影像特徵點萃取與匹配應用於福衛二號影像幾何糾正

全文

(1)國立臺灣師範大學地理學系第十九屆博士論文. 影像特徵點萃取與匹配應用於福衛二號影像幾何糾正. 指導教授：張國楨研究生：陳俊愷中華民國一 0 0 年一月.

(2) I.

(3) 中文摘要隨著數位影像獲取及電腦科技的快速發展，遙測科技應用逐漸將領域由國防軍事用途拓展到其他應用範圍，大幅的增加其應用性與時效性。影像幾何糾正為一不可或缺，且日益重要的基礎處理，關係著後續影像融合、變遷偵測或影像鑲嵌等應用。本文探討如何改進特徵匹配演算法來提升遙測影像幾何糾正的效能。尺度不變特徵轉換(Scale Invariant Feature Transform, SIFT)為一種針對高解析數位影像發展出來的影像特徵點萃取方法，其優點是所萃取的特徵不易受到影像旋轉、縮放和灰度值差異而有所變化、皆具有良好特徵點選取與匹配，其結果更可靠和消除影像處理中不確定性。但原始演算法並非針對遙測影像特性所發展，直接應用不易得到良好匹配結果。本研究針對遙測影像的特性，提出改善之方法並修改演算法、建立半自動化處理流程，以解決大量影像作業座業化需求。以 FORMOSAT-2 影像為範例，探討 SIFT 於遙測衛星影像適用性。研究成果可利用修改 SIFT 演算法於研究中針對多時期、不同區域、不同載具衛星影像進行影像匹配，得到足夠影像控制點，以其進行影像對位與影像幾何糾正，整體精度 RMSE 優於 0.5 pixel。經半自動化處理流程，可將原本耗時、經驗人力導向幾何糾正工作大幅縮短所需時間。關鍵字：影像匹配、福衛二號、幾何糾正、影像特徵. II.

(4) Abstract With the digital image acquisition and the rapid development of computer technology, application of remote sensing technology by the defense and military fields gradually extended to other application purposes, a substantial increase in its applicability and timeliness. Image geometric correction for the integral and increasingly important foundation treatment. It related with the subsequent image fusion, change detection or video mosaic applications. In this paper, a robust feature extractor technique for FORMOSAT-2 image rectification is applied and discusses how to improve the feature matching algorithm to improve the performance of remote sensing imagery to correct. The Scale Invariant Features Transform (SIFT) method extracted features are computationally attractive and invariant to image rotation, scale change and illumination. The original algorithm was not developed for remote sensing image features, and the results of applied directly are difficult to get a good match. In this study, a modified SIFT method is proposed and create a semi-automated processes on the applicability of remote sensing satellite images. Used FORMOSAT-2 as an example of SIFT on the applicability of remote sensing satellite images. Modified SIFT algorithm tests on different times, different regions, and different set of satellite images with image matching, the results obtained sufficient image control points, and and the overall accuracy is better than any set of 0.5 pixel. The semi-automated processes can be simplified and Shortened the time required of original that time-consuming, empirical and labor-oriented geometric rectification work. The result got good performance, precise, and more reliable and removed uncertainty of image processing. Key Words: Image Matching, FORMOSAT-2, rectification, image feature. III.

(5) 致謝進入師大地理研究所是我經歷人生求學最重要的歷程，本論文的完成需要感謝許多人。由衷感謝我的指導教授張國楨老師給予 RS 與 GIS 等專業知識上的授業與解惑，也提供磨練與鍛鍊的環境，讓我獲益良多，受用不盡。口試期間特別感謝張哲豪教授、王聖鐸教授、譚智宏博士與聞祝達教授百忙中撥空審閱，且惠賜寶貴建議與指正，使得本論文更加完善，在此至上萬分謝意與敬意。此外，感謝師大福衛二號影像加值處理中心提供豐富資源，系上張瑞津教授、吳信政教授、陳哲銘教授、歐陽鍾玲教授、廖學誠教授、楊宗惠教授給予的關心與照顧。也特別感謝楊雯如教授、伍肇雄教授、高慶珍教授等人在精神與課業上的支持。求學期間多虧了志豪、明志、冠豪、智傑、宗達、盈劭及所有關心我的同窗好友們，對於我生活課業上的鼓勵，因為你們的加油打氣讓我得以更加堅持下去。感謝我的父母及岳父母這段期間的支持與鼓勵，使我能無後顧之憂的完成學業。最後，要感謝我的太太芳綺，沒有你的鼓勵、支持、督促與關心，我無法堅持至今，感謝妳的付出。在第一個寶貝孩子即將出生前，順利完成此論文，我感念於心。. IV.

(6) 目錄中文摘要 ..................................................................................................................I Abstract ................................................................................................................. III 致謝 ....................................................................................................................... IV 目錄 ........................................................................................................................ V 圖目錄 ................................................................................................................... VI 表目錄 ................................................................................................................ VIII 第一章緒論 ........................................................................................................... 1 第一節研究動機.................................................................................................................. 1 第二節問題陳述.................................................................................................................. 8 第三節研究設計................................................................................................................ 11 . 第二章文獻回顧 ................................................................................................. 18 第一節遙感探測原理........................................................................................................ 18 第二節影像位移與影像幾何糾正.................................................................................... 20 第三節影像特徵................................................................................................................ 23 第四節影像匹配................................................................................................................ 29 . 第三章 SIFT 演算法............................................................................................ 37 第一節原始 SIFT 演算法 ................................................................................................. 37 第二節修改 SIFT 演算法原始碼 ..................................................................................... 47 第三節加強 SIFT 於不同尺度空間正確性 ..................................................................... 47 第四節原始 SIFT 與修改後 SIFT 比較 ........................................................................... 51 第五節影像匹配精度評估方法........................................................................................ 54 第六節小結........................................................................................................................ 55 . 第四章研究成果與分析 ..................................................................................... 56 第一節研究材料................................................................................................................ 56 第二節區域匹配與特徵匹配比較.................................................................................... 63 第三節特徵選取與影像匹配............................................................................................ 76 第四節研究成果分析........................................................................................................ 86 第五節半自動化機制建立................................................................................................ 94 . 第五章結論與建議 ............................................................................................. 99 參考文獻 ............................................................................................................. 103 . V.

(7) 圖目錄圖 1 圖 2 圖 3 圖 4 圖 5 圖 6 圖 7 圖 8 圖 9 圖 10 圖 11 圖 12 圖 13 圖 14 圖 15 圖 16 圖 17 圖 18 圖 19 圖 20 圖 21 圖 22 圖 23 圖 24 圖 25 圖 26 圖 27 圖 28 圖 29 圖 30 圖 31 圖 32 圖 33 圖 34 圖 35 圖 36 圖 37 圖 38 圖 39 圖 40 圖 41 圖 42 圖 43 . 多光譜影像(上)與全色態影像(下)比較 ......................................................................3 影像融合可增加影像判釋正確性 ..............................................................................4 不同幾何精度融合結果比較 .....................................................................................4 福衛二號 Pan 與 MS 影像位移示意圖 ......................................................................5 影像內不同波段位移情形 .........................................................................................6 福衛二號原始全色態影像 .........................................................................................7 原始 ASTER(左)與福衛二號(右)多光譜影像 .............................................................7 左為 ASTER 與福衛二號 Pan 影像，右為福衛二號 Pan 與 MS 融合結果 ................7 研究架構圖 ............................................................................................................12 同地區不同時期影像的差異 ...................................................................................20 福衛二號 CCD Array 感測器示意圖 ........................................................................21 影像糾正示意圖 .....................................................................................................22 原始影像與經系統校正後影像空間方位差異 ..........................................................22 右圖為精密幾何糾正與左圖正射糾正套疊道路圖比較 ............................................23 顏色與色調範例 .....................................................................................................24 形狀範例 ................................................................................................................24 影像圖樣範例 .........................................................................................................24 影像質地範例 .........................................................................................................25 陰影範例 ................................................................................................................26 位置範例 ................................................................................................................26 關連性範例 ............................................................................................................26 左為原始影像，右紅標與綠標為經萃取後點特徵 ...................................................28 線狀偵測濾波器 .....................................................................................................28 邊緣偵測濾波器 .....................................................................................................28 區域匹配示意圖 .....................................................................................................30 特徵匹配示意圖 .....................................................................................................32 符號樣板 ................................................................................................................32 待匹配影像清單 .....................................................................................................33 經關係匹配後各分群結果 .......................................................................................33 各尺度空間下影像示意圖 .......................................................................................39 影像轉換為尺度空間示意圖 ...................................................................................40 DoG 尺度區域極值計算 .........................................................................................40 自相關主曲率推估特徵點位置分類 .........................................................................42 方向直方圖確定特徵點方向 ...................................................................................43 特徵描述範例 .........................................................................................................44 尺度空間差異過大造成錯誤匹配範例 .....................................................................50 原始演算法於相同尺度影像匹配結果 .....................................................................52 修改演算法後於相同尺度影像匹配結果 .................................................................52 原始演算法於不同尺度影像匹配結果 .....................................................................53 修改演算法後於不同尺度影像匹配結果 .................................................................53 幾何精確度檢核示意圖 ..........................................................................................54 福衛二號 Level1 與 Level2 等級影像示意圖 ...........................................................57 台中地區福衛二號正射融合影像 ............................................................................61 VI.

(8) 圖 44 圖 45 圖 46 圖 47 圖 48 圖 49 圖 50 圖 51 圖 52 圖 53 圖 54 圖 55 圖 56 圖 57 圖 58 圖 59 圖 60 . 1972 年 Landsat MSS 影像 ...................................................................................62 2006 全台正射鑲嵌影像 .........................................................................................62 原始 SIFT 全色態與多光譜 Band1 影像匹配結果 ...................................................77 原始 SIFT 全色態與多光譜 Band2 影像匹配結果 ...................................................77 原始 SIFT 全色態與多光譜 Band3 影像匹配結果 ...................................................78 原始 SIFT 全色態與多光譜 Band4 影像匹配結果 ...................................................78 原始演算法匹配結果 ..............................................................................................79 衛星影像計算所得各尺度空間呈現 .........................................................................80 當平滑次數為 2 與 3 時匹配點位分布圖 .................................................................81 不同邊緣門檻質特徵點分布狀況 ............................................................................83 Thres=4.5 時特徵點分布情況.................................................................................85 Thres=5 時特徵點分布情況....................................................................................85 Thres=6 時特徵點分布情況....................................................................................85 幾何糾正套疊參考影像成果 ...................................................................................90 半自動化機制流程圖 ..............................................................................................94 ArcGIS 坐標轉換模組流程圖 ..................................................................................96 PCI Geomatica OrthoEngine 幾何糾正流程圖 .......................................................97 . VII.

(9) 表目錄表 1 表 2 表 3 表 4 表 5 表 6 表 7 表 8 表 9 表 10 表 11 表 12 表 13 表 14 表 15 表 16 表 17 表 18 表 19 表 20 表 21 表 22 表 23 表 24 表 25 表 26 表 27 表 28 表 29 表 30 表 31 表 32 表 33 表 34 表 35 表 36 表 37 表 38 表 39 表 40 表 41 表 42 表 43 表 44 . 國內常用光學遙測資源衛星規格 ..............................................................................2 不同匹配方法優缺點比較表 ...................................................................................34 影像特徵類型及其相關研究 ...................................................................................35 SIFT 各主要參數意義及其影響 ..............................................................................44 SIFT、PCA-SIFT 與 SURF 比較結果 ......................................................................46 不同尺度重複匹配案例屬性列表 ............................................................................49 不同尺度重複匹配案例影像列表 ............................................................................49 演算法修正前後於相同尺度影像匹配結果比較 .......................................................52 演算法修正前後於不同尺度影像匹配結果比較 .......................................................53 福衛二號相關規格說明 ..........................................................................................56 都市地區影像 .........................................................................................................58 非都市地區影像 .....................................................................................................59 多角度匹配影像 .....................................................................................................60 Landsat MSS 光譜波段範圍.....................................................................................61 區域匹配測試影像對一 ..........................................................................................63 區域匹配測試影像對二 ..........................................................................................64 區域匹配測試影像對三 ..........................................................................................64 區域匹配測試影像對四 ..........................................................................................64 區域匹配測試影像對五 ..........................................................................................65 原始全色態影像區域匹配結果 ................................................................................65 全色態影像區域匹配點位分佈 ................................................................................66 原始多光譜影像區域匹配結果 ................................................................................67 原始多光譜影像區域匹配點位分佈 .........................................................................68 Level 2 多光譜影像區域匹配結果 ...........................................................................69 Level 2 多光譜影像區域匹配點位分佈 ....................................................................69 不同尺度原始影像區域匹配結果 ............................................................................70 不同尺度原始影像區域匹配點位分佈 .....................................................................71 不同尺度 Level 2 影像區域匹配結果 .......................................................................72 不同尺度 Level 2 影像區域匹配點位分佈................................................................72 同尺度全色態原始影像特徵匹配結果 .....................................................................73 同尺度全色態原始影像特徵匹配點位分佈 ..............................................................73 同尺度多光譜原始影像特徵匹配結果 .....................................................................74 同尺度多光譜原始影像特徵匹配點位分佈 ..............................................................74 同尺度多光譜 Level 2 影像特徵匹配結果................................................................74 同尺度多光譜 Level 2 影像特徵匹配點位分佈 ........................................................74 不同尺度全色態與多光譜原始影像特徵匹配結果 ...................................................75 不同尺度全色態與多光譜原始影像特徵匹配點位分佈 ............................................75 不同尺度全色態影像與多光譜中各波段影像特徵匹配成果 .....................................75 不同尺度全色態影像與多光譜中各波段影像特徵匹配點位分布 ..............................76 原演算法各參數建議值 ..........................................................................................79 原演算法匹配結果 ..................................................................................................79 各尺度初始萃取特徵點個數 ...................................................................................80 全色態影像不同平滑化次數下萃取特徵點個數 .......................................................80 遙測影像在不同平滑化次數下匹配成功特徵點個數 ................................................81 VIII.

(10) 表 45 表 46 表 47 表 48 表 49 表 50 表 51 表 52 表 53 表 54 表 55 表 56 表 57 表 58 表 59 表 60 表 61 表 62 . 全色態影像不同尺度極值門檻萃取特徵點個數 .......................................................82 全色態影像不同邊緣門檻萃取特徵點個數 ..............................................................83 不同匹配門檻比較 ..................................................................................................84 都市測試區影像資訊 ..............................................................................................86 各測試區人工進行幾何糾正成果 ............................................................................86 不同尺度全色態影像與多光譜中各波段影像特徵匹配人工 GCP 分布 .....................87 非都市區各測試區 Band1 匹配點位分布 .................................................................88 Site1 匹配結果與其誤差量 ......................................................................................88 Site2 匹配結果與其誤差量 ......................................................................................88 Site3 匹配結果與其誤差量 ......................................................................................89 Site4 匹配結果與其誤差量 ......................................................................................89 影像對一匹配結果與點位分布 ................................................................................91 影像對二匹配結果與點位分布 ................................................................................91 影像對三匹配結果與點位分布 ................................................................................92 Landsat 影像與福衛二號 Band1 匹配結果與點位分布 ..............................................93 Landsat 影像與福衛二號 Band2 匹配結果與點位分布 ..............................................93 Landsat 影像與福衛二號 Band3 匹配結果與點位分布 ..............................................93 影像處理效率比較表 ............................................................................................101 . IX.

(11) 第一章緒論第一節研究動機生活所處環境複雜且瞬息萬變，早期仰賴人力進行環境資源調查，隨科技進步且人工日益昂貴，所以為了提高經濟效益，需要有效的利用探測技術來完成地表上資源調查工作。伴隨自然環境資源保育與管理、永續發展、國土利用與規劃、災害防治/監測…等重要環境資源管理課題日漸受到重視，在變遷快速環境中除需釐清並建立正確觀念、確立目標與建立相關法規外，還需有效的分析工具與正確、即時資訊協助，提供有效且可利用資訊是不可或缺。遙測科技擁有不須與目標物直接接觸探測的優點，且隨著數位影像獲取及電腦科技的快速發展，也逐漸將遙測科技應用領域由國防軍事用途拓展到其他應用範圍，大幅的增加其應用性與時效性。尤其在 921 台灣集集大地震、2004 南亞海嘯、2008 中國大陸川震、2009 台灣八八風災等重大災情發生後，災區需要快速獲得第一手資訊以了解災情狀況、並提供救災所需。於災後也需陸續更新災區現況，做為重建工作資訊提供。使得遙測科技漸為大眾所熟知，廣泛使用對影像處理工作而言，需求大為增加，且時效性也日益重要。美國副總統高爾於 1998 年 1 月 31 日在加州科學中心發表了題為《數位地球：二十一世紀認識地球的方式》(The Digital Earth: Understanding our planet in the 21st Century)的演講，第一次提出了「數位地球」(Digital Earth)的概念1，需廣泛使用各類不同再訪性、空間與光譜解析度衛星影像，利用各種遙測資源，相互搭配使用、整合資源，進行有效相關研究與應用為一重要課題(Gore, 1998)。從 1972 年 80 公尺空間解析度的 Landsat-1 發射、1986 年 20 公尺空間解析度之法國 SPOT-1 衛星、2003 年 2.5 公尺空間解析度之 SPOT-5 衛星、1999 年美國 Space Imaging 發射 1 公尺解析度 IKONOS、DigitalGlobe 於 2001 發射 0.61 公尺空間解析度之 QuickBird 衛星，到 2009 年發射 0.46 公尺解析度的 WorldView-2 衛星等，隨科技進步，可用光學遙測衛星影像逐漸增多並提高空間解析度。2004 年國人自主的福爾摩沙衛星二號 (FORMOSAT-2，簡稱福衛二號)發射後，可提供每日再訪、2 公尺解析度影像，提供高頻率環 1. 以多重解析度及三度空間模擬的方法、提供可快速查詢地理空間參考資料的「數位地球」資訊，以協助了解地球環境、社會及周遭環境所面對的問題，呈現出地球上各種資源與風貌，便於各學術領域及相關研究應用。其需要的技術涉及到以下幾個方面：以模式建立、數位與類比為特徵的計算科學、大量資料儲存技術、高解析度衛星影像技術、每秒傳送百萬兆位元資料的寬頻網路、互動操作規範、原始資料標準以及衛星圖像自動判釋、多來源資料的融合和智慧代理等。 1.

(12) 境資源監測。下表 1 為國內常用光學遙測衛星規格。表1 國內常用光學遙測資源衛星規格 ASTER SPOT 5 FORMOSAT-2 IKONOS （HRG） 0.329 1.082 2.896 10 705 822 891 681. 8.839 450. 推掃式 (push-broom). 推掃式推掃式 (push-broom) (push-broom). 推掃式 (push-broom). 推掃式 (push-broom). 獲得立體像對方式掃描寬度 185km 空間解析度 MS:30(60) PAN:15 （m）. 同軌道. 同軌道或跨軌道 2×60 km MS：10 PAN：2.5 or 5. 同軌道 24 km MS：8 PAN：2. 同軌道或跨軌道 11 km MS：4 PAN：1. 輻射解析力 TM： 0.45~0.52 0.52~0.60 0.63~0.69 0.76~0.90 1.55 ~1.75 10.4 ~2.5 2.08~2.35. VNIR： 0.52~0.60 0.63~0.69 0.76~0.86 SWIR： 1.60~1.7 2.145~2.185 2.185~2.225 2.235~2.285 2.295~2.365 2.360~2.430 TIR： 8.125~8.475 8.475~8.825 8.925~9.275 10.25~10.95 10.95~11.6 8 Bits/12Bits 太陽同步衛星 98.2 度提供 233 圈/16 天. PAN： 0.49~0.69 MS： 0.50~0.59 0.61~0.68 0.78~0.89 SWIR： 1.58~1.75. PAN： 0.45~0.90 MS： 0.45~0.52 0.52~0.60 0.63~0.69 0.76~0.90. PAN： 0.45~0.90 MS： 0.45~0.52 0.52~0.60 0.63~0.69 0.76~0.90. 同軌道或跨軌道 16.5 km MS： 2.44~2.88 PAN： 0.61~0.72 PAN： 0.45~0.90 MS： 0.45~0.52 0.52~0.60 0.63~0.69 0.76~0.90. 8 Bits 太陽同步衛星 98.7 度提供 101.4 分鐘. 8 Bits 太陽同步衛星. 11 Bits 太陽同步衛星 98.1 度目前不提供 98 分鐘 14.6 圈/天. 衛星焦距（m) 衛星高度（km）成像方式. 資料型態衛星軌道種類衛星軌道角軌道參數衛星軌道週期. LANDSAT. 2. 2.438 705 撢掃式 (Whisk-broo m). 11 Bits 太陽同步衛星 98.2 度提供 99 分鐘 14.5 圈/天. 60 km VNIR：15 SWIR：30 TIR：90. 2. 99.1 度提供 102.86 分鐘 14 圈/天. QUICKBIRD. 11 Bits 太陽同步衛星 98 度提供 93.5 分鐘. 目前仍在運轉的為 Landsat-5 與 Landsat-7。Landsat-5 TM(Thematic Mapper)：共有 7 個波段，其中波段 1~5 和 7 為可見光及近紅外光波段，其空間解析度 30 公尺；波段 6 為熱紅外光，其空間解析度為 120 公尺。Landsat-7 ETM+ ：共有 8 個波段，其中波段 8 為全色態影像，具有 15 公尺之空間解析度，波段 1~3( 可見光 ) 與波段 4,5,7( 近紅外光 ) 之空間解析度為 30 公尺，而波段 6 為熱紅外光，空間解析度則為 60 公尺。 2.

(13) 多元化遙測影像資源於研究或應用時，常需截長補短結合不同影像資源以完成分析，現有不同遙測資料(依光譜特性、空間解析度、時間再訪性與輻射解析度等)整合應用，將是日趨重要一環，例如結合福衛二號與 ASTER 或 MODIS 影像進行影像融合，或福衛二號與未來發射的 FORMOSAT-5 影像結合等。隨資訊科技及數位地球概念逐漸發展，各種數值資料結合為當今研究、應用不可忽視的議題，不論是地理學、地球與環境科學、生物學…等自然學科外，許多人文科學亦需各種不同資料整合與分析以佐證其論述。對於地理學或環境科學相關學科而言，資料取得逐漸仰賴大範圍環境調查取得所需資訊(如遙測影像、航空攝影測量、LiDAR…等)，如何迅速獲取、累積大量空間資訊、正確套疊分析與整合，供研究分析實為一重要且不可忽視問題。目前採用遙測資訊中主要以航照、衛星為主要載具，依感測器不同又可分為全色態與多光譜影像，以入射電磁能量觀點來看，就固定地表面積而言，全色態波段因波長範圍大於多光譜各波段。因此在系統背景雜訊相近條件下，多光譜影像之訊號雜訊比(Signal-Noise Ration, SNR) 將遠小於全色態影像。故多藉由放大多光譜感測器所觀測地表面積，以蒐集較多電磁波能量，則可改善多光譜影像訊號雜訊比。人對空間內涵資訊具備極佳處理能力，以影像資料應用而言，全色態影像具有較高空間解析度(Spatial Resolution)、較清晰影像，提供大多判釋人員從事視覺判讀作業。圖 1 為空間解析度 8m 多光譜影像與為空間解析度 2m 全色態影像差異. 圖1 多光譜影像(上)與全色態影像(下)比較 3.

(14) 在影像實際分析研究與相關應用上，常使用資料融合(Data Fusion)的影像處理技巧，將較差空間解析度之多光譜影像資料與較佳解析度之全色態影像資料融合，透過色彩轉換演算後，即可製作較佳取樣間距之彩色影像資料。對影像判釋而言，此影像處理產品因同時具備全色態與多光譜影像視覺資訊之優點，常可協助更有效地達成影像判讀任務(圖 2)。影像融合後(左) 除已將空間解析度提升與全色態影像一致外，另可藉多光譜之優勢較全色態(右)易於判釋。. 圖2 影像融合可增加影像判釋正確性. 影像融合前兩影像套疊精確度相當重要，相同地物於兩影像中位置若稍有偏差，將可能導致影像處理後品質，影響後續影像分析可用性。圖 3 為相同影像經不同精度幾何糾正 (Geomateric Correlation)、融合後的情況。圖右則為套疊正確時融合結果，圖左為全色態與多光譜影像套疊未完全正確下融合情況，略呈現出影像模糊化、部分地物原有邊界變得較不易清楚辨識，如兩不同土地利用交界處(例：道路與相鄰綠地、農地邊緣或湖泊與周遭林地交界、屋頂原有色彩延伸或整塊平移至應有範圍之外。. 圖3 不同幾何精度融合結果比較 4.

(15) 從影像供應角度視之，平時需確保所處理影像可提供品質穩定、且具相當精度處理程序與標準；於災害發生後，可近即時提供影像快速處理以協助災情判釋。其中最重要的部分就是影像定位(Image registration)。整體而言，福衛二號影像必須進行影像定位與幾何糾正包含 1. 全色態與多光譜影像位移；2. 多光譜影像間位移情形；3.不同時間點影像位移。福衛二號全色態與多光譜影像因受到感測器 CCD Array 存有極細微距離，使得全色態感測器與多光譜感測器在獲取影像上有極短時間差。成像後，於較長取像條帶(超過一個 scene 的長度)影像，全色態影像與多光譜影像套疊會存在些微不等量畸變(Distortion)(圖 4)，也會造成影像位移情況。為使得影像融合為取得更好的效果，必須將處理的單元大小縮小至一個 scene 或更小範圍進行影像對位，以獲得較佳影像品質。. 圖4 福衛二號Pan與MS影像位移示意圖福衛二號發射初期全色態影像與多光譜影像間位移外，多光譜影像亦存有不同波段無法準確對位。多光譜影像中存有影像間位移情形，為影像內不同波段間位移(Band-to-Band shifting)，使得在進行接續影像處理、影像融合或鑲嵌前必須先處理好這個問題並將位移的情況縮小，若未處理完善將於後續影像融合、解析度提升後會突顯多光譜影像位移情形(圖 5)。目前雖已大幅修正，但仍有部分待改善。. 5.

(16) 圖5 影像內不同波段位移情形左圖為具有band-shifting之多光譜影像，右為修正後沒有band-shifting情形. 在不同時間點拍攝取得影像會受到衛星軌道、地球自轉、地形起伏造成高差位移等其他因素影響，會有為數公尺至數百公尺地面位移。若單純以衛星姿態、軌道參數進行幾何糾正，無法直接完成良好定位、提供精確空間資訊與準確套疊，必須在供應相關應用、研究使用前必須再經過影像處理獲得較佳品質影像。除福衛二號與其他衛星幾何糾正定位問題外，目前可使用遙測資源衛星影像眾多，國內較易取得以 MODIS、ASTER、SPOT、IKONOS、QuickBird、福衛二號與 WorldView-2 等，不同資源衛星有不同再訪週期、空間解析度、光譜解析度與涵蓋範圍，相互結合、進行應用前必須先進行影像對位(Image Registration)與影像糾正(Image Rectification)，為不可或缺且重要的處理過程。圖 6~圖 8 則利用福衛二號全色態影像與福衛二號多光譜影像及 ASTER 影像進行影像融合(圖 8 左為 ASTER 與福衛二號 Pan 融合結果，右為福衛二號 Pan 與 MS 結果)，透過影像對位與影像融合等技術便可各取其優點彌補所缺。. 6.

(17) 圖6 福衛二號原始全色態影像. 圖7 原始ASTER(左)與福衛二號(右)多光譜影像. 圖8 左為ASTER與福衛二號Pan影像，右為福衛二號Pan與MS融合結果 7.

(18) 台灣 GIS 與 RS 資源普遍多以使用台灣坐標系統為主，原始衛星影像多無坐標系統或利用衛星姿態與全球定位系統進行空間資訊紀錄，除部分衛星能提高較精確空間定位外，整合應用影像過程中，必須考慮精準套疊。在所有資源被整合應用前，必須解決的影像前處理為影像對位的問題，否則對於後續影像應用正確性、幾何精度、光譜精度將有重要的影響。所收集大量影像資料須進行繁複處理流程供後續分析使用，不同感測器影像整合的過程大致可分為兩部份：1.影像間空間位置套疊。2.光譜資訊的整合。前者利用影像對位修正影像間空間位置套疊情形；後者為利用影像處理技術，增進其中光譜資訊。影像空間位置套疊情形為所有後續相關應用基礎，影像處理精度不足，將嚴重影響後續分析所得結果。影像對位基本處理是以一張參考影像將其他未糾正影像以數學方式進行改正，透過影像中點、線或者是面特徵，找尋匹配特徵進行影像對位，在不同影像中找出之至少 3 點以上的匹配點，便可解算出影像對應關係。而不同影像中特徵的相似度會受到時間、視角或感測器特性差異而影響。影像幾何糾正的瓶頸在於如何找出在影像間找出最佳匹配特徵點。以人工挑選特徵點易受主觀因素影響，並需長時間訓練才能得到較為一致性操作精確度，並且費時且較不精準。人為選取控制點可接受匹配點理論誤差量為 0.5 像元(影像空間解析度的二分之一，超過像元的一半則因位移明顯而容易被辨識)。尤其在大量影像處理作業下，藉合適的影像自動化特徵萃取與匹配技術，取代人工選取大量影像控制點，可提昇影像處理正確性與精度，並縮短所需時間。. 第二節問題陳述影像對位對不同時間點、不同來源的影像具有重要地位，將不同時間點的影像進行釘合套疊，可以進行資料比對完成變遷比較與分析，也利於資料整合、套疊分析或資料融合，例如結合福衛二號影像之空間解析度與後續福衛系列衛星、不同感測器影像(LANDSAT(TM、MSS)、 MODIS、ASTER)不同精度之光譜特性，進行不同影像融合等。衛星影像幾何糾正流程中，將原始影像進行幾何糾正後，可得到具正確坐標影像。影像幾何糾正流程包括選取影像控制點、坐標轉換與糾正影像重新取樣，其中控制點選取最為重要且最需人工進行，才足以應付各種不同影像處理時可能遭遇的問題。 8.

(19) 在大量遙感探測利用不同載具及感測器、針對不同需求目的進行資料收集與分析時，所收集大量影像資料須進行影像套合處理供後續分析使用，其中依處理過程不同可分為包括影像對位與影像糾正。影像對位是將兩個或兩個以上不同坐標系數值影像(多張照片或不同來源感測器、不同時間或不同角度影像)進行影像定位，得以套疊置相同坐標系統上，以維持其對準關係(Brown, 1992)。在空間中的物體投影在兩個不同視角攝影像上的成像，除了成像所能看到的物體表面不相同外，物體在影像上的成像位置還會因為攝影機之間的相對位置而有旋轉、平移和縮放的差異。影像糾正為消除因攝影時所生像點位移，由手動給定或是自動找尋影像對上面控制點(共軛點)對應關係，來估算出兩影像間的轉換參數，進行影像轉換(Image Transformation) 至一標準坐標系統的方法。可依修正處理程度差異分為幾何糾正(Geometric Rectification or Geometric Correction)與正射糾正(Image Ortho-Rectification)。幾何糾正為利用地理坐標參考資料，克服影像成像時各種影響、改正影像幾何關係。正射糾正除改正影像幾何關係外，並考慮高差位移進而修正對影像的影響，包括消除影像上的各種幾何畸變誤差，包括拍攝過程中載具高度的變動、載具姿態的變動、載具速度的變動、感測器的系統性誤差、感測器視角影響、地球曲率與自轉、以及地形高程起伏所造成的偏移量等(Toutin, 2004)。影像空間精度關係著為影像最終可利用性與後續分析結果正確性，如何保有較佳影像品質為重要的課題(包括光譜相似度、幾何位置是否一致、變形、影像或波段間位移的修正等)。在地面控制點(Ground Control Point, GCP)資料有限的地區，只能藉地圖或向量資料作為控制點，由人工進行控制點選取。加上衛星影像皆具高再訪率，使同一地區有許多不同時期影像。若每一次新拍攝影像都要由人工繁瑣流程在地圖或影像上找尋影像控制點作業，幾何糾正處理成統一坐標影像是件非常耗時、費工及易受人為影響造成錯誤之工作。以一個經影像處理訓練、連續 3~4 個月進行控制點選取與幾何糾正處理磨練下，在符合產出精度要求、獨立完成一幅 (24kmx24km) 福衛二號影像處理約需花費 2~3 小時。若能藉由電腦自動化協助影像控制點選取，可大量縮減所需人力投入與縮短影像處理時間。因此，選取數量足夠且分布均勻控制點是一繁瑣且不易被電腦取代的工作，目前雖有多種影像匹配方法於兩影像中協助進行找尋相似點位，其中應用於遙測影像主要有區域匹配(Area-Based Matching, ABM)與特徵匹配 (Feature-Based Matching, FBM)。區域匹配中常用標準化互相關法(Normalize Cross Correlation 9.

(20) Coefficient Method, NCC) (Tsai, 2003; Mason et al., 2005; Zhang and Gruen, 2006)、最小二乘影像匹配法(Least Squares Matching, LSM)( Armin and Devrim, 2005)等；特徵匹配常用方法有 Harris(Harris and Stephens., 1988)、Förstner (Förstner and Gulch, 1986)等。區域匹配主要弱點是需要初始參數、計算量太大、需要較多時間、且對影像灰度值變化較為敏感。在大量影像進行作業化時，必須人工輔以給予初始參數，否則需花費數倍至時數倍時間。特徵匹配則僅比較影像所萃取出影像特徵，加以計算相似性評估匹配與否，可以克服區域匹配計算量太大的問題，同時透影像特徵萃取可較不易受到灰度值變化影響，具較佳適應性，同時在未給予人何初始參數情況下，亦能到較佳結果。以福衛二號原始多光譜影像進行測試，衛星影像在沒有給予任何初始參數下，區域匹配需數十倍於特徵匹配所計算時間，且較易獲得錯誤匹配點位。在人力、資源與時間有限條件下，提升處理能力與縮短所需處理時間為衛星影像對位與幾何糾正處理過程中不可忽略重要課題。由其衛星影像具有多時序(multi-temporal)、多平台、多尺度(或尺度空間，scale space)、不同旋轉角度、不同光譜反應等特性，在進行大量作業化流程處理時，在不需給訂任何初始參數情形下，需要穩定且大量產生正確且精準匹配點位做為控制點來源。尺度不變特徵轉換(Scale Invariant Feature Transform, SIFT)為一種針對數位影像發展出來的影像特徵點萃取方法，具有萃取特徵不易受到影像旋轉、縮放和灰度值差異而有所變化的優點，匹配結果更可靠和可消除影像處理中不確定性(Lowe, 1999)。但原始演算法並非針對遙測影像特性所發展，未能得到較佳影像匹配結果。研究中修改原始 SIFT 影像匹配方法，自動而快速的選出最佳分布且高精度之共軛影像點，作為套合計算之依據。針對衛星影像多平台、多尺度、具有不同影像旋轉、縮放特性加以調整應用在影像套合處理中，控制點 (共軛點) 自動化選取，以解決傳統上人工量測之缺失，獲得數量足夠且具有較高精度與正確性匹配點做位影像控制點來源，協助進行影像對位與幾何糾正。主要研究項目包含以下： 1.. 評估衛星影像適用自動匹配方法透過不同自動匹配方法評估衛星影像適用性，針對衛星影像特性找尋較適合影像匹配方法。 10.

(21) 2.. 修改 SIFT 演算法針對國內常使用數種衛星影像進行測試，並加以修改演算法以增加匹配成功率與正確性，且改善其效益，並建立影像匹配經驗參數。. 3.. 多時序、多平台影像匹配結果針對多個時間或不同遙測平台載具所接收衛星影像，藉由影像匹配進而完成影像對位，提昇影像對位幾何精度作為後續影像處理基礎。. 4.. 正確性與效益評估針對影像自動匹配結果評估空間幾何位置正確性及效益。. 5.. 建立半自動化機制將影像匹配模式建立一半自動化機制，進行影像幾何糾正以協助大量影像處理。. 第三節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。. 11.

(22) 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 12.

(23) 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組成之遙測影像適用範圍，並藉修改影像匹配演算法以求得在可接受影像正確性與精度要求下，更具有較佳效率，探討 SIFT 演算法對於福衛二號影像與相關遙測影像特徵點匹配適用性。成功匹配之影像特徵做為影像控制點，供後續影像對位或幾何糾正使用。匹配結果以統計方法評估正確性與精度。衛星影像幾何糾正處理流程中，將原始影像進行正射幾何糾正後，可得到一具正確坐標正射影像，供後續影像處理使用，如影像融合、影像判釋分類或與其他圖資套疊等。影像幾何糾正流程包括選取影像控制點、坐標轉換、糾正影像重新取樣。理論上，進行影像融合需將欲融合兩影像(同一衛星之全色態與多光譜影像或不同感測器影像)先個別進行幾何糾正至正確坐標上，再進行影像融合處理。但福衛二號衛星上的全色態與多光譜感測器並非同步取像，造成全色態與多光譜影像間存有位移、多光譜影像內各波段彼此間具有位移的情形。影像間有不規則位移存在，若採用原始個別正射幾何糾正得到正射全色態與多光譜影像，再進行影像融合時，容易因誤差傳播(error propagation)不易獲得良好的融合影像；另外福衛二號於台灣地區因受到軍事敏感區遮蔽，可能會某些區域因特殊考量降低解析度、模糊化處理，而會造成同一影像中有不同解析度存在，對影像匹配將增加許多困難。考量衛星影像特性與提高影像處理後影像品質前提下，針對福衛二號修改影像處理流程，其中主要包括影像對位與幾何糾正。對於福衛二號影像將先針對原始全色態與多光譜影像進行影像對位，待兩影像間位移量修正後先進行融合，接續利用融合影像進行正射幾何糾正，以得到正射融合影像。進行影像對位、幾何糾正或正射幾何糾正過程中，都需要選取足夠數量且平均分佈的影像控制點。本研究中利用影像匹配、修改 SIFT 演算法協助產生影像對位與幾何糾正所需控制點，減少人力投入與提高控制點精度。在影像對位部分，針對福衛二號原始全色態與多光譜影像位移問題，分析探討全色態影像與多光譜影像於修改後 SIFT 演算法所適用參數，以提高選取控制點正確率與精度。另於影像幾何糾正中，以經正射幾何糾正並具地理坐標的參考影像 13.

(24) (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，配合現有台灣數值地型模型做為高程參考基準進行正射幾何糾正，探討修改 SIFT 演算法於不同衛星影像間匹配成效與限制。衛星影像採 Landsat MSS、福衛二號影像進行分析。透過影像特徵萃取進行影像匹配，以修改 SIFT 演算法搭配各種可能影響匹配因素，改善影像處理後幾何精度，作為將多時序或多平台(光譜、空間、時間與輻射解析度)影像進行套疊，尋求適合福衛二號或相關衛星影像適用匹配參數，後續可供進行資料比對、完成變遷比較與分析。 1.. 不同匹配法測試. (1)區域匹配與特徵匹配比較遙測影像幾何糾正所採用影像匹配方式主要區分為區域匹配與特徵匹配兩種。區域匹配(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 14.

(25) 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 15.

(26) 熟悉度皆會影響最終之正確性。 (2)評估項目影像處理結果以影像幾何正確性為最重要，幾何正確性評估需於兩影像中挑選正確共軛點後，藉由控制點、檢核點與整體 RMSE 進行評估。應避免為求較小 RMSE 而將錯誤控制點納入計算。在影像處理中最耗時為影像匹配，人工挑選匹配共軛點所需時間，隨訓練時間、影像處理量增加而減少。本研究中以訓練 6 個月以上、固定處理影像之操作員進行時間估算，用以比較傳統人工所需花費時間與影像自動匹配時間效益。以熟習軟體操作、經常進行影像幾何糾正人員為例，在整張影像的 RMSE 小於 0.5pixel 門檻下，平均完成一幅影像處理需要約 2~3 個小時，將以此作為效益評估的標準。. 5.. 半自動化機制建立影像對位利用正確找出兩張影像間相對應之配對點位，將其坐標代入映射函式. (mapping function)，求出其映射係數後，即可將一張影像的坐標系統，轉換到另一張影像的坐標系統上，而完成影像定位的目標。依人工參與控制點選取程度可分為手動對位或自動對位。手動對位為採人工進行所有影像控制點選取，其精度會隨熟練度和對影像處理認知而有所影響。自動對位則藉由影像處理程序由電腦進行兩影像間控制點選取，其精度較高，但正確性則須加以檢核。一個良好的影像套合方法必須盡可能的達到高正確性以及高可靠性，符合這兩點後，人工介入較少、較自動化的影像匹配與套合方法會比較手動定位的方法來的好 (Bentoutou et al., 2005)。可靠之控制點即視覺上有稜有角，邊緣亦無暈眩或暈眩較小之建物或任何具有明顯轉折角落的物體為佳並以此作為初始控制基準點，利用這樣的方式所選取出來的控制點作為數學演算法參數計算的資料，建立之對位演算模式所推算出之其他點成果較為可靠，使得推算點的位置能與實際的視覺合理位置相距不遠，再以操作者所累積之經驗判斷，將推算點調整至合理之相對位置，並視均方根誤差值之變化反覆修正初始控制基準點，即將誤差較大且相對較不合理之控制點調整相對位置或移除重新以同樣方式尋找其他位置之控制點，以此方式由外而內均勻選取控制點並收斂均方根誤差值。 16.

(27) 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。. 17.

(28) 第二章文獻回顧第一節遙感探測原理人的雙眼之所以可以看見多采多姿的世界全因陽光由反射、折射、散射與繞射等各種途經進瞳孔將資訊投射在視網膜的視神經上，透過訊息的傳遞將資訊傳遞予大腦進行解讀而提供有用的資訊。廣泛而言，人類視覺也是遙感探測的一種。遙感探測(Remote Sensing, RS)簡單可定義為”不需透過接觸物體而取得觀測資訊的技術”，若以探測器載台而言，遙測影像可分為空載遙測影像與衛星影像；而以根據探測儀器是否發射微波或只接收訊號分為主動式遙測與被動式遙測。主動式遙測就是由探測儀器，主動發射電磁波，打到被探測物上，再接收由被探測物反射回來的訊號，藉著分析這些訊號的強度或頻率上的變化，來辨識被探測物的特性，例如雷達影像(Radio Detection and Ranging, Radar ) 、光達影像(Light Detection and Ranging, LiDAR)與合成孔徑雷達(Synthetic Aperture Radar, SAR) 影像等。主動式遙測的優點是可克服天候的障礙，提供全天候的服務。被動式遙測就是由探測儀器，直接接收由被探測物所傳出來的反射訊號，該訊號可能被觀測物會主動發射電磁波、聲波、或光波；也可能另外其他的訊號，照射到被探測物上經由反射、繞射、折射等，而被探測儀器接收並記錄此訊號。例如：遙測資源衛星、太陽遙測等，福衛二號為此類遙測資源衛星。被動式遙測資料大多接收太陽光的反射訊號，被動式系統受天候的影響很大，天候不佳時，很難得到理想的遙測影像。遙測資料為近來環境監測、災害評估、農林監測、影像判釋、都市計劃、生態環境、資源研究、觀光遊憩、科學研究與教育等各相關領域充分應用，隨著科技技術發展可使用衛星資源日益增加，伴隨而來影像處理需求也以倍數暴增。對多數人而言為一看似直覺、簡單的過程，然而透過影像處理所得的結果可使人提高對影像的理解與認同，尤其衛星影像較一般影像處理所遭遇的情況更多樣化與難解。除了須具備花費眾多經費於較高規格硬體與商業處理軟體外，還需具備航遙測相關基礎理論才足以嘗試解決可能發生各種情況，也需累積足夠處理經驗才能針對所有可能一一解決以獲得好的處理成果。遙測資料有四種解析度：光譜解析度(Spectral Resolution)、輻射解析度(Radiometric Resolution)、空間解析度 (Spatial Resolution)與時間解析度(Temporal Resolution)(Lillesand,2000)。光譜解析度為感測器是對不同物質在光譜上區別或鑑別能力，遙測資料在未數位化記錄前採用 18.

(29) 底片或照片，僅能記錄所觀測到的自然光。後續資料數位化後，隨衛星發射，資料收集採用數值化方式，不同感測器所能記錄的光譜範圍不盡相同，如福衛二號感測器能接收藍光波段 (0.45~0.52μm)。輻射解析度是地表反射之輻射進入感測器之能量，經過量化後所使用之灰階範圍。例如 SPOT-1~4 衛星影像使用 256 個灰階，也就是一個像元 8 個 Bits，而 SPOT-5 衛星則可以選擇 8Bits 或 16Bits 兩種輻射解析度。而 IKONOS、Quickbird 影像產品則是以 11Bits，共 2048 個灰階值來量化。相對而言，一個像元以 2048 個灰階比用 256 個灰階更能搜集更多光譜反射資訊、豐富呈現地表地物的風貌，對陰影區資訊之判別相當重要，也增加後處理可能性。空間解析度(Spatial resolution)一般也稱之為幾何解析度(Geometric Resolution)，為遙測資料拍攝時，所能記錄地面詳細程度，如 SPOT 1~4 多光譜影像空間解析度為 20m；福衛二號多光譜影像為 8m、全色態影像為 2m，表示 SPOT 多光譜影像上 1 pixel 為記錄地面 20m x20m 大小地物反射情況，福衛二號多光譜與全色態影像則可記錄 8m x 8m、2m x 2m 的地物。空間解析度越小，表示所能記錄地物越詳細。時間解析度為遙測衛星經過地表同一取像位置所需時間。遙測衛星的運行為了維持在一特定軌道位置與高度，必須在一定的週期才能穩定飛行。因此其機動性受到了限制，無法在任何時刻獲取資料，以福衛二號為例，為每日再訪兩次3。影像收集、成像與後處理過程中，對影像品質影響部份包含：感測器之接收、儲存資料方式、影像前處理(輻射糾正、系統糾正)、幾何糾正與影像後處理(影像判釋與分析)等。影像處理過程包括輻射糾正、多光譜影像內波段間位移糾正等，對進階使用者多針對這處理過程深入了解並加以控制，以掌控後續影像品質。將影像依據使用需求進行幾何糾正對位、影像正射化轉換至使用基準坐標系統空間，以利後續套疊、分析所需。後續處理則針對光譜進行分析，如常態化植生指數(Normalized Difference Vegetation Index, NDVI)、變遷分析等。一般遙測影像處理遇到問題可大致分為二類： 1、影像品質影像載具(衛星或飛機)姿態、衛星入射角、地形因子、感測器設計等，皆有可能造成幾何糾正空間上的誤差；隨著地球公轉、自轉，遙測影像(遙測資源衛星)獲取時會因時間與季節不 3. 福衛二號為固定軌道衛星，每日繞地球飛行 14 圈，地面軌跡 (Ground Track) 通過臺灣海峽上空兩次。第一次通過台灣海峽上空的時間為上午九點四十，可進行拍攝與下傳影像資料。第二次通過台灣海峽上空的時間則為晚上九點四十，此時因光學感測器無法接收足夠地表反射能量進行有效拍攝任務，但可以下傳拍攝其他地區之資料。 19.

(30) 同而存有不同的陰影，造成陰影面下的地物不易辨識，與陰影相關因子，包括：影像接收時日期、太陽高度角/方位角、雲層阻礙、植被生長狀況、地形等。如圖 10 同一地區(台北市基隆河舊宗段)不同時間點將於太陽高度角/方位角、雲層阻礙、植被生長狀況皆有出入，都將影響成像後品質。. 2004/11/29. 2005/04/04. 2005/06/07. 圖10 同地區不同時期影像的差異 2、影像處理精確度藉由相同遙測軟體、影像控制點及其他外在條件的控制下，影響影像處理精確度最重要為” 人”的因素，即使同一操作員、重複對相同影像、使用電腦設備、軟體與地面控制點亦難有相同產出。拜工業革命、科技進步所賜，各遙測載具(衛星、飛機、無人飛行載具或動物)持續接收鉅量影像，若單純以人力進行處理、解讀、判釋與分析，除需花 4~6 個月培訓可分析作業人員外實為一耗時費力工作。若可以藉電腦技術協助分工處理可省卻更多時間，此為影像處理技術發展的緣由。. 第二節影像位移與影像幾何糾正影像位移可分為影像內波段位移和影像間位移，前者指多光譜影像感測器設計，形成影像波段與波段間有位移量；後者則因拍攝時間不同，拍攝時衛星軌道、姿態、位置略有不同，造成取像後所記錄影像幾何位置偏移。所有的位移量都須經過影像幾何糾正將位移量修正至最小，以增進影像品質。福衛二號遙測望遠鏡的焦距面上裝置了 5 條線形電荷耦合陣列(Linear CCD Array)，其排列. 20.

(31) 方向與衛星前進方向垂直。其多光譜感測器非分光鏡設計4，而採用分離式 CCD Array，由各波段 CCD 專司其職紀錄所指派波長，同類型設計之多光譜(MS)感測器中各波段(紅光波段(Red), 綠光波段(Green), 藍光波段(Blue), 近紅光波段(Near Infrared Red))感測 CCD Array 間存極細微空間造成 MS 影像內各波段位移，當衛星位處距地表 891 公里高空並疾速運行執行遙測感任務時，形成影像上不同波段間位移情況(如圖 11，圖中個別以 1、2、3、4 表示近紅外光波段、紅光波段、綠光波段、藍光波段)。. 1. 4 3 2 1 3000. 1. 12000. 0.3km. 2.3km. 0.6km. Xsat. 圖11 福衛二號CCD Array感測器示意圖不同時間或不同影像為能套疊套則須進行影像對位或影像糾正(Image Rectification)，指將含有同一景物之二張或多張影像作幾何糾正(Geometric Correction)，以消除各影像間因攝影環境與條件不同，而存在之幾何差異。其中，做為基準的影像稱為參考影像(Reference Image)，而欲執行套疊之影像稱為感測影像(Sensed Image)，其操作程序基本上可分為三步驟(如圖 12)： (1)在二張共軛影像上，選取適當分佈且數目足夠的像片控制點，或稱為共軛點(Tie point)，並量測其影像坐標； (2)利用控制點來決定兩張影像的映射函數(Mapping Function)； (3)坐標轉換及重新取樣。. 4. 分光鏡設計採用二色性鏡（Dichroic mirror）或稜鏡（Prism），利用不同波長光進入不同介質會產生不同程度折射，將所接收光源區分為藍光、綠光或紅光等。（Jensen, 2000, p. 184） 21.

(32) 圖12 影像糾正示意圖影像幾何糾正正確性影響到影像幾何品質。衛星接收到最原始資料，初步僅經幅射校正後製作成原始影像產品。經幅射校正處理外，加入衛星飛行軌道參數計算，幾何糾正並投影到指定之地理坐標上系統之過程稱之為系統校正。經系統校正後影像，僅能將影像轉向接近正北(如下圖 13)，若需將影像至於正確坐標則必須輔以精密幾何糾正影像。. F. 圖13 原始影像與經系統校正後影像空間方位差異. 衛星影像需經精密幾何糾正影像方可與其它空間資料進行整合，此處理包含兩等級：精密幾何糾正影像與正射影像。前者在製作精密幾何糾正影像時，利用台灣地面控制點資料庫來點選相對應之影像控制點，求解得到精確之方位；後者除採地面控制點外，同時利用數值地形模型(Digital Elevation Model, DEM)資料進行高差位移修正，消除因地形起伏導致的視差，並將成果投影在設定之地圖坐標系統，產生正射影像(Ortho-Image)，是影像地圖級產品的最高級別。除此之外，正射級產品按標準製圖圖幅輸出，加入圖例等元素，便是影像地圖。衛星影像應用於台灣時，受到地形起伏較劇烈之影響，影像校正後於平地時並無太大差異， 22.

(33) 但位於山地區域的影像，則受到影像拍攝時衛星姿態的不同，而有所非線性之變形，致使山地區域部分影像於校正時誤差無法減少。為減輕此一現象，應將所有高解析度衛星影像進行正射化幾何糾正，以減少非平地地區衛星影像之幾何變形(圖 14，左採控制點進行幾何糾正，右為控制點加上數值地形模型修正高差位移結果)。上述條件為影像成像時自然或機具的限制，而人工進行影像處理時也具有許多不確定性，即使藉由相同遙測軟體、影像控制點及其他外在條件的控制下，影響影像處理精確度最重要為人的因素，同一人重複對相同影像、電腦設備、軟體、地面控制點亦難有相同的結果，較佳的方式為自動化輔佐利用影像特徵找尋共軛點進行影像匹配，則可減少諸多不確定性的產生。. 圖14 右圖為精密幾何糾正與左圖正射糾正套疊道路圖比較. 第三節影像特徵挑選控制點(地面控制點或影像控制點)主要為從影像中，挑選不會搬動、具一定大小、可辨識地物或人工結構物。以人工進行影像判釋時會考慮影像之顏色(Color)與色調(Tone)、形狀 (Shape)、尺寸(Size)、網紋或圖樣(Pattern)、紋理(Texture)、陰影(Shadows)、位置(Site)與關連性(Association)等要素進行特徵選取的依據(John R. 1996)。顏色與色調為呈現於影像中的顏色差異，對於灰階影像中差別為陰影深淺，或多光譜影像則為不同顏色呈現，如圖 15。形狀則為當從一張垂直的照片上面觀看的一個物體具體的形狀。例如，一棵松柏類植物樹看起來像一個圈，而一棵落葉樹的有一個不規則的形狀，飛機場，海港，工廠等等，也能被它們的形狀被. 23.

(34) 鑑定如圖 16。尺寸表示一個物體大約的大小可以透過照片規模或影像長度被測量。圖樣通常是一個有規律的形狀重複出現，例如，排列房子或者公寓、稻田、公路的交替、果園等等，能提供來自他們獨特圖案的訊息，如圖 17 所示。. 圖15 顏色與色調範例. 圖16 形狀範例. 圖17 影像圖樣範例 24.

(35) 在影像紋理分析中，像元點間的相互關係如對比性或規則性，相對於像元本身的灰度值屬較高階的定義性質，此一像元間相互關係性質則稱之為紋理(Texture)。紋理為影像灰階變化的頻率，可決定區塊特徵影像之視覺顯示粗糙或細緻情形，為影像判釋之重要特徵之一，影像紋理的應用相當廣泛，從遙測影像進行作物種類的判定，地物判別、作物成長階段的判讀、⋯等；依使用之影像類型可分為衛星影像、醫學影像、織品影像、農產品影像、工業製品影像、⋯等。前人曾對紋理的研究得到一個結論:人類對於紋理識別中最重要的三個維度為週期、方向和隨機性（林榮章，1998）。藉紋理特性不同，可以從影像中判斷出雲、植被差異、土地裡用變化等(圖 18)。陰影通常是影像判釋的一個視覺障礙，但是有時陰影也能給予大約高度資訊，如高塔、高樓等等(圖 19)。位置為物體怎樣被安排與另一個各樣地形特徵(地形學，地質學，土壤，植物和文化等)關係，如一些植物只生長在沼澤或其它在沙脊上、農莊可能喜歡某些條件、電廠在河上游處或者天文台或者雷達設備在山頂或高處(圖 20)。關連性為具上述判釋要素具體的結合地理特性、環境構造或者一個對象的週遭環境，能為提供影像判釋的具體訊息，如煙囪、大樓、冷卻池塘、變壓器場、煤堆與鐵路軌道這種種相關物體可以代表該處為燃煤發電廠；乾旱的地形、河流下游處、非常亮的反射表面加上稀少植物等可能表示該處為乾涸的河床，關連性對於人工設施判釋常是最有幫助要素(圖 21)。. 圖18 影像質地範例. 25.

(36) 圖19 陰影範例. 圖20 位置範例. 圖21 關連性範例影像特徵(Image Feature)辨識是從影像中，尋求有意義解釋的物理物體，選出各樣的影像特徵、影像中灰度值具有明顯變化的位置，為獨特影像屬性。影像中的特徵有許多不同形式的 26.

(37) 表現，如點、線或面，也可以是河渠、樹木、建築物或是紋理、灰度出現的頻率等，依其特性可分類成為 3 種類型：光譜特徵(Spectral features)、幾何特徵(Geometric features)與質地特徵 (Textural features)。光譜特徵由顏色、色調、比率( ratio)與光譜索引(spectral index)等組成，利用感測器對地表地物反應差異辨識，廣泛應用於辨識植物特徵，如植生指數(Vegetation Index, VI)、常態化植生指數與增揚植生指數(Enhanced Vegetation Index, EVI)或同類型指數等。幾何特徵通常利用空間濾波器(Spatial filter)選出點或線性邊緣特徵(例如道路、地質或農業區邊界等等)。質地特徵則利用影像灰度値相似形進行篩選，包含圖案、相似性與空間頻率等等，相較於前二者，質地特徵最難以藉由電腦化進行辨識。影像分割是影像分析過程之中間步驟，為後續諸如影像描述（Description）和辨識（Recognition）之基礎。主要目的是將影像切割成空間中連續且特性(光譜或紋理)均值的區塊，利用演算法找出最適合的臨界(Threshold Value) ，將影像區分成目的物以及稱為背景之其它物體。而其方法主要可以分成像素基礎方法(pixel-based method)、輪廓基礎方法(contour-based method)及區塊基礎方法(region-based method)三類(Pekkarinen, 2002)。影像分離的方法一般是利用影像中灰度值的二特性：不連續性5(discontinuity)與相似性 6. (similarity)(劉晟志等，1988、陳耀賢，1991)。灰度值的不連續性主要是利用灰度值的突然變. 化來分離影像，而灰度值之突然變化出現於孤立點（Isolated Points）或影像中之邊緣。而灰度值之相似性是利用閥值擷取（Thresholding），區域成長（Region-Growing）和區域分裂及合併（Region Splitting and Merging）等方法來完成影像分離的目的。利用灰度值不連續性差異主要用於偵測可大致分為點(Point)與線(Line)，面(Region)與樣板 (Templates)則多採用相似性行評量，大多影像特徵都以點為主，可直接用來確定記錄影像轉換功能的參數，在不同區域或影像中可能無法偵測出點狀的影像特徵，但可能線狀或面狀的影像特徵卻是相當豐富的，此時可以藉線或區塊的處理產生點的影像特徵(Raz Koren. Etc,2006)。. 5. 所謂不連續性是指灰度值突然出現變化，例如邊界。常用方法如 High Pass， Low Pass， Laplacian， Sobel， Gradient。 6 相似性是指影像的灰度值集中於某些數值上，如植生與水體的灰度值分別集中於 145 與 23 附近。對於相似性的分析，常用的方法包括 Thresholding， Region Growing， Split and Merge 等。 27.