A Study on a Satellite Imagery-Based DEM Refinement Method Using U-Net++ and Low-Rank Matrix Decomposition

최근 고해상도 위성영상의 보급으로 위성영상 기반 DEM 제작 수요가 증가하고 있다. 그러나 기존 위성영상 기반 DEM 생성 방식은 지역적 잡음과 센서 전역적 구조 왜곡이 발생하는 한계가 있다. 본 연구는 이러한 문제를 완화하기 위하여, 전통적인 형태학적 필터링을 통한 비지면점 추출, U-Net 기반 DSM 제작, U-Net++ 기반 DEM 정규화, 저랭크 행렬 분해를 결합한 DEM 정교화 기법을 제안한다. 검증실험은 KOMPSAT-3 영상기반 미국 샌프란시스코와 캐나다 토론토 지역에 대해 산지•평지 지형으로 수행하였으며, 상용 SW 3종으로 생성한 DEM과 딥러닝 기법으로 제작한 DEM 간 참조 DEM과의 RMSE, MAE, bias를 비교하였다. 검증실험 결과, 상용 SW 기반 DEM 대비 RMSE와 MAE를 50–70% 저감하고, bias를 ±1m 내외로 축소하여 수직 편향을 완화시켰다. 특히 산지에서 개선 폭이 크게 나타나, 저랭크 분해와 U-Net++ 기법의 융합이 효과적임을 확인하였다.