問題陳述

合福衛二號 影像之空間解析度與後續福衛系列衛星、不同感測器影像(LANDSAT(TM、MSS)、

MODIS、ASTER)不同精度之光譜特性，進行不同影像融合等。衛星影像幾何糾正流程中，將 原始影像進行幾何糾正後，可得到具正確坐標影像。影像幾何糾正流程包括選取影像控制點、

坐標轉換與糾正影像重新取樣，其中控制點選取最為重要且最需人工進行，才足以應付各種不 同影像處理時可能遭遇的問題。

9 至一標準坐標系統的方法。可依修正處理程度差異分為幾何糾正(Geometric Rectification or Geometric Correction)與正射糾正(Image Ortho-Rectification)。幾何糾正為利用地理坐標參考資 料，克服影像成像時各種影響、改正影像幾何關係。正射糾正除改正影像幾何關係外，並考慮 高差位移進而修正對影像的影響，包括消除影像上的各種幾何畸變誤差，包括拍攝過程中載具 高度的變動、載具姿態的變動、載具速度的變動、感測器的系統性誤差、感測器視角影響、地 球曲率與自轉、以及地形高程起伏所造成的偏移量等(Toutin, 2004)。

影像空間精度關係著為影像最終可利用性與後續分析結果正確性，如何保有較佳影像品質 為重要的課題(包括光譜相似度、幾何位置是否一致、變形、影像或波段間位移的修正等)。在 地面控制點(Ground Control Point, GCP)資料有限的地區，只能藉地圖或向量資料作為控制點，

由人工進行控制點選取。加上衛星影像皆具高再訪率，使同一地區有許多不同時期影像。若每 位，其中應用於遙測影像主要有區域匹配(Area-Based Matching, ABM)與特徵匹配

(Feature-Based Matching, FBM)。區域匹配中常用標準化互相關法(Normalize Cross Correlation

10

Coefficient Method, NCC) (Tsai, 2003; Mason et al., 2005; Zhang and Gruen, 2006)、最小二乘影像 匹配法(Least Squares Matching, LSM)( Armin and Devrim, 2005)等；特徵匹配常用方法有

Harris(Harris and Stephens., 1988)、Förstner (Förstner and Gulch, 1986)等。

區域匹配主要弱點是需要初始參數、計算量太大、需要較多時間、且對影像灰度值變化較 Invariant Feature Transform, SIFT)為一種針對數位影像發展出來的影像特徵點萃取方法，具有 萃取特徵不易受到影像旋轉、縮放和灰度值差異而有所變化的優點，匹配結果更可靠和可消除

11

2. 修改 SIFT 演算法

針對國內常使用數種衛星影像進行測試，並加以修改演算法以增加匹配成功率與正 確性，且改善其效益，並建立影像匹配經驗參數。

3. 多時序、多平台影像匹配結果

針對多個時間或不同遙測平台載具所接收衛星影像，藉由影像匹配進而完成影像對 位，提昇影像對位幾何精度作為後續影像處理基礎。

4. 正確性與效益評估

針對影像自動匹配結果評估空間幾何位置正確性及效益。

5. 建立半自動化機制

將影像匹配模式建立一半自動化機制，進行影像幾何糾正以協助大量影像處理。