影像分類結果

4.3.1 逐像元分類器結果

本研究使用 ERDAS IMAGINE 9.2 軟體中所 提供之最大概似法進行逐像元類別的分類，藉以取 得所有像元的類別再進行後續類別的判釋。圖 6 為最大概似法之分類成果，此成果將會後續區塊類 別判釋的結果進行比較。

4.3.2 物件導向型分類器結果

經由4.2 節影像切割程序可得到影像坵塊結構 的資訊後，本研究從坵塊內部提出影像所有資料數 據，在此分成水稻樣區與非水稻樣區各為63 個與 44 個，整理後得到該坵塊之屬性類別資料和決策

類別資料，在此決策類別1 是水稻而 2 是非水稻(如 表3)。後續再利用 ROEBC 分類器分別計算出各個 波段最佳切割點值 (如表 4)，並以切割點值進行各 類別之分類計算(如表 5)。

現地水稻坵塊 圖6 最大概似法分類結果 表3 影像區塊資料轉換成數據 (部分)

Grid

code R G B IR NDVI R-Homo G-Homo B-Homo IR-Homo Decision

… … … … … … … … … … 1

68923 10.46 12.95 14.97 41.92 180.28 165.63 177.17 200.23 143.12 1 69309 6.99 10.25 12.55 54.65 232.19 221.41 206.80 232.67 133.66 1 80256 8.37 11.52 12.72 43.68 203.07 197.94 193.43 203.19 115.66 1 81474 7.01 10.27 12.39 49.70 226.42 242.47 219.27 223.53 144.59 1 91285 7.00 10.25 12.69 58.03 235.97 236.08 218.44 233.03 148.25 1 96475 11.00 12.20 15.40 35.80 159.00 86.20 83.80 139.20 27.20 1 97790 7.24 10.59 12.65 52.41 227.40 219.81 200.00 205.64 73.13 1

… … … … … … … … … … 1

… … … … … … … … … … 2

70345 8.01 11.92 13.98 62.97 232.90 242.53 226.29 242.82 115.57 2 74499 10.45 13.81 15.20 46.76 188.66 123.77 195.39 197.41 23.32 2 75262 9.89 13.74 15.03 49.86 200.04 149.91 203.01 237.80 29.140 2 90777 8.92 13.21 14.91 67.41 230.35 213.49 213.16 230.55 96.47 2 90798 8.41 12.39 13.73 57.70 223.67 171.02 205.29 222.28 48.47 2 92006 9.41 11.72 14.38 39.00 183.00 134.84 129.82 193.62 53.08 2 106081 10.52 14.35 14.96 50.20 195.01 122.08 173.94 189.84 28.07 2 115657 8.44 12.23 13.88 55.16 220.01 148.79 182.64 209.77 31.67 2

… … … … … … … … … … 2

表4 各別影像最佳切割點值

R G B IR NDVI R-Homo G-Homo B-Homo IR-Homo FCP(t) 7.99 11.63 13.64 57.12 227.99 154.90 197.63 195.78 85.89

表5 熵分類器切割坵塊後結果 (部分) Grid

code R G B IR NDVI R-Homo G-Homo B-Homo IR-Homo Decision

… ... … … … … … … … … 1

68923 1 1 1 0 0 1 0 1 1 1

69309 0 0 0 0 1 1 1 1 1 1

80256 1 0 0 0 0 1 0 1 1 1

81474 0 0 0 0 0 1 1 1 1 1

91285 0 0 0 1 1 1 1 1 1 1

96475 1 1 1 0 0 0 0 0 0 1

97790 0 0 0 0 0 1 1 1 0 1

… … … … … … … … … … 1

… … … … … … … … … … 2

70345 1 1 1 1 1 1 1 1 1 2

74499 1 1 1 0 0 0 0 1 0 2

75262 1 1 1 0 0 0 1 1 0 2

90777 1 1 1 1 1 1 1 1 1 2

90798 1 1 1 1 0 1 1 1 0 2

92006 1 1 1 0 0 0 0 0 0 2

106081 1 1 1 0 0 0 0 0 0 2 115657 1 1 1 0 0 0 0 1 0 2

… … … … … … … … … … 2

在各別波段產生切割點後可根據公式(8)計算 出每個屬性的IG 值 (如圖 7)，從圖上可看到其 IG 值最高值為IR-Homo，其次為 B，再其次為 G，….。

基本上IG 值代表資訊的分類能力(Maruyama et al., 2005；Wan, 2009；萬絢及閻嘉義，2009)，在此 IG 值愈大代表影像分類的能力愈高，如同一般合理的 看法，在本研究中的 IR-Homo 值則代表者較高的 水稻類別資訊分類能力。但從另外一方面來說，IG 值除了可以鑑別個別資訊量的差異之外，累積的

IG 數值也代表對某些事物的知識表達能力，因此 本研究除了在各別產生其切割點後計算出每個屬 性的 IG 值之外，並利用 IG 值計算出各波段間重 要性百分比與累積百分比(如表 6)。

由於在影像分類中，並非只要考慮單一個波段 資訊影像便可將影像直接進行分類，但太多的資訊 又會產生誤判問題。因此本研究以圖7 所獲得之排 序成果以逐一加入資訊的方式來呈現分類結果，其 目標則是在使用最小資訊量就能表達最大分類能

力的考量之下，本研究發現只要選擇使用累積 IG 百分比大於 60% 為門檻值(如表 6 底下實線部分) 的資訊量，就可獲得極為理想的分類結果，也就是 說僅使用IR-Homo、B、G 與 IR 等 4 個波段(這也 就是所謂的特徵萃取)，就能清楚表達出本研究所 需的分類目的。下一步則利用上述4 個波段並藉由 波段組合的方式，產生之知識規則生成影像結果 圖，建立的知識規則(如公式(9))與結果圖(如圖 8) 如下。

圖 8 為物件導向型分類器之水稻田坵塊萃取 結 果 ， 就 結 果 而 言 ， 逐 像 元 分 類 器 是 利 用 Pixel-based 的概念進行分類，而物件導向型分類器 則是利用Regional-based 的概念進行影像分類，因 此在結果上無點狀雜訊之情形(椒鹽效應)，且從影 像結果上可看出，物件導向型分類器採用區塊結合 生成的關係，也就是說，將外部的結構與內部數值 結合後取出平均值。由於區塊化的關係，除了可降 低了像元式分類中的椒鹽效應的可能性，亦較容易

分析出區域之間的判斷，減少面積上的損失（如圖 6 與 8）。由此可知區塊式的分類方法比傳統像元式 分類方法更容易取得完整之坵塊結構資訊，這樣的 觀 點 也 與 許 多 學 者 的 研 究 成 果 相 似( 莊 政 斌 ， 2004；雷祖強等，2007；鄭雅文等，2008；雷祖強 等，2009；Kamagata et al., 2006; Murakami et al., 2010)。最後綜觀公式 9 與圖 8 當中我們可以發現，

透過資料挖掘法的概念(在本研究是使用 ROEBC 法)可以成功的將複雜的影像資訊問題，轉化成一 階 邏 輯 概 念 的 程 序 表 達 形 式 ， 也 就 是 所 謂 的 IF…THEN 法則，這個形式會比傳統的統計參數式 分類法則(如 MLC 法)更能有效的表達出影像的知 識內涵，也可避免統計參數式分類器不可避免的統 計分佈假說。因此相對於傳統統計參數式的知識表 達概念，本研究提出了新的觀點與方向，也成功的 解決像元式分類概念在高解析度影像上所造成之 椒鹽效應。下一節本研究將從數值上的誤漏判率來 討論兩種概念分類器所造成之差異。

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5

IR-Homo

B G IR R

R-Homo G-Homo

B-Homo

NDVI

圖7 各波段 IG 門檻值 表6 影像中的資訊貢獻度

波段 IR-Homo B G IR R R-Homo G-Homo B-Homo NDVI

IG 值 0.4576 0.3476 0.3343 0.2664 0.2391 0.2120 0.1531 0.0809 0.0539

累積IG 百分比 21.33% 37.54% 53.13% 65.55% 76.69% 86.58% 93.72% 97.49% 100.00%

IF IR57.12 and IR-Homo85.89 Or

IF G<11.63 and B<13.64 and IR-Homo85.89 (9) Then Decision= 1 (水稻)

IF IR-Homo< 85.89

Then Decision= 2 (非水稻)

現地水稻坵塊 圖8 知識規則所建立之結果