研究設計

根據研究目的，研擬研究架構如圖9。就現有遙測資源衛星、相關技術與現有問題說明研 究動機與目標，藉文獻回顧對所需相關理論進行基礎簡單的描述與比較，提出研究流程與設計 之構想。研究中對不同尺度衛星影像於影像匹配適用性加以評估，並以修改SIFT 演算法對多 尺度、多平台影像進行影像匹配，藉影像匹配成果做位影像控制點使用，並評估其效益。多時 序、多平台遙測影像，常因感測器、太陽輻射、天候、大氣環境、拍攝角度而影響所獲取資訊，

亦需研究分析不同衛星載具，其各波段間較佳匹配情形與適用性。研究成果與分析中包括說明 研究所採用衛星影像、影像類型及所在區位，並針對實驗成果進行驗證與整理，說明研究成果 與研究限制。最後結論與建議中，就修正演算法適用性、正確性與精度進行整理，並對此議題 未來相關與後續研究，提出建議。

12

圖9 研究架構圖

以文獻研讀方式找出較適合衛星影像自動匹配法，以福衛二號全色態、多光譜影像評估區 域匹配與特徵匹配於相同尺度與不同尺度下之適用性。經福衛二號原始影像初步分析，區域匹

13

配須給與影像初始值，否則須大量計算才能得到較合理匹配成果。相較之下，特徵匹配較適用 於未處理原始影像(不具地理坐標資訊)間影像對位，所需計算較少且具有較高正確性。

後續利用修改SIFT 演算法個別針對參考基準影像(reference image)、未糾正影像(input image)計算出影像特徵(image feature)，評估兩影像中影像特徵是否一致。評估應用於不同地物

14

(Georeferenced image)為基準，以修改 SIFT 演算法針對不同衛星影像進行影像匹配，分析修改 後SIFT 演算法對不同衛星間匹配情形，利用其匹配結果所得影像控制點做為地面控制點，配 配(ABM, Area-Based Matching) 為直接針對區域內所有的灰度值作為觀測值進行相似性 評，亦稱之為灰度值式匹配(Intensity Base Match)，以相同影像進行比較，此類方式困難 度較低，但成功率也偏低，尤其以衛星影像大範圍、地表地物複雜度高前提下匹配錯誤形 大為增加，須給予初始參數以獲得較佳結果。而特徵匹配(FBM, Feature-Based Matching) 是利用影像處理技術萃取出特徵物，再對特徵物間共軛關係進行匹配求解。

以原始福衛二號全色態與多光譜影像，包括相同尺度與不同尺度進行區域匹配與特徵 匹配比較，分析將結果以整體RMSE、殘差與匹配正確性分析探討。

(2)SIFT 演算法

原始SIFT 演算法於 Lowe(1994)所採用驗證影像為一般相機所拍攝、大小為 500pixel x 500 pixel，計算可得約 2000 特徵點。後續相關研究也多以數位相機或數位攝影機影像為 主，較少應用於遙測影像。必須以原始SIFT 演算法進行評估，瞭解原演算法於衛星影像 應用限制與可行性，做為後續演算法修改依據。

2. SIFT 演算法修改

原始SIFT 演算法計算影像中各尺度空間中特徵點，其大量特徵點的 128 維特徵描述

15

需大量記憶體儲存。以Lowe(1999)所採用驗證影像大小為 500pixel x 500 pixel，計算可得 約2000 特徵點。原演算法應用於光學遙測影像時，在電腦運算資源限制下，僅能針對較 小維度影像(約 1400pixel x 1400pixel)進行運算，超過則易發生計算資源不足並無法完成匹 配。原始SIFT 進行影像匹配時，因應不同影像且保留較多彈性情況下，計算出大量匹配 結果，容易產生錯誤匹配情形並降低資料處理正確性，且需更多資源與時間進行檢核。因 此原始演算法需加以評估並修改，以適合福衛二號 或其它遙測影像匹配使用，針對衛星 影像改進原始演算法增進其效益。本研究針對衛星影像解析度與尺度空間間關係，加上對 於搜尋範圍進行修改。前者可避免在差異過大的尺度空間產生錯誤匹配，而後者可以縮短 在匹配時搜尋範圍，將可以提高匹配精度與減少所需計算量。

3. 適用性評估

影像匹配適用評估包括：影像共軛點(Tie point)適用性與幾何正確性。共軛點適用性 用以評估兩影像中所挑選影像特徵是否正確、有無錯誤匹配情況。檢核方式針對影像匹配 成果，以人工逐點確認，加以統計正確匹配數、成功率。若錯誤匹配存在其中，將嚴重影 響影像幾何糾正精度。影像幾何正確性影響最後影像空間精度，將前項成果進行一階多項 式(polynomial)平差計算，以各點均方根誤差(Root Mean Squared Error, RMSE)為門檻，殘 差大於0.5 pixel 則將之剔除，以 RMSE 計算整張影像幾何正確性。為保留原始光譜特性，

影像幾何糾正採最近鄰法(Nearest Neighbor)進行重新取樣(resample)，供後續分析使用。

4. 效益評估

效益評估包括影像匹配所需花費時間與其精確度，對於不同影像匹配方法藉相同評估 項目比較期時間與精確度差異，做為效益估算。

(1)評估方法

評估項目包括正確性與時間。評估比較方法選用傳統人工挑選控制點方式，並加入目 前商用軟體中具有之自動匹配方法與本研究成果進行比較。傳統人工以操作員在不同影像 中挑選同一地物為共軛點，供後續影像幾何糾正時使用。操作員對軟體、影像、挑選地物

16

17

選點時需注意有明顯轉折角落的物體，全色態影像與多光譜影像左右對照看來明顯相 似，然其大小不盡相同，通常是多光譜影像的範圍會大些，因為解析度較粗且與影像像元 光譜反射值混合特性有關。選取控制點時須了解並注意此一情形，此一問題容易造成控制 點相對偏移與均方根誤差累積，使得演算法參數計算產生誤差並影響其他相對點位的推算 成果，進而導致影像對位不準確使得影像融合後有掉色及暈眩的情形產生，甚至使得影像 清晰度降低就需要重新選取控制點或再做調整，是以初始控制基準點的選取與均方根誤差 值的收斂非常重要。

本研究中建立一影像處理流程，包含影像匹配、坐標轉換與幾何糾正三部分。影像匹 配步驟中利用修改後的SIFT 演算法進行影像匹配，產生大量影像控制點；在坐標轉換階 段中，藉匹配所得到參考影像上的控制點由平面坐標系轉換為地理坐標系統(如 TWD67、

TW97 或經緯度等)；於最後幾何糾正步驟中利用影像匹配所得未糾正影像上的控制點，

與坐標轉換後的參考坐標於遙測軟體中進行影像幾何糾正。透過半自動資訊化處理機制提 高自動化程度、減少人力資源投入並減少誤差，增加影像處理精度。

18

第二章 文獻回顧