ROI-Based Radiometric Quality Assessment Method for Crowdsourced Imagery

본 연구는 크라우드소싱 환경에서 수집된 영상데이터의 활용성을 높이기 위해, 관심영역(region of interest, ROI) 기반 복사학적 품질평가 방법을 제안하였다. 제안 방법은 전방 영상에서 소실점을 추정하여 상부(하늘·건물)와 하부(도로·차량) 영역을 분리한 뒤, 하부 영역에 대해 선명도(Laplacian variance, Tenengrad score), 밝기·명암 대비(entropy), NR-IQA 지표(BRISQUE)를 산출한다. 또한 segment anything model을 활용해 도로 영역 마스크를 생성하고, 전체 대비 도로 비율을 ROI로 산정하고 계산하였다. 이렇게 산출된 다중 품질지표를 학습 데이터로 하여 support vector machine 분류기를 구축하고, 10-fold 교차검증으로 성능을 평가하였다. 실험에는 서울 수서역 일대에서 취득한 전방 영상 3,551장을 사용하였으며, precision 0.9715, recall 0.9852, F1-score 0.9782를 달성하였다. 본 방법은 ROI 중심의 정량적 품질평가를 통해 크라우드소싱 영상데이터의 자동 검수에 대한 일반화 가능성을 확보하였으며, 대규모 공간정보 갱신 과정에서 데이터 적합성 향상과 검수 비용 절감에 기여할 수 있을 것으로 기대된다.