Road extraction from remote sensing images has been an important research area because road networks are essential information due to their wide usage in various applications such as urban planning, cartography, traffic management, industrial development, navigation, and rescue operations. However, manual extraction from imagery requires large efforts in terms of time and cost. To solve this problem, a number of automatic road extraction algorithms have been proposed for the last few decades.
Automatic road extraction algorithms can be categorized into semi- and fully-automatic approaches. Semi-automatic approaches are based on initial seed points that are usually provided by a human operator. However, fully-automatic approaches do not rely on such initial seed points so that it can minimize human efforts. Hence, we propose a novel fully-automatic algorithm for road extraction from panchromatic remote sensing images in this dissertation.
The proposed algorithm includes low- and high-level processing. In the low-level processing, a normalized second derivative map of road profiles of a generalized bar-shape, which is width-invariant and contrast-proportional, is determined on the basis of a normalized multi-scale Hessian matrix. In the high-level processing, using the map and initial center pixels that are obtained from low-level processing, road segments are determined. The segments are locally refined using their orientation randomness and length-to-width ratio, and then further refined via global graph-cut optimization. A final road network is thereby extracted in a robust manner.
Experimental results demonstrate that the proposed algorithm provides noticeably more robust and higher road extraction performance in various images compared with the existing algorithms.
도로정보는 도시 계획, 지도 제작, 교통 관리, 산업 개발, navigation, 구출 작전 등의 다양한 응용분야에 사용되는 중요한 정보이다. 따라서 원격감지영상으로부터 도로를 추출하는 기법은 중요한 연구분야로 자리매김하였다. 그러나, 영상으로부터 사람이 수동으로 도로를 추출하는 방법은 노동 집약적이기 때문에, 시간과 돈이 많이 소모된다. 이러한 문제를 해결하기 위해, 지난 몇 십년 동안 원격감지영상으로부터 자동으로 도로를 추출하는 알고리듬들이 수 없이 제안되었다.
이렇게 제안된 자동 도로 추출 알고리듬은 크게 반자동과 전자동 접근법으로 나뉜다. 반자동 접근법은 사용자가 제공해주는 초기 seed points에 기반하여 알고리듬이 수행된다. 반면에, 전자동 접근법은 이러한 초기 seed points에 의존하지 않기 때문에 사람의 노력을 더 줄일 수 있다. 따라서, 우리는 흑백의 원격감지영상으로부터 자동으로 도로를 추출하는 전자동 추출 알고리듬을 제안한다.
제안 알고리듬은 저레벨과 고레벨 처리로 구성되어 있다. 저레벨 처리에서는 일반화된 bar 모양의 도로 모델로부터 정규화된 이차미분 맵과 초기 중심픽셀들을 결정한다. 이 맵은 multi-scale Hessian matrix에 기반하였으며, 그 값은 도로의 폭에 상관없이 도로의 contrast에 비례한 값을 갖는다. 고레벨 처리에서는 앞서 구한 맵과 초기 중심픽셀들을 이용하여 도로를 구성할 조각을 먼저 형성한다. 이 조각들은 방향의 임의성과 길이대비 폭의 비율 값을 이용하여 지역적으로 개선된다. 이 후, graph-cut 최적화를 통해 도로 조각들이 전체적으로 개선된다. 이러한 강인한 방법을 통해 최종 도로 네트워크가 추출된다.
제안하는 알고리듬과 기존의 다른 알고리듬의 비교실험을 통해, 제안 알고리듬이 다양한 영상에서도 더욱더 강인하고 정확한 도로추출이 가능함을 확인하였다.
