 유발시키게 된다. 

또한 가이드 레일이 불완전한 경우에는 센서와 대상물 사이의 거리가 변화하게 

되므로 축척오차 (scaling error) 와 초점오차 (focusing error) 가 발생하게 된다 . 스캔 

과정에서 센서나 대상물을 이동시키는 데는 해석식 도화기에서와 마찬가지로 서보 

39) 한국환경정책평가연구원 , 2000, 『 정사항공사진기초 』 

-35-

모터가 이용된다 . 서보모터가 기준속도 보다 고속이나 저속으로 작동되는 경우에는 

이동오차 (motion error) 가 발생될 수 있으며 , 이는 일반적으로 서보모터시스템 내 

에서 보정된다. 

스캐너의 시준오차 , 축척오차 , 초점오차 , 이동오차 등은 기하학적 오차 (geometric 

error) 를 발생시키게 되고 , 불균일한 영상소의 배열을 만들게 된다 . 스캐너 내의 조 

명이 고르지 못한 경우나 센서에 줄무늬가 존재하는 등의 방사오차(radiometric 

error) 가 발생할 경우에 기하학적 오차는 더욱 뚜렷이 나타나게 된다 . 

스캐너의 검정 및 보정 후에도 스캐너내의 오차는 존재하게 된다 . 잔존하는 오차 

는 사진좌표를 기준으로 수 ㎛ 의 크기로 나타나게 되며 , 이를 나타내는 데에는 평 

균제곱근오차 (RMSE; Root Mean Square Error) 를 이용한다 . 

또한 광학적인 해상도인 픽셀의 크기 (pixel size) 를 기준단위로 하여 잔존오차를 

나타내기도 한다 . 일반적으로 스캐너의 평균제곱근오차가 0.33픽셀 

이하인 경우에 

는 매우 양호한 것으로 간주한다. 

3.4.1 항공사진용 필름의 스캔 해상도 결정 

항공사진을 스캔하여 수치화된 항공사진영상을 활용하기 위해서는 활용도에 따른 

적정 해상도를 유지해야 한다 . 스캔 해상도를 높여 수치화 할 경우 지도제작을 위 

한 지형 요소의 추출 및 판독은 쉬워지지만 그만큼 용량은 상대적으로 커지게 된 

다 . 이는 컴퓨터의 많은 부하와 작업공간의 확보에 무리가 따르게 마련이다 . 반대로 

해상도를 낮출 경우 스캔 속도의 향상과 작업공간의 효율적 이용이 가능하다 . 그러 

나 필요로 하는 지형 자료의 생성 및 판독이 난해할 수 있는 경우가 발생한다 . 표 

3.5 는 스캔 해상도에 따른 파일의 용량을 나타내고 있다 . 

이러한 적정 해상도를 결정하기 위해 이현직(2000) 40) 등은 자동내부표정을 통한 

항공사진영상의 최적해상도 결정 시험을 하였으며 , 건물의 관리나 단속 작업을 수 

행할 경우 수치영상의 픽셀크기는 24~25 ㎛ (1000DPI) 가 적정한 해상도로 나타났 

고 , 표정해석을 통한 항공사진영상의 최적해상도 실험결과 지도제작 및 2차 

제품 

생성을 목적으로 하는 경우에는 20~21 ㎛ (1200DPI) 해상도가 적정하다는 결론을 

40) 이현직 , 이승호 , 구대성 , 용민 , 2000, “ 영상데이터베이스 구축을 위한 항공사진의 품질확보방안 ”, 

한국지형공간정보학회 논문집 , 제 8권 제 2 호 , pp.89-99 

-36-

이끌어 냈다. 

표 3.5 스캔 해상도에 따른 항공사진 파일 용량 

해상도(DPI) 픽셀크기( ㎛ ) 

국토지리정보원에서는 수치지도제작 , 정사영상 , 수치표고모형 생성 등 정량적인 

목적으로 활용하기 위하여 항공사진을 자동 스캔하는 경우에는 1픽셀의 크기를 21 

㎛ (1200DPI) 이상으로 규정하고 있으며 , 사진판독이나 주제도 제작 등 특정 목적으 

로 이용하기 위하여 항공사진을 자동 스캔하는 경우에는 1픽셀의 크기가 60~25㎛ 

(400DPI~1000DPI) 이내 이어야 한다고 규정하고 있다 . 41) 

미국은 USGS/EROS42)에서 1940년부터 현재까지 NASA, 공군 , 해군 등 각 기관 

으로부터 획득한 역사적인 사진자료를 1970년대에 설립된 EROS Data Center에서 

수치화하여 제공하고 있다 . 이러한 자료는 축척 , 크기 , 품질 , 대상영역 등이 모두 다 

41) 국토지리정보원 , 2002, 『 영상지도제작에관한작업규정 』 , 제 8조 

최적해상도 

42) 미국지질조사국 (U.S. Geography Survey) 의 EROS(Earth Resources Observation and Science) 

에서는 항공사진 , 위성사진 , 지형자료 등 미국의 모든 자료를 관리하고 있다 . 

-37- 

저장용량(MBytes) 

흑백 컬러 

400 63.5 14.1 42.3 

600 42.3 31.7 95.2 

800 31.8 56.4 169.2 

1000 25.4 88.1 264.3 

1200 21.2 128.9 386.7 

1400 18.1 172.7 518.0 

1600 15.9 225.6 676.7 

1800 14.1 285.5 856.4

르고 롤필름의 형태도 있다 . 제공하는 스캔 해상도는 42 ㎛ ~14㎛ 

의 크기로 수치화 

한 자료를 제공한다 . 또한 1987년부터 NAPP(National Aerial Photography 

Program) 계획에 따라 5~7년 

간격으로 항공사진을 동일한 해상도의 크기로 스캔 

하여 수치화된 항공사진영상을 제공하고 있다. 43) 2004년 7월에는 

이러한 필름을 

수치화하여 제공하기 위한 스캔 해상도를 21㎛ 44)으로 표준화 하였다. 

3.4.2 항공사진 필름 스캔방식 

항공사진필름을 수치화하는 스캔 방식에 있어서 사진측량용 스캐너는 평면형(flat 

beds) 이다 . 드럼형식 스캐너는 사진측량에서 필요로 하는 정밀한 기하학적 정확도 

를 만족시키지 못하며 , 실제적으로 항공사진필름을 드럼에 완전히 밀착되도록 붙이 

는 것이 불가능하다 . 게다가 평면형 스캐너의 편리성에 비해서 드럼형식 스캐너를 

사용할 경우 작업의 흐름과 처리에 불편함이 따른다 . 그래픽 분야에서 평면형 스캐 

너의 수용으로 드럼형식의 스캐너는 1996 년 말 이후 시장에서 완전히 사라졌다 . 

그러나 평면형 스캐너는 드럼형식에 비해 방사학적 정확도를 만족시키지 못하였다. 

평면형 스캐너의 이러한 문제로 최근에 몇 년 동안 선형배열의 CCD 45) 센서를 사 

용하게 되었고 , 정밀한 방사학적 기하학적 정확도를 만족하게 되었다 . 

항공사진 전용 스캐너는 CCD 의 배열 상태에 따라 영역방식 (square, area) 과 선 

형방식 (linear) 으로 분류한다 . 영역방식은 사진 전체에서 일부분의 정방형 영역크기 

로 스캔하고 다음 옆으로 센서가 이동하여 동일 크기로 스캔하여 가는 방식으로 영 

상을 저장한다 . 선형방식은 문서 스캔 , 팩스 , 복사기에서 볼 수 있는 형태로 한 번 

에 사진 폭 (swarth) 만큼 센서가 이동하면서 영상을 저장한다 . 국내에서 보유하고 

있는 스캐너는 영역방식과 선형방식을 사용하고 있으며 , 그 특징은 표 3.6에 

정리 

하였다. 

43) URL: http://edc.usgs.gov/products/aerial.html 

44) Smith, T.B., 2005, “USGS National Center for Earth Resources Observation and Science 

(EROS) Analog Archive Preservation Efforts”, Ensuring Long-term Preservation and Adding 

Value to Scientific and Technical Data 2005, Edinburgh, UK 

45) Charge Coupled Device 의 약어로서 빛을 전기 신호로 바꾸어주는 일종의 센서이다 . 항공사진전 

용스캐너는 일반스캐너와는 달리 반드시 필름을 사용해야 한다 . 따라서 필름에 빛을 쏘아주고 반 

대편에 CCD 검출자를 설치하여 투과된 필름의 상을 저장한다 . 

-38-

표 3.6 국내 항측사 보유 스캐너의 종류 

모델명 DSW600 PhotoScan TD UltraScan5000 

제조사 Leica-Geosystems( 미국 ) Z/I Imaging( 미국 ) Vexcel( 오스트리아 ) 

국내보유사 중앙항업 , 아세아항측 

-39- 

국토지리정보원, 

한진정보통신 

아세아항측, 

삼아항업, 

동영항업 

CCD배열 Area Tri-Linear Tri-Linear 

센서 

해상도 

Scanning 

times 

Geometric 

Accuracy 

Output 

Format 

외관 

5~400㎛ 

2min./sheet 

(B/W, 12.5 ㎛ ) 

출처 : 제조사 brochure 

기준 

7,14,21,28,56, 

112,224㎛ 

6min./sheet 

(B/W, 14 ㎛ ) 

2.5~500㎛ 

6min./sheet 

(B/W, 25 ㎛ ) 

±2㎛ ±2㎛ ±2㎛ 

Tiff, Jpg etc Tiff, Jpg etc Tiff, Jpg etc

제 4 장 수치표고모형의 정의와 생성 

4.1 수치표고모형의 정의 

지난 20 년간 정사영상의 생성과 이용이 꾸준히 증가 되었으며 , 특히 최근 10년 

동안 원각탐사와 GIS 분야에서 수치정사영상과 수치표고모형 (DEM) 46)의 활용은 현 

격히 증가 되었다 . 정사영상은 일반인 , GIS 이용자 , 지도제작자 그리고 대중매체에 

이르기까지 어떤 주제정보 ( 예 , 지적도 , 시설물도 , 배수망 , 등고선 , 군부대 배치 등 ) 

를 중첩시키기 위해 사용되었으며 , 최근 데스크탑 소프트 -카피 

사진측량 시스템을 

사용하여 GIS 의 입력 자료로서 수치표고모형과 정사사진을 생성하고 있다 . 47) 

수치표고모형은 지리정보시스템 (GIS; Geographic Information Systems) 에서 없 

어서는 안 될 중요한 요소다 . 수치표고모형은 규칙적인 격자나 삼각형으로 연결된 

임의의 표고점을 이용하여 표면의 표고 (x, y, z) 를 표현한다 . 표고자료에서 가장 중 

요한 원천자료는 항공사진과 위성영상인데 , 대부분의 경우 사진측량을 이용한 지도 

제작으로부터 수치표고모형을 얻어낸다 . 더욱이 사진측량학자들은 수치표고모형을 

생성하고 보간하는 알고리즘을 발전시키는 데 많은 기여를 하였다. 48) 

수치표고모형이 대중화된 것은 1950 년대 중반인데 , 이는 컴퓨터가 처음으로 디지 

털 자료를 저장할 수 있게 된 때였다 . 수치표고모형이 도로의 계획과 건설에 적용 

된 이래 지형 및 시설물 해석에 많은 기여를 해왔다 . 수치표고모형은 더욱 개선되 

어 지구의 매우 넓은 지역도 표현할 수 있게 되었으며 , 강이나 형태선 (form line) 

46) Amhar, F., 1998, “The Generation of True Orthophotos using a 3D Building Model in 

Conjunction with a Conventional DTM”, International Society for Photogrammetry and 

Remote Sensing, Vol.32(4) 

(1) DTM(Digital Terrain Model) : 

고모형으로서 2.5 차원의 자료이다 . 

식생 즉 , 나무의 높이 값을 제외한 지형의 표면을 묘사하는 표 

(2) DBM(Digital Building Model) : 인위적으로 만들어진 구조물을 포함하는 것으로서 DTM보다 

더 복잡한 자료구조를 표현하는 3 차원 자료이다 . 

(3) DSM(Digital Surface Model) : 대상지역의 표면에 대한 자료로서 표면이 노출된 지역에서는 

DTM 과 유사하고 , 도심 지역에서는 DTM과 DBM 의 조합과 동일하다 . 즉 도심지역의 동일 위치 영 

역에서는 DTM과 DBM 이 동시에 존재한다 . 따라서 DSM 은 진정한 정사영상 생성 (true 

orthophoto) 을 위한 완전한 기하학적인 표면을 묘사하는 것이다 . 

47) Jensen, J.R., 2000, 『 Remote Sensing of the Environment 』 , Prentice Hall 

48) 유복모 , 토니쉥크 , 2003, 『 현대 디지털 사진 측량학 』 

, 피어슨 에듀케이션 코리아 

-40-

등 표면의 세부 특징과 같은 지질학적 특징까지도 다룰 수 있게 되었다. 

수치표고모형의 목적은 지구의 표면이나 대상물의 표면을 컴퓨터로 나타내기 위 

함이다 . 불연속적인 3 차원의 점들로 구성된 자료기반 (data base) 관리체계를 이용 

하여 지형을 수치적으로 표현한다 . 이러한 체계를 이용하는 장점은 수치표고모형으 

로부터 여러 결과들을 유도할 수 있고 , 이것을 GIS의 

다른 자료 층과 결합하여 활 

용할 수 있다. 

표고자료의 형태는 두 가지로 구분할 수 있다 . 첫째 , 집단표고자료 (mass 

elevation data) 는 어떤 특별한 의미를 갖고 있지 않은 지역에서의 수직위치정보를 

갖고 있는 임의의 점들을 말한다 . 해석도화기에 의해 취득된 윤곽과 격자 또는 표 

면특성과 아무 관련이 없는 넓은 지역에 분포된 점들이 이런 범주에 포함된다 . 둘 

째 , 표면구조 (surface structures) 를 표현하는 자료형태는 표면을 복원하는 경우에 

개별적으로 취급되는 것으로 산의 봉우리나 분지의 바닥 또는 불연속선 

(break-line), 형태선 (form line) 과 같은 특징적인 표고점들로 구성된다 . 여기서 불 

연속선은 산등성이나 강과 같은 지형표면의 물리적 모서리를 나타내며 , 형태선은 

지형의 다른 부분에 비해 더 높은 만곡의 매끄러운 표면모서리를 표현한다. 

일반적으로 컴퓨터를 통해 수치적으로 표면을 표현하는 데는 격자형(raster, 

grid) 수치표고모형과 불규칙 삼각망 (TIN; Triangulated Irregular Network) 수치 

표고모형의 두 가지 방법이 사용된다 . 지형을 표현하는데 TIN을 이용하면 raster에 

의한 표현보다 더 적은 점들이 필요하다 . 삼각망에서 원점이 직접적으로 지형 표면 

에 형성되는 반면 , raster는 보간에 의해 2 차적인 자료로 유도된다 . 두 가지 방법 

모두 장단점을 가지고 있는데 , 이들은 불연연속선의 통합 , 컴퓨터에서의 처리속도 , 

표면에 적용될 수 있는 부드러움의 정도 등이다 . 두 가지 방법에서 가장 중요한 것 

은 결과를 유도하는 것뿐 아니라 원래 자료를 저장하는 것이다. 

4.1.1 Raster 수치표고모형 

Raster 수치표고모형은 격자에 의하여 표고를 표현하도록 구성되어 있으며 , 밝기 

값 (gray value) 으로 표고를 나타낼 수 있는 수치 영상처럼 저장된다 . 불연속선은 

격자로 표현하기 어려운데 격자형에서 불규칙 점으로 나타나기 때문이다. 

규칙적인 격자의 교차점에서 표고를 저장하며 , 

기준점들의 불규칙한 집합으로부 

-41-

터 정교한 보간 기법을 거쳐 계산된다 . 일반적으로 격자의 크기는 기준점 사이의 

거리보다 더 작으며 , 불연속선이나 수직위치를 나타내는 점에 의해 표현된 지질학 

적 정보는 규칙적인 격자로 그물처럼 형성된다 . 격자의 가장 주된 장점은 표고만 

저장하면 되므로 자료의 구조가 간단하다는 것이다 . 이러한 자료집합은 수치 영상 

에 비유할 수 있다 . 또 다른 장점은 배열처리를 적용함에 있어서 계산이 빠르다는 

것이다 . Raster 수치표고모형의 주요한 단점으로는 표면을 보간 하기 위해 풀어야 

하는 방정식 체계가 크다는 것 , 표면을 표현하기 위해 높은 밀도의 점들을 저장해 

야 한다는 것 , 그리고 규칙적인 격자에서 불연속선을 표현하는 데 따르는 문제점들 

을 들 수 있다. 

4.1.2 TIN 수치표고모형 

TIN 수치표고모형은 삼각형으로 연결된 3차원 

점을 연결한 점들로 구성되어 지 

형을 표현한다 . 삼각형의 꼭지점은 기준점이며 , 표면의 특징적인 위치들 ( 예를 들어 , 

산 정상이나 불연속선 ) 에서 수집된 것이다 . 

TIN 에서 원래의 자료 점들은 삼각형에 의해서 연결되어 표면을 표현한다 . 점들의 

불규칙한 구조로 인해 각각의 점들을 저장하려면 대상에 대한 더 많은 정보가 필요 

하다 . 각각의 모서리에 대해 코드를 저장해야 하는데 , 이 코드는 주요점 , 불연속선 

이나 점표고를 이용하여 이루어지며 , 또한 점들이 어떻게 연결되어 TIN을 

형성하는 

지를 묘사하기 위해 이웃하는 점들에 대한 정보와 표면의 그 지점에서의 정규벡터 

도 결정하여야 한다 . 정규벡터는 모서리에서의 접평면에 대하여 수직이며 , TIN으로 

부터 매끄러운 표면을 재건하는 데 필요하거나 중요한 정보들을 포함하고 있다 . 불 

연속선은 일반적으로 삼각형의 한 변으로 나타낼 수 있는데 , 그 지역에서의 표면이 

불연속적이므로 하나의 불연연속선에서 2 개의 정규벡터가 필요하다 . 

그림 4.1은 raster 수치표고모형과 TIN 수치표고모형의 일반적인 형태를 나타낸 

것이다. 

-42-

(Raster 수치표고모형 ) (TIN 수치표고모형 ) 

그림 4.1 동일한 보간 지역의 raster 수치표고모형과 TIN 

4.2 항공사진영상의 기하모델링 

4.2.1 지상기준점 선점 

수치표고모형의 비교 

지상기준점 (GCP; Ground Control Point) 이란 결정된 좌표를 가진 지표면 위의 

인공 또는 자연점을 말하는 것으로서 , 세부도화 및 수치도화 작업에 필요한 사진상 

의 기준이 되는 지점을 현지에서 국가기준점 ( 삼각점 , 수준점 ) 을 이용 직접측량을 실 

시하여 좌표와 표고를 결정한다 . 지상기준점은 지도의 정확도에 큰 영향을 미치며 , 

제작하고자 하는 지도의 축척에 맞는 정확도를 유지해야한다. 

일반적으로 지상기준점은 평면기준점측량 (X, Y) 과 표고기준점측량 (Z) 으로 구분하 

여 실시하며 가급적 인접모델에서 상호 사용할 수 있도록 하고 사진상에서 명확히 

분별될 수 있은 지점으로 , 천정으로부터 45° 이상의 시계를 확보하고 , 사진상의 색 

조가 적절하여야 한다 . 평면기준점의 배치는 전면기준점측량 (full ground) 방식에서 

는 모델당 4 점 , 사진기준점측량 (aerial triangulation) 방식에서는 블록 외곽에 촬영 

진행방향으로 2모델마다 1 점씩 모델 중복부분에 , 촬영방향과 직각방향으로는 코스 

중복부분마다 1 점씩 배치한다 . 표고기준점의 배치는 전면기준점측량 방식에서는 모 

델당 6 점 , 사진기준점측량 방식에서는 모델당 모서리에 4 점을 배치한다 . 49) 

-43-

지상기준점은 항공사진의 입체시 가운데서 될 수 있으면 서로 떨어져 적당한 분 

포를 이루며 사진상에서 명료한 판단관측이 가능해야 한다 . 이것이 지상기준점에 

있어서 가장 중요한 조건이며 , 지상기준점 상호간에 시준 ( 視準 ; collimation) 이 잘 

되고 안 되고는 사진측량에서 문제시 되지 않는다 . 산지에서는 사진상에 명료한 점 

을 발견하기 어려우므로 지상기준점은 산정뿐만 아니라 평지나 계곡에도 분포되어 

야 한다. 50) 새롭게 지상기준점을 설치하는 것은 많은 시간과 경비가 소요되므로 자 

연 상태 그대로인 시가도로의 횡단보도선 , 차선을 구분하는 선의 끝 , 맨홀의 중앙 , 

직교한 작은 길의 모서리 등을 지상기준점으로 이용할 수도 있다. 

본 연구에서 사용하는 사진의 축척이 1:10,000으로 

촬영한 사진으로 이는 

1:2,500 축척의 지도를 제작할 때 해당한다 . 따라서 사용하는 지상기준점은 현지측 

량을 실시하지 않고 , 충분한 정확도를 유지할 수 있는 대축척 수치지도를 활용하여 

지상기준점으로 사용하였다 . 이때 선정해야하는 지상기준점의 위치는 대축척의 수 

치지도와 사진상에서 명확히 확인이 가능한 지점을 선택하였으며 , 그림 4.2는 

본 

연구에서 사용한 지상기준점 중에서 테니스장 라인을 선정한 것을 보여주고 있다. 

4.2.2 항공사진의 입체화를 위한 표정 

표정 ( 標定 ; orientation) 이란 항공사진 또는 입체모델의 사진을 촬영한 순간 지상 

의 모형과 똑같은 상태로 기하학적인 방법에 의하여 재현시키는 작업을 말한다. 51) 

표정작업은 내부표정 ( 內部標定 ; inner orientation), 상호표정 ( 相互標定 ; relative 

orientation), 대지표정 ( 對地標定 또는 絶對標定 ;, absolute orientation) 으로 구분한 

다 . 특히 상호표정과 대지표정을 합하여 외부표정이라 부르기도 하며 절대표정은 

축척의 결정과 정준으로 구분된다 . 절대표정을 거침으로써 모델은 사진이 노출될 

당시의 지형과 완전한 상사형으로 재현되는 것이다. 

절대표정을 위한 지상기준점의 수는 최소 3점이 

필요하나 실제적인 작업에서는 

이보다 많은 지상기준점이 필요하며 많은 지상측량장비가 소요하게 된다 . 이 문제 

를 해결하는 방법으로서 사진기준점측량을 활용하여 지상측량을 최대한 줄일 수 있 


선점 

50) 유복모 , 2001, 『 사진측량학개론 』 , 사이텍미디어 

51) 조규전 , 2004, 『 측량정보공학 』 

, 양서각 

-44-

도록 한다. 

4.2.3 사진기준점측량 (3 차원 모델링 ) 

앞서 언급하였듯이 한 쌍의 사진을 절대표정 하고 입체도화를 위해서는 최소한 

평면기준점 2 점 , 표고기준점 3 점이 필요하며 , 실제적인 작업에서는 보통 4점의 

평 

면기준점과 6 점의 표고기준점이 필요하다 . 이러한 지상기준점은 현장측량을 거쳐 

그들의 2차원 또는 3 차원의 좌표가 얻어진다 . 만일 작업지역이 넓어 많은 양의 항 

공사진이 필요할 경우 , 필요한 지상기준점의 수도 크게 늘어나며 이에 따른 측량경 

비는 큰 문제가 될 수 있다 . 사진기준점측량은 이러한 지상기준점측량의 작업을 최 

대한 줄일 수 있다. 

한 쌍의 항공사진에서 상호표정과 절대표정이 완료되면 촬영당시의 지상모델의 

완전한 재현이 이루어졌으므로 입체모델에 위치한 어떤 점들에 대한 3차원 

지상좌 

표를 얻을 수 있다 . 만일 한 쌍의 항공사진에 인접한 세 번째의 항공사진을 동시에 

사용하여 입체모델을 형성하면 입체모델의 크기는 세 번째 항공사진에 의하여 중복 

된 부분만큼 더 넓게 된다. 

사진상의 위치 대축척 지도의 위치 

그림 4.2 

지상기준점의 선정 예 

사진기준점측량은 많은 항공사진을 서로 접합 연결하여 블록을 형성하고 , 이러한 

-45-

블록을 하나의 입체모델과 같이 취급하여 매우 적은 수의 지상기준점만을 사용하여 

블록 전체에 대한 절대표정을 완료하고 , 모든 독립된 입체모델 각각에 대한 절대표 

정에 필요한 지상기준점은 도화기에 의하여 입체모델 안에서 구하거나 계산에 의하 

여 구하여야 한다. 

사진기준점측량은 입체모델을 형성하는 작업의 단위에 따라 독립모델법 

(independent model triangulation), 번들법 (bundle block triangulation) 등이 있 

다. 

(1) 독립모델 조정법 

스트립조정에서는 모든 모델을 하나의 스트립으로 접합 연결하여 조정하는 대신 

에 독립모델조정법에서는 전체 블록의 한 부분으로서 각 모델을 독립적으로 조정할 

수 있다 . 이 방법은 다른 방법에 비하여 변환 인자가 적은 반면에 정밀도는 스트립 

조정에 비해 매우 높다 . 독립모델 블록조정법은 하나의 블록 안에 있는 모든 모델 

에 대한 절대표정을 동시에 이루는 것이라 할 수 있다 . 앞에서 설명하였듯이 두 개 

의 평면기준점과 3개의 표고 기준점만 있으면 3차원 

상사변환을 사용하여 모델좌 

표를 통일된 좌표로 변환할 수 있다. 

독립모델 조정법은 하나의 독립된 모델이 작업 단위가 된다 . 상호표정에 의한 각 

모델의 형성은 입체도화기에서 기계적으로 할 수도 있고 , 컴퓨터 프로그램을 사용 

한 계산에 의하여 이루어질 수도 있으나 , 축척의 연결을 포함한 각 모델간의 접합 

작업은 순전히 계산에 의하여 이루어진다 . 따라서 모든 모델의 상호표정이 독립적 

으로 이루어지므로 각 모델은 각각 독립된 좌표계를 가지고 있다 . 독립 모델법에서 

모델간의 연결은 각 모델에 있는 지상기준점에 의하지 않고 투영원점을 포함한 접 

합점에 의하여 연결된다. 

블록조정은 모두 컴퓨터 프로그램에 의해 이루어진다 . 독립모델법의 컴퓨터 프로 

그램으로 가장 유명한 것은 독일의 슈트드카르트 대학에서 개발한 PAT-M43이 

있 

다 . 이 프로그램에 의한 계산방법은 평면과 표고를 개별적으로 수행하게 되나 서로 

완전한 독립은 아니다 . 왜냐하면 먼저 수행한 결과를 다음 단계의 계산에 사용하는 

방법으로 수행하기 때문에 서로 종속되었다고 할 수 있다. 

-46-

(2) 번들블럭 조정법 

항공사진측량에서 가장 기본적인 기하학적 단위는 사진상의 점과 투영중심점 , 그 

리고 대상점의 공간위치를 연결하는 광선 (image ray) 이다 . 한 점의 영상은 위치와 

방향이 알려져 있지 않은 투영중심점에 수렴하는 광속 (bundle of rays) 으로 생각할 

수 있다 . 번들블록조정은 각 광속에 있는 광선과 주어진 지상기준점을 사용하여 각 

광속들의 위치와 방향을 설정한다 . 번들블록조정은 공선조건 52)에 근거한다. 

모든 접합점들에 대한 사진 또는 모델좌표의 측정은 정밀 좌표측정기 , 해석도화 

기 또는 워크스테이션을 사용하여 각 사진에 있는 지상기준점 또는 모델 접합점들 

의 좌표를 측정한다 . 가장 이상적인 접합점들의 위치는 상호표정에서 사용했던 점 

들과 같이 사진 한 장당 3×3의 격자형으로 형성되는 9 개의 점의 위치가 된다 . 

이와 같이 측정된 접합점들의 좌표는 공액광속 (conjugate rays) 의 공간교차를 이 

루어 모든 점들에 대한 지상기준점 좌표로의 변환에 사용된다 . 공간교차방법은 카 

메라 요소와 지상기준점을 사용하여 공선조건을 만족시킴으로써 이루어지며 , 모든 

작업이 방대하고 복잡한 컴퓨터 프로그램에 의하여 이루어진다 . 번들블록조정에서 

는 독립모델법과는 달리 어떠한 물리적 모델이 형성되지 않는다 . 번들블록조정법은 

현재 사용하고 있는 블록조정법 중에서 가장 정밀하고 이론적인 방법이며 특히 , 필 

름의 비틀림 , 렌즈의 수차 , 대기굴절 등에 의한 각종 오차를 계산에 의하여 완전히 

소거한다. 

번들조정법에서는 다른 블록조정법과 비교하여 상대적으로 많은 양의 지상기준점 

수를 줄일 수 있다 . 이 방법에서는 평면기준점의 경우 블록의 주변에만 필요하며 , 

표고 기준점의 경우는 블록 전반에 걸쳐 균등하게 분포한다 . 특히 , GPS를 

장착한 

항공기를 사용하여 매 촬영순간의 카메라의 위치를 측정하면 블록조정에 필요한 지 

상기준점의 수를 크게 줄일 수 있다 . 이것은 각 노출 점의 위치가 바로 3차원 

좌표 

를 갖는 지상기준점이 되기 때문이다. 

(3) 사진기준점측량의 정확도 

사진기준점측량의 오차는 모델수와 함께 급격히 증가하며 , 이 오차는 다음과 같 

52) 공간상의 임의의 점 ( 또는 대상점 ) 과 그에 대응하는 사진상의 점 및 사진기의 촬영중심이 동일 직 

선상에 있어야 하는 조건을 공선조건 (collinearity condition) 이라한다 ( 유복모 , 

『 현대 디지털 사진 측량학 』 

, 피어슨 에듀케이션 코리아 ). 

토니쉥크 , 2003, 

-47-

은 것으로부터 생긴다. 

• 

• 

• 

지구의 곡률 , 대기의 굴절 등에 의한 정오차 

렌즈의 수차 , 필름의 수차 , 도화기의 조정오차 등 

접합표정의 오차 및 관측오차 ( 우연오차 ) 

사진기준점측량에서는 우연오차의 누적만으로도 예상외로 큰 오차가 생기는 것이 

다 . 그러나 이것은 정오차처럼 보여도 사실은 정오차가 아니며 관측을 반복하면 그 

때마다 전부 다른 경향이 얻어지는 성질이 있다. 

기준점 잔차 , 연결점 및 결합점의 조정값으로부터의 잔차는 평면위치와 표고 모 

두 표준편차가 0.2‰ Z, 최대값이 0.4‰ Z 이내여야 한다 ( 여기서 Z는 

촬영 당시의 비 

행고도임). 53) 

4.3 수치표고모형의 생성 방법 

표고 자료의 취득은 수치표고모형을 생성하는 과정에서 매우 중요한 단계인데, 

이는 수치 모형의 정확도를 결정하기 때문이다 . 수집된 자료들은 표면이 갖는 모든 

대상물 ( 또는 지형학적 ) 특성들을 나타내어야 한다 . 그러나 대상물 ( 또는 지형 ) 을 묘 

사하기 위해서 필요한 약간의 점들만을 취득한다 . 수치표고모형 보간을 위한 기준 

점들을 취득하는 많은 방법들이 실용적으로 이용되고 있다 . 사진측량은 자료를 취 

득하는 가장 경제적인 방법 중의 하나인데 , 이는 보간 지역에 균등하게 분포된 다 

수의 점들을 높은 정확도로 관측할 수 있기 때문이다 . 지역 내에 숲이나 도시같이 

사진을 사용할 수 없는 곳에서는 지상측량을 해야 한다 . 때로는 수치표고모형에 대 

한 정보를 얻기 위해 이미 존재하는 지도나 등고선을 수동으로 수치화하기도 하지 

만 , 이러한 방법은 지도상에서 자료가 부족하고 정확하지 않기 때문에 정확도가 떨 

어진다 . 더욱이 등고선은 수치표고모형을 생성하는데 적합하지 못한 자료를 제공한 

다 . 수치사진측량에서 영상정합과 특성추출을 이용해 기준점들을 자동적으로 계산 

하는 것은 점점 더 중요한 일이 되고 있다 . 최근 항공기나 위성센서에 의한 사진을 

자동적으로 정합할 수 있는 소프트카피 (softcopy) 워크스테이션과 소프트웨어를 개 

발하여 수치표면에서 완전 자동화를 이루어가고 있다. 


, 제 52조 

조정계산 및 오차의 한계 

-48-

수치표고모형은 기존에 제작된 지도에서 추출하거나 , 입체도화 장비를 통해 제작 

하는 방법이 있으며 , 현재는 수치사진측량시스템에서 입체 영상정합을 통해 자동적 

으로 추출하는 것이 일반적이다. 

4.3.1 기존지도의 활용 

이 방법은 지난 몇 년간 수치표고모형을 얻는데 일반적으로 사용하는 방법이다. 

지도는 넓은 지역을 포함하고 있으며 , 등고선과 점표고와 같은 표고에 관련된 정보 

를 표시한다 . 지도는 처리하기가 용이하며 , 보다 저렴하게 수치화할 수 있다 . 그러 

나 이 작업은 수동으로 이루어진다면 , 매우 노동집약적인 것이 된다 . 등고선은 수치 

표고모형을 제작하는 데 별로 적합하지 않은데 , 등고선을 따라 매우 밀도 있게 점 

들이 존재하고 , 선들 사이에 있는 매우 적은 양의 정보만을 이용할 수 있기 때문이 

다. 

종이 형태의 등고선 지도를 수치화하는 다른 방법으로는 도면용 스캐너를 이용하 

는 것이다 . 지도의 등고선 자료 층은 흑백영상 픽셀을 갖는 격자형 영상으로 스캔 

된다 . 검은색 영상 픽셀이 등고선을 나타낸다고 가정하면 , 선으로 연결할 수 있다 . 

일반적으로 이것을 격자형에서 선추적형 (vector) 으로의 전환이라고 한다 . 이 방법에 

의해 수치화된 등고선은 직접 벡터로 저장되며 , 수치표고모형을 생성하는 데에도 

참고가 될 수 있다 . 국토지리정보원에서는 이러한 종이 형태의 지도를 대부분 수치 

화하였으며 , 종이지도와 수치지도 54)를 제공하고 있다. 

4.3.2 입체영상의 영상정합 이용 

사진측량에서 가장 기본적인 처리과정 중의 하나는 둘 또는 그 이상의 사진상에 

서 공액점 (conjugate point) 을 찾고 관측하는 것이다 . 기계적 (analog), 해석적 

(analytical) 사진측량에서 공액점의 식별은 인간에 의해서 직접 수행되었다 . 수치사 

진측량에서는 영상정합 (image matching) 이라는 처리과정에 의해 자동으로 그 문제 

를 해결하려고 시도하고 있다 . 이와 같이 사진측량에서 가장 기본적인 과정은 입체 

사진의 중복영역에서 공액점을 찾는 것이라 할 수 있으며 , 기계적이거나 해석적 사 

진측량에서는 이러한 공액점을 수작업으로 식별하였으나 , 수치사진측량 (digital 

photogrammetry) 기술이 발달함에 따라 이러한 공정은 점차 자동화되고 있다 . 

54) 국가지리정보유통망 URL: http://ngic.go.kr 

-49-

영상정합은 입체영상 중 한 영상의 한 위치에 해당하는 실제의 대상물이 다른 영 

상의 어느 위치에 형성되었는가를 발견하는 작업으로서 , 상응하는 위치를 발견하기 

위해서 유사성 관측을 이용한다 . 이는 사진측량학이나 로봇시각 (robot vision) 등에 

서 3 차원 정보를 추출하기 위해 필요한 주요기술이며 , 수치사진측량에서는 입체영 

상에서 수치표고모형을 생성하거나 항공삼각측량에서 점이사 (point transfer) 를 위 

해 적용된다. 

영상정합은 일반적으로 자동입체정합 (automatic stereo matching) 또는 상관성 

(correlation) 해석이라고도 하며 , 컴퓨터 비전에서는 대응문제 (correspondence 

problem) 해석이라고도 한다 . 공액요소 (conjugate entity) 는 점 , 선 , 면을 포함하는 

대상공간형상 (object space features) 의 영상이다 . 정합요소는 공액요소들을 찾기 

위해서 두 번째 영상에서 첫 번째와 비교되는 주요소를 구한다 . 주요소는 밝기값 , 

형상 , 상징적인 관계나 기호 특성을 포함한다 . 

유사성 관측은 정합요소가 정량적으로 서로 얼마나 잘 대응 되는가를 관측하는 

것이다 . 유사성의 정도는 최대나 최소의 기준이 될 수 있다 . 교차상관계수 (cross 

correlation coefficient) 는 최대기준에 관한 예이다 . 정합방법은 정합실체요소에 대 

한 유사성을 관측한다 . 영상정합은 정합의 대상기준에 따라 다음과 같이 분류한다 . 

• 

• 

• 

영역기준정합 (area based matching): 영상의 밝기값 이용 

형상기준정합 (feature based matching): 경계정보 이용 

관계형정합 (relational matching, structural or symbolic matching): 대상물의 

점 , 선 , 면의 밝기값 등을 이용 

(1) 영역기준정합 

영역기준정합에서는 왼쪽 영상의 일정한 구역을 기준영역 (template area) 으로 설 

정한 후 이에 해당하는 오른쪽 영상의 동일구역을 일정한 범위 내에서 이동시키면 

서 찾아내는 원리를 이용하는 기법이다 . 사전 정보가 필요 없으며 , 평균제곱근오차 

가 최소가 되도록 점진적으로 정합을 시행한다 . 최근에는 상관정합기법에 의해서 

영상정보 취득의 효율을 크게 높이고 있다. 

-50-

(2) 형상기준정합 

형상기준정합에서는 대응점을 발견하기 위한 기본 자료로서 특징 55)적인 인자를 

추출하는 기법이다 . 두 영상에서 대응하는 특징을 발견함으로써 대응점을 찾아내는 

데 , 이 경우 각 점에 대한 평균값이나 분산과 같은 대표값을 계산하여 두 영상의 

값을 서로 비교한 후 공액점을 이용한다 . 특징정보를 추출하는 연산자는 이미 컴퓨 

터 시각 분야에서 많이 연구되어 있으며 , 

하여 사용한다. 

대개 이러한 연산자들을 사용하거나 변경 

형상기준정합을 수행하기 위해서는 먼저 두 영상에서 모두 특징을 추출해야 한 

다 . 이러한 특징정보는 영상의 형태로 이루어지며 , 대응하는 특징을 찾기 위한 탐색 

영역을 줄이기 위하여 공액 정렬을 수행해야 한다. 

한 정합점이 있을 때 주변의 정합점과의 모순이 발생하지 않으려면 유사성만을 

이용해서 해결할 수 없으며 , 전역적인 정합점을 구하기 위해 완화법 (relaxation) 동 

적 프로그래밍에 의한 최소경로계산 (minimal path computation), 모의관측단련 

(simulated annealing) 기법 등이 이용될 수 있다 . 정합의 정확도는 영상의 질에 많 

은 영향을 받으나 일반적으로 부영상소 (sub-pixel) 범위 내로 얻을 수 있다 . 

(3) 관계형정합 

관계형정합은 영상에 나타나는 특징들을 선이나 영역 등의 부호적 표현을 이용하 

여 묘사하고 , 이러한 관계대상들뿐만 아니라 관계대상들끼리의 관계까지도 포함하 

여 정합하는 방법이다. 

점 , 무늬 , 선 , 면 또는 영역 등과 같은 구성요소들의 길이 , 면적 , 형상 , 평균 밝기 

값 등의 속성을 이용하여 표현된다 . 이러한 구성요소들은 공간적 관계에 의해 도형 

으로 구성되며 , 두 영상에서 구성되는 도형의 구성요소들의 속성들을 이용하여 두 

영상을 정합한다 . 입체영상의 시야각이 다르기 때문에 구성요소들의 차이가 발생할 

수 있으며 , 정합과정에서 이러한 차이를 보상할 수 있는 방법이 필요하다 . 기존의 

정합방법들은 두 형상 사이의 유사성을 탐색하는 데 반해 관계형정합은 두 관계형 

종류의 최적 실체요소를 찾는 것을 목적으로 한다. 

55) 점 , 선 , 영역 등이 될 수 있으나 일반적으로 경계정보 (edge information) 를 의미함 . 

-51-

좌측영상 우측영상 

열 열 

행 행 

공액선 

4.3.3 입체영상의 영역기준정합 

-52- 

탐색방향 

그림 4.3 영역기준 영상정합의 개념 

탐색영역 

공액선 

영역기준정합에서는 소위 영상 소구역 (image patch) 이라고 부르는 작은 부영상 

(small sub-image) 의 밝기값을 또는 하나의 영상의 밝기값과 비교를 하는 것이 기 

본개념이다 . 기준영역은 두 영상 중에서 고정된 위치에 있는 소구역이다 . 탐색영역 

은 영상 소구역이 기준영역과 비교되는 탐색공간이며 , 그림 4.3은 

영역기준정합의 

기본 개념을 나타내고 있다. 

유사성 판정기준으로 기준영역과 탐색영역을 비교하며 유사성 판정방법에는 다음 

과 같은 내용을 고려해야 한다. 

(1) 기준영역의 위치 

어디에 기준영역을 둘 것인가에 대해 고려할 경우 , 이론적으로는 영상이 겹치는 

모든 지역이라 할 수 있지만 , 

일반적으로 기준영역의 중심은 영상보다 더 작은 기

준영역 크기의 절반 이내에 있는 지역에만 위치할 수 있다 . 좀 더 엄밀하게 말하면 

한정된 경계 내에서 선택할 수 있어야 한다 . 예를 들면 , 다른 영상에서 음영된 영역 

에 위치시키는 경우 , 신호 대 잡음비가 낮거나 반복적인 행태를 가진 영역을 선택 

하는 경우 , 영상정합에 악영향을 미치는 불연속선이 있는 영역을 선택할 경우에는 

영역기준 영상정합은 이루어지지 않는다. 

(2) 기준영역의 크기 

기준영역과 정합영역의 크기는 중요한 매개변수가 된다 . 크기가 커지면 밝기값 

함수의 유일성은 대체적으로 증가하지만 기하학적 왜곡문제도 또한 커진다 . 예를 

들면 , 서로 다른 기준영역크기에 대한 유일성을 판정하는 계산을 통해서 절충하여 

야 한다 . 이것은 또한 기준영역위치에 대한 유용성을 검증하는 목적이 되기도 한다 . 

(3) 탐색대상영역의 위치와 크기 

영역기준정합은 아주 근접된 근사 영역을 필요로 하기 때문에 탐색영역의 위치가 

매우 중요하다 . 탐색공간의 크기는 기준영역의 크기보다 크게 설정하며 , 이러한 이 

유는 공액점이 영상에서 몇 영상소의 이동 (shift) 이 발생할 수 있기 때문이다 . 

기준정합방법은 좀 더 좋은 관측을 하기 위해 계층적 접근 방법을 사용한다. 

영역 

(4) 허용기준 

기준영역과 정합영역의 유사성 판정을 위해 취득된 인자는 반드시 분석되어야 한 

다 . 심지어 동일영역 내에서도 허용 / 배제기준이 종종 변화한다 . 임계값이나 또 다른 

기준을 지역적으로 결정해야 한다. 

4.3.4 상관관계에 의한 영상정합 

입체영상 정합기법에서 대표적인 상관정합기법은 왼쪽 영상에서 정의된 기준영역 

을 오른쪽 영상의 탐색영역상에서 한 점씩 이동하면서 모든 점들에 대해 통계적 유 

사성 관측값 즉 , 상관계수를 계산하는 것이다 . 계산된 관측값 중에서 가장 큰 유사 

성을 보이는 점을 정합점으로 선택할 수 있다 . 탐색영역의 크기는 외부표정요소의 

정확성과 허용 가능한 고도차에 따라 달라지며 , 입체정합을 수행하기 전에 두 영상 

에 대해 공액 정렬을 수행하여 탐색영역 크기를 줄임으로써 정합의 효율성을 높일 

수 있다 . 이 방법은 상관인자를 계산하여 기준영역과 정합영역의 유사성을 판정한 

다. 

-53-

정규화된 상관인자 값 γ는 ±1 사이의 값으로 가정한다 . 만약 기준영역과 상관대 

상영역 (correlation window) 이 동일하다면 똑같은 값을 얻게 된다 . 만약 , 2개의 

영 

상 소구역 사이에 상관관계가 전혀 없다면 , 전혀 유사성이 없으며 , γ =0 라고 한다 . 

γ =-1 은 역상관관계를 나타내고 , 이것의 예로는 투명양화와 동일한 영상의 음화가 

있다. 

만약 탐색대상영역이 공액선에 제한을 받게 된다면 상관인자는 그림 4.4의 

그래 

프 형태로 출력될 것이다 . 최대값은 상관값을 통과하는 다항식으로 찾을 수 있다 . 

최대값은 영상소가 있는 자리의 정수값과 거의 일치하지 않는다는 것을 알아야 한 

다 . 그림 4.5 는 일반적인 경우를 나타내고 있다 . 그림 4.5(a) 의 예에서 비록 상관인 

1.0 

0.5 

0.0 

(a) 

a 

상 

관 

계 

수 

최대 

상관위치 

-54- 

1.0 

0.5 

0.0 

그림 4.4 최대값 상관계수 포물선 

(b) (c) 

그림 4.5 

최대상관인자값 결정시 발생하는 문제 

a 

1.0 

0.5 

0.0

자는 아주 높지만 최대값을 결정하기는 어렵다 . 이것은 두 영상소구역이 서로 낮은 

밝기값의 차이를 나타내는 낮은 대비의 경우에 해당하며 공액점의 신뢰도가 낮다. 

그림 4.5(b) 는 또 다른 일반적인 문제로 2개의 

봉우리 중에서 어느 것이 올바른 최 

대점인지 결정하기 어려운 상황이다. 

그림 4.4와 4.5(a) 사이의 비교는 최대값을 구별하기 위한 품질관측으로써 상관 

함수의 ‘ 편평함 (flatness)’ 을 사용하도록 제시한 것이다 . 예로서 편평함은 거의 최대 

값인 포물선에 대한 접선과 사이의 각을 통해서 관측될 수 있다. 

그림 4.5(a) 에서 기준영역과 상관대상영역의 신호 대 잡음비가 낮다 . 반면에 그림 

4.5(b) 는 정합대상영역에서 형태가 반복되어 발생될 수 있다 . 비록 분명한 봉우리가 

있지만 그림 4.5(a) 에서보다 최대값이 다소 낮기 때문에 그림 4.5(c) 에서는 전체적 

으로 임계값을 결정하기가 어렵다. 

4.3.5 계층적 입체 영상정합 

공액선의 궤적을 따라 영상정합을 함으로써 전체 영역으로부터의 탐색공간을 줄 

일 수 있었다 . 그러나 영상정합과정을 시작하기 위하여 만족할 만한 적은 근사값을 

가지고 있지 않다 . 영상소 탐색 공간을 감소시킬 또 다른 방법은 영상소 크기를 축 

소시키는 것이다 . 즉 계층구조의 입체 정합을 수행하기 위해서는 입력자료인 입체 

영상을 축소하여 영상계층구조를 구성하여야 한다 . 그림 4.6에서 

가장 아래의 영상 

이 원시영상이며 , 하나의 계층이 올라갈 때마다 영상의 크기는 가로 세로 각각 1/2 

로 축소된다 . 계층구조의 입체정합에서는 상위계층에서부터 정합을 수행하여 그 결 

과를 하위계층으로 적용하는 것이다. 

그림 4.6 

영상계층구조 

-55-

4.3.6 3차원 

좌표계산 

입체영상에서 정합점이 결정되면 사진기준점측량 (3 차원 모델링 ) 을 통해 계산된 

외부표정요소를 이용하여 정합점에 해당하는 지상의 위치를 결정할 수 있다 . 정합 

점은 지상에서의 한 점이 두 영상에 투영된 것이다 . 따라서 두 개의 영상에서 정합 

점의 영상좌표와 투영중심을 연결한 연속선은 지상의 한 점에서 교차하게 된다 . 실 

제상황에서는 정확한 모델링이 어려워서 두 연속선은 교차하지 않을 수 있으므로 

두 직선의 최단거리를 형성하는 직선의 중간점을 지상 위치로 결정할 수 있다. 

3차원 

좌표계산 기능을 간단히 정리하면 입체영상의 기하조건과 좌우 영상좌표를 

좌우 영상의 공선조건식에 대입하여 지상점의 좌표를 결정하는 것이다 . 특히 , 3차 

원 좌표계산은 단순반복 계산구조이기 때문에 입체 정합 과정에 포함시킴으로써 처 

리과정을 단순화할 수 있다 . 즉 , 입체 정합 과정에서 3차원 

좌표계산 단계까지 수 

행함으로써 중간 생성물인 정합점 정보를 생성하지 않고 직접 3차원 

좌표정보를 생 

성할 수 있음을 말한다. 

4.3.7 영상정합 후 격자구성 

수치표고모형은 균등한 간격의 격자망에 표고정보들을 저장한 형식이다 . 이 형식 

에서 수평좌표는 원점좌표와 배열의 위치를 이용하여 계산하며 , 각 배열에는 격자 

점의 표고값만을 저장한다 . 영상정합 과정을 통해 얻은 결과를 모델링에 사용한 수 

식을 적용하여 지상 위치를 결정하는 후방교회의 과정이 필요하며 , 이렇게 결정된 

영상정합 결과 격자화 결과 

그림 4.7 

정합 결과의 격자화 

-56-

좌표들은 불규칙하게 분포되어 있다 . 따라서 이 자료들을 규칙격자망에 재배열하는 

격자화 (gridding) 과정이 필요하다 . 그림 4.7은 

불규칙한 배열의 입력 자료가 격자 

화 과정을 거쳐 규칙적인 배열을 갖는 격자망으로 구성됨을 보여준다. 

이와 같이 불규칙하게 분포한 자료를 정규격자 형태의 자료로 생성하기 위해 일 

반적으로 사용하는 알고리즘은 이웃격자점 탐색방법 , 가중평균법 (weighted mean), 

크리깅 (kriging) 등이 있다 . 

불규칙하게 분포된 3차원 

좌표 정보들은 가장 가까운 격자점에 표고 정보를 저장 

하여 격자점의 초기값을 할당하고 , 하나 이상의 표고정보가 저장된 격자점에 대해 

서 평균값을 취하여 격자점의 표고 정보를 조정한다 . 여기서 각 격자점에 할당된 

점의 개수를 계산하기 위하여 격자 모델 크기만큼의 배열이 필요하다 . 이러한 과정 

이 수행된 이후에도 표고값이 할당되지 않은 격자점들은 주변 표고값이 할당된 격 

자점들을 탐색하고 이들의 가중평균값을 취하여 보간( 補間 ; interpolation) 56)한다. 

4.4 수치표고모형의 오류특성 

일반적으로 영상정합기법을 이용하여 수치표고모형을 생성할 경우 특징 변화 부 

족인 지역과 반복 패턴이 발생하는 지역 등에서는 정합 오류가 발생하기 쉽다 . 특 

징 변화가 부족한 지역은 방사적 특성이 거의 유사한 지역을 의미하며 , 이는 수계 

지역이나 얼음 또는 눈으로 덮인 지역에서 가장 빈번하게 발생한다 . 이런 지역에서 

는 지형 ․지물의 그림자 효과가 거의 없고 , 지형 ․지물 

자체의 방사적 특성이 균질하게 

분포하기 때문에 상관정합을 적용할 경우 정합점을 결정하기 어렵다 . 반복 패턴의 

경우는 방사적 특성이 강하게 나타난다 할지라도 , 유사한 패턴에 의해 정합 후보점 

이 다수 존재하게 되므로 정확한 정합점을 결정하기 어렵다 . 이러한 경우 수치표고 

모형은 정확한 결과를 갖지 못한다. 

또한 입체 영상이 획득될 당시 태양각에 의하여 발생하는 지면의 반사 등에 의해 

방사적 특성이 변할 수 있기 때문에 영상정합의 결과에 많은 영향을 줄 수 있다. 

56) 보간이란 측정되지 않은 점들의 값을 주위의 측정값으로부터 구한다는 뜻이다 . 수치사진측량에서 

수치표고모형을 생성하고자 할 경우 표고점의 값이 다른 두 점 또는 그 이상의 점들로부터 새로운 

표고점을 구하는데 보간 기법을 이용한다 . 지리학분야에서는 내삽 ( 內揷 ; interpolation) 또는 외삽 

( 外揷 

; extrapolation) 이라는 용어로 사용하기도 하나 본 논문에서는 보간이라는 용어를 사용한다 . 

-57-

이처럼 지형 ․지물의 

자연적인 형태에 의해 나타나는 오류는 영상정합 과정에서 필 

연적으로 발생하게 된다 . 수치표고모형의 제작 과정에서 다양한 알고리즘을 적용하 

고 있지만 원천자료에 대한 분석 연구가 먼저 수행되어야 할 것이다 . 따라서 수치 

표고모형을 생성하기 이전에 컬러항공사진영상의 특성 분석을 수행하여 각 밴드별 

분광 특성에서 대기의 산란에 대한 영향을 분석토록 하였다 . 또한 각 밴드별 영상 

에 대하여 신호 대 잡음비를 분석하여 분광특성의 결과 , 수치표고모형의 정확도 평 

가 결과 , 상관관계분석 결과를 비교토록 하였다 . 

따라서 각 밴드별 입체영상으로부터 수치표고모형을 생성하고 기준자료와의 정확 

도 평가를 수행하여 어느 밴드의 입체영상이 가장 우수한지를 알도록 하였다 . 또한 

각 밴드별 입체영상 중에서 어느 밴드의 입체영상이 유사성에서도 가장 우수한지 

픽셀값을 이용하는 상관관계 분석을 수행하였다 . 또한 동일한 결과를 나타내는지 

검증하고자 서로 다른 지역과 다른 촬영축척의 컬러항공사진을 이용하여 연구결과 

에 대한 신뢰도를 향상토록 하였다. 

-58-

제 5 장 수치표고모형의 정확도 분석 

5.1 연구 대상지역 선정 

본 연구의 공간적 위치로는 경기도 하남시의 일부지역으로 선정하였다 . 촬영축척 

은 1:10,000 의 항공사진을 사용하여 수치표고모형을 생성하고 , 기준자료인 수치지 

도의의 표고점을 이용하여 정확도 평가를 수행하였으며 , 밴드별로 분리된 입체영상 

을 이용하여 좌우영상에 대하여 상관관계를 분석하였다 . 상관관계분석에 대한 결과 

의 신뢰성을 확보하기 위하여 또 다른 항공사진을 사용하였다 . 즉 , 축척 1:5,000으 

로 촬영된 서울의 일부 도심지역을 선정하고 , 이 영상에 대한 유사성을 분석하여 

상관관계 분석에 있어서 다른 축척에서는 어떠한 결과를 나타내는지 분석하였다. 

연구대상지역을 선정하기 위해서는 수치표고모형을 생성하고자 하는 지역이 여러 

지형의 특성을 나타내는 지역으로 선정해야 한다 . 본 연구의 대상지역인 하남 일부 

지역은 우리나라의 지형 특성을 잘 나타내는 곳으로 수치표고모형을 생성하고 상호 

간에 비교 ․평가하기 

위한 지형의 기복이 있는 지역과 평탄지역 등으로 구성되어 있 

다 . 이 지역은 수치표고모형을 생성할 때 발생할 수 있는 여러 가지 지형 요건을 

갖추고 있기 때문에 대표성을 나타낼 수 있으며 , 다음과 같은 기준에 의해 연구지 

역으로 결정하였다. 

첫째 , 도심지역의 구성요건을 갖추고 있다 . 즉 , 단독주택 밀집지역 , 아파트 지역 , 

창고 등으로 구성되어 있다. 

둘째 , 농업지역을 나타내는 논 , 밭으로 구성되어 있다 . 

셋째 , 산림지역을 포함하고 있다 . 우리나라의 상당 부분이 이와 같이 산림지역으 

로 구성되어 있고 , 이러한 지역은 난 개발이 이루어지는 지역을 제외하고는 대부분 

울창한 숲으로 구성되어 있다. 

넷째 , 넓은 도로와 하천을 포함하고 있다 . 일반적으로 항공사진에 많이 나타나는 

것이 도로이며 , 이는 조그만 도로에서부터 4차선 

이상의 고속화 도로에 이르기 까 

지 다양하다 . 또한 적당한 하천을 포함하고 있어 수치표고모형을 생성할 경우에 나 

타나는 특성을 반영할 수 있다. 

위성사진과는 달리 항공사진은 촬영하고자하는 지역에 대하여 입체영상을 획득할 

-59-

경우 입체영상의 좌우 영상은 동일 비행경로와 동일 시간에 촬영이 이루어진다 . 따 

라서 서로 다른 축척으로 촬영한 두 지역의 시기적인 차이는 수치표고모형의 생성 

과 상관관계분석에는 영향이 없으므로 두 대상지역을 선정하였다. 

이상과 같은 조건을 갖추고 있어 연구의 대상지역으로 결정하였으며 , 특히 개발 

을 위한 도시계획 설계의 목적으로 수치표고모형을 기본 자료로 사용할 경우 그 유 

용 가치가 훨씬 높은 대표성을 나타내리라 본다 . 그림 5.1은 1:10,000 축척으로 촬 

영한 연구대상지역의 공간적 위치를 나타내고 있다. 

그림 5.1 연구대상지역 위치 ( 축척 1:50,000 성동 ) 

-60-

5.2 수치표고모형 생성을 위한 원자료 

5.2.1 항공사진자료 

실험에 사용된 자료는 대상지역인 하남시의 일부 지역에 대한 컬러항공사진으로 

촬영 축척은 1:10,000 으로 촬영하였다 . 촬영 시기는 2005년 5월 15일이며 60% 의 

종중복도로 촬영하였다 . 일반적으로 지도 제작의 목적으로 넓은 지역을 촬영할 경 

우에는 동서 방향으로 직선의 비행경로를 취하여 촬영을 계획하게 된다 . 그러나 대 

상지역의 특성에 따라 남북의 방향으로 촬영하기도 한다 . 연구 대상지역은 남쪽에 

서 북쪽방향으로 진행하며 촬영하였으며 , 촬영당시의 비행고도는 2,000m 이다 . 

촬영에 사용한 카메라는 항공사진측량용으로 항공기의 움직임을 보정해주는 FM 

C57) 카메라로서 Leica-Geosystems사의 RC30 카메라이다 . 이 카메라의 검보정은 

2002년 10월 8 일에 실시하였고 , 이 당시에 초점 거리는 153.66mm 이다 . 

또한 밴드별 입체영상의 좌우 영상에 대한 유사성을 분석하기 위하여 동일 카메 

라를 이용하여 촬영한 사진축척 1:5,000의 

서울 도심지역 컬러항공사진을 활용토록 

하였다 . 촬영 시기는 2003년 5월 2 일이며 , 촬영방향은 동쪽에서 서쪽으로 비행한 

사진으로 비행고도는 880m 이다 . 

5.2.2 전용 스캐너를 이용한 컬러항공사진 영상의 획득 

촬영이 완료되면 현상단계를 거쳐 음화 (negative) 상태의 필름이 되며 , 본 연구를 

위한 수치사진측량시스템에서 컬러항공사진을 사용하기 위해서는 수치형태의 영상 

으로 변환해 주어야 한다 . 수치 형태의 영상을 얻기 위해서는 항공사진 전용 스캐 

너를 사용하게 된다 . 즉 , 수치사진측량시스템 환경 내에서 일어나는 모든 작업은 수 

치영상을 기본 자료로 이용하게 되므로 수치영상의 품질과 정확도는 수치사진측량 

의 정확도를 좌우하는 중요한 요소 중의 하나이다 . 이러한 스캐너는 일반 스캐너와 

57) FMC : Forward Motion Compensation 의 약어 . 항공사진카메라의 셔터 속도를 1/1,000 ~ 

1/2,000 로 하더라도 항공기의 속도 때문에 이미지의 흘림상태 (image motion) 는 피할 수 없다 . 이 

러한 현상으로 인하여 이미지의 질과 정밀도가 현저히 저하된다 . 일반적으로 흘림상태가 25㎛ 이내 

까지는 허용되고 있으나 정밀한 측정을 위해서는 그 이하이어야 한다 . 어느 일정한 속도에서의 이 

미지 흘림을 미리 계산하여 그 크기만큼 필름을 이동시키는 방법 등을 사용하면 이미지 흘림을 보 

정할 수 있다 . 즉 이것은 필름을 노출시키는 동안에 필름을 가볍게 전진되도록 하는 항공사진측량 

용 카메라의 능력으로 비행기의 고속 전진 운동에 대한 보정이다 ( 조규전 , 2005, 『 공간정보공학 』 , 

양서각). 

-61-

는 달리 활용성 및 품질의 확보가 가능한 고정밀 항공사진 전용 스캐너이다 . 본 연 

구에 사용한 스캐너는 Leica-Geosystems사의 DSW600이며 그림 5.2 와 같다 . 

스캔 해상도는 국토지리정보원에서 권고하는 1,200DPI 58)로 항공사진영상을 획득 

하였으며 , 이러한 해상도는 수치지도제작 , 수치표고모형 생성 , 정사영상 등 정량적 

인 목적으로 활용할 수 있다. 59) 

그림 5.2 DSW600 

스캐너와 내부 모습 

스캔 과정은 3 단계를 거쳐서 완성된 컬러항공사진영상으로 저장하게 된다 . 

먼저 필름을 스캐너에 장착하고 기본 정해진 값으로 미리보기 스캔을 실시하여 

색상의 정도를 육안으로 판단한다 . 그림 5.3에서 

보는 것처럼 초기단계의 히스토그 

램은 한쪽으로 몰려 전체적으로 밝은 영상이 획득된다. 

영상의 밝기값을 나타내는 히스토그램이 어느 한쪽으로 (0 또는 255) 나타난 영상 

을 대략적인 중심위치로 이동시키고 육안으로 영상을 확인할 수 있도록 스트레칭 

처리한다 . 이때 영상의 각 밴드 모두가 동시에 이동할 수 있도록 하지만 모든 밴드 

의 히스토그램이 고르게 이동하지는 않는다. 

그림 5.4에서는 Green 밴드의 히스토그램이 강하게 나타나므로 영상에서도 녹색 

의 패턴이 두드러지게 보인다 . 따라서 마지막 단계에서는 모든 밴드의 조합이 잘 

이루어지도록 히스토그램을 이동시키고 미세 조정을 함으로써 그림 5.5와 

같이 최 

58) 국토지리정보원 , 2002, 『 영상지도제작에관한작업규정 』 , 제 8조 

최적해상도 

59) 이현직 , 2000, 『 항공사진의 자동독취에 관한 최적화 방안에 대한 연구 』 , 국토지리정보원 

-62-

종적인 영상을 획득하게 된다. 

그림 5.3 스캔 초기의 영상과 히스토그램 

그림 5.4 

밝기값 이동과 스트레칭 후의 영상과 히스토그램 

사진 한 장의 스캔 영역은 사진 촬영 당시의 기본 정보를 담고 있는 instruments 

recording 부분 60)을 포함하도록 하여 후속 작업에 참고가 가능할 수 있게 하였다. 

-63-

그림 5.5 

최종적인 영상과 히스토그램 

스캔하여 획득한 영상은 자료의 손실이 없도록 일반적으로 가장 많이 사용하고 

있는 상용화된 영상저장 포맷인 Tiff 형식으로 저장하였다 . 이렇게 저장된 영상의 

크기는 약 390MBytes 의 용량을 가지고 있다 . 

그림 5.6 은 본 연구의 기본 자료로서 밴드별 수치표고모형 생성 , 수치표고모형의 

정확도 평가 및 상관관계분석을 위해 촬영한 1:10,000 컬러항공사진영상이며 , 그림 

5.7은 

다른 축척에서도 상관관계분석의 결과가 유사하게 도출되는지를 평가하기 위 

한 비교의 영상으로 사진축척 1:5,000 컬러항공사진영상이다 . 

표 5.1 은 두 가지 축척에 해당하는 컬러항공사진영상의 제원을 보여주고 있으며 , 

비행고도는 사진축척에 해당하는 고도보다는 다소 높게 비행하면서 촬영하였다. 

60) 이 부분에는 촬영당시의 날짜 , 시간 , 비행고도 , 기포 ( 항공기의 흔들림을 알 수 있는 원형 기포 ) 가 

있으며 , 이 부분이 있는 쪽으로 항공기가 비행하면서 촬영하였다는 것을 알 수 있다 . 

-64-

그림 5.6 스캔된 좌우 영상 ( 촬영축척 1:10,000) 

그림 5.7 스캔된 좌우 영상 ( 촬영축척 1:5,000) 

-65-

표 5.1 컬러항공사진영상의 제원 

구분 1:10,000 1:5,000 

해상도 1,200 DPI(21 ㎛ ) 1,200 DPI(21 ㎛ ) 

촬영고도 2,000m 880m 

필름크기 25.5×24cm 25.5×24cm 

사진축척 1:10,000 1:5,000 

촬영시점 2005년 5월 15 일 2003년 5월 2일 

초점거리 153.66mm 153.66mm 

종중복도 60% 60% 

저장용량 약 390MBytes 약 390MBytes 

저장포맷 Tiff Tiff 

스캐너 제조회사 Leica-Geosystems( 미국 ) Leica-Geosystems( 미국 ) 

-66-

스캔으로 생성된 영상은 본 연구의 목적으로 사용할 수 있도록 TV나 

컴퓨터 모 

니터 등에서 표현하기에 적합한 RGB 모형 즉 , Red, Green, Blue의 

밴드별 영상으 

로 영상처리 소프트웨어에서 구분하여 각각 Tiff 포맷으로 저장하였다 . 그리고 일반 

적으로 많이 사용하는 흑백사진의 비교를 위해 그레이 스케일 영상인 흑백영상으로 

변환하여 저장하였으며 , 그림 5.8과 5.9는 

두 가지 축척의 컬러항공사진영상을 밴 

드별로 구분한 것을 보여주고 있다. 

그림 5.8 각 밴드별 영상 ( 촬영축척 1:10,000) 

-67-

그림 5.9 각 밴드별 영상 ( 촬영축척 1:5,000) 

그림 5.8과 5.9에서 

볼 수 있는 것처럼 각 밴드별 분리된 영상 중에서 산란의 영 

향을 적게 받는 Red의 

영상이 다른 밴드의 영상에 비해 더 선명한 것을 알 수 있 

다. 

-68-

5.2.3 수치지도자료 

수치표고모형의 정확도 평가를 위해서 사용해야하는 기준 자료로서는 해당 지역 

에 축척 1:1,000 의 수치지도를 확보하였고 , 비교평가의 기본 자료로 활용하였다 . 

일반적으로 축척 1:1,000 수치지도를 제작하기 위한 항공사진의 축척은 1:5,000이 

고 , 1:10,000의 축척으로 촬영된 항공사진은 1:2,500 축척의 수치지도를 제작할 경 

우에 해당하는 축척이다. 61) 따라서 1:10,000 축척의 항공사진을 이용하여 생성한 

수치표고모형의 정확도 평가를 위해서 기준자료로 사용하는 축척 1:1,000의 

수치지 

도는 충분한 정확도를 가지고 있다고 판단하였다. 

5.3 컬러항공사진의 특성분석 

컬러항공사진은 촬영할 당시 대기의 상태에 따라 각 밴드별 영상에 서로 다른 영 

향을 주게 된다 . 따라서 수치표고모형을 생성하기 이전에 사전 분석 단계로서 컬러 

항공사진영상의 특성을 분석하여 수치표고모형에 어떠한 영향을 주는지를 예측토록 

하였다 . 다음의 두 가지는 위성영상의 분석에서 사용하는 대표적인 분석방법으로 

이를 컬러항공사진에 적용하였다. 

5.3.1 컬러항공사진의 분광특성 

일반 컬러 사진은 0.4~0.7㎛ 영역의 전자파 에너지를 기록하기 때문에 사람의 눈 

이 경관을 인지하는 것과 동일한 색상으로 지형을 나타낸다 . 이와 마찬가지로 원격 

탐사 분야에서 사용하는 흑백필름의 경우 0.5~0.7 ㎛ 영역으로 영상을 획득하며 , 컬 

러필름은 0.4~0.7 ㎛ 영역으로 영상을 획득하게 된다 . 

그림 5.10는 본 연구에서 사용하는 촬영축척 1:10,000의 

컬러항공사진영상을 각 

밴드별로 분리한 영상을 나타내고 있는데 , Red 밴드의 영상이 다른 영상에 비해 보 

다 선명하게 보이는 것을 알 수 있다 . 항공사진이나 위성영상을 촬영할 때 대기의 

영향 중 매우 심각한 것 중의 하나는 대기의 입자에 의한 전자파 에너지의 산란이 

다 . 촬영 당시에 대기 중에 구름이나 스모그가 존재하지 않더라도 즉 , 쾌청한 날씨 


항공사진 축척의 결정 

62) Jensen, J.R., 1996, 『 Introductory Digital Image Processing 』 

, Prentice Hall 

-69- 

62)

그림 5.10 밴드별로 분리한 영상 ( 촬영축척 1:10,000) 

에서도 산란이 발생하게 되는데 이때 산소나 질소 입자와 같이 입사되는 전자파의 

파장보다 월등히 작은 유효 지름을 가지는 입자에 의해 레일리 산란이 발생하며, 

산란의 정도는 입사되는 전자파 파장의 4 승과 역관계를 가지고 있다 . 63) 즉 , 그림 

5.11 과 같이 짧은 파장에서는 산란이 많이 일어난다 . 

63) Jensen, J.R., 채효석 , 김광은 , 김성중 , 김영섭 , 이규성 , 조기성 , 조명희 , 2003, 『 환경원격탐사 』 , 

시그마프레스 

-70-

그림 5.11 

파장에 따른 산란 차이 

그림 5.12 파장 영역 

앞서 언급한 것처럼 스캔과정을 거쳐 수치화되는 컬러항공사진영상은 인간이 육 

안으로 볼 수 있는 파장대 영역 ( 가시광 영역 ) 으로 얻어진다 . 그림 5.12에서 

볼 수 

것처럼 Blue는 0.4~0.5 ㎛ , Green은 0.5~0.6 ㎛ , Red는 0.6~0.7㎛ 

의 파장대로 

Blue 색상은 Red 색상에 비해 약 5 배의 산란이 더 발생하게 된다 . 따라서 분리된 

세 가지 영상 중에서 Red 영상이 더 선명하게 보이는 것이며 , 흑백영상은 모든 파 

장대를 포함하여 영상을 획득하게 된다 . 따라서 수치표고모형에도 각 밴드별 영상 

이 서로 다른 영향을 주고 있는 것을 예측할 수 있다. 

5.3.2 컬러항공사진의 신호 대 잡음비 

영상의 질을 평가하는 척도로 신호 대 잡음비 (signal to noise ratio-SNR) 는 매 

우 중요한 기준이 된다 . 일반적으로 이것은 파장폭이 좁아 영상의 질이 떨어지기 

쉬운 위성영상자료의 하나인 초분광영상자료의 분석에서 주로 사용된다 . 영상의 

-71-

SNR을 

추정하기 위한 대표적인 방법은 영상의 기본 통계값인 평균과 표준편차를 

이용하는 것이다. 64) 

먼저 영상에서 변이가 적은 동일한 피복으로 이루어진 지역에 포함되는 픽셀값의 

평균과 표준편차의 비를 상대적으로 SNR 로 하거나 , 또는 전체 영상을 임의의 일정 

크기로 나누어 각 구간 내의 평균과 표준편차를 이용하는 방법이 있다. 

본 연구에서는 밴드별로 분리한 Red, Green, Blue 영상과 변환된 흑백영상을 수 

식 5.1에 적용하여 각 밴드별 입체영상의 좌우 영상 각각에 대하여 SNR을 

구하여 

비교분석하였다 . 구하고자 하는 기준 영역은 정확도 평가 기준자료로 사용하는 수 

치지도의 959개 표고점을 사용하여 표고점 주위로 7×7, 11×11, 15×15, 19×19, 

23×23 패치 크기에 해당하는 픽셀값을 계산하였다 . 

 

 

 

 

 

 

․ 

 

 

 

 

 

 

 

․ 

 

여기서, SNR : 신호 대 잡음비 

g : 패치크기에 포함되는 픽셀값의 평균 

S : 표준편차 

-72- 

수식 5.1 

수식 5.2 

수식 5.3 

각 밴드별 좌우 영상에 대하여 패치 크기별로 SNR을 구한 결과는 표 5.2과 

같 

다 . 표에서 볼 수 있는 바와 같이 흑백영상과 Red 밴드 영상은 거의 유사한 값을 

나타내고 있으며 , 수치표고모형의 생성에서도 정확도가 우수할 것이라는 것을 예측 

할 수 있다. 

이와 같은 결과로 볼 때 Blue 밴드의 입체영상이나 Blue 밴드를 포함하고 있는 

컬러의 입체영상과 Blue의 

파장 영역을 포함하고 있는 흑백입체영상으로부터 생성 

된 수치표고모형의 정확도가 다른 밴드의 입체영상으로부터 생성된 수치표고모형에 

64) 김선화 이규성 마정림 국민정 초분광 원격탐사의 특성 처리기법 및 활용 현황 

, , , , 2005, “ , ”, 대한 

원격탐사학회지, Vol. 21(4), pp.341-369

비해 정확도가 하락할 수 있다는 것이 예상 가능하다. 

컬러항공사진의 촬영 과정을 이해하고 , 스캔 후 컬러항공사진의 획득 과정에서 

발생하는 여러 가지 특성을 분석함으로써 , 수치표고모형을 생성하고자 할 경우 발 

생할 수 있는 오류 및 정확도를 예측할 수가 있을 것이다. 

표 5.2 밴드별 신호 대 잡음비 결과 

패치크기 입체영상 Gray Red Green Blue 

7×7 

11×11 

15×15 

19×19 

23×23 

Left 18.068 18.944 15.433 13.305 

Right 22.395 21.963 19.779 16.495 

Left 14.540 14.994 12.676 11.415 

Right 18.163 17.461 16.384 14.391 

Left 12.179 12.316 10.737 9.972 

Right 15.694 14.838 14.329 12.957 

Left 10.720 10.664 9.527 8.997 

Right 13.955 13.002 12.870 11.926 

Left 9.579 9.385 8.564 8.180 

Right 12.648 11.635 11.755 11.043 

-73-

5.4 입체화를 위한 사진기준점측량 

5.4.1 지상기준점의 획득 

입체영상모델에 대한 입체표정을 위해서는 이론적으로 최소한 2개의 

평면 기준점 

과 3 개의 표고 기준점이 필요하다 . 본 연구에서는 입체표정의 신뢰도를 향상시키기 

위해서 좌우 대칭으로 각각 8 개의 지상기준점을 사용하였다 . 

이러한 지상기준점은 지상 측량 방법에 의하여 결정하는 것이 바람직하지만 , 본 

연구에서는 기준점 자료로서 충분한 정확도를 가지고 있는 축척 1:1,000 수치지도 

를 이용하여 지상기준점을 획득하여 사용하였다 . 지상기준점은 소축척 또는 위성사 

진과 같이 공간해상도가 낮은 경우 일반적으로 도로 굴곡부의 정점 , 산의 정상부분 , 

도로의 교차점 또는 특징적인 형상을 나타내는 점을 선정하여 활용하나 , 본 연구에 

서 사용하는 항공사진의 축척이 대축척임을 감안하여 보다 명확한 위치의 지상기준 

점을 획득하도록 하여 주로 도로의 차선 , 건물 모서리 , 테니스장 라인 등을 선정 하 

였다. 

일반적으로 지상기준점을 현지 측량할 경우 평면기준점과 표고기준점을 구분하여 

지상기준점을 획득한다. 65) 그러나 본 연구에서는 평탄한 지역에서 명확히 구분될 

수 있는 차선과 테니스장의 경우에는 평면기준점좌표 (X,Y) 와 표고기준점좌표 (Z) 를 

동시에 획득하였다 . 그리고 이와 같이 평탄한 지역에서 명확하지 않은 경우에는 건 

물의 모서리처럼 평면상의 명확한 지점에서는 평면 좌표만을 지상기준점으로 획득 

하였고 , 주위시야가 확보되고 평탄한 지점에서는 높이 좌표만을 획득하여 지상기준 

점으로 활용하였다 . 즉 , 각각 8 개의 위치에서 지상기준점을 획득하였는데 , 이중에서 

7 개의 위치에 대한 기준점은 평면과 표고 기준점을 동시에 획득하였고 , 1개의 

위치 

에서는 평면과 표고의 기준점을 각각 획득하였으며 , 지상기준점의 배치는 그림 

5.13 과 같다 . 


, 제 32조 

측량의 구분 

-74-

좌측영상 

입체모델영역 

우측영상 

△ : 평면기준점 (X,Y) □ : 표고기준점 (Z) 

그림 5.13 

지상기준점 배치도 

-75-

5.4.2 3차원 

모델링 

수치화된 컬러항공사진영상을 처리하기 위하여 BAE Systems사의 

수치사진측량 

시스템인 Socet Set 66)을 사용하였다. 

수치사진측량시스템에서 처리하기 위해서는 먼저 수치화된 컬러항공사진영상을 

입력해야 한다 . 이때 영상의 대략적인 주점 67)좌표를 획득하여 입력하고 , 촬영방향 

이 어느 쪽인지를 그림 5.14 와 같이 결정해 주어야 한다 . 

그림 5.14 촬영방향의 결정 

66) Socet Set의 소유회사는 Helava Association→GDESystems→LHSystems→BAE Systems로 

바뀌어 현재에 이르고 있다. 

67) 주점 (Principal Point) : 

진의 중심을 나타낸다. 

항공사진상에서 마주보는 지표들과 연결한 교점 , 즉 투영의 중심으로 사 

-76-

표 5.3 카메라 검보정 결과 

내용 검보정 결과 

검보정 시점 2002년 10월 8일 

초점거리 153.66mm 

지표수 8( 사용지표수 4) 

주점과 연직점 차이 x=0.008mm, y=0.001mm 

수치화된 컬러항공사진영상을 입력한 후 사진촬영 및 스캔시에 발생하는 왜곡을 

보정하기 위해 내부표정을 수행해야 한다 . RC30 카메라로 촬영한 사진의 내부표정 

을 위해 사용한 카메라의 검보정 값을 입력하여 사진제작시 발생하는 왜곡을 보정 

하도록 하였으며 , 표 5.3 은 본 연구에서 사용한 카메라의 검보정 결과이다 . 

획득된 지상기준점은 입체모델 영역 내에서 고르게 분포되도록 위치를 선정하여 

입체표정 정확도가 나아질 수 있도록 하였다 . 사진촬영 당시의 기하를 재현하는 표 

정을 수행함에 있어서 지상기준점의 위치에 대하여 영상상관정합기법을 이용하여 

영상좌표를 측정하고 , 각각의 지상기준점에 대하여 정합 결과에 대한 신뢰도를 향 

상시키고자 육안 입체시를 통해 위치 확인 및 높이의 상태에 대한 검증을 실시하였 

다 . 이러한 검증에서는 반드시 육안으로 검증하여야 하며 , 부점 ( 浮點 ; floating 

mark) 이 지표면보다 높거나 낮지 않은지 검증하였다 . 

-77-

그림 5.15 수치사진측량시스템을 이용한 사진기준점측량 

이와 같은 항공사진영상의 표정은 그림 5.15와 

같은 수치사진측량 시스템을 이용 

하여 각각의 밴드별 입체모델에 대하여 표정을 실하였다 . 이때 , 각 밴드별 영상조합 

에 따라 기준점의 위치에는 변동이 없고 , 영상의 가로 세로 크기는 모두 똑같기 때 

문에 해당 영상만을 교체함으로써 표정을 실시하였다 . 표정의 정확도는 국토지리정 

보원에서 권고하는 오차의 허용 범위인 표준편차 0.2‰ Z68) 

최대 0.4‰ Z 이내 

-78- 

69)로 

만족하도록 하였다 . 즉 , 결과값은 표 5.4과 같이 표준편차와 RMSE에서 1:10,000 

축척의 항공사진에 대한 표정 허용오차를 만족하고 있다. 

68) 여기서 Z 는 비행고도임 . 즉 , 0.2×(1/1,000)× 비행고도 (2,000m)=0.4m 

비행고도 = 초점거리 (0.15366m)× 사진축척 ( 본연구의 실제 사진축척은 1:13,000 임 ) 


, 제 52조 

조정계산 및 오차의 한계

표 5.4 모델링 정확도 결과 

ID dX dY dZ 

-79- 

( 단위 :m) 

01-xyz 0.228 -0.107 -0.031 

02-xyz 0.009 0.167 0.079 

03-xyz -0.321 0.24 0.061 

04-xyz 0.247 -0.272 -0.153 

05-xyz 0.184 -0.048 0.209 

06-xy -0.237 0.067 

06-z -0.174 

07-xyz -0.116 -0.136 -0.032 

08-zyz 0.005 0.089 0.041 

RMSE 0.200 0.160 0.118 

Sd. 0.214 0.171 0.126 

5.5 밴드별 수치표고모형 생성 

입체영상을 이용하여 수치표고모형을 생성하기 위해서는 원 영상이 가지고 있는 

공간해상도와 동일한 크기를 갖는 격자를 이용할 수 있으나 , 이와 같은 방법으로 

수치표고모형을 생성하는 것은 현실적으로 비효율적이다 . 정사영상을 제작하는데 

있어서 수치표고모형의 격자 간격은 2화소 이상 70)으로 크기로 권장하고 있고 , 지형 

및 제작 목적에 따라 지상거리로 5m×5m 또는 10m×10m71)의 격자 간격 크기로 

70) 국토지리정보원 , 2002, 『 영상지도제작에관한작업규정 』 

, 제 20조 

수치표고자료

권장하고 있으며 , 항공사진의 축척이 1:10,000이고 

이를 이용한 지도를 제작할 경 

우 등고선의 간격이 2.5m임을 감안하여 2m×2m의 

격자 간격으로 수치표고모형을 

생성하였다. 

수치표고모형 생성 영역은 정확도에 영향이 미치지 않도록 영상의 가장자리 부분 

에서 떨어지도록 하여 그림 5.16과 같이 입체모델 안에서 약 2.1km×1.1km 영역 

으로 하였다. 

그리고 각 밴드별 수치표고모형과의 비교 자료로서 1:1,000 수치지도로부터 그림 

5.17과 

같이 등고선과 표고점의 레이어를 분리하고 이들이 갖고 있는 표고값을 이 

용하여 수치표고모형을 생성하였다. 

좌측영상 

DEM 영역 

우측영상 

그림 5.16 수치표고모형 (DEM) 생성 영역 

71) 국토지리정보원 , 2002, 『 수치표고모델구축에관한작업규정 』 

, 제 18 조 , 격자규격 

-80-

그림 5.17 대상지역의 등고선 및 표고점 레이어 

수치사진측량시스템인 Socet Set을 

사용하여 각 밴드별 입체영상정합기법에 의한 

수치표고모형을 생성하였으며 , 수치표고모형의 생성에 필요한 소요시간은 컴퓨터의 

기종 및 구성 사양에 따라 다르다 . 본 연구에서 사용한 컴퓨터는 Pentium Ⅳ기종으 

로 중앙처리장치 (CPU) 의 처리속도 2.8GHz, RAM 2GBytes, graphic card 

RADEON 9600 PRO로서 수치표고모형 생성 시간은 표 5.5 와 같다 . 

표 5.5에서 

나타나는 것처럼 수치표고모형을 밴드별로 생성하여 시간을 측정한 

결과 3개의 

밴드를 포함하고 있는 컬러항공사진 입체영상에서 거의 두 배 가까운 

시간이 소요됨을 알 수 있다 . 만약 수치표고모형의 정확도가 각 밴드별로 차이가 

미소하다면 불필요한 소요시간 낭비에 대한 고려가 있어야 할 것이다. 

본 연구에서는 한 개의 입체모델을 이용할 경우의 시간을 나타내고 있지만 , 어느 

지역을 대상으로 수치표고모형을 생성할 경우 입체모델의 수는 더욱 많아지게 된 

다 . 실제에 있어서 국내 C항측사의 컬러항공사진 관련 사업의 입체모델수는 2006 

년 10건에 대한 평균 수량은 약 300 모델에 해당하고 있다 . 특히 서울시의 경우에 

는 서울시 전역에 대하여 한번 항공사진을 촬영할 경우 약 1,500 ~ 2,000개의 

입 

체모델이 얻어지게 된다 . 

이처럼 많은 수량의 컬러항공사진을 사용해야하는 실무에 

-81-

있어서는 수치표고모형 생성에 소요되는 시간은 아주 중요한 요소가 된다. 

이와 같이 많은 수량의 컬러항공사진을 사용해야하는 실무에 적용할 경우 고성능 

컴퓨터를 사용하여 어느 정도의 수치표고모형 생성 시간을 단축하는 것이 가능할 

것이다 . 그러나 컴퓨터의 성능만으로 모든 것을 해결하기에는 역부족일 것이다 . 따 

라서 이와 같은 문제점을 해결하기 위해 본 연구에서처럼 밴드별 특성을 이용하여 

우수한 밴드의 입체영상을 이용한 수치표고모형 생성을 적용할 수 있을 것이다 . 또 

한 촬영축척과 수치표고모형의 격자간격에 따른 알맞은 수치표고모형 생성 알고리 

즘을 개발하여 소요 시간을 단축해야할 것이다. 

그림 5.18는 기준자료인 1:1,000 의 수치지도로부터 생성한 수치표고모형이다 . 각 

밴드별 입체영상조합으로부터 영상정합에 의한 수치표고모형을 생성하였으며 , 그림 

5.19과 그림 5.20은 촬영축척 1:10,000의 컬러항공사진영상으로부터 분리한 Red 

와 Blue 밴드의 입체영상을 이용하여 생성한 수치표고모형의 음영기복도를 나타내 

고 있다. 

표 5.5 수치표고모형 생성 소요시간 

구분 Color Gray Red Green Blue 

소요시간 ( 분 ) 9.5 5.5 5.5 5.5 5.5 

격자간격(m) 2 2 2 2 2 

-82-

그림 5.18 1:1,000 수치지도의 수치표고모형 

그림 5.19 Red 

밴드 입체영상의 수치표고모형 

-83-

그림 5.20 Blue 밴드 입체영상의 수치표고모형 

그림 5.21 

각 밴드별 수치표고모형 비교 

-84-

수치표고모형은 일반적으로 기준자료와의 정확도를 평가하기 전에 먼저 육안으로 

음영기복도상에서 확인하는 과정을 거치게 된다 . 이는 평가의 기준자료가 비교 대 

상 자료보다 더 정확도가 우수한 수치표고모형을 확보하는 것이 어렵기 때문에 전 

역적인 정확도 평가 방법 보다는 표본 평가방법을 사용하게 된다 . 이때 일부 수치 

표고모형의 오류지역을 확인하지 못하게 되는 경우가 있을 수 있다 . 따라서 수치표 

고모형을 생성하게 되면 가장 먼저 지형의 높고 낮음을 알 수 있는 음영기복도를 

생성하여 육안으로 확인하게 된다 . 각각의 밴드별 수치표고모형에 대하여 육안 평 

가를 수행한 결과 그림 5.21에서 

보여주는 것처럼 다음과 같은 오류가 있음을 확인 

하였다. 

첫째 , Blue 밴드 입체영상의 수치표고모형에서는 조그만 산의 형태를 갖추지 못 

하고 있다 . 다른 각 밴드의 수치표고모형에서는 산의 형태를 갖추고 동일한 형태를 

나타냄으로써 오류가 없음을 확인할 수 있다. 

둘째 , 넓은 도로에서 이상표고가 발생하였다 . 흑백 입체영상과 Blue 밴드 입체영 

상으로부터의 수치표고모형에서 심하게 오류가 발생하였고 , 컬러입체영상의 수치표 

고모형에서도 다소 오류가 발생하였으나 동일 위치에서의 Red 밴드 입체영상과 

Green 밴드 입체영상의 수치표고모형에서 육안으로는 오류가 나타나지 않았다 . 

셋째 , Blue 밴드 입체영상의 수치표고모형에서 도로 입구에 있는 톨게이트 건물 

의 형태가 완전히 나타나고 있지 않아 건물이 없는 것처럼 보인다 . 다른 수치표고 

모형에서는 건물의 형태가 나타나 오류가 거의 없음을 확인할 수가 있다. 

5.6 밴드별 수치표고모형의 정확도 평가 

수치표고모형의 정확도에 대한 평가의 기준자료로서는 대상지역에 대한 1:1,000 

수치지도로부터 표고점 레이어를 추출하여 사용하였다 . 수치지도를 제작한 항공사 

진의 촬영시점과 수치표고모형 생성에 사용된 컬러항공사진의 촬영 시점의 차이, 

그리고 촬영각의 차이와 촬영축척에 의하여 사용할 수 없는 표고점이 있을 수 있 

다 . 따라서 1:1,000 수치지도로부터 추출된 표고점의 위치에 대한 지형을 모두 확 

인하기 위하여 컬러항공사진영상을 입체로 관측하였으며 , 지형이 변화되었거나 표 

고점위치가 가로수와 숲 , 

건물 그리고 도로의 경우 차량에 가려져 보이지 않는 표 

-85-

고점은 정확도 평가에 사용하지 않도록 하였다 . 수치표고모형 생성 대상지역에 포 

함하는 전체 표고점 2,015( 그림 5.22) 개 중에서 활용 가능한 959( 그림 5.23) 개의 

표고점을 정확도 평가에 사용하였다 . 이와 같이 수치표고모형의 정확도 평가에 사 

용하지 않도록 제거한 표고점은 모든 항공사진영상이나 고해상도 위성영상에서 나 

타날 수 있는 것이다 . 사용할 수 없게 된 표고점의 제거 기준은 표 5.6와 

같이 정 

리하여 향후 다른 유사한 정확도 평가에서 있어서 활용할 수 있도록 하였다. 

그림 5.22 

대상지역 전체 표고점 

-86-

표 5.6 사용할 수 없는 표고점 제거 기준 

No. 표고점제거기준 내용 

1 차량에 가려진 표고점 

2 가로수에 가려진 표고점 

3 숲에 가려진 표고점 

4 건물에 가려진 표고점 

5 지형변화지역의 표고점 

촬영시간이 다르게 되어 차량이 이동되어 

표고점을 가리게 되는 경우 

촬영각이 다르고 촬영시점이 달라 지상의 

표고점을 가리게 되는 경우 

촬영시점이 달라 나대지에 풀이 자라나 

나뭇잎으로 지표면이 보이지 않는 표고점 

촬영각이 다르게 되어 건물에 가려져 건 

물 뒤편의 표고점이 보이지 않는 경우로 

주택가에서 많이 발생 

동일 지역에 다른 건물이나 공사 중인 지 

역으로 표고점을 사용할 수 없는 경우 

그림 5.23 

대상지역 정확도 평가에 사용한 표고점 

-87-

밴드별로 생성한 수치표고모형에 대하여 기준자료인 표고점을 이용하여 정확도 

를 평가한 결과는 표 5.7 과 같다 . 

정확도 평가 결과 표준편차를 살펴보면 , 표 5.7과 같이 Red 밴드 입체 영상의 수 

치표고모형이 1.15m 로 가장 우수한 반면 , Blue 밴드 입체영상의 수치표고모형은 

1.54m 로 가장 낮은 정확도를 나타내고 있다 . 평균제곱근오차 (RMSE) 를 비교한 결 

과에서도 Red 밴드 입체영상의 수치표고모형이 1.21m로 

가장 정확도가 우수한 것 

으로 나타났고 , Blue 밴드 입체영상의 수치표고모형이 1.65m로 

정확도가 가장 낮 

은 것으로 나타났으며 , 그림 5.24의 

그래프에서 보는 바와 같이 그 차이를 쉽게 볼 

수가 있다. 

전체 

3σ 

제거후 

표 5.7 수치표고모형 정확도 평가 결과 

-88- 

( 단위 :m) 

구분 수치지도 Color Gray Red Green Blue 

Total Points 959 959 959 959 959 959 

Average 0.0061 -0.3941 -0.3449 -0.3625 -0.3406 -0.5741 

Sd. 0.0445 1.1605 1.2430 1.1515 1.2551 1.5421 

RMSE 0.0449 1.2250 1.2893 1.2067 1.2998 1.6447 

Total Points 941 944 942 945 938 940 

Average 0.0057 -0.2839 -0.2139 -0.2544 -0.2113 -0.4076 

Sd. 0.0326 0.6645 0.6883 0.6560 0.6719 0.8357 

RMSE 0.0326 0.6642 0.6879 0.6557 0.6715 0.8353 

참고:1 σ=68.27%, 2 σ=95.45%, 3 σ=99.73%

1.8 

1.6 

1.4 

1.2 

1.0 

0.8 

0.6 

0.4 

0.2 

0.0 

Color Gray Red Green Blue 

-89- 

표준편차 

그림 5.24 전체표고점 (959 점 ) 

을 이용한 수치표고모형 정확도 

평균제곱근오차

또한 심각한 오류를 포함하는 표고점의 영향을 받지 않도록 3 σ(99.73%) 

를 초과 

하는 표고점을 제거하고 정확도를 확인하였는데 , 총 959개의 표고점 중에서 Red 

밴드 수치표고모형에서는 14 개의 점이 제거된 반면 , Green 밴드 수치표고모형에서 

는 21 개의 표고점이 제거되었다 . 3σ를 

초과하는 점을 제외하고 사용된 표고점에 대 

한 표준편차 및 평균제곱근오차에서는 그림 5.25와 같이 Red 밴드의 수치표고모형 

이 가장 우수하게 나타났고 , Blue 밴드의 수치표고모형이 가장 낮은 정확도를 나타 

내고 있다. 

0.9 

0.8 

0.7 

0.6 

0.5 

0.4 

0.3 

0.2 

0.1 

0.0 

Color Gray Red Green Blue 

-90- 

표준편차 

그림 5.25 3σ 

이상 표고점을 제외한 수치표고모형 정확도 

평균제곱근오차

그림 5.26은 Red와 Blue 밴드의 오차 분포도를 나타낸 것이며 , 그 결과 Red 밴 

드의 수치표고모형에서는 일부 표고점 위치에서 정확도가 낮게 나타나지만 대체적 

으로 양호한 것으로 나타난다. 

반면에 가장 정확도가 낮은 Blue 밴드의 수치표고모형의 분포도를 보면 0m를 

기 

준으로 많은 표고점 위치에서 오차가 크게 발생함을 알 수 있다. 

이러한 정확도의 결과는 평균제곱근오차와 표준편차만을 이용하여 정확도 평가를 

수행함으로써 원천자료인 입체영상에 대한 분석이 이루어지지 않고 있다 . 따라서 

정확도 평가에 대한 신뢰도를 향상시키기 위하여 입체영상의 좌우 영상 간에 대한 

상관관계를 분석함으로써 보다 명확한 정확도 평가를 수행하여 각 영상밴드에 대한 

특성을 이해할 수 있을 것이다. 

표 

고 

점 

번 

호 

1000 

800 

600 

400 

200 

0 

표고점번호 ₩n Red 

표고점번호 ₩n Blue 

-20m -18m -16m -14m -12m -10m -8m -6m -4m -2m 0m 2m 4m 

오차값 

그림 5.26 Red와 Blue 

밴드 입체영상의 수치표고모형 오차 분포도 

-91-

5.7 밴드별 입체영상의 상관관계분석 

상관관계는 영상정합에 의한 수치표고모형을 생성할 경우 좌우 영상에서의 동일 

점을 찾아가기 위한 방법이다 . 이는 기준자료인 표고점이 위치한 입체영상의 좌우 

영상을 비교함으로써 특정 밴드의 유사성을 판단하고 그 정확도에 대한 신뢰성을 

향상시킬 수 있다. 

입체영상의 좌우 영상에 대한 동일점을 찾기 위해서는 표고점 주위로 일정한 크 

기의 픽셀 영역인 패치의 크기를 결정하여 계산을 수행하여야 한다 . 이와 같이 영 

상정합에 이용하는 패치의 크기는 사용되는 영상의 종류와 목적에 따라 다양하게 

적용된다 . 일반적으로 사용하는 패치의 크기는 여러 연구결과에서 살펴본 바와 같 

이 7×7 ~ 41×41 의 종류를 사용하고 있다 . 

본 연구에서는 항공사진영상이나 위성영상에서 많이 사용할 수 있는 경우의 수를 

고려하여 표고점 주위로 7×7, 11×11, 15×15, 19×19, 23×23의 

패치 크기로 결 

정하여 각각에 대한 상관계수 수식을 이용하여 프로그램화하였고 , 이를 이용하여 

각각의 상관계수를 구하였다 . 또한 영상정합이 잘 이루어진 값과의 비교를 하고자 

상관계수의 임계값을 설정하였다 . 이러한 임계값은 0.6~0.99까지 

다양하게 사용할 

수 있으나 본 연구에서는 범위를 확대하여 0.5 이상에 대한 표고점만을 선택하여 

수치표고모형의 생성에서 유사성의 정도를 확인할 수 있도록 분석하였다. 

상관관계의 신뢰도를 갖기 위해 본 연구의 목적으로 사용한 1:10,000 축척의 컬 

러항공사진영상과 더불어 비교할 수 있도록 촬영축척 1:5,000의 

컬러항공사진영상 

도 사용하였다 . 상관계수를 구하기 위하여 1:5,000 축척의 항공사진을 3차원 

모델 

링 후 1:1,000 축척의 수치지도로부터 추출한 578 개의 표고점을 사용하였다 . 여기 

에서도 지형의 변화나 가로수 , 차동차 등에 가려져 보이지 않는 표고점은 제거하였 

다. 

표 5.8은 1:10,000 축척 항공사진의 Red 밴드 입체영상조합에 대한 패치크기 

19×19 의 계산 결과 예를 나타내고 있으며 , 표 5.9는 1:10,000 축척의 컬러항공사 

진영상을 이용한 패치 크기에 따른 상관계수 결과값을 나타내고 있다 . 표 5.9에서 

컬러영상의 경우에는 Red, Green, Blue 밴드의 각 입체영상으로부터 계산한 상관 

계수의 평균값으로 구하였다. 

-92-

표 5.8 축척 1:10,000 상관계수 계산 결과 예 ( 패치크기 19×19) 

ID Px_L Py_L Sum_L Ave_L Var_L StdDev_L || Px_R Py_R Sum_R Ave_R Var_R StdDev_R Cov Cross 

1 7103 5654 49980 138.449 676.309 26.006 || 3039 5653 50361 139.504 302.062 17.380 97.679 0.216 

2 6927 5499 44166 122.343 206.771 14.380 || 2870 5494 43889 121.576 198.839 14.101 103.635 0.511 

3 6878 5643 35034 97.047 50.306 7.093 || 2818 5638 35401 98.064 141.904 11.912 38.891 0.460 

4 6817 6321 31545 87.382 26.876 5.184 || 2744 6320 30594 84.748 22.111 4.702 -0.389 -0.016 

5 7071 6325 37994 105.247 34.553 5.878 || 3000 6329 44272 122.637 31.515 5.614 3.251 0.099 

6 6965 6364 32135 89.017 11.928 3.454 || 2892 6366 31806 88.105 15.917 3.990 0.073 0.005 

… 

… 

… 

948 9937 3067 41032 113.662 37.930 6.159 || 5874 3112 49014 135.773 49.093 7.007 32.787 0.760 

949 9261 3263 15725 43.560 37.286 6.106 || 5193 3296 23808 65.950 37.864 6.153 2.753 0.073 

950 9107 3371 15670 43.407 29.464 5.428 || 5036 3401 23536 65.197 33.758 5.810 6.178 0.196 

951 9725 3349 15947 44.175 72.894 8.538 || 5661 3389 23884 66.161 139.630 11.816 47.247 0.468 

952 9706 2898 17641 48.867 52.471 7.244 || 5644 2940 25062 69.424 89.823 9.477 17.943 0.261 

953 9960 5107 36499 101.105 708.000 26.608 || 5869 5151 49063 135.909 411.555 20.287 430.554 0.798 

954 9294 3146 16194 44.859 82.383 9.076 || 5225 3180 23519 65.150 99.133 9.957 55.716 0.617 

955 10023 5070 40807 113.039 71.021 8.427 || 5929 5115 51986 144.006 84.672 9.202 28.105 0.362 

956 10216 3095 17053 47.238 33.243 5.766 || 6144 3144 25443 70.479 44.728 6.688 22.677 0.588 

957 10082 3150 19402 53.745 41.918 6.474 || 6011 3196 28382 78.620 57.686 7.595 27.975 0.569 

958 10404 3038 16794 46.521 27.928 5.285 || 6330 3090 27270 75.540 42.266 6.501 19.301 0.562 

959 10108 3913 15867 43.953 207.623 14.409 || 5877 3951 28108 77.861 348.036 18.656 121.474 0.452 

Left_Image_File_name: D:₩univ₩ 박사논문 ₩Program₩Red_506.raw 

Right_Image_File_name: D:₩univ₩ 박사논문 ₩Program₩Red_507.raw 

Patch Size(pixels): 19 

Total used points: 959 

Average Cross-Correlations: 0.4062 

=========================================== 

Used points: 380 

Average Cross-Correlations over 0.5: 0.7050 

-93-

표 5.9 축척 1:10,000의 

밴드별 상관계수와 표고점 수량 

구분 패치크기 Color Gray Red Green Blue 

전체 

0.5이상 

표고점의 

상관계수 

0.5이상의 

표고점 

수량 

7 0.1379 0.1573 0.1752 0.1410 0.0976 

11 0.2313 0.2539 0.2852 0.2305 0.1781 

15 0.2958 0.3204 0.3560 0.2958 0.2356 

19 0.3411 0.3648 0.4062 0.3387 0.2784 

23 0.3739 0.3953 0.4404 0.3687 0.3126 

평균 0.2760 0.2983 0.3326 0.2749 0.2205 

7 0.6570 0.6781 0.6786 0.6618 0.6306 

11 0.6705 0.6855 0.7023 0.6665 0.6428 

15 0.6780 0.6892 0.7014 0.6794 0.6532 

19 0.6825 0.6965 0.7050 0.6805 0.6621 

23 0.6841 0.6937 0.7060 0.6809 0.6655 

평균 0.5620 0.5738 0.5822 0.5615 0.5424 

7 124 132 176 117 80 

11 192 215 249 198 131 

15 250 275 318 244 189 

19 302 318 380 295 231 

23 343 362 431 331 268 

평균 242 260 311 237 180 

-94-

상관계수 

0.50 

0.45 

0.40 

0.35 

0.30 

0.25 

0.20 

0.15 

0.10 

0.05 

0.00 

7 11 15 19 23 

패치크기 

그림 5.27 축척 1:10,000의 

밴드별 상관계수 그래프 

-95- 

Color 

Gray 

Red 

Green 

Blue 

표 5.9와 그림 5.27에 나타난 것처럼 1:10,000의 

항공사진 축척을 사용한 상관 

관계에서 정확도 평가에 사용한 959개의 

기준 표고점에 대하여 픽셀의 크기에 따 

라 상관계수를 구하였다 . 959 개 전체 표고점에 대한 상관계수를 구한 결과 , Red 

밴드 입체 영상조합이 가장 높게 나타났으며 , 그림 5.27의 

그래프에서 볼 수 있듯 

이 Color의 상관계수와 Green 밴드의 상관계수 패턴이 거의 유사하게 나타나고 있 

다 . 또한 0.5이상인 

표고점에 대해서만 상관계수 값을 선택하여 계산한 결과에서도 

Red 가 가장 높게 나타났으며 , 이에 사용된 표고점의 수량도 가장 많을 수량을 사용 

함으로써 전체적으로 정확도가 우수하다는 것을 알 수 있다 . 반면에 Blue의 

상관계 

수 및 0.5 이상의 표고점 수량은 가장 낮게 나타나는 것을 알 수 있다 .

표 5.10 축척 1:5,000의 

밴드별 상관계수와 표고점 수량 

구분 패치크기 Color Gray Red Green Blue 

전체 

0.5이상 

표고점의 

상관계수 

0.5이상의 

표고점 

수량 

7 0.0877 0.1005 0.1072 0.0898 0.0660 

11 0.1453 0.1601 0.1755 0.1438 0.1166 

15 0.1937 0.2103 0.2259 0.1932 0.1621 

19 0.2223 0.2378 0.2568 0.2208 0.1894 

23 0.2485 0.2629 0.2823 0.2468 0.2165 

평균 0.1795 0.1943 0.2095 0.1789 0.1501 

7 0.6828 0.6722 0.6752 0.6829 0.6903 

11 0.6588 0.6598 0.6743 0.6539 0.6481 

15 0.6687 0.6695 0.6836 0.6658 0.6566 

19 0.6733 0.6771 0.6845 0.6757 0.6596 

23 0.6860 0.6901 0.6950 0.6924 0.6705 

평균 0.5616 0.5615 0.5688 0.5618 0.5542 

7 51 60 70 48 35 

11 73 84 99 71 49 

15 97 109 126 93 72 

19 116 127 147 111 91 

23 126 136 158 119 102 

평균 93 103 120 88 70 

-96-

상관계수 

0.30 

0.25 

0.20 

0.15 

0.10 

0.05 

0.00 

7 11 15 19 23 

패치크기 

그림 5.28 축척 1:5,000의 

밴드별 상관계수 그래프 

-97- 

Color 

Gray 

Red 

Green 

Blue 

또한 표 5.10과 같이 촬영축척 1:5,000의 항공사진영상에서도 Red 밴드 입체영 

상의 상관계수가 가장 높게 나타나고 있으며 , Blue 밴드에서는 가장 낮게 나타나고 

있다 . 그림 5.28의 1:5,000 촬영축척에 해당하는 상관계수 그래프에서도 촬영축척 

1:10,000 에서와 같이 동일한 형태를 보이고 있다 . 다만 상관계수의 값이 1:5,000에 

서는 전체적으로 낮게 나타나고 있는데 , 이것은 촬영고도가 낮아짐에 따라 지형 ․지 

물의 변위가 더 심하여 나타나는 현상이라 볼 수 있다 . 이와 같이 수치표고모형을 

생성하고자 할 경우 Blue 밴드의 영상은 정확도에 좋지 않은 영향을 주고 있다는 

것을 알 수 있다. 

그림 5.29와 그림 5.30은 항공사진축척 1:10,000의 

컬러영상으로부터 밴드 분리 

한 Red와 Blue의 입체영상 조합에 있어서 패치 크기 19×19에 

대한 상관계수를 이 

용하여 왜도 분석을 수행한 결과를 그래프로 나타내었다.

패치 크기 19×19인 Red 입체영상조합의 상관계수는 0.4062로 

다른 영상조합에 

서보다 높게 나타나고 있어 영상정합에 의한 수치표고모형을 생성하고자 할 경우, 

다른 밴드의 영상조합을 사용하는 대신에 Red를 

사용함으로써 정확도의 향상이 가 

능하다. 

또한 자료의 분포가 대칭인지를 나타내는 왜도 분석에서도 -0.141로 

나타나 전 

체적으로 상관관계가 높은 것으로 나타났다. 

반면에 Blue 밴드 입체영상조합의 상관계수는 0.278로서 Red 보다 낮게 나타났 

고 , 왜도에서도 0.324로 -1 쪽으로 많이 기울어져 있음을 알 수 있다 . 

이러한 결과는 그림 5.31과 그림 5.32에 있는 것처럼 항공사진축척 1:5,000의 

각 밴드 입체영상조합에서도 동일한 형태를 나타내고 있다. 

-98-

그림 5.29 축척 1:10,000 Red의 

상관계수 빈도 그래프 

그림 5.30 축척 1:10,000 Blue의 


-99-

그림 5.31 축척 1:5,000 Red의 


그림 5.32 축척 1:5,000 Blue의 


- 100 -

5.8 수치표고모형의 정확도와 상관관계 분석결과 

컬러항공사진영상으로부터 RGB색상 

밴드별로 분리한 각각의 입체영상상에서 생 

성한 수치표고모형을 기준자료인 수치지도의 표고점과의 정확도를 평가한 결과와 

상관관계분석을 통한 입체영상의 좌우 사진에 대한 유사성 분석을 수행한 결과는 

다음과같이요약할수있다. 

먼저 각 밴드별로 분리한 경우 Red 밴드 영상은 육안으로 확인한 결과 다른 영 

상보다는 더 선명하게 보이는 것을 확인할 수 있었다 . 이는 전자기파 에너지를 이 

용하는 원격탐사의 가시광선 파장영역을 분석한 결과 , Red 밴드 영상은 Green이나 

Blue 

밴드 영상의 파장보다는 더 긴 파장 영역에 포함됨에 따라 대기에 의한 산란 

의 영향을 적게 받는 것임을 알 수 있다. 

이와 같은 현상에 기인하여 Red 밴드 입체영상은 동일 조건 하에서 수치표고모 

형을 생성하였을 때 , 다른 밴드의 영상에서보다는 더 높은 정확도를 얻을 수 있었 

다 . 또한 흑백영상은 Red, Green, Blue 밴드의 모든 파장영역을 포함하여 영상이 

획득되므로 가장 정확도가 낮은 Blue 밴드의 영향으로 Red 밴드 입체영상으로부터 

생성한 수치표고모형 정확도 보다는 낮게 나타났다. 

입체영상의 좌우 사진에 대한 유사성을 분석하는 상관관계분석에서도 Red 밴드 

의 입체영상에 대한 상관계수가 가장 높게 나타나는 반면 , Blue 밴드의 입체영상은 

낮게 나타나고 있다 . Blue 밴드의 영상이 짧은 파장대에 속하는 현상뿐만 아니라 

SNR에서도 다른 밴드의 영상과는 달리 낮게 나타나고 있어 Blue 밴드 영상은 전 

체적으로 좋지 않은 영향을 주고 있는 것으로 판단된다. 

국가에서 정하고 있는 수치표고모형의 정확도 기준은 표준편차 0.5m, 최대 

0.75m 

이내로 규정하고 있음에 따라 모든 밴드의 정확도가 허용 범위 내에 들지 

못하고 있는 한계가 있다 . 그러나 오차가 심하게 발생하는 표고점을 3σ를 

기준으로 

제거하였을 경우에 Blue 밴드를 제외한 다른 모든 밴드의 수치표고모형은 0.75m 

이내의 허용 범위를 만족하고 있다. 

상관관계분석에서는 상관계수 0.5 이상의 표고점에 대한 값과 수량을 분석하였으 

나 수치표고모형을 생성할 경우 상관계수에 대한 크기는 사용하는 영상의 품질에 

따라 적절히 결정해 주어야 한다 . 

본 연구에서는 동일한 조건의 수치사진측량시스 

- 101 -

템에서 수치표고모형을 생성하였으나 , 영상에 따라 수치표고모형의 영상정합 단계 

에서 상관계수의 크기를 조정하여 실험 할 경우 더 좋은 조건이 만들어질 수 있다. 

따라서 이에 대한 다양한 실험적 연구가 수행될 경우 전체적으로 정확도가 향상된 

수치표고모형을 생성하는 것이 가능할 것이다. 

이와 같이 원자료 영상에 대한 특성분석과 수치표고모형에 대한 기준자료와의 정 

확도 평가 및 입체영상 조합의 상관관계분석의 결과로 볼 때 , Red 밴드 입체영상으 

로부터 생성한 수치표고모형이 가장 우수하다는 것을 알 수 있었으며 , Blue 밴드의 

영상은 활용 목적에 따라 사용 여부를 판단해야 한다는 것을 알 수 있다. 

- 102 -

제 6 장 결론 

본 연구에서는 최근 활용성과 사용자의 요구가 증가되고 있는 영상지도의 제작에 

필요한 컬러항공사진을 이용하는 데 있어서 기초자료가 되고 있는 수치표고모형을 

각 밴드별 입체영상으로부터 생성하여 정확도를 평가하고 , 입체영상의 좌우 영상에 

대한 상관관계를 분석함으로써 각 밴드의 특성을 이해하여 수치표고모형의 생성에 

가장 우수한 입체영상의 밴드 선택과 수치표고모형의 정확도에 신뢰도를 향상시키 

고자 한 것이다. 

6.1 연구내용 

기존에는 컬러항공사진영상을 이용하여 수치표고모형을 생성함으로써 과다한 컴 

퓨터 처리 시간의 소요 및 컴퓨터 용량의 한계에 따라 경제적인 손실이 발생하였 

다 . 또한 생성하고자 하는 수치표고모형의 정확도 개선을 위한 컬러항공사진영상에 

대한 밴드별 입체영상의 특성 분석에 한계가 있었다 . 이와 같은 문제점을 해결하고 

수치표고모형의 정확도에 대한 분석을 하고자 다음과 같이 두 가지 부분으로 나누 

어 연구를 수행하였다. 

첫째 , 스캔하여 생성된 컬러항공사진영상을 각각의 Red, Green, Blue의 

밴드로 

분류하고 , 또한 원래의 컬러영상과 흑백으로 변환된 영상을 이용하여 정확도를 평 

가하였다 . 사전 분석 단계로서 컬러항공사진영상에 대한 특성을 분석하였다 . 즉 , 컬 

러항공사진영상을 각각의 밴드별로 분리하여 영상의 분광특성과 신호 대 잡음비를 

분석하여 수치표고모형의 정확도 예측을 하였다 . 그리고 각각의 입체영상조합에 대 

하여 수치표고모형을 생성하고 , 정확도의 평가 기준 자료로는 대축척의 수치지도의 

표고점 레이어를 이용하였다. 

둘째 , 각각의 밴드별 입체영상 조합을 이용한 수치표고모형 생성시 사용하는 패 

치의 일반적인 크기에 대하여 상관관계를 분석하였다 . 정확도 평가의 기준자료인 

수치지도의 표고점 주위 픽셀에 대하여 상관관계를 분석함으로써 각각의 입체영상 

조합의 수치표고모형에 대한 정확도를 분석할 수 있었다. 

- 103 -

6.2 연구결과 

이와 같은 부분으로 나누어 연구한 결과 다음과 같은 결론을 얻을 수 있었다. 

첫째 , 컬러항공사진의 스캔 방법과 밴드의 차이에 따라 모두 5가지 


을 생성한 결과 , 표준편차 및 평균제곱근오차에서 Red 밴드 입체영상의 정확도가 

가장 높게 나타남을 알 수 있었으며 , 상관관계를 비교한 결과에서도 Red 밴드 입체 

영상의 상관계수가 가장 높게 남으로써 영상정합이 가장 우수한 것으로 나타났다. 

둘째 , 컬러항공사진영상의 수치표고모형 정확도는 Red 밴드 입체영상에 비해 정 

확도가 하락하는 것으로 나타났으며 , 실제 활용에 있어서는 사용하는 수치사진측량 

시스템의 영상정합기법에 대한 이해가 반드시 수반되어야 불필요한 정확도 하락을 

방지함을 알 수 있었다. 

셋째 , 컬러항공사진을 스캔 후 흑백 영상으로 변환하여 생성한 수치표고모형은 

Red 밴드 입체영상만을 이용하는 경우보다 정확도가 하락하는 것으로 나타났으며 , 

상관관계 분석을 이용한 각 픽셀의 크기에 따른 평균값에서도 낮게 나타났다 . 이는 

흑백으로 촬영한 항공사진을 스캔하여 수치표고모형을 생성하고자 할 경우 , 흑백과 

컬러항공사진 촬영에 따른 비용을 감안하여 정확도가 우선시 되는 상황에서는 컬러 

항공사진을 촬영하여 Red 밴드 입체영상만을 분리하여 수치표고모형을 생성하는 

것을 고려해야 할 것이다. 

넷째 , 수치표고모형의 정확도가 가장 낮게 나타난 Blue 영상의 영향을 완전히 제 

거하기 위해서는 스캔 후 후처리를 하거나 , 스캔 과정에서 Red 영상만을 분리하는 

방법을 활용하여도 무방한 것으로 나타났다. 

다섯째 , 수치표고모형의 정확도 평가 방법을 단지 평균제곱근오차 (RMSE) 만을 이 

용하는 것이 아니라 표준편차 , 공분산 등을 이용한 상관관계를 적용함으로써 수치 

표고모형의 정확도를 신뢰할 수 있다. 

여섯째 , 수치표고모형의 생성시간은 밴드별 분리한 영상보다 컬러영상이 1.7배의 

시간이 소요됨에 따라 수치표고모형만을 중요시 할 경우에는 특정 밴드의 영상만을 

활용하여 과다한 수치표고모형 생성 시간을 절감할 수 있을 것이다. 

일곱째 , 

동일한 패치 크기에 따른 상관계수는 대축척의 영상보다는 소축척의 영 

- 104 -

상에서 높게 나타나고 있다 . 따라서 다양한 축척의 영상으로부터 영상정합에 의한 

수치표고모형을 생성하고자 할 경우에는 해당하는 축척에 적당한 패치크기를 적용 

하여야 할 것이다. 

마지막으로 , Red 밴드 입체영상만을 이용하여 수치표고모형을 생성할 경우 영상 

정합에 따른 오류를 최소화함으로써 수치표고모형 생성 후 수차례 반복되는 오류의 

수정과 편집에 따른 시간과 비용을 크게 절감할 수 있을 것이다. 

6.3 향후과제 

본 논문의 연구 결과 컬러항공사진영상을 사용하는 것보다는 특정 밴드를 사용함 

으로써 수치표고모형의 정확도를 향상시킬 수 있었다 . 그러나 수치표고모형의 생성 

단계에서는 동일조건의 수치사진측량시스템을 사용하고 있어 시스템 내부적으로 이 

루지는 처리 과정에 대한 분석을 수행하지 못한 한계점을 가지고 있다 . 또한 일부 

밴드의 수치표고모형 정확도에서는 국가에서 규정하는 허용오차 범위를 만족하지 

못하고 있다. 

따라서 향후 내부적으로 이루어지는 일련의 과정에 대한 분석을 수행함으로써 보 

다 향상된 수치표고모형을 생성할 수 있을 것이다 . 즉 , 영상 정합에 있어서 패치의 

크기나 상관계수의 값을 조정하고 지역의 특성을 반영함으로써 보다 개선될 수 있 

을 것이다. 

영상지도에 대한 수요가 증가하고 있고 정사영상에 대한 제작 요구가 늘어남에 

따라 정확도가 높은 수치표고모형의 획득은 필수적으로 해결해야 할 과제이다 . 따 

라서 컬러항공사진영상으로부터 수치표고모형을 생성하고자 할 경우 , 각각의 영상 

밴드별로 분리하지 않고 직접 컬러영상으로부터 정확도가 높은 수치표고모형을 생 

성할 수 있도록 하는 다양한 실험적 연구가 추가될 경우 , 신속한 지형정보의 획득 

에 많은 기여를 할 수 있을 것이다 . 또한 이와 같은 결과는 항공 laser 장비인 

LiDAR 와 더불어 사용할 경우 그 활용도는 더욱 높아질 것이다 . 특히 밴드의 파장 

영역 특성에 따라 산란의 영향을 적게 받는 특정 밴드의 사용은 향후 항공영상을 

촬영하기 위해 사용하게 될 디지털 카메라에도 바로 적용할 수 있을 것이며 , 그 유 

용 가치는 훨씬 높아질 것으로 기대된다. 

- 105 -

국내문헌 

참고문헌 

국토지리정보원 , 2002, 『 수치표고모델구축에관한작업규정 』 

국토지리정보원 , 2002, 『 영상지도제작에관한작업규정 』 

국토지리정보원 , 2006, 『 항공사진측량작업내규 』 

김경록 , 2000, 『 천연색 항공영상을 이용한 지형요소 반자동 추출에 관한 연구 』 , 

명지대학교 석사학위논문 

김선화 , 이규성 , 마정림 , 국민정 , 2005, “ 초분광 원격탐사의 특성 , 처리기법 및 활 

용 현황”, 대한원격탐사학회지, Vol. 21(4), pp.341-369 

박준 , 2003, 『 대축척 천연색 항공영상의 수치표고모형 생성 및 평가 』 , 명지대학 

교 석사학위논문 

염재홍 , 1996, 『 영상정합기법을 활용한 사진측량의 자동화에 관한 연구 』 연세 

대학교 박사학위논문 

유복모 , 1994, 『 지형공간정보론 』 , 동명사 

유복모 , 2001, 『 사진측량학개론 』 , 사이텍미디어 

유복모 , 2004, 『 디지털측량공학 』 , 박영사 

유복모 , 토니쉥크 , 2003, 『 현대 디지털 사진 측량학 』 , 피어슨 에듀케이션 코리 

아 

이승우 , 2004, 『 유사도 비교에 의해 수평오차를 보정한 전역 수치표고자료 평가 

알고리듬 』 , 숭실대학교 박사학위논문 

이현직 , 2000, 『 항공사진의 자동독취에 관한 최적화 방안에 대한 연구 』 , 국토지 

리정보원 

이현직 , 이승호 , 구대성 , 용민 , 2000, “ 영상데이터베이스 구축을 위한 항공사진의 

품질확보방안”, 한국지형공간정보학회 논문집 , 제 8권 제 2 호 , pp.89-99 

조규전 , 2004, 『 측량정보공학 』 , 양서각 

조규전 , 2005, 『 공간정보공학 』 , 양서각 

조봉환 , 이용웅 , 신대식 , 1995, “SPOT 3중 

입체 위성영상을 이용한 수치표고모 

- 106 -

형의 정확도 개선”, 한국지형공간정보학회 , 제 3 권 , 제 1 호 , pp.55-66 

조우석 , 2002, 『 항공사진 품질향상 방안에 관한 연구 Ⅰ』 , 국토지리정보원 

조우석 , 최병길 , 이창경 , 1997, 『 수치지도 정확도 향상방안 연구 』 , 국토개발연 

구원 

채효석 , 김광은 , 김성중 , 김영섭 , 이규성 , 조기성 , 조명희 , Jensen J.R., 2003, 

『 환경원격탐사 』 , 시그마프레스 

한국환경정책평가연구원 , 2000, 『 공공근로인력 교육교재 』 

한국환경정책평가연구원 , 2000, 『 정사항공사진기초 』 

황원순 , 전호원 , 김감래 , 2004, “ 천연색 항공영상의 수치표고모형 정확도 평가 ”, 

한국측량학회 춘계학술발표회 논문집, pp.259-262 

황철수 , 1998, 『 분산형 수치지도의 설계화 구현 』 , 서울대학교 박사학위 논문 

국가지리정보유통망 URL: http://ngic.go.kr 

국외문헌 

GDTA, 1995, DEM Stereoscopic Aspects of SPOT, Tutorial 

IMAGINE AutoSync, 2006, IMAGINE AutoSync White Paper 

Jensen, J.R., 1996, Introductory Digital Image Processing, Prentice Hall 

---------, 2000, Remote Sensing of the Environment, Prentice Hall 

Leica-Geosystems, 1995, RC30 Technical Reference Manual 

Lillesand, T.M. and Kiefer, R.W., 1994, Remote Sensing and Image 

Interpretation, Third Edition, Wiley 

Schenk, T., 1996, Concepts in Digital Photogrammetry, Course Note, 

Korean Society for Geo-Spatial Information System, Seoul 

Acharya, B. and Fagerman, J., 2000, “Accuracy Assessment of DTM Data”, 

- 107 -

International Archives of Photogrammetry and Remote Sensing, Vol. 

33, Amsterdam, Netherland 

Amhar, F., 1998, “The Generation of True Orthophotos using a 3D 

Building Model in Conjunction with a Conventional DTM”, 

International Society for Photogrammetry and Remote Sensing, 

32(4) 

Baltsavias, E. and Zhang, C., 2003, “Automated Updating of Road 

Databases from Aerial Imagery”, Institute of Geodesy and 

Photogrammetry, Vol. 6(iss. 3-4), pp.199-213, Zurich, Swiss 

Behan, A., 2000, “On the Matching Accuracy of Rasterised Scanning Laser 

Altimeter Data”, International Archives of Photogrammetry and 

Remote Sensing, Vol.33(B2),pp.75-82,Amsterdam,Netherland 

Buyuksalih, G., Ouc, M., Topan, H. and Jacobsen, K., 2004, “Geometric 

Accuracy Evaluation, DEM Generation and Validation for SPOT-5 

Level 1B Stereo Scene”, European Association of Remote Sensing 

Laboratories Workshop, Cairo 

Fabris, M. and Pesci, A., 2005, “Automated DEM Extraction in Digital 

Aerial Photogrammetry: Precisions and Validation for Mass 

Movement Monitoring”, Annals of Geophysics, Vol. 48(6) 

Gruen, A., Remondino, F. and Zhang, L., 2003, “Automated Modeling of the 

Great Buddha Statue in Bamiyan, Afghanistan” International Society 

for Photogrammetry and Remote Sensing, Vol. 34(3), Munich, 

Germany 

Konecny, G., 1985, “The International Society for Photogrammetry and 

Remote Sensing-75 Years Old, or 75 Years Young”, 

Photogrammetric Engineering and Remote Sensing, Vol. 51(7), 

pp.919-933 

Leberl, F. and Gruber, M., 2002, “Photogrammetric Color Scanning”, 

International Society for Photogrammetry and Remote Sensing, Vol. 

34(2) 

- 108 -

Lee, H., Eo, Y., Kim, Y. and Ahn, K., 2001, “Object’S Surface Roughness 

Measurement using a High Resolution Digital Camera”, Fédération 

Internationale des Géomètres(FIG), International Conference 

Madani, 2001, “Importance of Digital Photogrammetry for a Complete GIS”, 

Global Spatial Data Infrastructure Conference, Cartagena, Columbia 

Niederoest, M., 2001, “Automated Update of Building Information in Maps 

using Color Aerial Imagery”, International Society for 

Photogrammetry and Remote Sensing, Gifu,Japan 

Pan, L., Zheng, H., Zhang, Z. and Zhang, J., 2004, “A Height and Texture 

Information Integrated Approach for Object Extraction Applied to 

Automatic Aerial Triangulation”, International Society for 

Photogrammetry and Remote Sensing, Istanbul, Turkey 

Robinson, C., Montgomery, S.B. and Fraser, C.S., 1995, “The Effects of 

Image Compression on Automated DTM Generation”, 

Photogrammetric Week '95, pp.255-262, Heidelberg, Germany 

Schenk, T. and Toth, C., 1992, “Conceptual Issues of Softcopy 

Photogrammetric Workstations”, Photogrammetric Engineering and 

Remote Sensing, Vol. 58(1), pp.101-110 

Smith, T.B., 2005, “USGS National Center for Earth Resources Observation 

and Science (EROS) Analog Archive Preservation Efforts”, Ensuring 

Long-term Preservation and Adding Value to Scientific and 

Technical Data 2005, Edinburgh, UK 

Zhang, B., Miller, S., Venecia, K.D. and Walker, S., 2006, “Automatic 

Terrain Extraction using Multiple Image Pair and Back Matching”, 

American Society of Photogrammetry and Remote Sensing, Annual 

Conference Reno, Nevada 

URL: http://edc.usgs.gov/guides/dem.html 

URL: http://edc.usgs.gov/products/aerial.html 

- 109 -

DBM : Digital Building Model, 

DEM : Digital Elevation Model, 

DSM : Digital Surface Model, 

DSW : Digital Scan Workstation, 

DTM : Digital Terrain Model, 

DPI : Dot Per Inch, 

스캔 해상도 

용어해설 

수치건물모형 


수치표면모형 

항공사진전용스캐너 

수치지형모형 

EROS : Earth Resources Observation and Science, USGS의 

지구관측자원관 

리 

FMC : Forward Motion Compensation, 

GCP : Ground Control Point, 

지상기준점 

GIS : Geographic Information System, 

GPS : Global Positioning System, 

INS : Inertial Navigation System, 

- 110 - 

비행 전진운동의 카메라 보정 

지리정보시스템 

범지구 위치결정 시스템 

관성항법장치 

ISPRS : International Society for Photogrammetry & Remote Sensing, 

사진측량 및 원격탐사학회 

국제 

KOMPSAT : KOrea Multi Purpose SATellite, 한국의 다목적 실용위성 , 아리랑 

12 ․ 호 

LiDAR : Light Detection And Ranging, 3차원 

위치좌표 획득 시스템 

PE & RS : Photogrammetric Engineering & Remote Sensing, 

및 원격탐사학회지 

RGB : Red, Green, Blue, 

빛의 삼원색 

RMSE : Root Mean Square Error, 

SNR : Signal to Noise Ratio, 

평균제곱근오차 

신호 대 잡음비 

TIN : Triangulated Irregular Network, 

불규칙 삼각망 

USGS : United Sates Geological Survey, 

미국지질조사국 

국제 사진측량

부록 

- 111 -

부록 1. Visual C++ 이용한 상관관계 계산 프로그램 

1: 왼쪽사진 영상파일선택 (raw 포맷 ) 

2: 오른쪽사진 영상파일선택 (raw 포맷 ) 

3: 왼쪽사진 픽셀좌표 파일선택 (Socet Set 포맷 ) 

4: 오른쪽사진 픽셀좌표 파일선택 (Socet Set 포맷 ) 

5: 계산결과 저장할 파일선택 

6: 계산할 패치 크기 입력 

void CCorrelationDlg::OnOK() 

{ 

UpdateData(); 

FILE *out1, *in1, *in2; 

char ch1[200], ch2[200]; 

char Left_py[20], Left_px[20], Right_py[20], Right_px[20]; 

int patch_x; 

int patch_y; 

int nCount=0; 

float sum_re=0.0; 

float ave_re=0.0; 

float sum_max05=0.0; 

- 112 -

int ptCount_max05=0; 

float ave_max05=0.0; 

patch_x=m_intPixel; 

patch_y=m_intPixel; 

// 컬러항공사진 픽셀수의 결정 

unsigned char *LeftImage = new unsigned char [11276*11988]; 

unsigned char *RightImage = new unsigned char [11278*11987]; 

unsigned char *patch_L = NULL; 

unsigned char *patch_R = NULL; 

CFile fileL, fileR; 

fileL.Open(m_strLeftImageFile, CFile::modeRead); 

fileL.Read(LeftImage,11276*11988); 

fileR.Open(m_strRightImageFile, CFile::modeRead); 

fileR.Read(RightImage,11278*11987); 

out1=fopen(m_strOutFile, "w"); 

in1=fopen(m_strLeftIpfFile, "r"); 

fprintf(out1, "ID Px_L Py_L Sum_L Ave_L Var_L StdDev_L 

|| Px_R Py_R Sum_R Ave_R Var_R StdDev_R Cov 

|| Cross₩n"); 

//Socet Set의 ipf point 개수 읽기 (L-R ipf 파일의 동일한 ID 개수 Count) 

fgets(ch1,200,in1); 



while(fgets(ch1,200,in1) != NULL) 

{/////while 1///// 

char id_L[20], id_R[20], use[20]; 

sscanf(ch1, "%s %s", id_L, use); 

if(strcmp(use, "1") == 0) 

{//////////if 1 

- 113 -

nCount++; 

in2=fopen(m_strRightIpfFile, "r"); 




while(fgets(ch2,200,in2) != NULL) 

{////////////while2 

sscanf(ch2,"%s", id_R); 

if(strcmp(id_L, id_R) == 0) 

{//////////if 2 

float Left_Value=0.0; 

float Left_Ave=0.0; 

float Left_Sum=0.0; 

float Left_Dev=0.0; 

float Left_Var=0.0; 

int Left_x=0, Left_y=0; 

float Right_Value=0.0; 

float Right_Ave=0.0; 

float Right_Sum=0.0; 

float Right_Dev=0.0; 

float Right_Var=0.0; 

int Right_x=0, Right_y=0; 

float sum_cov=0; 

float cov=0; 

float cor_re=0; 

patch_L= new unsigned char 

|| [patch_x*patch_y]; 

patch_R= new unsigned char 

|| [patch_x*patch_y]; 

//Left ipf 파일의 point 읽기 .. 


sscanf(ch1, "%s %s₩n", &Left_py, 

|| &Left_px); 


sscanf(ch2, "%s %s₩n", &Right_py, 

- 114 -

|| &Right_px); 

Left_x=5994+int(atof(Left_px)+0.5); 

Left_y=5638+int(atof(Left_py)+0.5); 

Right_x=5994+int(atof(Right_px)+0.5); 

Right_y=5638+int(atof(Right_py)+0.5); 

//Left Pixel의합계 

for(int y1=Left_y-patch_y/2 ; 

|| y1

|| y2++,i++,m++,y22++) 

{ 

for(int x2=Left_x-patch_x/2,j=0,n=0, 

|| x22=Right_x-patch_x/2 ; 

||x2

float temp2=0; 







Left_Var = Left_Sum/(patch_x * patch_y - 

|| 1); 

Left_Dev = (float)sqrt(Left_Sum/(patch_x * 

|| patch_y - 1)); 

Right_Var=Right_Sum/(patch_x * patch_y - 

|| 1); 

Right_Dev=(float)sqrt(Right_Sum/(patch_x * 

|| patch_y - 1)); 

cov=sum_cov/(patch_x * patch_y - 1); 

cor_re=cov/(Left_Dev * Right_Dev); 

//0.5 이상 상관계수값 계산 // 

if(cor_re >= 0.5) 

{ 

sum_max05=sum_max05 + cor_re; 

ptCount_max05++; 

} 

sum_re=sum_re + cor_re; 

fprintf(out1, "%6s %5d %5d %8.0lf %8.3lf 

|| %8.3lf %8.3lf || %5d %5d %8.0lf %8.3lf 

|| %8.3lf %8.3lf %8.3lf %8.3lf₩n", 

||id_L,Left_x,Left_y,Left_Value,Left_Ave, 

||Left_Var,Left_Dev,Right_x,Right_y, 

||Right_Value,Right_Ave,Right_Var, 

||Right_Dev,cov,cor_re); 



- 117 -



if(patch_L != NULL) 

{ 

delete [] patch_L; 

patch_L = NULL; 

} 

if(patch_R != NULL) 

{ 

delete [] patch_R; 

patch_R = NULL; 

} 

}///end of if2 

}////////////end of while2/////////////// 

fclose(in2); 

}///////end of if 1/////////////// 

}///////////end of while 1/////////////// 

ave_re=sum_re/nCount; 

//0.5 이상 상관계수값 계산 및 출력 // 

ave_max05=sum_max05/ptCount_max05; 

///////////////////////////////////// 

fprintf(out1, "Left_Image_File_name: %s₩n", m_strLeftImageFile); 

fprintf(out1, "Right_Image_File_name: %s₩n", m_strRightImageFile); 

fprintf(out1, "Size_of_Patch(pixels): %5d₩n", patch_x); 

fprintf(out1, "Total_of_used points: %5d₩n", nCount); 

fprintf(out1, "Average_of_Cross-Correlations: %9.4f₩n", ave_re); 

fprintf(out1, "===========================================₩n"); 

fprintf(out1, "Used_points: %5d₩n", ptCount_max05); 

fprintf(out1, "Average_of_Cross-Correlations over 0.5: %9.4f₩n", 

|| ave_max05); 

fileL.Close(); 

fileR.Close(); 

fclose(in1); 

- 118 -

} 

fclose(out1); 

delete LeftImage; 

delete RightImage; 

CDialog::OnOK(); 

MessageBox(" 완료되었습니다 .",MB_OK); 

- 119 -

부록 2. 밴드별 수치표고모형의 음영기복도 

1:1,000 

수치지도의 수치표고모형 

컬러항공사진 입체영상의 수치표고모형 

- 120 -

흑백 입체영상의 수치표고모형 

Red 


- 121 -

Green 


Blue 


- 122 -

부록 3. 

밴드별 수치표고모형의 오차 분포도 

- 123 -

- 124 -

- 125 -

- 126 -

- 127 -

부록 4. 밴드별 상관계수 빈도 그래프 

축척 1:10,000 Color의 


축척 1:10,000 

흑백의 상관계수 빈도 그래프 

- 128 -

축척 1:10,000 Red의 


축척 1:10,000 Green의 


- 129 -

축척 1:10,000 Blue의 


- 130 -

ABSTRACT 

A Study on the Relational Features between 

the Bands

ands(red, green, blue) using image matching method. The constructed 

DEM's are evaluated in accuracy by comparing the elevation heights of the 

digital map at the scale of 1:1,000 which is reference data in this study. 

Also, the correlation of the left and right image of stereo images of each 

bands are analyzed. 

As a result of accuracy evaluation of 5 DEM's constructed from images 

scanned in different methods and images of each bands, the standard 

deviation and RMSE(root mean square error) of red band image reveal best 

accuracy. The accuracy of DEM constructed from rasterized color aerial 

photo is relatively poor. 

The accuracy of DEM constructed from black and white image converted 

form color aerial photo is poorer than the DEM constructed the red band 

image, in both methods of traditional method and correlation analysis. 

Accordingly, to construct the DEM, the black and white photo can be 

selected when the cost is important factor, and the red band image of color 

photo when the accuracy is important factor. 

The accuracies of DEM's are evaluated in both methods of considering 

RMSE which is traditional applied, and analyzing standard deviation and 

covariance to consider correlation in that the reliability of accuracy 

evaluation can be improved. 

As the demand of image map and orthoimage is increasing, the acquisition 

of the accurate DEM is mandatory. So, to minimize the error, the time 

consumed to edit the error and the cost, one band image from scanned 

color aerial photo which can show best accuracy is recommended to be 

selected for DEM construction. Also, the characteristics of each band can be 

helpful to use aerial photo acquisited from the digital camera. 

Key word : digital map, image map, color aerial photo, image band(red, 

green, blue), DEM, DPI, RMSE, Image Matching, correlation 

- 132 -

감사의 글 

대학원 박사과정에 입학하게 되었다는 소식에 많은 관심과 격려로 지켜보아주시 

던 주위 모든 분께 감사드립니다. 

대학원에 입학할 수 있도록 허락하여주시고 , 본 논문의 시작에서부터 완성에 이 

르기까지 세심하게 지도하여 주신 황철수 교수님께 심심한 감사를 드립니다 . 심사 

위원장님으로서 꼼꼼하고 면밀하게 지도하여 주신 주성재 교수님 , 논리정연하게 지 

도하여 주신 조창현 교수님께 감사드립니다 . 바쁘신 중에서도 기꺼이 논문을 지도 

해 주신 건국대학교의 편무욱 교수님 , 더욱 전공다운 논문이 될 수 있도록 지도해 

주신 상명대학교의 구자용 교수님께 깊은 감사를 드립니다 . 엄하시지만 자상하신 

노시학 교수님 , 논문 공개발표 때 아낌없는 질타를 해주신 공우석 교수님 , 열정이 

크신 윤순옥 교수님 , 항상 웃음으로 친절하게 대하여 주신 다나까 교수님께 감사의 

인사를 드리고 , 논문으로 인사를 드리게 되는 김종규 교수님께 감사와 더불어 송구 

스럽습니다. 

지난 10 년간 뵈어왔고 , 언제나 관심을 가지고 격려해 주신 국방과학연구소의 이 

용웅 박사님과 위성영상이란 것을 처음 알게 해 주신 팀 내의 박완용 , 신대식 , 최선 

용 , 방수남 , 고진우 , 송현승 연구원님 , 어양담 박사님과 여러 연구원님들의 도움에 

감사드립니다. 

대학원 생활을 하는 동안 함께 했던 GIS 연구실의 최우혁 선배님 , 이용원 선생님 

과 많은 대화를 했던 박지만 후배님을 비롯한 많은 후배님들의 도움이 있었기에 이 

논문을 마칠 수 있었습니다. 

이 논문의 연구를 위해 바쁜 업무에도 불구하고 완성할 수 있도록 많은 배려와 

격려를 베풀어 주신 중앙항업 ( 주 ) 의 김상성 사장님 , 사내의 가장이신 배종광 부회장 

님 , 연구소장으로서 많은 도움을 주신 이호남 박사님 , 언제나 따스함으로 대해주신 

유외준 고문님 , 카리스마와 부드러움을 겸비하신 전병련 전무님 , 기준점 측량의 대 

명사이신 고현수 상무님 , 항공사진촬영의 대가이신 김동휘 이사님 , 도화의 명인이신 

송재열 이사님 , 사내 모든 업무와 살림살이를 완벽하게 꾸려나가시는 고종식 이사 

님 , 영업의 선두주자이신 강대선 이사님과 여러 임원 분들께 깊은 감사를 드립니다 . 

본 논문의 사진처리 이론에 도움을 주신 장세진 박사님 , 

영상자료 처리를 할 수 있 

- 133 -

도록 하는 프로그램의 코딩 기법에 대해 도움을 주신 성민규 , 이승한 연구원님 , 항 

공사진 스캔 처리에 도움을 주신 박선미 , 김미현 연구원님 , 어려운 영문 용어에 대 

한 명쾌한 해석으로 도움을 주신 박두열 연구원님 , 부서 설립부터 함께 근무하고 

있는 김상봉 기술사님 , 박영훈 연구원님 , 입사 동기로서 기쁜 마음으로 조언을 해주 

신 신진규 차장님께 감사드리며 , 무엇보다도 DB개발팀 

연구원 분들께 깊은 감사를 

드립니다. 

그 누구보다도 이 논문을 기다리시던 마음으로만 뵐 수밖에 없는 아버님 , 지금은 

하늘나라에서 기뻐하실 아버님 고맙습니다 . 뵐 때마다 궁금해 하시던 어머님께 진 

심으로 사랑을 전합니다 . 부모님의 깊은 마음과 사랑이 있었기에 이 논문을 완성할 

수 있었습니다 . 항상 격려와 용기를 주시던 장인어른께도 감사드립니다 . 항상 따듯 

한 마음으로 격려해주시던 큰형님 내외분 , 늘 자신감으로 용기를 주시던 작은 형님 

내외분 , 항상 막내 동생으로만 여기시는 누님들 내외분께 고마움을 전해 드립니다 . 

늘 나의 딸들을 귀여워해 주었지만 옆에서 지켜주지 못해 하늘나라로 떠나야 했던 

사랑하는 처제와 이제는 어른이라고 자부하는 처남부부에게 고마움을 전합니다. 

기쁠 때나 슬플 때나 함께 있어주고 아무 불평 없이 따뜻한 마음으로 논문을 끝 

마칠 수 있도록 도와준 사랑하는 아내 신진순과 이 세상 그 무엇과도 바꿀 수 없는 

나의 사랑하는 두 딸 지수 , 경수와 이 작은 결실을 함께 나누고자 합니다 . 

- 134 - 

2007년 1월 

김진광

컬러항공사진의 밴드 특성과 DEM 정확도의 상관성 연구 경희대학교 ...

Create successful ePaper yourself

Delete template?

Save as template?