建築物資料庫影像特徵偵測與描述

對於資料庫中拍攝的每一張影像，利用MSER 特徵區域偵測與 Zernike Moment 特 徵區域描述，可以求得每一張影像的MSER 特徵區域與其對應的特徵向量集合，如圖 18、圖 19 所示，以紅色橢圓標出特徵區域。一個橢圓特徵區域，可計算出一個 Zernike Moment 的特徵，包含了 magnitude 向量與 phase 向量兩部份。

圖18、MSER 特徵區域示意圖，交通大學竹軒。

圖19、MSER 特徵區域示意圖，交通大學工程三館。

3.2.1 使用相鄰影像去除不穩定的建築物影像特徵區域

觀察特徵區域偵測結果，可以發現直接由MSER 特徵區域偵測方法偵測出來的特徵 區域，包含了很多非建築物上的區域，如圖18 的樹葉、腳踏車、汽車與圖 19 的樹葉與 地板上的區域，這些多餘的區域不屬於建築物上，而且如樹為非剛體，會隨風搖晃，每 次拍攝都不太相同，因此，需要將這些特徵區域排除在資料庫之外。

建築物遠看時，由於表面的窗戶、外牆等等區域接近平面，較不容易隨著較小的視 角變化而有太大的光影改變，因此，在較小視角變化下，建築物本身的橢圓特徵區域偵 測出來穩定性較高；相對而言，樹木、腳踏車、汽車等等，形狀較凹凸有致、錯綜複雜，

容易隨著小視角的改變，有較大的光影變化，因此，當有視角變化時，在樹木、腳踏車、

汽車等等較無法偵測出相同的橢圓特徵區域，如圖20。

圖20、有較小視角變化時的 MSER 特徵區域萃取結果，交通大學工程三館。

利用上述特性，配合Zernike Moment 的區辨力，可以發展出一個全自動去除不穩定 特徵區域的簡單方法。本研究對於建築物的一個面拍攝五張照片，以圖20 為例，五張 照片鄰近之兩張間角度變化較小，如果一個特徵區域夠穩定出現，也會同時出現在角度 變化較小的兩張鄰近影像。此演算法以建築物同一面的五張照片為一個處理單位。

表1、使用相鄰影像去除不穩定的建築物影像特徵區域演算法 Algorithm 3.1：使用相鄰影像去除不穩定的建築物影像特徵區域演算法 Input：

簡單來說，決定一個特徵區域是否保留的條件，就是檢查它的鄰近影像有無長相接 近的Zernike Moment 特徵向量，此演算法就是查詢鄰近的影像特徵相似度的過程，因為 Zernike Moment 的區辨力夠強，樹葉等等不穩定的區域並不容易在鄰近角度的影像中同 時出現，此演算法的結果範例如圖21。

圖21、使用相鄰影像去除不穩定的建築物影像特徵區域結果，交通大學工程三 館。

3.2.2 建築物多面貌的表示法

一棟建築存在多個適合拍攝的面，由於每一個面的長相都不相同，因此資料庫中必 須儲存各個不同面之影像，而每面因為建築物本身構造為非平面，會造成遮擋現象，需 要拍攝五個不同角度的影像，例如：圖22 顯示的是交通大學工程五館適合拍攝的三個 面，本研究就以十五張影像來表示工程五館這棟建築物。

這麼一來，資料庫中已經概略儲存了使用者可能拍攝的各種角度，但使用者實際拍 攝查詢影像時，並不會與資料庫中的其中一張影像一模一樣，即使是資料庫中拍攝角度 與查詢影像最接近的一張，仍存在旋轉、位移、光線等等的不同。本研究利用MSER 與 Zernike Moment 的視角不變特性，找出資料庫中內容與查詢影像最相似的影像，其所代 表的建築物，即是建築物辨識的結果。

圖22、交通大學工程五館適合使用者拍攝的三個面。