KR100554906B1 - 고해상도 위성 영상을 이용한 도로망 추출방법 - Google Patents

고해상도 위성 영상을 이용한 도로망 추출방법 Download PDF

Info

Publication number
KR100554906B1
KR100554906B1 KR1020030076572A KR20030076572A KR100554906B1 KR 100554906 B1 KR100554906 B1 KR 100554906B1 KR 1020030076572 A KR1020030076572 A KR 1020030076572A KR 20030076572 A KR20030076572 A KR 20030076572A KR 100554906 B1 KR100554906 B1 KR 100554906B1
Authority
KR
South Korea
Prior art keywords
road
line
pixels
point
edge
Prior art date
Application number
KR1020030076572A
Other languages
English (en)
Other versions
KR20050041405A (ko
Inventor
서용철
Original Assignee
(주)평화엔지니어링
서용철
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)평화엔지니어링, 서용철 filed Critical (주)평화엔지니어링
Priority to KR1020030076572A priority Critical patent/KR100554906B1/ko
Publication of KR20050041405A publication Critical patent/KR20050041405A/ko
Application granted granted Critical
Publication of KR100554906B1 publication Critical patent/KR100554906B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003Maps
    • G09B29/004Map manufacture or repair; Tear or ink or water resistant maps; Long-life maps

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법은, 멀티스펙트럼 위성 영상의 도로 화소를 분류에 의해 생성된 도로 화소들에 대한 하나의 마스크로서의 도로 마스크를 추출하는 단계; 도로가 특정 방향에 따른 지점을 통과하는 것을 의미하는 방향성 지점으로서의 도로 씨드를 추출하는 단계; 및 도로 형판과 상기 도로 마스크 및 도로 씨드를 반복적으로 맞추어 추적함으로써 도로 선들을 추출하는 단계를 포함하여 구성된다.
이와 같은 본 발명에 의하면, 상업용의 원격탐사 소프트웨어를 이용하여 멀티스펙트럼 위성 영상의 도로 화소들을 분류하여 생성된 도로 화소들에 대한 도로 마스크를 추출하고, 방향성 지점으로서의 도로 씨드를 추출하며, 도로 형판과 상기 도로 마스크 및 도로 씨드를 반복적으로 맞추어 추적하는 작업에 의해 도로 선들을 추출함으로써, 도심과 같은 빌딩이 매우 밀집된 지역에서의 주요 도로는 물론 교외 지역에서의 모든 도로들을 효과적으로 추출해 낼 수 있는 장점이 있다.
고해상도, 위성 영상, 도로망, 추출

Description

고해상도 위성 영상을 이용한 도로망 추출방법{Method for extracting road network using high resolution satellite image}
도 1은 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 따라 도로망 추출을 위해 이용된 위성 영상의 일 예를 보여주는 도면대용 영상.
도 2는 도 1의 위성 영상을 바탕으로 각 사물들을 색상의 차이로 분류해 놓은 결과를 보여주는 도면대용 영상.
도 3은 도 2의 영상을 바탕으로 추출한 도로 마스크의 상태를 보여주는 도면.
도 4는 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, 가장자리 선 조각의 추적 과정을 보여주는 흐름도.
도 5의 (a)는 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, 가장자리 선 조각의 k+1번째 가장자리 화소를 찾기 위하여 Pk의 8개의 이웃들을 검사하는 것을 보여주는 도면.
도 5의 (b)는 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, Pk로부터 q로의 국소 방향의 연장을 보여주는 도면.
도 6의 (a) 및 (b)는 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, 전체 수준 및 국소 수준에서의 폐기된 화소를 각각 보여주는 도면.
도 7의 (a) 내지 (c)는 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, 가장자리 선 조각들을 연결해 나가는 과정을 보여주는 도면.
도 8은 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, 도로 선 추출 과정을 보여주는 흐름도.
도 9의 (a)는 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, 형판 조합과 도로 씨드의 사용에 의해 시작 방향을 추정하는 것을 보여주는 도면.
도 9의 (b)는 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, 형판 조합과 도로 씨드의 사용에 의해 도로 선을 연장하는 것을 보여주는 도면.
도 10은 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, 방향성 제어 지점 q를 이용한 도로 선 추적의 안내 과정을 보여주는 흐름도.
도 11의 (a) 및 (b)는 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, 제어 지점을 이용하여 도로 선 추적을 안내하는 것을 도식화한 도면.
도 12의 (a) 내지 (c)는 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, 도시 지역의 위성 영상을 바탕으로 도시 지역의 도로 지도 를 생성하는 과정을 보여주는 도면.
도 13의 (a) 내지 (c)는 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 있어서, 교외 지역의 위성 영상을 바탕으로 교외 지역의 도로 지도를 생성하는 과정을 보여주는 도면.
본 발명은 고해상도 위성 영상을 이용한 도로망 추출방법에 관한 것으로서, 더 상세하게는 멀티스펙트럼(multispectrum) 위성 영상의 도로 화소(pixel)를 분류에 의해 생성된 도로 화소들에 대한 도로 마스크(mask)를 추출하고, 방향성 지점으로서의 도로 씨드(seed)를 추출하며, 도로 형판과 상기 도로 마스크 및 도로 씨드를 반복적으로 맞추어 추적하는 작업에 의해 도로 선들을 추출함으로써, 도심과 같은 빌딩이 매우 밀집된 지역에서의 주요 도로는 물론 교외 지역에서의 모든 도로들을 효과적으로 추출해 낼 수 있는 고해상도 위성 영상을 이용한 도로망 추출방법에 관한 것이다.
고해상도 원격탐사 영상으로부터의 데이터 추출은 사진측량, 원격탐사 및 GIS(geographic information system;지리 정보 시스템) 분야에 있어서 연구 과제의 핵심적 사항이다. 왜냐하면, 도로망은 GIS 구성요소에서 가장 중요한 요소중의 하나이기 때문이다. 최근에, 고해상도 위성 영상은 민간 부문에 있어서도 구입이 가 능하게 되었으며, 또한 폭넓게 활용되고 있다. 고해상도 위성 영상 데이터를 통해 공간 정보를 창출함으로써 효과적인 지형 공간 정보를 만들 수 있다. 그리고, 이것은 다양한 분야에서 이용되고 있다. IKONOS와 같은 위성 영상은 팬크로매틱 (panchromatic) 모드에서는 1m, 멀티-스펙트럴(multi-spectral) 모드에서는 4m 만큼의 정밀한 해상도를 갖는 영상을 제공할 수 있다. 예를 들면, 빌딩, 도로, 나무, 잔디 및 기타 도시 경관의 다른 구성요소들을 그러한 고해상도 위성 영상을 통해 선명하게 확인할 수 있다. 더욱이, 항공 사진을 이용하는 대신에, 고해상도 위성 영상을 이용함으로써 어떤 지역 전체에 대한 빈번한 공간 정보의 변화를 용이하게 갱신할 수 있다. 또한 고해상도 위성 영상은 자연재원 및 환경보호와 같은 분야로부터 지형 특색에 대한 더욱 상세한 정보가 요구되는 도시적 응용분야에 이르기까지 널리 활용되고 있다. 도로망 추출은 도시 지역에 대한 고해상도 위성 영상의 중대한 응용분야 중의 하나이다. 이러한 기술은 GIS용의 데이터 획득 및 데이터 갱신에 이용될 수 있다. 후자의 응용은 많은 개발 도상국가들에서와 같이 도시의 도로망이 급격하게 변화하는 지역에서 특히 유용하다.
많은 연구자들이 공간 영상으로부터 특정 모델을 추출해내기 위한 접근방식을 보여주고 있다. 바조아(Barzohar)와 쿠퍼(Cooper)는 1996년에 통계학적 기술을 이용하여 주요 도로와 지역 영상들을 찾기 위한 자동 접근방식을 선보였다. 지역 영상은 각각의 구획으로 나누어, 추정된 창으로부터 도로추출을 시도한다. 그루언 (Gruen)과 리(Li)는 1996년에 씨드 지점과 비-스플라인(B-spline) 곡선에 의한 도로 추출 접근방식을 개발했다. 이어서 그루언(Gruen)과 리(Li)는 1997년에 최소 면 적 상황에서의 실효성 있는 지형선(contour) 모델의 사용을 공식화하였으며, 여기에서 주어진 많은 씨드 지점과 초기 도로 형판이 먼저 생성되고, 그런 다음 광도계 및 기하학적 특성상의 에너지 작용을 최적화하도록 조정된다. 가장 최근의 연구 노력들이 2002년도에 사이(Shi)와 주(Zhu)에서 볼 수 있는데, 여기에서는 고해상도 위성 영상으로부터 도로망을 추출하는 선 구획(segment) 조화 방법이 제안되고 있다.
본 발명은 이상과 같은 사항을 감안하여 창출된 것으로서, 대략 1m의 지상 해상도와 적색, 녹색, 청색 및 근적외선의 4가지 대역을 갖는 고해상도의 위성 영상으로부터 도심의 빌딩 밀집 지역 및 교외 지역에서의 도로망을 효과적으로 추출할 수 있는 고해상도 위성 영상을 이용한 도로망 추출방법을 제공함에 그 목적이 있다.
상기의 목적을 달성하기 위하여 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법은,
(a) 멀티스펙트럼 위성 영상의 도로 화소를 분류에 의해 생성된 도로 화소들에 대한 하나의 마스크로서의 도로 마스크(최종적인 도로선의 추출을 위해 활용되는 것으로서, 멀티 스펙트럼 위성 영상의 영상 화소들 중 고속 도로, 메인 도로, 작은 도로로 분류된 영상 화소들에 의해 생성된 이진수의(흑백의) 영상 그룹)를 추출하는 단계;
(b) 도로가 특정 방향에 따른 지점을 통과하는 것을 의미하는 방향성 지점으로서의 도로 씨드(멀티 스펙트럼 위성 영상의 화소들 중 가장자리 화소들의 가장자리 선 조각들의 추적 및 연결에 의해 얻어지는 도로선 추출을 위한 기초 정보자료)를 추출하는 단계; 및
삭제
(c) 도로 형판과 상기 도로 마스크 및 도로 씨드를 반복적으로 맞추어 추적함으로써 도로 선들을 추출하는 단계를 포함하여 구성된 점에 그 특징이 있다.
이하 첨부된 도면을 참조하면서 본 발명의 실시예를 상세히 설명한다.
본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법은 영상 특성에 상당히 의존한다. 따라서, 고해상도 위성 영상에 근거한 도로망 추출을 위한 첫번째 기초 작업은 영상에서의 도로의 특성을 분석하는 일이다. 저해상도 또는 중해상도 위성 영상과 비교하여, 고해상도 위성 영상은 더 많은 지형 상세를 내포하고 있으며, 지표면상의 더욱 작은 세부사항들이 더 확실하게 표현될 수 있다. 저,중해상도 위성 영상보다는 고해상도 위성 영상으로부터 더욱 세부적인 도로 특징들을 추출할 수 있다. 다른 한편으로는, 그와 같은 고해상도 위성 영상으로부터 도로의 특징을 추출함에 있어서 더 많은 어려움이 또한 있다. 왜냐하면, 영상 위에 나타나는 불필요한 특성의 지형성분들이 많이 있기 때문이다. 그러므로, 고해상도 위성 영상을 이용하여 도로 선들을 추출하기 위해서는 도로 추출 방법 뿐만 아니라 특정 도로 모델이 요구된다. 여기서, 도로 모델은 가능한 한 더 적은 그러나 포괄적인 가정을 갖는 것이 바람직하다.
본 발명에 따른 도로망 추출방법의 구현을 위한 테스트 자료로서 IKONOS 영상이 사용되었다. 각 대역의 화소 크기는 1m이다. 4개의 대역, 즉 적색, 녹색, 청색, 그리고 근적외선이 있다. 도로 마스크는 상업용의 원격탐사 소프트웨어인 IDL/ENVI를 사용하여 생성되고, 여기에서 도로 화소들은 최대 가능성의 방법을 이 용하여 다른 사물들과 구별된다. 도로 씨드들은 가장자리(edge) 화소들을 추적함으로써 추출된다. IKONOS 영상은 도로 마스크와 도로 씨드 위에 겹쳐져 놓여지게 되며 작업자는 이들을 제어하여 IKONOS 영상을 다룬다. 이때 한편에서는 도로 선들이 도로 마스크와 도로 씨드들로부터 추출된다.
도 1에 도시된 바와 같이, 일반적으로 도로들은 길고 좁은 직사각형 또는 밴드형의 선 형태이다. 그리고 도로의 폭은 여러 화소들로 이루어진다. 도로들은 일반적으로 곧게 뻗거나 약간 곡선을 그린다. 도로가 몹시 휘어진 경우는 드물다. 많은 경우에 있어서, 도심의 도로들은 더 어두운 색조이고, 이러한 색조는 이웃하는 사물들(예를 들면, 빌딩들)과 다르다. 도로의 길이는 빌딩들 보다 길고, 또한 거리 블록과 같거나 그보다 길다.
그러면, 이상과 같은 사항을 전제로 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법에 대해 단계적으로 설명해 보기로 한다.
<도로 마스크의 추출>
본 발명에 있어서, "도로 마스크"는 최종적인 도로선의 추출을 위해 활용되는 것으로서, 멀티 스펙트럼 위성 영상의 영상 화소들 중 고속 도로, 메인 도로, 작은 도로로 분류된 영상 화소들에 의해 생성된 이진수의(흑백의) 영상 그룹을 의미한다.
화소를 바탕으로 한 도로 마스크는 상업용의 원격탐사 소프트웨어(예컨대, IDL/ENVI)를 이용하여 추출된다. 녹지, 땅, 빌딩, 물, 고속도로, 메인 도로 및 작은 도로 들에 대한 주어진 값들과, 멀티스펙트럼 위성 영상의 영상 화소들은 최대 가능성 방법을 이용하여 다른 그룹으로 분류된다. 본 발명에서 사용된 멀티스펙트럼 위성 영상은 4가지의 대역, 즉 적색, 녹색, 청색, 그리고 근적외선이기 때문에, 세 가지, 즉 적, 녹, 청 또는 그 이하의 것에 의한 것보다 그 분류 결과가 훨씬 더 신뢰할 만하다. 고속도로, 메인 도로 및 작은 도로로 분류된 영상 화소들이 "도로 마스크"를 생성하기 위해 활용된다. 도로 마스크는 이진수의 영상이며, 여기에서 화이트(white) 화소는 도로와 같은 대상이 대부분 거기에서 끝남을 암시한다. 도로 마스크는 도로 선 추출에 활용된다. 도 2 및 도 3은 분류와 도로 마스크의 대표적인 결과를 보여준다.
<도로 씨드의 추출>
본 발명에 있어서, "도로 씨드"는 멀티 스펙트럼 위성 영상의 화소들 중 가장자리 화소들의 가장자리 선 조각들의 추적 및 연결에 의해 얻어지는 도로선 추출을 위한 기초 정보자료를 의미한다.
도로 씨드는 다음과 같은 세 단계에 의해 추출된다.
(1) 가장자리 화소 추출: 가장자리 화소는 캐니(Canny) 필터를 이용하여 추출된다.
(2) 가장자리 선 조각(patch)의 추적: 연속되는 가장자리 화소들이 추적되고, 방향의 갑작스런 및/또는 빠른 변화는 절단된다.
(3) 가장자리 선 조각들의 연결: 느린 방향 변화의 연속선 상에 있고, 그들 사이의 오직 제한된 공란(blanks)을 갖는 가장자리 선 조각들이 연결된다.
캐니 필터에 의해 추출된 가장자리 화소들은 도로, 빌딩, 하천, 또는 그림자들의 경계 뿐만이 아니라, 광도계 특성의 어떤 다른 지방의 빠른 변화도 반영한다. 특히 도심에서라 할지라도 빌딩, 나무 및 그림자의 가장자리 화소는 도로의 가장자리 화소와 섞인다. 왜냐하면, 도로 경계들이 추출될 만큼 확실하지 않기 때문이다. 오직 방향에 있어서의 느린 변화를 갖는 길이가 긴 가장자리만이 강하게 도로나 하천의 경계를 암시한다. 그러므로, 본 발명에서는 도로 경계들이 도로 씨드로서 추출되고 도로 선 추출에 있어서 도로 마스크의 정보로 활용된다.
캐니 필터를 위성 영상에 응용하는 것은 가장자리 화소들의 이진수 영상으로 귀착하며, 여기에서 가장자리들은 단일 화소의 폭으로 좁아진다. 가장자리 화소들의 이진수 영상으로부터 길이가 긴 가장자리 선의 추출은 2단계, 즉 가장자리 선 조각들의 추적 및 연결로 수행된다. 도로 씨드들은 가장자리 선 조각상의 어떤 가장자리 화소들에 대하여 생성되며, 여기에서 도로 선의 두 개의 방향을 나타내는 도로 씨드의 두 개의 방향은 가장자리 화소에서 가장자리 선 조각의 접선을 이용하여 계산된다.
이상의 사항에 대하여 좀 더 상세히 설명해 보기로 한다.
가장자리 화소들의 이진수 영상은 좌측 상단으로부터 우측 하단으로 횡렬로 검사된다. 하나의 가장자리 화소가 만날 때마다, 그것이 격리된 것일 경우, 그 가장자리 화소는 이진수 영상으로부터 제거되고, 추적 절차는 다른 가장자리 화소들을 찾아서 계속된다. 그렇지 않으면 하나의 가장자리 선 조각이 도 4에 도시된 바와 같이, 그 가장자리 화소로부터 추적된다. 가장자리 화소가 이진수 영상에서 발견되지 않을 때까지 반복적으로 계속된다.
도 4는 가장자리 선 조각의 추적 과정을 보여주는 흐름도이다.
도 4를 참조하면, 먼저 가장자리 화소들을 연결하는 과정으로서, 도 5의 (a)에서와 같이 8개의 이웃으로 또는 도 5의 (b)에서와 같이 지역 확장에 있어서의 몇 개의 공란 상태로 계속되는 가장자리 화소들이 함께 연결된다(S401). 그런 후, 가장자리 선 조각들을 폐기하는 과정으로서, 가장자리 선 조각들은 방향의 급격한 및 빠른 변화를 갖는 화소로서 폐기된다(S402). 그리고, 마지막 후처리 과정으로서 주어진 임계치(threshold) 보다 더 짧은 가장자리 선 조각들은 버려지고, 다른 것들 은 후속 처리를 위해 기록된다(S403).
이상과 관련하여 좀 더 상세히 설명해 보기로 한다.
도 5의 (b)를 참조하면, Pk를 하나의 가장자리 선 조각의 k번째 가장자리 화소라 가정하면, 그것은 그 앞의 화소 Pk-1의 k번째 이웃이 되며, 여기에서 Pk와 Pk-1은 가장자리 화소들의 이진수 영상으로부터 제거된다. 가장자리 선 조각의 k+1번째 가장자리 화소를 찾기 위하여, Pk의 8개의 이웃들(도 5의 (a) 참조)이 검사되고, 여기에서 nk에 근접한 방향을 갖는 이웃은 더 높은 우선권을 가지며, 그 결과 첫번째로 검사된다. 만일 Pk의 k'번째 이웃이 가장자리 화소로 발견되면, 그것은 가장자리 선 조각의 k+1번째 가장자리 화소로 수용된다. 다른 한편으로, 만일 가장자리 화소가 Pk의 8개의 이웃들에서 발견되지 않으면, Pk로부터 nk의 확장을 따른 검사가 수행된다. 도 5의 (b)에서 Pk로부터 가장자리 화소 q까지의 공란이 주어진 임계치보다 적으면, q는 k+1번째 가장자리 화소로 수용된다. 만일 가장자리 화소가 위의 모든 검사에서 발견되지 않을 경우, 가장자리 선 조각의 가장자리 화소들을 연결하는 절차는 중단된다.
가장자리 선 조각들에 대한 폐기가 수행됨에 있어서, 가장자리 선 조각은 국소 또는/및 전체 수준에서 빠른 방향 변화를 갖는 화소로서 폐기된다. 가장자리 선 조각에 있어서의 어떤 화소에 대하여, 도 6의 (a)에 도시된 바와 같이, 시작점 화소로부터 그 화소를 거쳐 끝점 화소까지의 각도가 주어진 임계치 t보다 작을 경우, 그 화소는 전체 수준에서 폐기된 화소로서 무시된다. 또한, 도 6의 (b)에 도시된 바와 같이, 가장자리 선 조각에서의 어떤 화소 k, 국소 길이에 대한 주어진 값 s에 대하여, 화소 k-s로부터 화소 k를 거쳐 화소 k+s까지의 각도가 임계치 t보다 작으면, 화소 k는 국소 수준에서 폐기된 화소로서 무시된다.
가장자리 선 조각을 연결함에 있어서, 어떤 가장자리 선 조각 ep에 대하여, 그것은 다음과 같은 반복적인 방식으로 다른 가장자리 선 조각들과 연결된다. 도 7의 (a)에 도시된 바와 같이, 주어진 두 개의 임계치인 화소에서의 L과 각도에서의 λ, 그리고 조사 공간은 각 말단 지점 P에서 규정된다. 여기에서
Figure 112003041049678-pat00001
은 P에서의 ep의 확장 방향이다. 도 7의 (a)에 도시된 바와 같이, 조사 공간에서의 어떤 가장자리 화소 q에 대하여, 여기에서 q는 가장자리 선 조각 ep 상에 있고, 하나의 값이 다음의 수식에서와 같이 계산된다.
Figure 112003041049678-pat00002
여기에서,
Figure 112003041049678-pat00003
는 p점과 q점을 통과하는 선이고,
Figure 112003041049678-pat00004
는 q점에서의 eq의 접선이며,
Figure 112003041049678-pat00005
Figure 112003041049678-pat00006
사이의 각도이고,
Figure 112003041049678-pat00008
Figure 112003041049678-pat00009
Figure 112003041049678-pat00010
사이의 각도이다.
만일 최소값
Figure 112003041049678-pat00011
를 산출하는 가장자리 화소 q가 발견되면, 도 7의 (c)에 도시된 바와 같이, ep는 eq에 연결된다.
<도로 선 추출>
도로 선들은 도로 형판과 도로 마스크(M) 및 도로 씨드(S)와 조합시킴으로써 반자동(semi-automatic) 방식으로 추출된다. 도 8은 도로 선 추출 과정을 보여주는 흐름도이다.
도 8을 참조하면, 처음에 시작점이 운전자(조작자)에 의해 지정된다(S801). 그런 다음, 형판 조합에 의해 도로 선을 자동으로 추적한다(S802). 즉, 도로 선이 시작점으로부터 반복적인 방식으로 뻗어나간다. 여기에서, 각 반복에 있어서, 미리 설정된 폭(W)과 길이(L)를 갖는 직사각형의 도로 형판(T)은 도로 선의 말단 지점의 한 점에서 회전되고, 그 다음의 도로 선 지점을 발견하기 위하여 도로 마스크와 도로 씨드의 집적된 영상과 조합된다(도 9의 (a),(b) 참조). 이상과 같은 절차는 조합 결과가 주어진 임계치 보다 더 낮은 수준으로 감소할 때 중단된다. 이 시점에서, 운전자(조작자)는 도로 선이 올바른지, 또는 잘못된 방향으로 나아가는지, 혹은 국소 최대치로 자신의 길을 잃고 있는지를 검사한다.
이후, 운전자(조작자)에 의해 방향점을 부여할 것인지의 여부를 판별하여 (S803), 방향점을 부여할 경우에는 그 방향점을 이용하여 도로 선 추적을 안내한다 (S804). 그리고, 상기 방향점 부여 판별에서 방향점을 부여하지 않을 경우에는 프로그램 진행을 종료한다. 여기서, 제어 지점은 도로 선 추출을 안내하기 위하여 운전자(조작자)에 의해 필요할 때마다 부여된다.
다음에서는 시작점으로부터 도로 선을 자동으로 추적하고 방향 지점을 이용하여 도로 선 추적을 안내하는 알고리즘에 대해 설명해 보기로 한다.
주어진 시작점은
Figure 112003041049678-pat00012
이고, 도로 선 추출은 두 단계, 즉 시작 방향을 발견하는 단계와 반복적인 방식으로 도로 선을 확장하는 단계로 구성된다. 도로가 가장 가능성 있게 P0를 통과하는 방향을 찾는 일은 다음과 같이 수행된다. 만일 P0에 근접하여 도로 씨드들이 있다면, 도로 씨드들의 방향은 히스토그램(histogram)을 이용하여 다시 견본화된다. 가장 빈번하게 출현하는 방향들
Figure 112003041049678-pat00013
(
Figure 112003041049678-pat00014
은 0,360°의 원소임)과
Figure 112003041049678-pat00015
(
Figure 112003041049678-pat00016
Figure 112003041049678-pat00017
의 원소임)가 추정된다. 여기서, 는 도로 선의 최대 허용 곡률에 근거한 미리 설정된 각도이다.
다른 한편으로, P0 가까이에 도로 씨드가 없으면, 도로 형판의 조합은 [0,360°]의 범위에서 수행된다. 각도
Figure 112003041049678-pat00019
Figure 112003041049678-pat00020
는 연속적으로 추정된다.
Figure 112003041049678-pat00021
Figure 112003041049678-pat00022
는 P점으로부터 반대측으로 도로 선을 연장시키는 방향들이다. P1=P0+L*(cos
Figure 112003041049678-pat00023
, sin
Figure 112003041049678-pat00024
)T , P2=P0+L*(cos
Figure 112003041049678-pat00025
, sin
Figure 112003041049678-pat00026
)T 라 놓으면, 확장방향
Figure 112003041049678-pat00027
Figure 112003041049678-pat00028
를 갖는 P1과 P2는 새로운 도로 단말 지점으로서 도로 선에 추가된다(도 9의 (a)참조).
Figure 112003041049678-pat00029
의 확장 방향을 갖는 단말 지점 Pk로부터 도로 선을 연장하는 것은 다음과 같이 수행된다. 만일 P점 가까이에 도로 씨드들이 있고, 그들의 방향이 [
Figure 112003041049678-pat00030
-
Figure 112003041049678-pat00031
,
Figure 112003041049678-pat00032
+
Figure 112003041049678-pat00033
]의 범위에 속한다면, 도로 씨드들 중에 가장 빈번하게 출현하는 방향
Figure 112003041049678-pat00034
이 히스토그램을 이용하여 발견된다. 반면에, 도로 씨드가 [
Figure 112003041049678-pat00035
-
Figure 112003041049678-pat00036
,
Figure 112003041049678-pat00037
+
Figure 112003041049678-pat00038
]에서 하나 의 방향으로 발견되지 않는다면, 도로 형판의 조합은 [
Figure 112003041049678-pat00039
-
Figure 112003041049678-pat00040
,
Figure 112003041049678-pat00041
+
Figure 112003041049678-pat00042
]의 범위에서 수행된다. Pk+1=Pk+L*(cos
Figure 112003041049678-pat00043
, sin
Figure 112003041049678-pat00044
)T 라 놓으면, 확장방향
Figure 112003041049678-pat00045
을 갖는 Pk는 새로운 도로 단말 지점으로서 도로 선에 추가된다(도 9의 (b)참조).
한편, 제어 지점은 도로 선 추출을 위해 필요할 때마다 운전자(조작자)에 의해 부여된다. 만일 제어 지점이 추출된 도로 선상에 있다면, 그것은 도로가 그 지점에서 중단되어야 함을 의미한다. 그 결과 도로 선은 절단된다. 그렇지 않으면 제어 지점은 방향 지점으로서 작용하고, 여기에서 도로 선은 제어 지점을 통과하여 더 멀리 뻗어나가도록 안내된다(도 11 참조).
도 10은 방향성 제어 지점 q를 이용한 도로 선 추적의 안내 과정을 보여주는 흐름도이다.
도 10을 참조하면, 먼저 p에서 q까지의 범위에서 가장 근접한 도로 지점을 찾는다(S110). 그런 다음, p로부터 q까지 도로 선을 추적한다(S111). 그리고, 마지막으로 q로부터 도로 선을 연장한다(S112).
방향성 제어 지점 q가 주어질 때, 도로 선은 변경되고 더 나아가 위의 도 10에서 보여준 바와 같이 연장된다. 어떤 도로 지점 Pk로부터 q까지의 거리는 다음과 같이 계산된다.
Figure 112003041049678-pat00046
여기에서
Figure 112003041049678-pat00047
는 벡터
Figure 112003041049678-pat00048
와 벡터
Figure 112003041049678-pat00049
사이의 각도이다.
q로부터 도로 선을 연장하는 것은 앞에서 소개했던 바와 동일한 방식으로 수행된다. 반면에 p로부터 q까지 도로 선을 추적하는 것은 다음의 두 경우에서 다르다.
1) 각 반복에서, 도로 터미널 지점 Pk의 확장 방향이 벡터
Figure 112003041049678-pat00050
에 의해 부여되는 경우.
2) 회전각
Figure 112003041049678-pat00051
를 갖는 영상 지점 p에서 도로 형판의 조합값이 다음의 수학식 3 및 수학식 4와 같이 한정되는 경우.
Figure 112003041049678-pat00052
Figure 112003041049678-pat00053
<실험예>
본 발명에 있어서, 일본의 KAWAGOE 시 근처의 IKONOS 영상이 알고리즘의 타당성과 효율성을 테스트하기 위해 사용되었다. 각 대역의 화소 크기는 1m이다. 4개의 대역, 즉 적, 녹, 청 그리고 근적외선이 있다. 도로 마스크는 상업용의 원격탐사 소프트웨어인 IDL/ENVI를 사용하여 생성되고, 여기에서 도로 화소들은 최대 가능성의 방법을 이용하여 다른 것들과 구별된다. 도로 씨드들은 가장자리 화소들을 추적함으로써 추출된다. 더욱 용이한 운전을 위해, 소프트웨어 인터페이스가 다음과 같이 설계된다.
IKONOS 영상은 도로 마스크와 도로 씨드 위에 겹쳐져 놓여진다. 운전자(조작자)가 직접 IKONOS 영상을 다룬다. 이때 한편에서는 도로 선들이 도로 마스크와 도로 씨드들로부터 추출된다. 결과의 정밀성을 검사하기 위하여, 도쿄 카토그래픽 사에 의해 자동차 항법 시스템을 위해 제작한 1:25,000의 도로 지도가 활용되었다(도 12의 (c) 및 도 13의(c) 참조).
주요 도로에 대한 추출 결과는 도 12 및 도 13에서 보여준다. 도로 선은 하나의 시작점과 두 개의 방향 제어 지점을 연속적으로 운전자(조작자)에 의해 부여함으로써 추출된다. 도로 선은 때때로 잘못된 방향으로 향하고 있으나, 이 경우는 작업자의 인도에 의해서 조절이 된다. 운전자(조작자)는 도로 선 추출의 결과를 검사했고, 도로 선의 올바른 방향으로의 연장을 안내하기 위하여 방향 제어 지점들을 부여했다.
밀집된 빌딩 지역의 도로 지도의 생성은 도 12의 (b)에서 보여준다. 주요 도로들의 대부분의 형상이, 생성된 도로 마스크로부터 쉽게 확인될 수 있으나, 때때로 좁은 도로들은 추출에 어려움이 생길 수도 있다. 이 경우는 작업자의 제어로 좁은 도로를 감지하여 표현하도록 하고 있다.
농가 지역의 도로 지도의 생성은 도 13의 (b)에서 보여준다. 이 또한 대부분의 주요 도로가 도로 마스크에 의해 윤곽이 그려지는 반면에, 작은 도로들은 표현에 어려움이 있으나 시작점과 방향 제어 지점들을 적절히 선택함으로써, 도로 선들 은 주요 도로 및 작은 도로에서 모두 성공을 거두었다.
이상의 실험 결과는 본 발명에 따른 방법이 매우 밀집된 빌딩 지역에서의 주요 도로 및 교외 지역에서의 모든 도로들을 효과적으로 추출해 냄에 있어서 확실함을 보여준다.
이상의 설명에서와 같이, 본 발명에 따른 고해상도 위성 영상을 이용한 도로망 추출방법은 상업용의 원격탐사 소프트웨어를 이용하여 멀티스펙트럼 위성 영상의 도로 화소들을 분류하여 생성된 도로 화소들에 대한 도로 마스크를 추출하고, 방향성 지점으로서의 도로 씨드를 추출하며, 도로 형판과 상기 도로 마스크 및 도로 씨드를 반복적으로 맞추어 추적하는 작업에 의해 도로 선들을 추출함으로써, 도심과 같은 빌딩이 매우 밀집된 지역에서의 주요 도로는 물론 교외 지역에서의 모든 도로들을 효과적으로 추출해 낼 수 있는 장점이 있다.

Claims (6)

  1. (a) 멀티스펙트럼 위성 영상의 도로 화소를 분류에 의해 생성된 도로 화소들에 대한 하나의 마스크로서의 도로 마스크(최종적인 도로선의 추출을 위해 활용되는 것으로서, 멀티 스펙트럼 위성 영상의 영상 화소들 중 고속 도로, 메인 도로, 작은 도로로 분류된 영상 화소들에 의해 생성된 이진수의(흑백의) 영상 그룹)를 추출하는 단계;
    (b) 도로가 특정 방향에 따른 지점을 통과하는 것을 의미하는 방향성 지점으로서의 도로 씨드(멀티 스펙트럼 위성 영상의 화소들 중 가장자리 화소들의 가장자리 선 조각들의 추적 및 연결에 의해 얻어지는 도로선 추출을 위한 기초 정보자료)를 추출하는 단계; 및
    (c) 도로 형판과 상기 도로 마스크 및 도로 씨드를 반복적으로 맞추어 추적함으로써 도로 선들을 추출하는 단계를 포함하여 구성된 것을 특징으로 하는 고해상도 위성 영상을 이용한 도로망 추출방법.
  2. 제 1항에 있어서,
    상기 단계(a)에서 멀티스펙트럼 위성 영상은 적색, 녹색, 청색 및 근적외선의 4가지 대역을 갖는 위성 영상이 사용되는 것을 특징으로 하는 고해상도 위성 영상을 이용한 도로망 추출방법.
  3. 제 1항에 있어서, 상기 단계(b)에서의 도로 씨드의 추출은,
    캐니 필터를 이용하여 가장자리 화소를 추출하는 단계;
    연속되는 가장자리 화소들을 추적하고, 방향의 갑작스런 및/또는 빠른 변화 는 절단함에 의해 가장자리 선 조각을 추적하는 단계; 및
    느린 방향 변화의 연속선 상에 있고, 그들 사이의 오직 제한된 공란을 갖는 가장자리 선 조각들을 연결하는 단계를 포함하여 구성된 것을 특징으로 하는 고해상도 위성 영상을 이용한 도로망 추출방법.
  4. 제 3항에 있어서, 상기 가장자리 선 조각의 추적은,
    8개의 이웃으로 또는 지역 확장에 있어서의 몇 개의 공란 상태로 계속되는 가장자리 화소들을 함께 연결하는 단계;
    가장자리 선 조각들을 방향의 급격한 및/또는 빠른 변화를 갖는 화소로 폐기하는 단계; 및
    주어진 임계치 보다 더 짧은 가장자리 선 조각들은 버리고, 다른 것들은 후속 처리를 위해 기록하는 단계를 포함하여 구성된 것을 특징으로 하는 고해상도 위성 영상을 이용한 도로망 추출방법.
  5. 제 1항에 있어서, 상기 단계(c)에서의 도로 선의 추출은
    운전자(조작자)에 의해 시작점을 지정하는 단계;
    형판 조합에 의해 도로 선을 자동으로 추적하는 단계;
    운전자(조작자)에 의해 방향점을 부여할 것인지의 여부를 판별하는 단계;
    방향점을 부여할 경우에는 그 방향점을 이용하여 도로 선 추적을 안내하는 단계; 및
    상기 방향점 부여 판별 단계에서 방향점을 부여하지 않을 경우에는 프로그램 진행을 종료하는 단계를 포함하여 구성된 것을 특징으로 하는 고해상도 위성 영상을 이용한 도로망 추출방법.
  6. 제 5항에 있어서,
    상기 도로 선의 자동 추적에 있어서 도로 선이 시작점으로부터 반복적인 방식으로 뻗어나가고, 각 반복에 있어서, 미리 설정된 폭(W)과 길이(L)를 갖는 직사각형의 도로 형판(T)은 도로 선의 단말 지점의 한 점에서 회전되며, 그 다음의 도로 선 지점을 발견하기 위하여 상기 도로 마스크와 도로 씨드의 집적된 영상과 조합되는 것을 특징으로 하는 고해상도 위성 영상을 이용한 도로망 추출방법.
KR1020030076572A 2003-10-31 2003-10-31 고해상도 위성 영상을 이용한 도로망 추출방법 KR100554906B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020030076572A KR100554906B1 (ko) 2003-10-31 2003-10-31 고해상도 위성 영상을 이용한 도로망 추출방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020030076572A KR100554906B1 (ko) 2003-10-31 2003-10-31 고해상도 위성 영상을 이용한 도로망 추출방법

Publications (2)

Publication Number Publication Date
KR20050041405A KR20050041405A (ko) 2005-05-04
KR100554906B1 true KR100554906B1 (ko) 2006-02-24

Family

ID=37242889

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020030076572A KR100554906B1 (ko) 2003-10-31 2003-10-31 고해상도 위성 영상을 이용한 도로망 추출방법

Country Status (1)

Country Link
KR (1) KR100554906B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170116889A (ko) * 2016-04-12 2017-10-20 주식회사 다비오 지도 제작 장치

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100573793B1 (ko) * 2006-01-10 2006-04-24 (주)한성개발공사 지표면 온도지도를 이용한 도로결빙 구간 위험지도제작방법
KR100573789B1 (ko) * 2006-01-10 2006-04-24 (주)한성개발공사 Landsat 위성영상을 이용한 지표면 온도지도제작방법
KR100573797B1 (ko) * 2006-01-10 2006-04-24 (주)한성개발공사 도로결빙구간 위험지도 제작방법
CN113569596A (zh) * 2020-04-28 2021-10-29 千寻位置网络有限公司 卫星图像道路印刷物识别方法及其装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170116889A (ko) * 2016-04-12 2017-10-20 주식회사 다비오 지도 제작 장치

Also Published As

Publication number Publication date
KR20050041405A (ko) 2005-05-04

Similar Documents

Publication Publication Date Title
US8483425B2 (en) Geospatial information creating system and geospatial information creating method
Clode et al. Detection and vectorization of roads from lidar data
US7653218B1 (en) Semi-automatic extraction of linear features from image data
US7515153B2 (en) Map generation device, map delivery method, and map generation program
Matkan et al. Road extraction from lidar data using support vector machine classification
US20140050368A1 (en) Semi-automatic extraction of linear features from image data including path width attribution
US7127104B2 (en) Vectorized image segmentation via trixel agglomeration
Hormese et al. Automated road extraction from high resolution satellite images
CN115294293B (zh) 基于低空航摄成果自动化编译高精地图道路参考线的方法
Jin et al. Road feature extraction from high resolution aerial images upon rural regions based on multi-resolution image analysis and Gabor filters
Keaton et al. A level set method for the extraction of roads from multispectral imagery
Koutaki et al. Automatic road extraction based on cross detection in suburb
Youn et al. Extracting urban road networks from high-resolution true orthoimage and lidar
KR100554906B1 (ko) 고해상도 위성 영상을 이용한 도로망 추출방법
Crisman Color vision for the detection of unstructured road and intersections
Aytekin et al. Automatic and unsupervised building extraction in complex urban environments from multi spectral satellite imagery
Kasemsuppakorn et al. Pedestrian network extraction from fused aerial imagery (orthoimages) and laser imagery (lidar)
CN107808160B (zh) 三维建筑物提取方法和装置
Shackelford et al. Urban road network extraction from high-resolution multispectral data
Gao et al. Automatic Extraction of road networks in urban areas from Ikonos imagery based on spatial reasoning
KR100516119B1 (ko) 고정밀 위성 영상의 자동 분석 방법
Karimi et al. Techniques for Automated Extraction of Roadway Inventory Features from High‐Resolution Satellite Imagery
Suh et al. Road network extraction from high-resolution satellite image for GIS applications
Nady et al. Using of VHR satellite images for road network extraction in Egypt
Yu et al. Advanced approach for automatic reconstruction of 3d buildings from aerial images

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130201

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20140516

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20150217

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20160204

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20170306

Year of fee payment: 12

LAPS Lapse due to unpaid annual fee