본 논문에서는 고해상도 위성영상에 대해서 분할된 후보영역의 텍스처 정보를 기반으로 BP 신경회로망을 이용한 도로영역검출방법을 제안한다. 먼저, N.Otsu가 제안한 히스토그램 기반의 이진화와 열림연산을 수행하여 배경영역으로부터 일차적으로 도로영역인 전경부분을 분할한다. 그리고 전경부분의 색상 히스토그램을 이용하여 주요색상을 추출한 후 ${pm}25$ 범위 이내에 있는 영역을 도로영역 후보를 검출한다. 마지막으로, 분할된 후보 도로영역에 대해서 동시발생행렬을 이용하여 텍스처 정보를 추출한 후 BP 신경회로망을 이용하여 최종적인 도로영역을 검출한다. 제안한 방법은 도로영역이 일정한 밝기값과 형태를 가진다는 사실에 착안한 것으로, 실험에서 다양한 위성영상들을 대상으로 평균 90% 이상의 검출율을 보여 그 유효함을 보였다.
This paper proposes a road detection method using BP(Back-Propagation) neural network based on texture information of the each candidate road region segmented for satellite images. To segment the candidate road regions, the histogram-based binarization method proposed by N.Otsu is firstly performed and the neighboring regions surrounding road regions are then removed. And after extracting the principal color using the histogram of the segmented foreground, the candidate road regions are classified into the regions within ${pm}25$ of the principal color. Finally, the road regions are segmented using BP neural network based on texture information of the candidate regions. The texture information in this paper is calculated using co-occurrence matrix and is used as an input data of the BP neural network. The proposed method is based on the fact that the road has the constant intensity and shape. The experiment demonstrated the validity of the proposed method and showed 90% detection accuracy for the various images.
