第四章 研究成果與討論
4.3 機場影像跑道偵測結果總評
跑道偵測 偵測結果 width size
項次 機場名稱 邊界偵 測方法
霍 氏 轉
換 平行 顏 色 平
行 顏 色
中 心
跑 道
場 內
場 外
備 考
Canny ◎ ◎ ◎ ◎ ◎ ◎
136
新疆哈密機
場 Sobel ※ ※ ※ ※ ※ ※
品質:5 含霾:
圖號:AP-119
Canny ○ ○ ※ ※ ※ ○ ※
137
新疆且末機
場 Sobel ※ ※ ※ ※ ※ ※
品質:3 含霾:
圖號:AP-120
Canny ◎ ◎ ◎ ◎ ◎ ◎
138
新疆烏魯木
齊機場 Sobel ◎ ※ ◎ ◎ ◎ ◎ ※
品質:5 含霾:
圖號:AP-121
Canny
139
新疆庫爾勒
機場 Sobel
品質:1 含霾:重 圖號:
2. 使用 Sobel 邊界偵測法,在 121 幅實驗影像中有 49 幅影像可偵測到跑道 中心,成功率為 41%;未偵測到跑道中心 72 幅影像中,有 8 幅未正確偵 測到跑道中心惟仍屬機場內圍,有 34 幅影像誤判跑道是在機場外圍,誤 失率高達 28%;無法顯示偵測結果之影像高達 30 幅。
4.3.2 width 與 size 濾除雜訊結果比較
1. 經 canny 邊界偵測後,可偵測到跑道中心 108 幅影像中,再使用 width 濾除雜訊後,用平行直線方式檢測出機場跑道中心點計 98 幅,成功率達 89%,用同顏色直線方式檢測出機場跑道中心點計 87 幅,成功率為 72%,
平均成功率為 80.5%。
2. 經 canny 邊界偵測後,可偵測到跑道中心 108 幅影像中,再使用 size 濾 除雜訊後,用平行直線方式檢測出機場跑道中心點計 91 幅,成功率為 75%,用同顏色直線方式檢測出機場跑道中心點計 88 幅,成功率為 73%,
平均成功率為 74%。
本實驗結果 width 優於 size 較適合執行機場影像跑道偵測濾除雜訊的方法。
4.3.3 平行直線方式與同顏色直線偵測跑道區域比較
Canny 邊界偵測後,所偵測到跑道中心之 108 幅影像中,再使用 width 濾除 雜訊後,用平行直線方式檢測出機場跑道中心點計 98 幅,成功率達 89%,用同 顏色直線方式檢測出機場跑道中心點計 87 幅,成功率為 72%。本實驗結果平行 直線偵測方式優於同顏色直線偵測,較適合執行機場影像跑道區域偵測的方法。
本實驗 121 幅空照影像,使用 Canny 邊界偵測,均可成功顯示邊界偵測之 線條,且線條結構完整,對影像品質之要求較低,等級 2 以上均可處理,亦較不 受影像含霾濃度影響,故高達 108 幅可偵測到跑道中心,成功率為 89%;未成功 偵測跑道中心之 13 幅影像中,僅 7 幅影像誤判跑道於機場外圍,誤失率為 6%,
造成影像誤判原因如下:
(1) 機場週遭有比跑道更長之直線道路或滑行道。
(2) 影像品質嚴重不良及含霾濃度高。
(3) 影像經邊界偵測、消除雜訊後,雜訊仍太多影響霍氏轉換結果。
4.4.2 Sobel 邊界偵測誤判原因
本實驗 121 幅空照影像,使用 Sobel 邊界偵測,因對影像品質之要求較高,
亦較容易受影像含霾濃度影響,無法成功顯示邊界偵測之線條,且線條結構 亦不完整,僅 49 幅可偵測到跑道中心,成功率為 41%,未成功偵測跑道中心 72 幅影像中,有 34 幅影像誤判跑道於機場外圍,誤失率高達 28%,無法顯示 偵測之圖像高達 30 幅,造成影像誤判原因如下:
(1) 影像品質等級要求較高(3 級以上),含霾濃度雖低亦容易受影響。
(2) 機場跑道與邊界影像灰階梯度要有明顯落差,最好跑道極白色邊界影像 為深色。
(3) 機場週遭有比跑道更長之直線道路或滑行道。
(4) 影像經邊界偵測、消除雜訊後,雜訊仍太多影響霍氏轉換結果。
4.4.3 誤判結果討論
(1) 影像品質對 Canny 及 Sobel 邊界偵測子偵測邊界的影響:
品質等級 2 之影像經 Canny 邊界偵測可完整呈現線條,經 Sobel 邊界偵 測無法完整呈現線條,如圖 4.2 所示。
圖 4.2、影像品質對 Canny 及 Sobel 邊界偵測結果的影響:(a)原始影像;
(b) Canny 邊界偵測結果;(c) Sobel 邊界偵測結果 (2) 影像含霾濃度對 Canny 及 Sobel 邊界偵測的影響:
霾濃度為中度之影像經 Canny 邊界偵測可完整呈現線條,經 Sobel 邊界 偵測無法呈現線條,如圖 4.3。
圖 4.3、影像含霾濃度影響 Canny 及 Sobel 邊界偵測的結果:(a)原始影 像;(b)Canny 邊界偵測結果;(c)Sobel 邊界偵測結果
(3) 機場週遭有比跑道更長之直線道路或滑行道影響偵測結果:
影像經 Canny 及 Sobel 邊界偵測後,機場週遭如有比跑道更長之直線道 路或滑行道線條,經 Hough 轉換後造成誤判,如圖 4.4。
(a) (b) (c)
(a) (b) (c)
始影像;(b)影像經 hough 轉換偵測最長直線結果;(c)影像誤判道路為機 場跑道情形
(4) 影像邊界偵測雜訊太多影響 Hough 轉換結果:
影像經 Canny 及 Sobel 邊界偵測及消除雜訊後,如雜訊仍太多,經 Hough 轉換後容易造成誤判,如圖 4.5。
圖 4.5、影像邊界偵測雜訊太多影響 Hough 轉換結果:(a)原始影像。(b) 影像因雜訊太多經 hough 轉換誤判最長直線結果。(c)影像誤判雜訊為機 場跑道情形。
(5) Sobel 邊界偵測影像目標灰階梯度要有明顯落差:
Sobel 執行邊界偵測,跑道為極白色,邊界影像為深灰色,階梯度有明 顯落差,邊界偵測效果較佳,如圖 4.6。
圖 4.6、邊界偵測影像目標灰階梯度明顯落差之結果:(a)原始影像;
(b)Canny 邊界偵測結果;(c)Sobel 邊界偵測結果
(a) (b) (c)
(a) (b) (c)