3.實驗結果
Case 3: 空載數位航測相機影像
在本測試例中所使用之空載數位航測相機影 像其空間解析度為 0.2 公尺，並且依其波段順序包 含藍、綠、紅等三個波段。測試影像涵蓋範圍所包 含的內容主要為一部分之社區，而社區中建物的屋 頂形狀各不相同，且包含部分之樹叢與草地。圖 11(a)為本部分測試之原始融合影像。圖 11(b)為利 用本研究所提方法進行影像分割後所得之結果。為 了比較本研究所提方法與傳統區塊成長分割法之 差異，圖 11(c)與圖 11(d)為分別使用不同光譜門檻 值進行傳統區塊成長分割法所得之結果。在比較後
同樣可以看出，本研究在不須設定特定光譜門檻值 的條件下(僅需設定合理的上限與下限值)，所提方 法對空載數位航測相機影像可產生更為合理之影 像分割結果。此外可以發現在本測試影像中，建物 的屋頂在各個方法中均可成功的被分割出，其原因 應為屋頂內部為相對均勻的分布但其邊緣相對其 周邊區塊卻極為銳利所致。然而對於樹叢與草地而 言雖然其區塊內部之分布相對較為不均勻，但由於 本研究使用最大區塊邊緣密度變化率做為分割的 機制，因此較傳統方法可產生更為完整的分割。
(a) (b)
(c) (d)
圖 9 (a)本部分測試之原始 IKONOS 融合影像、(b)利用本研究所提方法進行影像分割後所得之結果 (c)使用較低的光譜門檻值進行傳統區塊成長分割法所得之結果，此結果呈現明顯之過度分割情形 (d)使用較高的光譜門檻值進行傳統區塊成長分割法所得之結果，此結果呈現明顯之分割不足情形
(a) (b)
(c) (d)
圖 10 (a)本部分測試之原始 Quickbird 融合影像、(b)利用本研究所提方法進行影像分割後所得之結果 (c)使用較低的光譜門檻值進行傳統區塊成長分割法所得之結果，此結果呈現明顯之過度分割情形
(d)使用較高的光譜門檻值進行傳統區塊成長分割法所得之結果，此結果呈現明顯之分割不足情形
(a) (b)
(c) (d)
圖 11 (a)本部分測試之原始空載數位航測相機影像、(b)利用本研究所提方法進行影像分割後所得之結果 (c)使用較低的光譜門檻值進行傳統區塊成長分割法所得之結果，此結果呈現過度分割情形 (d)使用較高的光譜門檻值進行傳統區塊成長分割法所得之結果，此結果呈現明分割不足情形
4.結論
在本研究中以最大邊緣密度變化率為基礎，提 出多重尺區塊成長技術來進行影像之分割技術來 改善傳統之區塊成長影像分割法。其主要概念是當 特定尺度使得區塊有最大邊緣密度變化率發生 時，可視為在此尺度下之區塊分割其具有最顯著邊 緣資訊因此可產生與周邊之其他區塊有最佳之分 割。此外利用所提之方法，在進行影像分割前，相 較於傳統方法一般使用者不需設定特定門檻值，僅 需指定合理的上限與下限值即可開始進行分割。由 測試結果亦可顯示本研究所提方法，相較傳統方法 可成功的分割影像中的重要區塊，並可提供更為合 理的結果以供後續之影像處理程序來使用。此外，
由於目前本研究僅考慮影像之光譜變化來進行分 割，未來在此部份應可繼續延伸，考慮同時使用如 影像質地(Texture)或是其他方法分析所得資訊來進 一步提升分割之精度。
參考文獻
Adams, R. and L. Bischof, 1994, Seeded region growing, IEEE Transactions on Pattern Analysis and Machine Intelligence, 16(6), pp. 641-647.
Black, M., G. Sapiro, D. Marimont, and D. Heeger, 1998, Robust anisotropic diffusion, IEEE Transactions on image processing, 7(3), pp. 421-431.
Chavez, P. S., S. C. Sides, and J. A. Anderson, 1991, Comparison of three different methods to merge multiresolution and multispectral data: Landsat TM
& SPOT panchromatic, Photogrammetric Engineering and Remote Sensing, 57(3), pp.
295-303.
Chen Z., Z. Zhao, P. Gong and B. Zeng, 2006, A new process for the segmentation of high resolution remote sensing imagery, International Journal of Remote Sensing. 27(22), pp. 4991-5001.
Meyer, F., 2001, An overview of morphological segmentation, International Journal of Pattern Recognition and Artificial Intelligence, 15(7), pp.
1089-1118.
Gonzales, R. C. and R. E. Woods, 2002, Digital image processing 2nd Edition, Prentice-Hall, New Jersey, pp.134-137.
Hojjatoleslami, S. A. and J. Kittler, 1998, Region growing: A new approach, IEEE Transactions on Image Processing, 7(7), pp. 1079-1084.
Pohl, C., 1998, Multisensor image fusion in remote
sensing: concepts, methods and applications, International Journal of Remote Sensing, 19(5), pp.
823-854.
Sanfeliu, A., R. Alquezar, J. Andrade, J. Climent, F.
Serratosa, J. Verges, 2002, Graph-based representations and techniques for image processing and image analysis, Pattern Recognition, 35, pp.
639-650.
Schieve, J., 2002, Segmentation of high-resolution remotely sensed data - concepts, applications and problems, Symposium on Geospatial Theory, Proceedings and Applications, Ottawa, http://www.definiens.com/pdf/publications/358.pdf.
Zahn, C. T., 1971, Graph-theoretic methods for detecting and describing gestalt clusters, IEEE Transactions on Computing, 20, pp. 68-86.