關鍵詞：無人飛行載具、線散函數、線型特徵
4. 研究成果與分析
4.1 UAV 影像成果分析
UAV 影像總數為 18 張，測試區中沒有太多的 線型特徵，主要是以特殊測試標西門子之星作為 目標，該測試標提供各個方向的直線特徵，供線 散函數衍生特徵進行評估，首先進行合格線篩選，
篩選結果如圖 10，橫軸為影像編號，縱軸為合格 線數目，結果顯示每張影像至少可以偵測至少 7
條以上合格階梯線，可作為後續評估之用。
圖 10 UAV 影像合格線篩選
使用各影像之合格邊緣線，計算其線散函數 標準差，並分別擬合為線散函數特徵橢圓，該 18 個特徵橢圓面積及均向性將作為分類的依據，如 表 1，接著將此二筆數據進行正規化，方能在同 樣尺度進行綜合評比，在此為了不涉及人工判識，
故使用 K-means 分群法進行影像分類，如圖 11，
紅點為模糊影像，藍點為清晰影像。
表 1 UAV 影像特徵橢圓面積及均向性
Image ID Area b/a Image ID Area b/a Image ID Area b/a 1 1215 0.568 7 28753 0.731 13 247647 0.846 2 645 0.964 8 35231 0.782 14 18886 0.865 3 856 0.876 9 101767 0.550 15 516061 0.958 4 1397 0.492 10 62900 0.837 16 372025 0.534 5 2744 0.545 11 41610 0.754 17 104883 0.693 6 9178 0.741 12 192471 0.706 18 103800 0.597
表 2 UAV 影像誤差矩陣
Reference data Accuracy
Classification data
Sharp Blur Total Overall accuracy (%) 88.9
Sharp 3 0 3 Kappa 0.68
Blur 2 13 15 Omission error (%) 13.3 Total 5 13 18 Commission error (%) 0
0 2 4 6 8 10 12 14 16 18
Image ID 0
20 40 60 80 100 120 140 160 180 200
Number of Qualified Line
圖 11 UAV 影像 K-means 分類
最後將線散函數特徵指標分類結果，與人工 判識結果進行比對，如表 2，該參考資料之判識 依據為肉眼可辨識之影像模糊，由誤差矩陣可看 出，其整體精度為 88.9%，Kappa 值為 0.68。本研 究之目的為偵測模糊影像，故計算模糊影像之誤 授與漏授，其中有 2 張影像為漏授，其他 13 張模 糊影像可成功分類。針對漏授的兩張模糊影像，
分別是編號 12 及編號 14 影像，觀察這 2 張影像的 特徵橢圓面積及均向性，其數值相較一般模糊影 像大，故導致這兩張影像被誤分為清晰影像。比 較這兩張影像與清晰影像(圖 12)，發現這 2 張影像 模糊的特徵太過細微，無法被本研究方法偵測，
故無納入模糊評估中，故造成漏授的結果。
(a) 漏授模糊影像 1
(b) 漏授模糊影像 2
(c) 清晰影像
圖 12 UAV 影像模糊漏授比較
4.2 GoPro 影像成果分析
手持式 GoPro 影像總數為 30 張，測試區沒有 佈設人工標，故採用人工構造物之線型特徵計算線 散函數衍生特，由於此 30 張影像均拍攝自同一秒 鐘，故其影像內涵相當，可能從中挑選出此場景相 對清晰影像作為使用，並剔除模糊影像不予使用。
首先進行合格線篩選，其篩選結果如圖 13，橫軸 為影像編號，縱軸為合格線數目，張影像至少可以 偵測 8 條合格階梯線，故適用該方法進行評估。
圖 13 運動型相機影像合格線篩選 同樣使用各影像之合格邊緣線，擬合線散函 數特徵橢圓，其面積及均向性作為分類依據，如 表 3，其中，編號 7 影像，其面積及均向性都是該 組影像中最小的，勢必會被分類為模糊影像。最 後，同樣使用非監督式的 K-means 分群法，如圖 14，分類結果為模糊影像 17 張(紅點)，清晰影像 13 張(藍點)。
圖 14 運動型相機影像 K-means 分類 將線散函數特徵指標分類結果，與人工判識 結果進行比對(表 4)，其整體精度達 90%，Kappa 值為 0.79，其中僅有三張模糊漏授。比較運動型
0 5 10 15 20 25 30
Image ID 0
5 10 15 20 25
Number of Qualified Line
相機與 UAV 影像之分類結果，運動型相機模糊偵 測在整體精度或是 Kappa 值都有比較好的表現。
因本研究方法考量模糊均向性，運動型相機影像 僅有單一方向的移動模糊(即水平移動)，運動型 相機較有顯著的方向性移動模糊，而旋翼型 UAV 在拍攝時採用垂直移動，無明顯的水平移動趨勢，
故在 UAV 分類成果上較差。
分類結果中同樣存在模糊影像漏授的問題(圖 15(a))，經人工判識檢查發現這些模糊漏授影像的 確存在移動模糊現象，但其模糊程度相對不明顯。
接著由其線散函數衍生點位分布發現(圖 15(b))，該 漏授影像的合格線中，大多為水平合格線被納入評 估，僅有少數垂直合格線，其原因同樣與移動模糊 有關。水平移動模糊可依程度分為劇烈及平緩兩種，
劇烈水平移動影像，由於其移動模糊太過劇烈，導 致影像中所有方向的線型特徵均被模糊化，故在線 散函數衍生特徵中，被分類為模糊影像；但平緩水 平移動影像，由於該影像只有少量的移動模糊，故 僅有垂直線特徵被模糊化，水平線特徵影響不大，
仍保有較佳的成像品質，在經過合格線的篩選後，
理當會有較多的水平線特徵會被納入評估，以及少 量成像品質不差的垂直線特徵，導致模糊影像漏 授。
本實驗資料為同一秒內拍攝的 30 張影像，主 要是為了探討其應用面，錄像遙測任務相較於一
般拍攝任務，可在同樣時間內獲取最大量影像，
但其中勢必包含模糊影像，由於這些影像都是在 同一秒內拍攝的，故其影像內涵相當，線特徵總 數理應相去不遠，在線散函數衍生特徵的方法中，
可以在相同基準中進行評估及比較。GoPro Hero4 之錄像幀率為 29.97 fps，相當於一秒鐘可拍攝 30 張影像，若能從中挑選出清晰影像，作為後續攝 影測量作業之輸入影像，並剔除模糊影像，不予 採用，便能提升一定程度的產品精度。
(a) 漏授模糊影像
(b) 漏授影像線散函數衍生點位 圖 15 運動型相機模糊漏授影像
表 3 運動型相機影像特徵橢圓面積及均向性
Image ID Area b/a Image ID Area b/a Image ID Area b/a 1 427 0.081 11 646 0.049 21 5147 0.158 2 244 0.019 12 557 0.073 22 1616 0.139 3 146 0.020 13 929 0.052 23 1545 0.079 4 184 0.035 14 542 0.113 24 1104 0.102 5 268 0.066 15 203 0.022 25 1592 0.132 6 164 0.020 16 554 0.080 26 1131 0.464 7 54 0.012 17 1174 0.127 27 2363 0.223 8 181 0.068 18 1024 0.250 28 1171 0.292 9 337 0.040 19 4376 0.195 29 3184 0.214 10 289 0.024 20 1526 0.074 30 1943 0.262
表 4 運動型相機影像誤差矩陣
Reference data Accuracy
Classification data
Sharp Blur Total Overall accuracy (%) 90
Sharp 10 3 13 Kappa 0.79
Blur 0 17 17 Omission error (%) 15 Total 10 20 30 Commission error (%) 0
5. 結論
本研究提出以線散函數衍生特徵，考慮模糊 強度與方向性，自動化估計影像品質。研究資料 包含 UAV 影像及運動型相機影像，分類方法為非 監督式分類，驗證藉由線型特徵，自動化評估影 像品質之可行性，以下就實驗成果歸納出五點結 論：
(1) 以線散函數衍生特徵評估影像品質，在無人 工判識介入的前提下，以 K-Means 進行非監 督式分類，不論是在 UAV 影像或運動型相 機影像，都能夠達到自動偵測模糊影像及清 晰影像的目的，驗證線散函數衍生特徵與影 像品質之相關性。
(2) 在 UAV 影像實驗中，使用本研究方法進行影 像分類，在肉眼可辨識的模糊偵測需求下，
有 一 定 水 準 的 分 類 成 效 ， 其 整 體 精 度 達 88.9%，Kappa 為 0.68，除此之外，亦發現本 方法無法偵測過於細微的模糊特徵之限制。
(3) 在運動型相機影像實驗中，在沒有任何特殊 測試標的前提下，驗證僅依靠影像內涵的線 型特徵，本研究方法同樣可以使用。由於該 筆資料具備顯著的模糊方向性，較適用線散 函數衍生特徵，能夠充分反映影像品質，與 UAV 影像分類成果相比，有更為理想的分類 成效，其整體精度達 90%，Kappa 為 0.79。
(4) 本研究方法除了能篩選模糊影像外，亦可應 用於錄像遙測任務中，錄像即代表短時間內 獲取最大量影像，可將其分解為最小單位時 間的像幅影像(Frame Image)，由於這些影像 之拍攝內涵極為相近，故可從中挑選一張品
質最佳的影像作代表，輸入攝影測量，提升 一定程度的產品精度。
(5) 本研究方法受限於線散函數理論，必須依靠 影像內涵中的線型特徵，方能進行評估，故 在森林區或其他缺乏線型特徵的測試區中，
無法使用本方法進行評估。
致謝
本研究承蒙內政部計畫（107SU0217）支援得 以順利完成，謹此致謝。
參考文獻
Honkavaara, E., Peltoniemi, J., Ahokas, E., Kuittinen, R., Hyyppä, J., Jaakkola, J., Kaartinen, H., Markelin, L., Nurminen, K., and Suomalainen, J., 2008. A permanent test field for digital photogrammetric systems, Photogrammetric Engineering and Remote Sensing, 74(1): 95-106.
ISO, 2000. ISO 12233:2000, Photography -- electronic still-picture cameras – resolution measurements, International Organization for Standardization, Geneva, Switzerland, 42 pages.
Luxen, M., and Förstner, W., 2002.
Characterizing image quality: Blind estimation of the point spread function from a single image, International Archives of Photogrammetry Remote Sensing and
Spatial Information Sciences, 34(3/A):
205-210.
Osterberg, H., 1962. Evaluation phase optical tests, Military Standardization Handbook:
Optical Design, Defense Supply Agency, 1-8.
Pauly, M., Gross, M., and Kobbelt, L.P., 2002.
Efficient simplification of point-sampled surfaces, IEEE Visualizatio 2002, Boston, MA, USA, 163-170.
Sieberth, T., Wackrow, R., and Chandler, J.H., 2014. Motion blur disturbs–the influence of motion‐blurred images in photogrammetry, The Photogrammetric Record, 29(148):
434-453.
USGS, 2008. Digital aerial imagery calibration range requirements, EROS Remote Sensing Technology Project, Version 2, Available at:
http://calval.cr.usgs.gov/documents/InSituC
alibrationRangeRequirementsV02.doc , Accessed June 01, 2018.
von Gioi, R.G., Jakubowicz, J., Morel, J.M., and Randall, G., 2012. LSD: A line segment detector, Image Processing On Line, 2(2012): 35-55.
Wang, T., Li, S., and Li, X., 2009. An automatic MTF measurement method for remote sensing cameras, 2nd IEEE International Conference on Computer Science and Information Technology, Beijing, China, 245-248.
Yang, C.H., Wang, S.C., Shih, P.T., Lee, P.S., and Liu, J.L., 2015. An experimental comparison of directly and indirectly derived modulation transfer functions, The Photogrammetric Record, 30(149):
100-114.
1 Professor, Department of Civil Engineering, National Chiao Tung University Received Date: Jun. 04, 2018
2 Master, Department of Civil Engineering, National Chiao Tung University Revised Date: Jun. 13, 2018
* Corresponding Author, E-mail: [email protected] Accepted Date: Jun. 15, 2018