空间特徵分类器支援向量机之研究.PDFVIP

航測及遙測學刊 第十二卷 第二期 第 145-163 頁 民國96 年6 月 145 Journal of Photogrammetry and Remote Sensing Volume 12, No.2, June 2007, pp. 145-163 空間特徵分類器支援向量機之研究 雷祖強1 周天穎2 萬絢3 楊龍士4 許晉嘉5 摘要 如何選用適當的分類器一直是影像處理問題中經常被討論的一個研究重點，然而隨著衛星影像資料 複雜度與資料量的增加，傳統線性分類器（例如：最大概似法、最短距離法等）已經無法達到有效分離 類別之目標，因此本研究利用資料挖掘理論當中的－支援向量機法(Support Vector Machine, SVM) ，來做 為探討遙測影像分類研究之新課題。本研究選擇了高解析度 QuickBird 衛星影像及紋理資訊(Texture Information)做為影像分類時之資料來源，並利用最大概似法與支援向量機法來達到分類的目的。研究成 果顯示，影像透過多組紋理並進行分類後之成果，整體來說，是支援向量機的分類精度優於最大概似 法，精準度值較高也較穩定，不會像最大概似法有高低震盪的情形發生。而且就影像個別類別區塊化的 能力來說，也是以支援向量機的成果較佳，特別是在「水稻」這個類別上面。因此本研究特別發現以支 援向量機分類方法處理加入紋理資訊的影像，整體精度將會是優於傳統最大概似分類法之結論。 關鍵詞：影像分類、紋理資訊、支援向量機 Shaunmugam, 1973) 。基本上計算影像紋理的法則 1. 前言 可 分 為 三 類 ： 組 織 結 構 (Structure) 法 、 頻 譜 台灣地區地狹人稠，對於土地利用狀況的掌 (Spectral) 分 析 法 及 統 計 (Statistical) 分 析 法 等 握為其主要的關鍵工作，如何發展一套妥善的監 (Chica-Olmo and Abarca-Hernandez, 2000) 。所謂結 測機制，有效運用與管理土地資源，為目前重要 構法就是將紋理視為主要的圖形，按一定規則重 的研究課題。往昔對於土地利用 土地覆蓋問題的 複排列的結果(He et al., 1987) 。頻譜分析法是基於 / 判釋，經常利用衛星影像來達到分類目的（如： 傅利葉轉換分析(Fourier Transform Analysis)的一 、 等），因為衛星影像具有資料獲取 種分析方式(Matsuyama, 1980) 。而統計分析法是 Landsat SPOT 週期短、涵蓋範圍廣、成本低與迅速掌握地表改 目 前 最 主 要 的 方 法 之 一 (Chica-Olmo and 變狀況等優點，因此最合適作為全面性與即時性 Abarca-Hernandez, 2000) ，統計法中又以灰階共伴 之土地利用監測工具。 隨矩陣(Gary Level Co-occurrence Matrix, GLCM) 另一方面，紋理資訊是遙測影像分類問題 法 (Haralick and Shaunmugam, 1973) 、碎形維度 時，一種有效且可改進影像分類精準度之方法。 (Fractal Dimension)值(Clarke, 1986)以及半變異元 所謂影像當中之紋理特性，就是影像中相同物體 (Semivariogram) 法 為 經 常 使 用 之 影 像 組