隨著資訊技術和感測器技術的快速發展，衛星遙測影像在空間解析度(分辨 率)、光譜解析度和時間解析度等方面都有了很大提升。空間解析度已從 30m，
10m，提高到今天的 2m，1m，軍用甚至達到 0.1m。光譜解析度已達到 5~6nm(納 米)，包括高光譜和超光譜在內已超過 400 個波段；時間解析度，即重訪週期也 在不斷縮短。每天都有數量龐大及不同解析度的遙測影像資料，從各種感測器上 接收下來，對各方面的應用將提供一個豐富可供選擇的資料來源。這些具有多重 感測器、多重解析度、多頻譜、多時間序列特性的遙測影像，在許多應用領域中 由於影像數量增長迅速而處理能力不足，大量影像資料無法發揮應有的效用，例 如目前在軍事情報領域截取的境外衛星遙測影像資料，因為無法對影像定位而使 許多寶貴的影像資料無法使用而浪費。面對日益豐富的遙測影像資訊來源，快速 瀏覽及高效率的檢索是遙測影像資訊萃取和資料共享或交換的重要手段，因此，
基於內容的圖像檢索(Content Based Image Retrieval, CBIR)方法已成為圖像管 理、圖像理解及相關應用的關鍵技術，遙測影像資料庫中圖像內容的組織、表達、
存儲、管理、查詢和檢索面臨前所未有的挑戰。如何將數位圖像處理、電腦視覺、
模式識別和資料庫技術結合起來建立高效率的圖像檢索機制是目前迫切需要解 決的課題。
1.2 研究動機與目的
遙測圖像，相對於一般影像，需要綜合考慮詮釋資料，如地理位置、波段、
不同感測器參數和比例尺等因素與圖像內容的關係，以及考慮遙測圖像幅面大、
細節多而涉及到的存儲容量和查詢效率等問題。因此，基於內容的遙測圖像檢索 從特徵選取、相似性比較、查詢機制和系統結構等多方面都有其自身的特點。本 研究之目標是探索如何從巨量遙測影像資料庫中檢索出包含有待檢索區域的影 像的方法，針對目前遙測影像之特性，提出基於興趣區域的圖像檢索(Regions of Interest-Based Image Retrieval)方法。
基於內容的圖像檢索方法可以分成「全區特徵基礎」及「分區特徵基礎」
的方法兩大類。傳統的基於內容的圖像檢索大多採用圖像的全區特徵，即在一幅 圖像中只計算一個特徵向量，這種特徵向量通常不易反映圖像的真實的語義內 容，該法的優點是計算簡單，對平移和旋轉不敏感。但是全區特徵無法描述圖像 內容在空間上的差異，只能比較圖像整區的統計相似性，不能在物體層次比較圖 像的相似性，檢索效率不高。譬如，兩幅視覺上完全不同的圖像，提取出的全區 特徵可能是相似的，此時檢索的結果就可能返回在視覺上與目標圖像完全不同的 圖；其次，人們在觀察圖像時，總是注意圖像所包含的物件，因此物件層的表示 更接近人類視覺系統的感覺及人對圖像語義的理解；另外，在許多的應用場合，
人們需要找到包含特定物體的圖像。因此，研究基於分區(區域)的圖像資料庫檢 索技術具有重要的意義。
分區方法和全區方法的區別是操作粒度(Granularity)的不同，前者的粒度是 區域，後者的粒度足整幅圖像。區域層的圖像語義的獲取是建立在底層特徵抽取 基礎上的，底層提取的特徵通常分為全局特徵和局部特徵。整區特徵經常很難匹 配到圖像的語義，基於圖像全區內容的檢索，難以實現面向分區或感興趣物件的 檢索。局部特徵抽取圖像的區域特性或者細節特性，分區層的語義特徵一般是建 立在局部特徵的基礎上。基於分區的圖像檢索系統致力於透過在物件層表示圖像 來克服傳統的基於圖像全區內容檢索的缺陷，系統採用圖像分割將一幅圖像分成 若干個子區域(分區)，如果分割效果理想，這些子區域將對應於一個個物件，物 件層的表示更接近於人類的視覺系統的感覺。
基於分區的方法在一定程度上實現了物體層次的圖像檢索，改善了檢索效 率。它可以採取透過使用者指定查詢圖像中的一個或幾個區域，搜索含有與指定 分區相似的區域的圖像，也可以採取無須使用者指定分區，查詢圖像的所有區域 均參加圖像相似性度量，綜合兩圖像的所有相似區域對的相似性來決定兩圖像的 相似性。目前這些系統尚難完全滿足使用者的需求，主要原因在於許多關鍵技術 還不夠成熟，這包括對內容複雜的圖像經由圖像分割(Segmentation)所得到的分 區經常不能形成有意義的物體；而分區匹配不能完全符合使用者對相似性的理 解；另外，對於龐大的圖像資料庫，需要尋找一種快速有效的索引結構加速檢索 過程。目前，國內也有這方面的研究，但是，仍然尚未出現成熟完整的基於區域 的圖像檢索系統。
綜上所述，當前國內外對影像檢索的研究大多停留在對通用的圖像資料庫的 檢索技術上，對專門的多源遙測影像資料庫的檢索方法研究極少。在方法上，大 多數研究者都是依據整區的影像特徵進行檢索，即便是基於感興趣區域的檢索也 是對整幅圖像提取一個感興趣的目標作為檢索依據。對於範例影像的檢索，現在 研究主要集中在如何從圖像資料庫檢索出與範例相似的影像，而對巨量影像的檢 索的研究基本上仍處於空白。
本研究目的是探索如何從巨量影像資料庫中檢索出包含有待檢索區域的影 像的方法。待檢索區域的影像可以是與目標影像由相同的感測器獲取的，但是具 有不同的空間解析度或時間解析度的影像，也可以是由不同的衛星感測器獲取的 影像或者透過非合作方式獲取的無法進行定位的影像。研究方法與步驟說明如 下：
1. 首先瞭解本研究之背景、意義及基於內容和基於感興趣區域的圖像檢索的概 況和國內外的研究現狀、研究和研究之重點。
2. 瞭解目前基於特徵的影像檢索的基礎理論與方法。
3. 提出對巨量影像的快速處理方法。
4. 提出基於區域的影像檢索理論與方法。
因區域基礎之影像匹配演算法對於寬基線(Wide-Base)攝影產生之形變、旋轉 及尺度差異影像在影像匹配上產生困難。本研究嘗試援引 SIFT(Scale Invariant Feature Transformation, SIFT)演算法，藉由其對影像尺度、旋轉及光照之不變性，
期能獲取更快速及更可靠之特徵點，主要將針對SIFT 演算法於立體對影像匹配 與影像檢索上之應用與探討。
1.立體對影像匹配
遙測立體對影像由於採高傾斜或近景之寬基線攝影可能對攝取影像產生較 大仿射形變、角度旋轉、光照條件差異及解析度(尺度)不同的問題，區域基礎之 影像匹配難以處理前述之困難。利用SIFT 演算法為基礎，改良或修正演算法程 序來解決立體對影像匹配之問題。
2.影像檢索與影像快速定位
隨著影像資料量的快速成長，這些對地觀測遙測影像包括 1. 不同載具所拍 攝之影像 2. 不同解析度之影像 3.不同時期之影像等，建立影像資料庫來完善管 理、查詢與檢索應用已是必要的處理。傳統以文數字索引(Index)方式只能以圖號 編碼來檢索影像資料，已無法滿足目前檢索應用之需求，因此就有了基於內容的 影像檢索技術出現，當然應用領域上面有所不同，其中也包含了影像理解、影像 辨識、電腦視覺、人工智慧等科學領域應用。
基於內容影像檢索是目前圖像理解領域積極想發展的重點研究之一，原因來 自於日漸龐大的影像造成影像儲存與管理之困難。目前網路上面一些著名的圖片 搜尋引擎如Google、Yahoo、AltaVista 等均採用文字方式進行圖片搜尋，其利用 網站上之關鍵字(Keyword)將使用者欲檢索之影像予以列出，而以文字為索引的 方式雖然已經可以應用於網路世界，但也存在一些無法避免的問題。
本研究將提出基於內容之影像檢索(Content Based Image Retrieval, CBIR)，援 引SIFT 演算法為影像特徵點提取之基礎，藉由特徵點匹配進而達成遙測影像檢 索之目的。
1.3 研究方法
援引SIFT 演算法當作理論基礎，並將該演算法用於空間資訊相關領域進行 探討，所需程式利用Visual C++語言進行程式設計。在實驗部分，以地面現場拍 攝影像及遙測影像為對象，首先進行SIFT 演算法基本測試與分析，以徹底瞭解 該演算法之特性，進而使用SIFT 演算法進行立體對影像匹配之應用，同時援引 核線幾何約制方法，改良演算法來提升匹配點位之可靠度。最後針對 SIFT＋
RANSAC 基本演算法及加入核線約制之改良 SIFT 演算法，藉由近景攝影專業軟 體iWitness，以前方交會所得空間點位進行絕對精度及可靠度評估。
影像檢索部分，以數位航測影像進行相關實驗，並探討目標影像之大小與影 像定位之關係與影像區快速定位，最後修改SIFT 演算法匹配方法於多目標檢索 之應用。
1.4 研究流程
本研究流程如圖1.1 所示。
圖1.1 研究流程 SIFT 演算法
文獻回顧
SIFT 演算法 RANSAC 除錯機制
立體對核線幾核
立體匹配應用 實驗影像 影像檢索應用
演算法設計
實驗成果評估