以区块化物件分类法萃取ADS-40影像中水稻田坵块资讯之研究.PDF

航測及遙測學刊 第十四卷 第二期 第 127-140 頁 民國 98 年 6 月 127 Journal of Photogrammetry and Remote Sensing Volume 14, No.2, June 2009, pp. 127-140 以區塊化物件分類法萃取 ADS-40影像中水稻田坵塊 資訊之研究 1* 2 3 4 雷祖強 李哲源 葉惠中 萬 絢 摘 要 影像應用時最為重要的研究議題就是影像分類。基本上人類分類影像程序是將影像中區塊特徵 (Region Feature)萃取出來，合併其特徵後進而形成有效的識別物件。然而，目前機器分類影像時是以逐像 元概念(Pixel-based)進行特徵萃取之工作，兩者程序並不相同。為解決上述問題本研究提出以區塊為主 (Region-based)的區塊化物件分類 (Regional Object Classification, ROC)法，這是一個混合非監督程序（區 域成長法）與監督式程序（最大概似分類法）的新概念，這個概念可解決逐像元分類法應用於高解析度 影像時所造成之嚴重的椒鹽效應(Salt and Pepper Effect) 。本研究在雲林縣農業區內選擇高解析度數值航照 影像(ADS-40) ，針對水稻這個類別作為實證項目，以逐像元與區域化分類概念進行問題比較。研究結果 顯示，透過區塊化物件分類模式可萃取出完整度極高的水稻坵塊田，分類精度可從 92.6% (Pixel-based)提 高到 95.3% (Region-based) 。 關鍵詞：物件、區域成長法、影像判釋 其次則是非監督分類(Unsupervised classification) 1. 前言 兩種分類法則，前者需要透過樣本訓練的方式，來 若以文字與圖形對人類視覺觀感辨認物體的 建立分類規則，進而認知分類樣本之內容屬性；而 能力上來說，人類對於圖形認知的感受程度，是遠 後者僅透過待分類樣本之基本特徵，來分割影像區 高於相同大小的文字內容，也就是說人類能夠直覺 塊，此時分割後之影像區塊並無人類認知之內容屬 的判斷出影像中顏色、對比以及邊界變化等程度資 性，但就人類而言是可從分割結果當中，學習到分 訊，進而直觀的認知出影像中之內容資訊；然而欲 割區塊內具有之屬性特徵並能夠判斷出該區塊為 使用電腦來進行上述問題認知時，則是件極為困難 何物。監督式分類要比非監督式分類的結果還要主 之事，因為電腦不容易針對一幅影像定義出合適人 觀，這也就是為什麼監督式分類被人類廣為應用之 類認知的相同標準，這是因為電腦在記錄影像時是 主要原因。進一步來看，大部分應用監督式方法於 以像元(Pixel)為其基礎單元，電腦缺乏物件整體的 遙測影像之分類時，以逐像元分類的概念來達到目 辨識能力。因此如何應用電腦演算模式處理複雜訊 的。一般來說這樣的操作概念在中尺度影像分類時 息，進而獲得人類認知許可下之結果，一直是數位 問題並不大，然而在高解析度影像的新時代當中， 影像處理中首要之問題。為進一步有效認知影像內 影像中像元數量急遽的增加，這意味著影像中同質 容，人類發展出兩種影像處理模式來解決上述之問 異譜或同譜異質等不確定性問題會大幅加劇，其結 題，首先是監督式分類(Supervised classification) ， 果則是導致訓練樣本選取的困難度大增以及分類 1逢甲大學都市計畫與空間資訊學系 副教授