1.前言
由於近年來遙測科技的進步，商用資源衛星影 像的空間解析度已經推進至公尺等級，尤其是全色 態影像的部分，其解析度甚至可達1公尺以下。而 在空載遙測方面，數位式的航測系統也不斷推陳出 新，由其是陣列式的數位航照系統除以全數位化的 處理過程改進了過去繁複的類比式相片處理程 序，並且同時可保有傳統航空相機在解析度上與解 算上等各種優點。然而對於此類高解析遙測影像的 複雜資訊內涵而言，發展自動化特徵萃取或影像判 釋法則的困難度也相對增加許多。影像分割技術是 一項廣泛用於萃取影像特徵的方法，尤其是針對具 有區塊特性的資訊進行萃取時更為重要。此外對於 影像分類而言，影像分割也被視為是一項不可或缺 的前處理程序(Black et al.,1998)。
在影像分割中常用的處理方法首推區塊成長 (region growing)技術。區塊成長技術對於萃取影像
中 之 區 塊 資 訊 可 說 是 種 非 常 直 覺 的 處 理 方 法 (Adams and Bischof, 1994)，其目的是要將影像上光 譜值相似的像元群聚成區塊，主要可分為三個階 段：
A. 選擇起始種子點
首先，需設定限制條件作為區塊成長之依據，
如光譜距離門檻。接著，選擇某個像元當作起 始種子點(seed pixel)，種子點之選擇可由影像的 任何位置出發，一般而言種子點均為亂數產 生，並給予種子點像元一區塊編號(label)。選定 種子點後便以此種子點之光譜值作為參考光譜 值，並將種子點周圍鄰近四方向或八方向之像 元光譜值與參考光譜值進行光譜距離之計算，
若所得之光譜距離小於門檻，則此像元則指定 為與種子點相同之區塊編號，並同時以相同區 塊編號之像元光譜平均值更新參考光譜值。
B. 區域成長
將起始種子點周圍四方向或八方向偵測得到相
1國立中央大學太空及遙測研究中心助理研究工程師
2國立中央大學太空及遙測研究中心與土木工程學系副教授
收到日期:民國 97 年 06 月 11 日 修改日期:民國 97 年 07 月 25 日 接受日期:民國 97 年 09 月 15 日
同區塊編號之像元，當作新的種子點出發，如 行相關形態學運算(morphology operation)以萃取梯 度影像上之山脊線來做為區塊分割之依據(Meyer, 定義了邊緣密度(Edge Density)以及邊緣密度變化 率(Change of Edge Density)兩個量來計算區塊的特
其中
ρ : 區塊邊緣密度(Edge density)
ρ’: 區塊邊緣密度變化率(Change of edge density) E : 區塊總邊緣強度(Total edge intensity) L : 區塊總邊緣長度(Edge length)
s : 分割尺度(Segmentation scale), 由不同之光譜距 離門檻來產生。
在此「區塊總邊緣強度」表示區塊在其所有邊 緣像元上的邊緣強度總合，而像元上的邊緣強度則 以 Sobel Gradient 進行計算(Gonzales and woods, 2002)。其計算之方式是先將影像的各個波段分別 使用水平方向及垂直方向之 Sobel 運算元計算兩方 向之邊緣強度，之後取兩方向之邊緣強度平方和再 取其平方根來計算之。最後再取各波段之邊緣強度 之總和來做為此像元上之邊緣強度。而「區塊總邊 緣長度」則以區塊在其邊緣上的像元總個數來計算 之。因此，在本研究中的「邊緣密度」即可定義為 區塊邊緣上單位長度所具有的邊緣強度。此外，當 輸入影像以不同門檻值大小進行區塊成長時，由小 至大的門檻值所進行的分割結果理論上會產生由 細緻變化到粗糙的分割輸出。在本研究利用「分割 尺度」來表示不同大小的門檻值，越大的分割尺度 表示進行分割時所使用的門檻值越大。換言之，當 分割尺度由小至大逐漸改變時，影像中的特徵的分
割結果亦逐漸的由過度分割變化至分割不足。實際 上，當一個影像中的特徵是顯著的過度分割時，即 表示此特徵在目前的分割下是非常破碎的，並這些 破碎掉的小區塊所具有的邊緣密度都是相對的 小。然而當分割尺度逐漸變大時，過度分割情形就 會逐漸降低並且其分割結果會逐漸接近實際的影 像中的特徵以及具有較大的邊緣密度。這些現象同 時也表示在分割尺度逐漸變大時，區塊的邊緣密度 理論上會嚴格的增加(Monotonic Increasing)。此外當 被分割的影像特徵因分割尺度由過小逐漸增加至 其最佳之尺度時，由於分割的結果與實際的影像區 塊已經逐漸靠近，並且在實際的影像特徵邊緣上總 是存在著局部的最大強度變化，因此造成在最佳分 割尺度發生時邊緣密度隨尺度的變化率應會顯著 的提高。然而，若分割尺度持續增加，雖然分割結 果的邊緣密度亦會持續增加，但由於其結果已是過 度分割的狀態，其邊緣密度增加率應會較最佳分割 為低。
由前面之說明可以得知，當影像上的特徵產生 最佳分割時，其邊緣密度增加率應有最大值產生。
因此在本研究中定義「區塊邊緣密度變化率」來描 述區塊邊緣密度隨分割尺度變化之情形。而圖 1 則為區塊邊緣密度與區塊邊緣密度變化率隨分割 尺度的變化特性示意圖。
圖 1 區塊邊緣密度與區塊邊緣密度變化率隨分割尺度的變化特性示意圖
為了可以合理的計算最大區塊邊緣密度變化 展開 Minimum Spanning Tree (Zahn, 1971; Sanfeliu et al., 2002)的原則，由最頂層節點往下層展開並且在 最遇到經標記後之節點(亦即為最大區塊邊緣密度 變化率發生之節點)即停止向下擴展，便可得到一 個如圖 4 所示的 Minimum Spanning Tree，並且可將 所得的 Minimum Spanning Tree 上的底層節點對應 加雜訊之類型為平均值為零之 uniform distribution random noise，雜訊之大小則依區塊之灰階不同而 不同，在本研究中為了維持區塊的可辨識性，所加