계절 변화에 강인한 특징점 매칭을 이용한 다중 날짜 위성 영상의 견고한 RPC 번들 조정

Robust RPC Bundle Adjustment for Multi-Date Satellite Imagery with Season-Invariant Correspondences

정확하고 신뢰할 수 있는 Rational Polynomial Camera (RPC) 모델은 고품질 위성 영상 지리 참조에 필수적입니다. 지상 제어점(GCP) 없이 여러 시점에서 촬영된 영상을 처리하는 경우, 일반적으로 자동으로 추출된 영상 간의 특징점 매칭을 통해 RPC 모델을 보정합니다. 그러나 기존의 RPC 번들 조정 방식은 수작업으로 설계된 특징점 매칭 알고리즘에 의존하며, 이는 계절적 변화, 조명 변화 및 지면 피복 변화가 발생하는 다중 날짜 데이터셋에서 신뢰성이 떨어지는 경향이 있습니다. 본 연구에서는 학습 기반의 지역 특징점 매칭을 사용하여 계절 변화에 강인한 특징점을 추출하고, 전체적인 영상 설명자를 활용하여 시각적으로 호환 가능한 영상 쌍을 선택하는 RPC 보정 파이프라인을 제안합니다. 이는 불필요하고 오류를 유발할 수 있는 매칭 과정을 줄이는 동시에, 매칭 그래프의 연결성을 유지합니다. 본 연구에서는 계절적 변화가 심한 WorldView-3 영상을 사용하여 실험을 진행한 결과, 제안하는 파이프라인이 기존 오픈 소스 방법보다 GCP 없이 수행되는 상대적인 RPC 정밀도를 향상시켰으며, 39~42개의 시점에서 촬영된 데이터셋에서 매칭 시간을 크게 단축했습니다. 본 연구는 시간의 흐름에 따른 영상의 외형 변화에 더 강건한 RPC 보정 방법을 제공함으로써, 다중 날짜 위성 영상 데이터를 보다 효과적으로 활용할 수 있도록 합니다.

Accurate refinement of Rational Polynomial Camera (RPC) models is essential for high-quality satellite image geolocation. In ground control point (GCP)-free multi-view pipelines, this refinement is commonly performed through bundle adjustment from automatically extracted image correspondences. However, conventional RPC bundle adjustment pipelines rely on handcrafted feature matching, which becomes unreliable in multi-date collections affected by seasonal, illumination, and land-cover changes. We propose an appearance-aware RPC refinement pipeline that combines learned local feature matching for season-invariant correspondences with global image descriptors for selecting visually compatible image pairs. This reduces redundant and error-prone matching while preserving the connectivity of the matching graph. Experiments on seasonally diverse WorldView-3 images show that our pipeline improves GCP-free relative RPC refinement over open-source baselines, achieving lower geometric consistency errors while substantially reducing matching time on collections with 39-42 views. By making RPC refinement more robust to diachronic appearance variation, our approach enables more effective use of multi-date satellite imagery.