行政院國家科學委員會專題研究計畫 成果報告
遙測影像資料庫建置關鍵技術及基於內容的檢索研究
研究成果報告(完整版)
計 畫 類 別 ： 個別型 計 畫 編 號 ： NSC 95-2623-7-151-001-D 執 行 期 間 ： 95 年 01 月 01 日至 95 年 12 月 31 日 執 行 單 位 ： 國立高雄應用科技大學土木工程系 計 畫 主 持 人 ： 李良輝 計畫參與人員： 博士班研究生-兼任助理：林奕翔 碩士班研究生-兼任助理：陳平政、翁家晧 處 理 方 式 ： 本計畫可公開查詢中 華 民 國 96 年 04 月 03 日
遙測影像資料庫建置關鍵技術及
基於內容的檢索研究
計劃編號：NSC 95-2623-7-151-001-D
計畫主持人：李良輝
計畫參與人：林奕翔
陳平政
翁家晧
國立高雄應用科技大學
中華民國九十六年三月三十一日
I
摘 要
本研究進行之研究步驟為評估如何建置大型遙測影像資料庫，並運用各項 遙測影像處理之關鍵技術，分析處理影像資料庫內遙測影像，完成基於內容之遙 測影像資料庫檢索與資料採礦技術之研究，以建立海軍運用遙測影像進行目情分 析之基礎能力。成果包括 1.大型遙測影像空間資料庫系統之建置、管理及網際網路查詢系統之設計。 2.訂定建立大型遙測影像資料庫之規範。 3.研究遙測影像處理所需之幾何校正、輻射校正、除雲處理、陰影淡化、無縫鑲 嵌、色彩平衡、色彩融合、特徵融合及特徵粹取等關鍵技術 4.建立基於內容之遙測影像資料庫檢索與資料挖掘能量。 關鍵字：遙測影像，網路地圖伺服器，影像檢索, 數值地形模型
II
ABSTRACT
This research is intended for NMO to build the essential target information analysis capability by utilizing RS imageries. In order to achieve this goal, the following research stages are conducted in this research. A comprehensive assessment of massive RS imageries database management systems in first stage will build up a firm foundation for NMO. In second stage, this research will analysis and manipulate imageries retrieved from image database by using varieties of key RS imageries processing technologies. A content based image database retrieval and data mining technologies will be setup for NMO in the final stage of this research. The expected results proposed by this research are:
1.Design a prototype of massive RS imageries database management system and Web-Based query system.
2.Specification of massive RS imageries database management system for NMO. 3.Research of key technologies on geometry correction, radiometry correction, haze
removal, imageries mosaics, color balancing, color fusion, feature fusion, and feature extraction.
4.Content based image database retrieval and data mining capability
Keywords: Remote Sensed Imagery, Internet Map Server, Image Retrieval, Digital Terrain Model
III
目錄
中文摘要………I 英文摘要 ………II 目錄 ………III 圖目錄………V 表目錄………VII 一、前言 ………1 二、遙測技術之發展與高解像度影像………3 2-1 基本原理 ………3 2-2 衛星影像 ………4 2-3 遙測衛星之發展 ………6 2-4 IKONOS 衛星成像特性………8 2-4-1 IKONOS 衛星簡介 ………8 2-4-2 IKONOS 之攝像解析度 ………9 2-4-3 IKONOS 影像產品種類及處理等級………11 2-5 QuickBird衛星的簡介 ………12 2-5-1 QuickBird之攝像解析度………12 2-5-2 QuickBird 影像產品種類及處理等級………13 2-6 福衛二號簡介………15 三、衛星遙測影像之影像融合處理………22 3-1 前言………22 3-2色彩空間模型………24 3-2-1 色彩模型………30 3-2-2 HIS(Hue-Intensity- Saturation) 色彩模型法 ………25 3-3 基於色彩模型轉換之影像融合方法………28 3-3-1 影像之灰度值正規化(Normalized)………28 3-3-2 影像融合之處理程序………28 3-4 色彩模型之飽和度補償………29 3-4-1 正交濾核型(Kernel-based)HIS 色彩模型之飽和度補償………30 3-4-2 濾核正規型 HIS 之飽和度補償 ………34 3-5 基於『能量守衡原理』之色彩融合………35 3-6 影像融合處理實例………35 四、高解析衛星影像之幾何處理………40IV 4-1 前言 ………40 4-2 多項式函數模式 ………40 4-3 有理函數模式 ………41 4-4 嚴密附加參數光束法平差函數模式………48 4-5 影像製圖幾何精度………49 4-5-1 製圖之比例尺精度………49 4-5-2 影像解析度與製圖比例尺之關係………51 4-6 影像幾何糾正精度分析 ………51 4-7 高解析衛星影像之正射化糾正 ………53 五、Web 基礎之大型圖像管理系統………57 5-1 前言………57 5-2 大型影像資料庫的資料管理需求和系統設計原則………59 5-3 Arc IMS 的工作原理與特點………60 5-4 INet 大型地圖伺服器………62 5-4-1 INet 軟體環境介紹………62 5-4-2 軟體特點 ………63 5-5 應用實例………66 5-6 影像空間資料庫之設計………71 5-6-1 空間資料庫伺服器 ………72 5-6-2 網際網路地圖伺服器 ………73 5-6-3 資料快取伺服器 ………74 六、結論 ………75 誌謝 ………75 參考文獻………76
V 圖目錄 圖2-1 衛星成像模式 ………7 圖 2-2 三線式影像模式………8 圖2-3地面解析力與感測器傾角之關係圖………10 圖 2-4 福爾摩沙二號衛星軌道圖 ………15 圖 2-5 空間解析度與攝像傾角關係圖………16 圖 2-6 臺北地區 Ikonos 衛星影像………18 圖 2-7 基隆海域 Ikonos 衛星影像………18 圖 2-8 臺北地區 QuickBird 衛星影像………19 圖 2-9 花蓮地區 QuickBird 衛星影像………19 圖 2-10 嘉義地區 Ikonos 衛星影像………20 圖 2-11 嘉義地區 QuickBird 衛星影像………20 圖 2-12 福衛二號衛星影像………21 圖 2-13 福衛二號衛星影像………21 圖 3-1RGB 色彩模型 ………24 圖 3-2 Munsell, s 顏色系統 ………25 圖 3-3(a)RGB 轉換成 HIS………26 圖 3-3(b)為 HIS 轉換成 RGB ………26 圖 3-4 RGB-HIS 色彩模型流程圖 ………29 圖 3-5a 全色態影像………29 圖 3-5b 多光譜影像………29 圖 3-5c 色彩融合影像………29 圖 3-6 基於正交型 HIS 色彩模型轉換之 Ikonos 衛星影像融合處理………37 圖 3-7 基於正交型 HIS 色彩模型轉換之 Ikonos 衛星影像融合分析………37 圖 3-8 基於正規型 HIS 色彩模型轉換之 Ikonos 衛星影像融合處理………38 圖 3-9 基於正規型 HIS 色彩模型轉換之 Ikonos 衛星影像融合分析………38 圖 3-10 福衛影像直接融合………39 圖 3-11 福衛影像新方法糾正及融合………39 圖 3-12 福衛影像新方法糾正及融合………39 圖 4-1 有理函數模式處理流程 ………47 圖 4-2 自率光束法平差流程………50 圖 4-3 嘉義地區之 QuickBird 衛星影像………52 圖 4-4 不同糾正方法在檢核點的精度分析………52
VI 圖 4-5 嘉義地區之 Ikonos 衛星影像實驗例影像………55 圖 4-6 相應圖 4-5 之 Ikonos 正射化影像………56 圖 5-1 網頁編寫網路大圖像瀏覽………67 圖 5-2 網路 3D 地形即時瀏覽………68 圖 5-3 圖像管理操作(一)………69 圖 5-4 圖像管理操作(二)………70
VII
表目錄
表 2-1 現有的遙測製圖衛星………6 表 2-2 IKONOS 衛星輻射解析度 ………10 表 2-3 重覆觀測頻率、地面解析度及緯度之關係………10 表 2-4 QuickBird 衛星光譜解析度………12 表 2-5 QuickBird 影像產品的種類及處理的等級 ………13 表 2-6 Ikonos 及 QuickBird 之相關參數………14 表 2-7 福衛二號影像產品等級 ………16 表 2-8 福爾摩沙衛星二號之遙測酬載儀器規格 ………17 表 4-1 影像解析度與製圖比例尺之關係………51 表 4-2 影像幾何糾正之控制點與檢核點均方根誤差 ………511
一、前言
海軍大氣海洋局由原海軍氣象中心與海洋測量局於94 年元月合併成軍後，其任 務目標在滿足國軍聯合制海各類型作戰所需戰場環境資訊需求，提供載具、武器與 指揮官運用，以保障載具航（飛）安、發揮武器系統效能並提供指揮官產生戰場感 知力，形成共同作戰圖像基礎，其內容涵括四度空間(三維坐標與時間)之靜態與動態 戰場環境資訊。 靜態戰場環境資訊之建置與更新需從遙感探測影像中萃取資訊，而動態戰場環 境資訊之掌握需運用遙感探測影像實施資料融合及研判，情報判斷亦依賴遙感探測 影像提供全面且具時效之情資，故遙感探測影像在戰場環境資訊產出過程中扮演著 極為重要的角色。 影像資料在地理資訊領域中的地位變得越來越重要。近年來，影像空間資訊技 術朝向多感測器、高空間解析度、高光譜解析度與高時間解析度之發展，影像資料 已成為地理資料中之『巨量資料』。因此如何有效地儲存、管理、處理及顯示這些大 型的影像資料，使之能夠為海軍大氣海洋局的空間資料基礎設施，使能有效「管理、 分析、展示大量的遙感探測影像，並從中萃取有用資訊」的技術評估能量，俾利海 軍建立生產戰場環境資訊之基礎。 為建構以遙測影像為背景之四度空間戰場環境，將以本案研究成果，協助大氣 海洋局建立運用遙測影像進行目情分析之基礎能力，建立因應遙感探測技術日新月 異發展的資料框架，評估可管理、分析、融合與運用具有多重感測器、多重解析度、 多頻譜、多時間序列特性的遙測資料之巨量衛星影像資料庫，進而運用衛星影像資 料挖掘技術，提取重要的作戰資訊並與戰場環境情資融合。以達建立符合大氣海洋 局任務目標願景，滿足海軍作戰需求的關鍵技術與能量。 為達上述目標，本研究進行之研究步驟為評估如何建置大型遙測影像資料庫， 並運用各項遙測影像處理之關鍵技術，分析處理影像資料庫內遙測影像，完成基於 內容之遙測影像資料庫檢索與資料採礦技術之研究，以建立海軍運用遙測影像進行 目情分析之基礎能力。本案將分成三年度分別執行，整體預期成果包括： 1.大型遙測影像空間資料庫系統之建置、管理及網際網路查詢系統之設計。 2.訂定建立大型遙測影像資料庫之規範。2 3.研究遙測影像處理所需之幾何校正、輻射校正、除雲處理、無縫鑲嵌、色彩 平衡、色彩融合、特徵融合及特徵萃取等關鍵技術 4.建立基於內容之遙測影像資料庫檢索與資料採礦能量。 本案預計於95-97 年分三年執行，各年度研究主要內容如下： 95 年：大型遙測影像資料庫之建立 1.各種遙測影像與資源衛星之格式與特性分析與研究（如 Ikonos, QuickBird,華衛二 號, SPOT 5, MODIS, RADARSAT 等）。
2.建置具有多重感測器(multi-sensors)、多重解析度(Multi-Resolution)、多頻譜 (Multi-Spectral)與多時間序列(Time-Series)特性之遙測影像資料庫。 3.大型遙測影像空間資料庫系統之建置、管理及網際網路(WWW)查詢系統之設計。 4.訂定建立大型遙測影像資料庫之規範。 96 年：遙測影像主要處理之關鍵技術 1.遙測影像超高解像度影像重建技術。 2.遙測影像之幾何校正、輻射校正、除雲處理。 3.大型遙測影像之無縫鑲嵌及色彩平衡。 4.多源遙測影像之色彩融合、特徵融合及特徵萃取。 97 年：基於內容之遙測影像檢索庫檢索與資料挖掘 1.遙測影像紋理特徵之多尺度描述及資料分塊結構策略。 2.遙測影像紋理特徵萃取及相似性度量方法。 3.基於距離的度量空間高維索引(Index)結構。 4.遙測影像資料庫之資料挖掘
3
二、遙測技術之發展與高解像度影像
遙測，廣義言之，是對某物體不作直接接觸而搜集所需之資料。飛機、人造衛 衛星均是遙測觀察的載台。遙測之名詞，嚴格而言，只限於以電磁能量之方法來探 測和度量目標之性質。所謂電磁能量則包括光、熱、及無線電波。遙測之此項定義， 不包括電測、磁測、及重力測量，此等測量係度量力場，而非電磁輻射測量。磁測 與電測，通常係在飛機上所進行，但是此種測量認係空中地球物理測量，而非遙測。 空中照相，是遙測最原始之型式，對地形圖之製作，工程與環境研究，油礦與 其他礦藏之開發，已廣為應用。此等成功之應用，只是應用電磁波譜之可見部份， 建議應用其他波長部份以得更有價值之資料。在1960 年代，由於技術之發展，使能 在其他波長，包括熱紅外線與微波，而得到影像。此項發展，以及1960 年代有人和 無人地球衛星之發展， 而提供一個軌道優越點，以取得地球之影像。 2-1 基本原理 遙感探測攝取影像的原理是基於發覺與記錄地面物體反射及放射的電磁輻射能 量 。 影像上形成的圖像是受著物體與輻射能量交互作用的控制。這些作用涉及電 磁光波在空間的反射、放射及穿透等行為。現代遙測器作業的性能可擴及電磁光譜 的不同部份。一般使用底片的攝影僅能涵蓋電磁光譜中的可見光以及緊鄰的紫外光 和紅外光 (0.3 至 1.2 微米)。熱紅外光掃瞄器作業的光譜範圍包括 1.0 至 20 微米的輻 射電磁波能。雷達作業的光譜範圍則多在毫米至數米的波長部份。 當電磁光能射抵物體表面的時候，可能發生三種交互作用的狀況，即反射、吸 收、或穿透。反射、吸收、及穿透的程度與物體的性質及輻射能量的波長有關。某 些物體在某些波長下是一個好的反射體，而在其它的波長段則可能是良好的吸收 體，或是穿透體。其它的物體則有不同的光譜特性。這一現象造成物體在空像片上 的色調或灰調變化。吸收電磁波能的物體，可能因而溫度升高，乃至於向周圍環境 散放能量。物體放射能量的速率也就是它的放射率（Emissivity)。熱紅外光影像上色 調的變化也就是地面物體溫度不同或放射率不同的紀錄。 地面物體由於其間化學性質與物理性質的差異，對不同波長的能量也有不同的 反應。影響這些反應的因素還有物體表面的形狀及崎嶇粗糙性，入射光源照明的強 度、以及入射的角度等。地面物體的不同反應 (反射強度) 記載在像片上形成圖形，4 即可用來鑑定及分辨該物體。由於不同類型的遙測感測器(Sensor)記錄不同波段的能 量，同時也具有不同的解像力、敏感度、以及變形扭曲等，所以判識者必須明暸影 像形成的原理，才能正確評估影像的意義。 遙測中常用之電磁光譜可歸納如下： 1.紫外線 (Ultra-Violet) ： 0.3μm ~ 0.4μm 2.可見光 (Visible) 藍(Blue) ：0.4μm ~ 0.5μm 綠(Green) ：0.5μm ~ 0.6μm 紅(Red) ：0.6μm ~ 0.7μm 3.紅外線 (Infrared) 反射紅外線 (Reflective IR) 近紅外線 (Near IR) ：0.7μm ~ 2.0μm 中紅外線 (Mid IR) ：1.5μm ~ 3.0μm 放射紅外線 (Emitted IR) 熱紅外線 (Thermal IR)：3μm ~ 5μm ； 8μm ~ 14μm 4.微波 (Microwave)－雷達波 (Radar) X 波段 (X Band) ：3 cm C 波段 (C Band) ：6 cm L 波段 (L Band) ：24 cm 2-2 衛星影像 遙感探測技術能由空中像片判釋延伸到目前的發展，多依賴掃描攝像的科技， 使攝像由可見光的照像技術擴大到包括可見光、紅外熱線及微波的掃描攝像。此等 感測器(Sensor)可利用太空船為載台，亦可利用飛機為載台，進行資料搜集攝成影像。 世界上第一枚地球資源技術衛星，由美國於1972 年發射成功，命名為陸地衛星 一號以來，太空遙測及其可行性逐漸為科技人員所認識，引起研究熱潮，促進迅速 的發展與應用。其後繼續發射的 LANDSAT-2、LANDSAT-3、LANDSAT-4/5 以及 NOAA ､ GMS(Geostationary Meteorological Satellite) 、 SEASAT 、 SPOT 、 RADARSAT…。至於，由太空觀測地球及其周圍的大氣，對海洋、農業、林業、土
5 地利用、地下資源、水體資源、氣象、防災以及環境等資源調查與監視，肩負起重 要的任務。 至目前為止，地球資源技術衛星依其解析度之高低可區分為： (1)第一代衛星：(光學攝像，1972~1978)： 美國 LANDSAT-1,2,3 (1972/7，1975/1，1978/3) RBV 電視攝影機；MSS 多光譜掃瞄器，四個波段，解析度 79m (2)第二代衛星：(光學攝像，1982~1984)： 美國 LANDSAT-4,5,6,7 (1982/7，1984/3，1993/10，1999/4) MSS(79m)；TM/ETM 主題製圖器，七個波段，解析度 30/15m；6 號發射失敗 (3)第三代衛星：(光學攝像，1986~2000)： 法國SPOT-1,2,3,4 (1986/2，1990/1，1993/10，1998/03) HRV-1,2 線性陣列感測器，傾斜攝像，解析度 XS 20m(三個波段)，PAN(全色片) 10m； 印度IRS；解析度 5m (4)第四代衛星：(雷達攝像，1991~2000)：
歐州ERS-1,2(1991,1994)，日本 JERS-1(1992)，加拿大 RADARSAT(1995/12) 雷達感測器，解析度9~28m，雷達干涉量測(InSAR)
(5)第五代衛星：(光學攝像，1997~2005)：
高解析度影像(1~3m)－EROS A,B，Earlybird, Quickbird，IKONOS-2，ObrView， SPOT5，福衛二號及預計 2007 年發射之 GeoEye-1 超光譜影像(224~384 波段)－Lewis，EO-1，HRST，ARIES 適用於海岸調查分析之遙測影像資料包括航空照片及資源衛星數位影像。空照 像片之方式由於解析度高、機動性強之特性，的確提供了調查之方便性與實用性， 惟照相作業之繁瑣及成本之高昂則是不爭之缺點。衛星遙測多年來由於受限於影像 解析度之不足，至目前為止，使用最為普遍應屬法國所發射之SPOT系列衛星影像， 其解析度亦僅有十公尺，因此一直未能在細部調查上辦演實用之角色，但是，這一 年 來 由 於 衛 星 遙 測 技 術 之 飛 躍 發 展 ， 美 國 已 於1999 年 9 月 24 日 首 先 成 功 發 射 IKONOS-2衛星，其攝像解析度高達0.82公尺，使得衛星影像之實用性大幅提升，顯 然在未來將在調查工作上辦演極為重要的工具。
6
2-3 遙測衛星之發展
1999 年 9 月 24 日，在美國丹佛市范登堡空軍基地（Vandenberg Air Force Base）， 太空圖像公司（Space Imaging,Inc.）首次成功發射了全球第一顆高解析度商業衛星 IKONOS-2，並於同年 10 月 12 日公布第一張由太空攝得的照片，其最高 0.82 公尺 之解析度可媲美美國軍方間諜衛星的水準。由此，解決了以往遙測影像低解析度之 問題，加上明年初即將陸續發射之若干具有 1m 解析度之衛星，如 QuickBird， EarthWatch 等，已可肯定高解析度遙測時代已然來臨。依其所公佈之模擬測試資料 顯示，IKONOS-2 衛星在無地面控制點，僅利用載具方位參數的情況下，可獲得平 面12 m、高程 10 m 之定位精度，若使用地面控制點資料則有平面 2 m、高程 3 m 以 上之定位精度，可製作約1/5000 比例尺之地圖，由此看來，IKONOS 衛星影像在製 圖之應用潛力上，較之目前最常用之 SPOT 衛星影像已獲得具體的提升。而衛星遙 測技術應用之最大之特點在於能在短時間週期內快速且重覆的獲取所需之影像資 料，較之航空攝影方式其成本則可大幅度的降低，這在諸多的大範圍的應用上將成 為一個重要且即時之工具。表2-1 為現有的遙測製圖衛星。 表2-1 現有的遙測製圖衛星 系統 國家或組織 發射時間 掃瞄寬度 解析度 立體模式 SPOT1-4 SpotImage 1986/90/98 60 10 (Pan) 異軌 IRS 1C/D ISRO 1995/1997 70 5.8(Pan) 異軌 KFA-1000 RKK Resours-F1 66~105 5.0 單像/立體 KVR-1000 RKK 太空站 22 5.0 單像/立體 KVR-3000 RKK 太空站 5 0.5 單像/立體 MOMS02-P DLK 1996 37 6.0 同軌 ADEOS NASDA 1997 80 8(Pan) 異軌 IKONOS/2 Space 1999 11.3 0.82 同軌 Image Quickbird EarthWatch 2001 22 0.61 同軌 Orbview 4 Orbimage 2001 8 0.82 同軌 Space Spot 5 Spotimage 2002 60 2.5 同軌 FormoSat2 Taiwan 2004 24 2.0 同軌 Eros B West Indian 2006 13.5 0.7 同軌
7 光學式對地觀測衛星依其攜帶感測器(Sensor)之不同可分成三種攝像方式： 1.橫掃式(Whiskbroom) 其動作同電子掃瞄。單軸的光學像元，從掃瞄帶的一邊旋轉掃瞄至另一邊完 成一條掃瞄單線，再由衛星的飛行可以完成帶狀(Strip)區域之掃描，如圖 2-1(a) 所示。AVHRR、Landsat、與 SeaWiFS 等衛星係屬於此類之成像方式。 2.推掃式掃瞄(Pushbroom )
是使用一排線性陣列感測器(Linear Array Sensor)，經由衛星之飛行，以推 掃方式完成帶狀區域之掃描。地面掃瞄帶寬的網格等於每條掃瞄線像元的數 目。衛星飛行使得掃瞄為沿著軌道方向進行，因此掃瞄線頻率的逆轉等同於 影像之拍攝時間，如圖 2-1(b)所示。如 SPOT 衛星、IKONOS與QuickBird衛 星係屬於此類成像之成像方式。 3.凝視影像(Staring Imagers) 是使用由二維的陣列感測器於瞬間攝像完成。此成像方式與一般數位攝 影機(Digital Camera)之攝像方式相同，如圖 2-1(c)所示。
圖 2-1 衛星成像模式 IKONOS及QuickBird衛星屬於最新一代之光學式攝像衛星，二者均採用三線式掃 瞄器(Three-line Scanner)。此種成像技術最早是由德國學者Hofmann所提出，具有三 排CCD線性感測器，以前後26∘角及垂直之前、中與後視(fore-, nadir- 與aft- looking ) 方式，沿著衛星飛行方向推掃成像，如圖2-2所示。
8 圖 2-2 三線式影像模式 三線式掃描器之主要目的是為立體攝像而設計，在同一軌道中，以三個前後不 同視角之航帶影像，形成具前後重疊之立體對，稱之為同軌式立體攝像。此種攝像 方法最大的優點可使立體對之兩張影像具有接近之幾何與輻射特性，有利後續之立 體製圖。三線式掃描器中每排 CCD 亦可依垂直飛行方向以不同的傾斜角度進行攝 像，因此，利用不同的軌道及時間攝取之影像可予以組合成立體對，稱之為異軌式 立體攝像。缺點是難以避免因攝像時間之差異，氣候或地形條件之改變，造成立體 對之兩張影像幾何與輻射特性之差異，增加後續製圖應用處理上的困難。 2-4 IKONOS 衛星成像特性 2-4-1 IKONOS 衛星簡介 IKONOS 一詞源自希臘文字之”image”，其發音為”Eye-KOH-nos”，係美國太空 圖像公司(Space Imaging)公司所研發設計。實際上 IKONOS 是一顆測地製圖衛星， 於1999 年 9 月 24 日，美國加州范登堡空軍基地發射昇空，是世界上第一顆解像度 一公尺以內的商業衛星。太空圖像公司於同年10 月 12 日公佈 IKONOS 傳回地球的 第一張影像，位置是美國華盛頓首都，最引人注目的是可以從影像中數出汽車的數 量。 IKONOS 衛星重 1,600 磅(約 725 公斤)，使用三線式掃描器，相機焦距為 10 公 尺，飛行高度約681 公里，以 98.1 度傾角繞著地球飛行；每繞一圈需時 98 分鐘，
9 所以一天可以繞行約14.7 圈，採太陽同步軌道(Sun-Synchronous orbit)設計，故每圈 經過赤道上空的時間約為當地早上的10 點半(通過台灣的時間大約將近早上 10 點)。 衛星的設計壽命為5 至 7 年。在感測器偏角不超過 26°的情況下，全色片攝影的地面 解像度約為一公尺，而多波段攝影則為四公尺。每一張垂直攝像之像幅寬度為11 公 里；在感測器偏斜25∘時，則為 13 公里×13 公里。 由於IKONOS 的感測器可作縱向（沿於飛行軌道方向）及橫向（垂直飛行軌道 方向）偏轉，如果要取得同一地區1 公尺解析度的影像時，約每 3 天即可取得一張； 如果只要2 公尺解像度時，則每天都可取得同一地區的影像。IKONOS 感測器最大 傾角可達 75°，傾角 26°時解析度約為 1m，45°時解析度約為 1.5m，51°時則解析度 約為2m。在定位精度方面，根據美國太空圖像公司(Space Imaging)所公佈的資料， IKONOS 衛星影像在沒有地面控制點作幾何校正時，其水平誤差為 12 公尺，高程誤 差為10 公尺；但利用地面控制點作幾何校正後，其水平誤差可降至 2 公尺，而高程 誤差則降至3 公尺。 2-4-2 IKONOS之攝像解析度(Resolution)
遙測攝像之解析度，可區分為光譜解析度(Spectral Resolution)、時間解析度(Time Resolution)、空間解析度(Spatial Resolution)及輻射解析度(Radiomatric Resolution)等 四種。就IKONOS衛星影像而言：
1. 光譜解析度
IKONOS 衛 星 感 測 器 拍 攝 波 段 可 分 全 色 態 (Panchromatic) 與 多 光 譜 態 (Multispectral)，其波段範圍如表 2-2，與 Landsat 4&5 TM波段類似。
2.空間解析度 空間解析度(Spatial Resolution)是指影像在地面的解像程度，其與衛星軌 道高度、CCD大小、焦距、攝影傾角等因素有關。全色態攝像感測器為由13816 個CCD檢波器(Detector)，以線性陣列排成，每個CCD大小為12μm×12μm； 而多光譜態(Multispectral)攝像感測器則由3454個CCD分四組排成，每個CCD 大小為48μm×48μm，全色態及多光譜感測器的視野角(Field of View簡稱FOV) 皆為0.931度，瞬間視角(IFOV)則各為1.2及4.8μradian。當衛星在目標正上方時 （垂直攝影），地面解像度可達0.82 m，多光譜影像可達3.28 m，當感測器傾 斜約26度時，地面解像度降為1m，多光譜影像降為4 m。
10 表 2-2 IKONOS衛星輻射解析度(Radiomatric Resolution) 波段種類 波段範圍 全色態(Panchromatic) 0.45-0.90μm 多光譜態(Multispectral) 0.45-0.52μm (Blue) 0.52-0.60μm (Green) 0.63-0.69μm (Red) 0.76-0.90μm (Near IR) 空間解析度與感測器掃瞄傾角之關係可如圖 2-3所示，基本關係可表示為： 式中 A :感測器正下方之地面解析度 ′ A :感測器傾斜θ角後之地面解析度 β:瞬間視角(IFOV) H :感測器正下方與地面之距離 ′ H :感測器傾斜θ角與地面之距離
圖2-3 地面解析力與感測器傾 角之關係圖 3.時間解析度 時間解析度是指對同一地區，兩次拍攝的時間間隔稱之為時間解析度 (Time Resolution)，其與衛星軌道位置和感測器旋轉的大小有關，緯度愈高， 時間週期愈短。以IKONOS為例，在緯度40度地面解析1m之軌道週期為2.9天。 時間解析度以同一空間解析度比較，越靠近赤道越差；若在同一地區比較， 空間解析度要求品質越高時間解析度越差，如表 2-3。 表2-3 重覆觀測頻率、地面解析度及緯度之關係 攝像仰角 目標點所在位置 地面解析度(m) (Elevation) 赤道 緯度40 度 0.84 79 11 天 8.5 天 1.00 60 3.9 天 2.9 天 ′ ≈ A A cos2θ
11 1.18 50 2.8 天 2.0 天 2-4-3 IKONOS 影像產品種類及處理等級 IKONOS是一顆商業用途衛星，其影像已廣泛的被使用，但由於若干因素，對 使用者仍採某些限制。如原始影像(Raw Image)，僅限國家級製圖單位才能購買。目 前對一般商用市場所提供之產品為 CARTERRA 影像，以下是CARTERRA 影像的 種類：
1. CARTERRA Geo Pan and Multispectral 11 bit 2. CARTERRA Reference Pan 11 bit
3. CARTERRA Precision Pan 11 bit
4. CARTERRA Precision Plus Pan 11 bit, only as a non-standard quote with customer supplied DEMs
以上影像除了全色態(Panchromatic)影像與多光譜態(Multispectral)影像外，另有 融 合 1m 自 然 彩 色 影 像 (Pan Sharpened) 。 產 品 皆 以 光 譜 解 析 度 (Spectral Resolution)11-bit來存，因此，理論上，每一個像元具有 2048灰階，比傳統8-bit影像 256灰階，更能增加在陰影區與明亮區的辨識能度。
1. CARTERRA Geo
此類影像亦稱Geo-Products，係Space Imaging於2000年1月3日公開發表，已 經過標準幾何改正(Standard Geomertically Corrected)之影像，以軌道參數及 UTM投影方法將影像糾正至WGS84參考橢球上，約有50公尺的誤差(CE90) (Circle error)，為了提高時間解析力，在攝像仰角(elevation angles)小於50度內 皆可接受，但也因此使高差移位更明顯，較適合對於位置精度要求不高但卻需 快速獲得影像之使用者。換言之，此類影像已經經過幾何糾正及地面投影過 程，但未加入地面資料(DTM、GCP )之糾正處理。 2. CARTERRA Reference CARTERRA Reference影像同樣以軌道參數及投影方法將影像糾正至橢 球 上 ， 但 加 上DEM資料(美國以外需使用者提供)，因此可使誤差縮小至 25m(CE90)，在攝像仰角(elevation angles)需小於60度內皆可被接受。
3. CARTERRA Precision and CARTERRA Precision Plus Pan
12 謂之正射糾正，平面精度最高可達到2公尺(CE90)，而高程可達3公尺(CE90)。 但美國以外的使用者需提供DTM資料及地面控制點資料，且必須是政府級單位 始能購得。 2-5 QuickBird衛星的簡介 2-5-1 QuickBird之攝像解析度
QuickBird 衛星屬於美國數位全球(Digital Globe)公司所有，於 2001 年 10 月 18 日成功發射升空，是目前商用市場中攝像解析度最高之衛星，根據偏離天底點的角 度之大小（0 至 25 度），全色態影像具有 61-72cm (2-2.4 ft)的地面解析度，多光譜態 影像為2.44-2.88 (8-9.4 ft)的地面解析度。另外，QuickBird 重覆攝像週期短，根據緯 度的不同，約為一至三天。攝像之掃瞄帶寬為 16.5 公里至 19 公里，比一般商業用 的高解析度感測器要多 60%--90%[35]。以 QuickBird 衛星影像而言，其三種成像解 析度分別為： 1.光譜解析度 QuickBird衛星，其波段範圍如表2-4。各波段色階採用11 bit，同IKONOS 衛星。 表 2-4 QuickBird衛星光譜解析度 波段種類 波段範圍 全色態(Panchromatic) 0.45-0.90μm 多光譜態(Multispectral) 0.45-0.52μm (Blue) 0.52-0.60μm (Green) 0.63-0.69μm (Red) 0.76-0.90μm (Near IR) 2.空間解析度 全色態攝像感測器為由27424個CCD檢波器(Detector)以線性陣列(Linear Array)排成，每個CCD大小為12μm×12μm；而多光譜態(Multispectral)攝像感 測器則是由6856個CCD分四組排成，每個CCD大小為 48μm×48μm，感測器的 視角(Field of View簡稱FOV)皆為2度。因此，當衛星在目標正上方時（垂直攝 影），地面解像度可達0.61m，多光譜影像可達2.5 m，當感測器傾斜約25度時，
13 全色態地面解像度降為0.72m，多光譜影像則降為2.88 m。 3.時間解析度 QuickBird在緯度40度地面解析0.72m之軌道週期為3.5天。時間解析度用 同一空間解析度比較，越靠近赤道越差，亦即在同一地區，若空間解析度要 求越高時，則其時間解析度越差。 2-5-2 QuickBird 影像產品種類及處理等級 表2-5 QuickBird 影像產品的種類及處理的等級 影像等級及 資料格式 處理過程 精度 CE90% 標準誤差 RMSE 適用範圍 Basic Imagery (8 或 16bit) Radiometric corrections Sensor corrections 23meters 23meters 全世界 (Worldwide) Standard Imagery (8 或 16bit) Radiometric corrections Sensor corrections Terrain corrections 23meters 14meters 全世界 (Worldwide) Ortho 1:25000 Radiometric corrections
Geometric corrections Topographic corrections Map projection
12.7meters 7.7meters 全世界 (Worldwide)
Ortho 1:12000 Radiometric corrections Geometric corrections Topographic corrections Map projection
10.2meters 6.2meters 美國(US)
Custom Ortho Radiometric corrections Geometric corrections Topographic corrections Map projection Variable* Variable* 全世界 (Worldwide) * 依使用者所提供與資料的正確性
美國DigitalGlobe 公司提供 Basic、Standard 及 Ortho Ready 三種處理等級的影像 產品。其中Basic 等級，係指影像資料僅經過輻射校正（Radiometric Distortion）及 感 測 器 畸 變 （Sensor Distortion ） 之 校 正 處 理 ， 每 幅 圖 像 成 像 面 積 大 致 為 16.5km×16.5km；Standard 等級之衛星影像，除了輻射校正及感測器之校正外，並透
14
過GTOPO30DEM 進行影像的幾何糾正處理；而 Ortho Ready Standard 等級之衛星影 像，係指未經過任何地形改正(Terrain Corrections)處理，而直接投影於參考橢球體之 平均海平面上，於2003 年 1 月起提供該等級產品。 目前高解像度衛星Ikonos 及 QuickBird 之相關參數如表 2-6 所示 表2-6 Ikonos 及 QuickBird 之相關參數 衛星 IKONOS QuickBird 廠商 太空圖像公司 數字全球公司 發射時間 1999- 09-24 2001- 10-18 軌道高度 (km) 681 450 衛星軌道種類 太陽同步 (Sun-Synchronous) 太陽同步 (Sun-Synchronous) 衛星軌道與赤道交角 98.1 97.2 衛星通過赤道時間 10:30 a.m. 10:30 a.m. 重量(kg) 736.4 963.4 運載火箭 雅典娜 －2 德爾他－2 成像方式 推掃式感測器 （Pushbroom sensor） 推掃式感測器 （Pushbroom sensor） 獲得立體對方式 同軌道或跨軌道
(IN & Cross Track)
同軌道或跨軌道 (IN & Cross Track) 線性陣列感測器 (CCD)/(line) 3 3 每排CCD 之像元數 (pixel) XS:3454 PAN:13816 XS:6856 PAN:27424 掃瞄寬度(km) 11 16.5 像元大小(μm) XS:48 PAN:12 XS:48 PAN:12 空間解析度(m) (Spatial Resolution) XS:3.28 PAN:0.82 XS:2.44 PAN:0.61 時間解析度(天) (Time Resolution) 1m:2.9 1.5m:1.5 0.72m:3.5 輻射解析度(μm) (Radiometric Resolution) PAN:0.45-0.90 XS:0.45-0.52 0.52-0.60 0.63-0.69 0.76-0.90 PAN:0.45-0.90 1.1.1 XS:0.45-0.52 0.52-0.60 0.63-0.69 0.76-0.90 衛星軌道參數 目前不提供 提供 衛星軌道週期/(min) 98 93.5
15 飛行速度km/sec 6.79 7.1 重覆的週期(天) 1-3 1-3.5 2-6 福衛二號簡介 福衛二號應用了推掃式（Push-broom）成像系統。沿著感測器前進之方向掃描 成像，影像與航線方向垂直，每一列(Line)影像由於載台的移動會有不同的位置和 方位。光學遙測應用衛星任務壽命為5 年，形狀為 6 角柱形，高 2.4 米，外徑約 1.6 米，重量約742 公斤，太陽同步衛星(Sun-Synchronous)，每日回訪相同軌道，軌道 傾角為99.1 度，飛行高度為 891 公里。 圖2-4 福爾摩沙二號衛星軌道圖[國家太空中心,2005] 福衛二號採用推掃式(Push-broom)成像系統，亦即使用線性陣列(Linear Array) 排列之CCD，沿著飛行方向進行掃描，且福衛二號可利用本體旋轉進行左右或前後 之側視，因此可拍攝同軌或異軌之立體像對，其中同軌立體像對由於拍攝時間較接 近，雲層覆蓋、大氣狀況及地物等情形較為類似，使影像之灰階不會有劇烈變化， 有利於後續之資料處理業務。此外福衛二號可每日回訪相同軌道，故可在短時間內 拍攝重複的影像。 福衛二號之最大側視角為45 度，並可同時接收全色態(Panchromatic)及多光譜 (Multi-spectral)影像，其中全色態影像之感測器具 12000 個 CCD，當衛星垂直掃描 時，全色態影像於像底點之空間解析度可達2 公尺，多光譜影像為 8 公尺，若感測
16 器在掃描時有一傾斜角度，則空間解析度會隨著角度增加而下降，像幅寬亦會增大， 空間解析度與攝像傾角之關係如圖2-5。 圖2-5 空間解析度與攝像傾角關係圖 福衛二號影像在購買時可根據研究應用所需，選擇不同處理等級之影像產品， 但不同等級之處理校正內容依各分送中心公佈資訊為準，下表為中央大學太遙中心 所公佈之影像處理等級及相關處理內容。 表2-7 福衛二號影像產品等級 處理等級 相關處理 Level 1A 原始影像(僅相對輻射改正) Level 2 系統幾何改正 Level 2C 系統幾何改正(適用於大區域多航帶間之鑲嵌與融合，僅進行一次灰度值重新取樣) Level 3 嚴密幾何改正(使用控制點,未使用 DTM) Level 4 嚴密幾何改正正射影像(使用控制點+DTM) 彩色融合 使用Level 2C 以上產品 福爾摩沙衛星二號其遙測酬載儀器規格如下表所示，其質量約為 750 公斤(含 酬載及燃料)，軌道高 891 公里，屬於太陽同步衛星。軌道面固定，每日通過台灣海 峽上空，具左右各45°之傾斜拍攝之能力。每日繞地球飛行 14 圈，地面軌跡(Ground Track)將通過臺灣海峽上空，可一次拍攝 8 分鐘的資料。第 1 次通過台灣海峽上空
17 的時間為上午 9 點 40 分，可進行拍攝與下傳影像資料。第 2 次通過台灣海峽上空 的時間則為晚上 9 點 40 分，此時無法進行拍攝任務，但可以下傳拍攝其他地區之 資料。其全色態解析度在0°~45°之傾角下約為 2~4.5 公尺，在飛行方向則約為 2~3 公尺。 多光譜態有 4 個波段，即藍光段、綠光段、紅光段及近紅外光段，具 8 公尺 解析度，掃瞄寬度為24 公里。福爾摩沙衛星二號之攝影模式為衛星本體旋轉(Body Rotation)同步取樣方式，可以向前、向後觀測方式進行立體攝影，以進一步獲取數 值地形模型(Digital Terrain Model, DTM)資料。
表2-8 福爾摩沙衛星二號之遙測酬載儀器規格 軌 道 891 公里高，太陽同步軌道，每日通過台灣海峽 上空2 次 全色態(PAN) 0.52～0.82μm 光譜解析度 多頻譜(MS) 藍 0.45～0.52μm 綠 0.52～0.60μm 紅 0.63～0.69μm 近紅外0.76～0.90μm 空間解析度(近地點) 全色態(黑白)影像 2 公尺 多頻譜(彩色)影像 8 公尺 像 幅 寬 24 公里 任 務 壽 命 5 年 發 射 日 期 民國93 年 5 月 21 日 (取自國家太空中心網頁http://www.nspo.gov.tw, 2004/06/14) 圖2-6至圖2-13分別為Ikonos, QuickBird及福衛二號衛星影像例。
18
圖2-6 臺北地區 Ikonos 衛星影像(取自 Space Image Co. 網站)
19
圖2-8 臺北地區 QuickBird 衛星影像(取自 Digital Globe Co. 網站)
20
圖2-10 嘉義地區 Ikonos 衛星影像
21
圖2-12 福衛二號衛星影像
22
三、衛星遙測影像之影像融合處理
3-1 前言
衛星遙測所攝取影像之處理，基本上可分成兩個層面，其一為輻射性處理 (Radiometric Processing)，係針對影像灰度值(Gray Value)進行相關之運算，如影像加 強(Image Enhancement)、色彩融合(color Fusion)…等。另一則為幾何處理(Geometric Processing)，係以不同的演算法則完成其在攝像時諸多因素對影像造成之幾何變形 (Geometric Distortion)改正或進行特徵萃取(Feature Extraction)，如影像之正射化糾正 (Ortho-Rectified)、地形高程資料(DTM)之產生等。一般而言，就資料之使用目的而 言，利用影像融合(Image Fusion)技術來提升影像色彩之品質；利用正射糾正方法來 提升影像之幾何正確性，此二項工作一直是遙測影像製圖應用中核心的工作。 針對影像色彩的問題，由於光學式衛星對地觀測之攝影，其特色為分別拍攝多 光譜態影像及全色態影像，其中全色態影像具有較高的地面解析度，但僅有一個波 段，換言之，僅能呈現黑白色調；而多光譜態影像雖具有紅、綠、藍可見光及紅外 線波段，但其地面解析度較差(約為全色態影像之 4 倍)，福衛二號即屬於此種攝像 型態。由於人眼視覺對於色彩之分辨能力遠超過黑白之灰階(Gray scale)層次，亦即 彩色影像較之黑白影像更能提供人眼視覺與判譯之效果，這對諸多遙測影像的應用 具有極為重要之意義及目的。因此，利用影像融合技術來製作高解析度之彩色影像 成為遙測影像處理中之必要工作，可藉此獲取更佳品質之遙測影像。 「影像融合」(Image Fusion)的基本定義是：藉由某種演算法(algorithm)結合兩 種類型或多種類型的影像，以形成一張同時兼具這些影像所有優點的新影像。在目 前之衛星對地觀測技術中，依使用感測器(Sensor)之差異，可以分成兩大類型，其一 為光學式的攝像，為採用光學感測器(如CCD感測器等)將地面反射能量經光學鏡頭 收集後成像，稱之為被動式遙測，其特色為分別拍攝多光譜(Multi-Spectral)影像及全 色態(Panchromatic，PAN)影像，其中全色態影像具有較高的地面解像度，但僅有一 個波段，換言之，僅能呈現黑白影像；而多光譜影像為雖具有紅、綠、藍可見光及 紅外線波段，但其地面解析度較差(約為全色態影像之4倍)，例如目前新一代高解像 衛星IKONOS與QuickBird或未來華衛二號均屬於此攝像型態。由於人眼視覺對於色 彩之分辨能力遠超過黑白之灰階(Gray scale)層次，亦即彩色影像較之黑白影像更能 提供視覺與判釋之效果，這對諸多遙測影像的應用具有極為重要之意義及目的。因
23 此，利用影像融合技術來製作高解析度之彩色影像成為遙測影像處理中之必要工 作，可藉此獲取更佳品質之遙測影像，例如IKONOS之Pan-Sharpen等級之影像產品， 即是將多光譜影像之色彩套合於同一地區之全色態(Pan)影像。 對地觀測之另一型態為採用雷達遙感技術，稱之為主動式遙測。其特色為主動 發射雷達波，同時接收反射之雷達回訊，並藉以還原成像。基本上而言，雷達影像 所表現的為雷達回訊之強弱信號，類似於光學攝影中之全色態影像是單一波段之黑 白方式呈現，若欲製作彩色的雷達影像，需有其他波段影像(如HH、VV、HV或VH) 之組合，或靠融合其他光學式影像之色彩，因此，遙測影像融合技術已成為遙測處 理中基本且必要之功能。 多年來，有許多的影像融合方法被提出及應用，這些方法基本上可以區分為二 大類型： 1.利用統計(或數值)的方法
如主成份分析法(Principal Components Analysis ；PCA)，其原理是利用協 變方矩陣(Covariance Matrix)之線性轉換，以粹取變異量大而捨去變異量小的 訊息，並藉以完成資料的融合，屬於統計方法之應用；Brovey 轉換法則是利 用影像間的比值(Ratio)關係，依循著算術運算規則進行融合，是屬於數值方法 之應用；另外小波函數(Wavelet)之方法則是利用不同尺度(Scale)之視窗來表現 資料，以獲得不同層次(Level)間的細緻資訊(Detail)，亦即使用多重解析度 (Multi-Resolution)的分析來達到資料融合的目的。 2.利用各種色彩模型轉換的方法 利用色彩空間轉換進行不同類型遙測影像之融合，一直是遙測影像處理 中所使用之經典方法。然而在使用色彩空間之顏色坐標系統轉換時，必須面 臨二個主要的問題，其一為多光譜影像色彩轉換後相應之亮度(Intensity or Luminance)影像與欲融合之全色態影像(Pan)二者間光譜值之差異性；其二為 色彩空間之顏色坐標系統轉換數學模式之非唯一可逆性，二者均會導致逆轉 換後飽和度改變，進而造成融合影像色彩失真(Color Distortion)的問題。因此， 為了探討這兩大問題對影像融合結果之影響，本章中將提出克服現實存在的 二個問題的方法。針對兩影像光譜值差異之第一個問題，將欲融合之全色態 (Pan)影像與色彩分離後之亮度影像進行灰度值正規化(Gray Value Normalized)
24 處理，使兩影像間保持近似之灰度值。對逆轉換後飽和度改變之第二個問題， 提 出 對 色 彩 模 型 轉 換 之 數 學 模 式 進 行 修 正 ， 以 飽 和 度 補 償(Saturation Compentstaion)之方式來改善融合影像色彩失真的問題。由於 Brovey 轉換方法 可視為色彩空間轉換的特例。 3-2 色彩空間模型 3-2-1 色彩模型(Color Model) 定義一個顏色的三維坐標系統和一個子空間，在該子空間內，每一種顏色可用 一個點來表示。色彩模型的用途是方便於某一種標準來指定顏色。在目前影像處理 中，依其使用之性質，可分為硬體導向(Hardware oriented)及使用者導向(User oriented) 的色彩模型。硬體導向重視的是所需要顏色如何在硬體上(如顯示器、印表機)中展 現，常用者如RGB、CMY、YIQ 等色彩模型；使用者導向則強調如何由使用者來分 辨、操控及指定色彩。由於兩者間有其基本上的差異，故發展多種色彩模型以建立 兩者間之關係，如HIS 色彩模型。各色彩模型之特徵特予下一節說明與討論。 在RGB 色彩模型中，每個顏色表現於紅色(Red) 、綠色(Green)及藍色(Blue)之 主光譜分量、該顏色模型為建立於卡笛兒坐標(Cartesian Coordinate)的基礎上，可用 立方體(Cube)之色彩子空間來表示，其中紅、綠、藍色分別位於三個頂點，青色 (Cyan)，洋紅(Magenta)及黃色(Yellow)則位於另外三個頂點，黑色位於原點；白色位 於距原點最遠之頂點；灰色則是黑色至白色之線段上，所以色彩是用『由原點出發 的向量』來定義，均位於立方體的頂點或內部。所有RGB 之數值均假設已標準化為 0～1 之間。如圖 3-1 所示。 圖3-1 RGB 色彩模型
25 圖3-2 Munsell,s 顏色系統 3-2-2 HIS(Hue-Intensity- Saturation) 色彩模型法 人類視覺所看到的物體色彩具有三個屬性，美國教師Munsell 於 1905 年提出以 亮度-色調-飽和度(Hue-Intensity-Saturation；HIS)之色彩模型來定義顏色，稱之為 Munsell 顏色系統，如圖 3-2 所示，其中色調(Hue)泛指顏色之類別，亮度(Intensity) 為指明暗程度；飽和度(Saturation)則為顏色之純度。 1.彩度(Hue) 物體反射的主要波長所呈現的色彩表相，即吾人所見物體色的一般性描 述，常以五主色(紅、黃、綠、藍、紫)或兩鄰近主色所代表的色系共10主色相 來指稱，如紅色系、藍綠色系…等。 有色材料反射或透射光譜的特定區域，能對該材料正確顏色的光源則必 須放射出物體所能反射的波長。照明運用上則常選擇暖光色的光源如白熾燈 來加強室內的暖色系材質；反之，可選擇冷光色的光源如冷白色的螢光燈或 複金屬燈來強調。 2.亮度(Intensity) 亮度為用來表示色彩的明暗程度，此即相對於黑白影像之灰階。明度亦 與物體表面的反射值有關，該表面的亮度和其所接受的照度與反射率的乘積 成正比。物體表面反射較多的光，其明度較高，看起來顏色較淺或較亮；反 之，大部份入射光被物體吸收，則明度較低，顏色較深或較暗。 同一顆樹在陽光下葉子的綠色與陰影下葉子的綠色相較，前者明度高於
26 後者。同理，以燈光加強照射某物體或部份，因入射光增加，所反射的光亦 增加，相對亮度高於週遭或背景，因而得到視覺強調的效果。 3.飽和度(Saturation) 飽和度則代表色彩鮮豔的程度，也就是色彩的純度。顏色愈純，飽和度 愈高，視覺刺激也愈強。若將一高彩度的純色漸次加黑或加白稀釋，前者明 度遞減，後者明度遞增，二者彩度皆降低。當飽和度為零時，代表無彩度。 在色彩模型中，紅綠藍三原色系統(RGB系統)，適用於硬體設備對光線之相加 疊合顯示，而HIS系統則適用於顏色之轉換計算。二顏色系統間之正逆轉換關係，可 如圖3-3(a)、(b)所示。
圖3-3(a)RGB 轉換成 HIS 圖 3-3(b)為 HIS 轉換成 RGB
濾核(Kernel-Based)基礎之 HIS 色彩模型，依其數學意義之特性，可予以區分為 正交型(orthogonal)轉換與正規型(orthonormal)轉換兩種類型：
27 1.正交型 其亮度(強度)分量 I 定義為(R+G+B)/3 時，RGB 與 HIS 間的轉換關係可寫 成(3-1)、(3-2) 兩式： I V V R G B 1 2 1 3 1 3 1 3 2 6 2 6 2 2 6 1 2 1 2 0
L
N
MM
M
O
Q
PP
P
= − −−L
N
MM
M
O
Q
PP
P
L
N
MM
M
O
Q
PP
P
/ / / / / / / / (3-1) 逆轉換則為 R G B I V VL
N
MM
M
O
Q
PP
P
= − − −L
N
MM
M
O
Q
PP
P
L
N
MM
M
O
Q
PP
P
1 1 2 1 2 1 1 2 1 2 1 2 0 1 2 / / / / (3-2) 其中V1和V 2 可以當作是卡笛兒坐標系統中的 X 和 Y 軸，I 表示為 Z 軸。 所以，色調H 與飽和度 S 可如(3-3)、(3-4) 兩式所示。 H V V =L
NMM
O
QPP
− tan 1 2 1 (3-3) S= V12+V22 (3-4) 2.正規型 其亮度分量 I 定義為(R+G+B)/ 3 時，RGB 與 HIS 間的轉換可寫成(3-5)、 (3-6) 所示： I V V R G B 1 2 1 3 1 3 1 3 1 6 1 6 2 6 1 2 1 2 0L
N
MM
M
O
Q
PP
P
= − −−L
N
MM
M
O
Q
PP
P
L
N
MM
M
O
Q
PP
P
/ / / / / / / / (3-5) 逆轉換為 R G B I V VL
N
MM
M
O
Q
PP
P
= − − −L
N
MM
M
O
Q
PP
P
L
N
MM
M
O
Q
PP
P
1 3 1 6 1 2 1 3 1 6 1 2 1 3 2 6 0 1 2 / / / / / / / / (3-6)28 色調 H 與飽和度 S 的定義，則與(3-3)、(3-4)兩式相同。另外，有一些是 HIS 色 彩模型轉換的改良型，如色調－飽和度－數值(Hue-Saturation-Value; HSV)色彩模 型、色調－亮度－飽和度（Hue-Lightness-Saturation; HLS）色彩模型等。 3-3 基於色彩模型轉換之影像融合方法 3-3-1 影像之灰度值正規化(Normalized) 多光譜之RGB 影像經色彩模型轉換後之亮度影像(包括 HIS 色彩模型之 I、YIQ 色彩模型之Y 及 PKL 色彩模型之 PKL1等)，為敘述方便計，以下均稱之為參考影像
(Reference Image)。欲融合之全色態影像(Pan)，以下均稱為感測影像(Sensed Image)， 欲使參考影像與感測影像間之灰度值達到相似之目的，可採用影像灰度值之正規化 (Normalized)處理，使用之制約(Constraint)條件為使二影像像元平均值(Mean)及標準 偏差(Standard Deviation)近乎相等，其數學模式為:
G
′ = + ⋅
r
0r G
1 (3-7) =μ
s− ⋅r1μ
r + ⋅r G1=
μ
s+ ⋅
r
1(
G
−
μ
r)
式中 G : 為感測影像之原灰度值 G : 為感測影像經灰度值正規化後之灰度值 ′ r1= r0=μs- r1．μr μr、σr分別為參考影像像元灰度值之平均值及標準偏差 μs、σs分別為感測影像像元灰度值之平均值及標準偏差 3-3-2 影像融合之處理程序 欲執行不同類型遙測影像融合，其先決條件為兩種影像必須具有完全相同之幾 何性質及影像尺寸(大小)，必要時需進行前級處理，包括必要之幾何糾正或影像放大 =μ
+σ
−σ
μ
s S r r G ( ) σ σ s r29 處理等。影像融合處理之程序如下: 1.將低解析度多光譜影像之大小調整至與高解析度全色態影像 Pan 相同，調整後之多光譜影像分別為 R、G、B 波段。 2.將 R、G、B 波段影像選擇某一種色彩模型進行轉換計算。 3.利用轉換後之亮度影像，將欲融合之全色態影像(Pan)予以灰 度值正規化。 4.以正規化後的全色態影像(Pan)取代色彩模型轉換後之亮度影像(如HIS色彩模 型之I、YIQ色彩模型之Y及PKL色彩模型之PKL1等)，並執行逆轉換成RGB顏 色系統，各波段分別為R’、G’、B’，此即為融合後之影像。 以RGB-HIS色彩模型轉換為例，其流程如圖3-4及圖3-5所示： 圖3-4 RGB-HIS 色彩模型流程圖 圖3-5a 全色態影像 圖 3-5b 多光譜影像 圖 3-5c 色彩融合影像 3-4 色彩模型之飽和度補償 在影像融合技術上，無論採用那種色彩模型轉換融合法，均是使用高解析度全 正規化後全色態影像 I’ I’ 正轉換 逆轉換 R G B I H S I’ H S R’ G’ B’
30 色態影像Pan取代多頻譜影像經過色彩模型轉換後之亮度影像I（或照度影像Y、PKL1 等），並保留原始多光譜影像之色調H與飽和度S，三者再經逆轉換後，即可得到融 合影像；如此作法的主要目的，是要符合影像融合的精神，即是獲得全色態影像Pan 的高解析度，並保留著多光譜影像的色度（也就是色調H與飽和度S）。然而，在我 們仔細推導色彩模型轉換的過程中，發現以Pan置換I時，逆轉換後飽和度S將會改 變，並導致融合影像產生色偏(Color Distortion)現象，若能對飽和度進行補償，應可 改善此問題。以下將以分別說明與推導各種色彩模型轉換時飽和度補償的數學式。 3-4-1 正交濾核型(Kernel-based)HIS 色彩模型之飽和度補償
I
V
V
R
G
B
1
2
1 3
1 3
1 3
2 6
2 6 2 2 6
1
2
1
2
0
L
N
MM
M
O
Q
PP
P
= −
−
−
L
N
MM
M
O
Q
PP
P
L
N
MM
M
O
Q
PP
P
/
/
/
/
/
/
/
/
(3-8) 色調 H V V =tan−1F
HG
2I
KJ
1 (3-9) 飽和度 S = V12 +V22 (3-10) 逆轉換R
G
B
I
V
V
L
N
MM
M
O
Q
PP
P
=
−
−
−
L
N
MM
M
O
Q
PP
P
L
N
MM
M
O
Q
PP
P
1
1
2
1
2
1
1
2
1
2
1
2
0
1
2
/
/
/
/
(3-11) 相對的，若將 RGB 立方體，使其水平面為平行 Maxwell 三角形，且垂直 RGB 立 方體之灰度線重合，則 RGB 至 HIS 轉換，可修正為：(
R
G
B
)
/
3
I
=
+
+
(3-12)( )
a H =cos−1 ; if G≥ R ，(
)
(
B G) (
B R)(
G R)
R G B a − − + − − − = 2 2 / 2 (3-13)31
(
)
B
G
R
B
G
R
S
+
+
−
=
1
3
min
,
,
(3-14) 衛星影像處理中，進行影像融合的關鍵程序是以高解析度之全色態影像(Pan)之 Inew，取代低解析度原多光譜影像經色彩模型轉換後之亮度影像 I0，其程序為： (1)原始RGB 多光譜影像轉換。I
V
V
R
G
B
0 0 0 0 0 01
2
1 3
1 3
1 3
2 6
2 6 2 2 6
1
2
1
2
0
L
N
MM
M
O
Q
PP
P
= −
−
−
L
N
MM
M
O
Q
PP
P
L
N
MM
M
O
Q
PP
P
/
/
/
/
/
/
/
/
(3-15) 式中[ R0、 G0、 B0] T 為原多光譜影像之 R 、 G 、 B 值 (2) 以 Inew取代 I0。 (3) 作 HIS 至 RGB 逆轉換。R
G
B
I
V
V
new new new newL
N
MM
M
O
Q
PP
P
=
−
−
−
L
N
MM
M
O
Q
PP
P
⋅
L
N
MM
M
O
Q
PP
P
1
1
2
1
2
1
1
2
1
2
1
2
0
1
2
0 0/
/
/
/
= − − −L
N
MM
M
O
Q
PP
P
⋅ + −L
N
MM
M
O
Q
PP
P
1 1 2 1 2 1 1 2 1 2 1 2 0 1 2 0 0 0 0 / / / / I I I V V newb
g
= − − −L
N
MM
M
O
Q
PP
P
⋅ +L
N
MM
M
O
Q
PP
P
= + + +L
N
MM
M
O
Q
PP
P
1 1 2 1 2 1 1 2 1 2 1 2 0 1 2 0 0 0 0 0 0 / / / / I V V R G Bδ
δ
δ
δ
(3-16) 式中δ
=
I
new−
I
0 (3-17) 為探討HIS 色彩模式逆轉換後產生色彩失真的現象，將(3-17)分解為32 R G B I I I V V new new new new new new
L
N
MM
M
O
Q
PP
P
=L
N
MM
M
O
Q
PP
P
+ − − −L
N
MM
M
O
Q
PP
P
×L
NM
O
QP
1 2 1 2 1 2 1 2 2 0 1 2 0 0 / / / / (3-18) 上式表示在融合結果中，似乎保留原定義之色彩 H 及飽和度 S ，然而事實上， 逆轉換後之 Rnew、 Gnew、 Bnew已非原有之 R0、 G0、 B0，因此，轉換後之色彩 H 及飽和度 S 是無法由原始正轉換所得之V10及V 20來獲得。 進一步探討色彩 H 及飽和度 S 是如何在融合過程中的改變，可將 δ 值代入 (3-13)，(3-14)式
(
)
(
) (
) (
)
0 0 0 0 0 2 0 0 0 0 0 /2 2 a R B R B G B R G B = − ⋅ − + − − − = (3-19) 由(3-25)式中顯示，在融合過程中，色彩 H 並不會因亮度 I 之差異而改變，因 此，足以說明融合影像之色偏是由於逆轉換後飽和度之改變而造成。 將(3-18)代入(3-14)式，可得 0 0 0 0 0 0 0 03
1
I
X
I
B
G
R
X
S
=
−
+
+
−
=
(3-20) 式中 X0 = min( R0， G0， B0) 再將δ值代入(3-26)式，可得新的飽和度S ′(
)
(
)
new I X I B G R X B G R B G R S 0 0 0 0 0 0 0 0 0 0 0 0 3 3 1 3 , , min 3 1 = − + + + + − = + + + + + + − = ′ δ δ δ δ δ δ (3-21) 明顯地，當Inew ≠I0時，S 即隨之改變，此差異為′ ′ = + − + − + + − + − + − + ⋅ + − + a B G R B G B R G R 2 0 0 0 2 0 0 2 0 0 0 0δ
δ
δ
δ
δ
δ
δ
δ
δ
b
g b
g b
g
b
g b
g b
g b
g b
g b
g
/33
(
)
0 0 0 0 0 0 0 0 0 I I X I I X I I X I S S S new new × − − = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − − ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − = − ′ = Δδ
(3-22) 由於 X0 = min( R0， G0， B0)，且 I0−X0必為正值，故當 δ 為正值、△S 為 負值，反之 δ 為負值時，△S 為正值。 故針對每一個像元分別計算出其飽和度之補償量△S，可修正飽和度 S 因逆轉 換時，因替代亮度影像之差異而造成之改變。由(3-16)式H
V
V
K V
K V
H
=
′
′
=
×
×
=
− −tan (
1 0) tan (
)
0 1 0 02
1
2
1
(3-23) 應用於(3-17)式之新飽和度S 可得 ′ ′ = ′ + ′ = + = × ′ + ′ = × S V20 V1 KV1 KV2 K V2 V1 K S 2 0 2 0 2 0 2 0 2 0 2 0 ( ) ( ) (3-24) 所以S′ =S + S=S + S S 0 0 0 1 Δ ( Δ ) (3-25) 換言之 K S S = +1 0 Δ (3-26) 對飽和度S 之補償為對原飽和度值 S0乘以一尺度常數 K ，故其逆轉換為： ′ ′ ′L
N
MM
M
O
Q
PP
P
=L
N
MM
M
O
Q
PP
P
+ + − − −L
N
MM
M
O
Q
PP
P
L
NM
O
QP
R G B I I I S S V V new new new new new new ( ) / / / / 1 1 2 1 2 1 2 1 2 2 0 1 2 0 0 0 Δ = 1 1 2 1 2 1 1 2 1 2 1 2 0 − − −L
N
MM
M
O
Q
PP
P
/ / / / I r V r V new ′ × ′ ×L
N
MM
M
O
Q
PP
P
1 2 0 034 = 1 1 2 1 2 1 1 2 1 2 1 2 0 − − −
L
N
MM
M
O
Q
PP
P
/ / / / ′ + − ′ ′L
N
MM
MM
MM
O
Q
PP
PP
PP
r I I r I r V r V new 0 0 0 0 1 2 ( " ) = ′L
N
MM
M
O
Q
PP
P
r R G B 0 0 0 +L
N
MM
M
O
Q
PP
P
r r r " " " (3-27) 式中′ =
= +
=
− ′ =
−
⋅ =
−
r
I
I
S
S
r
I
r I
I
I
I
I
I
I
I
new new new new new new 0 0 0 0 0 2 0 21
/
(
)
"
Δ
(3-28) [ Rnew′ 、Gnew′ 、 Bnew′ ]T 為飽和度補償後逆轉換之新 R、G、B 值 3-4-2 濾核正規型 HIS 之飽和度補償 同濾核正交型飽和度補償模式之推演，亦可將(3-36)式分解成兩個部份，得到下 式： R G B new new new
L
N
MM
M
O
Q
PP
P
= I I I V V new new newL
N
MM
M
O
Q
PP
P
+ − − −L
N
MM
M
O
Q
PP
P
L
NM
O
QP
0 707 1225 0 289 1225 1414 0 1 2 0 0 . . . . . (3-29) 同樣地，可經由以 Inew代換 I0來建構HIS 影像融合的飽和度補償，也就是 ′ ′ ′L
N
MM
M
O
Q
PP
P
= R G B new new new 1 0 707 1225 1 0 289 1225 1 1414 0 − − −L
N
MM
M
O
Q
PP
P
. . . . . I r V r V new ′ × ′ ×L
N
MM
M
O
Q
PP
P
1 2 0 0 =r′ R G B 0 0 0L
N
MM
M
O
Q
PP
P
+ ′′ ′′ ′′L
N
MM
M
O
Q
PP
P
r r r (3-30) 此處所使用的補償因子r 、′ r ，分別為′′ I Inew 0 、I I I new new 2 0 2 − (3-31)35 3-5 基於『能量守衡原理』之色彩融合 由於高解析衛星影像全色片之輻射能量亦含蓋紅外波段，依能量守恆的觀點來 看，全色態波段能量要等於多光譜態波段總能量，影像灰值(Digital Number, DN)是 可以轉成物理輻射單位(mW/cm2-sr)，能量守恆式將寫成： Pan R G B IR Pan R G B IR
CalCoef =CalCoef +CalCoef +CalCoef +CalCoef (3-32)
這裡
Pan
、R、G、B 分別為各波段的 DN 值 依方程式將可倒出新的融合方法為： 0 0 0 0 0 ( / ) new new new new new R R G G E E B B IR IR ⎡ ⎤ ⎡ ⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥= ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎣ ⎦ ⎣ ⎦(3-33) 式中 new Pan Pan E CalCoef = ， (3-34) 0 R G B IR R G B IR E
CalCoef CalCoef CalCoef CalCoef
= + + + (3-35) 3-6 影像融合處理實例 圖3-6 至圖 3-9 分別為 Ikonos 衛星影像經正交型及正規型 HIS 色彩模型轉換融 合處理之結果。 對福衛二號衛星影像而言，不同於目前所熟知之高解析度衛星影像，如Ikonos 與QuickBird 衛星影像，其所拍攝之全色態(Panchromatic)與多光譜(Multi-Spectral)影 像，各波段間存在有非線性之幾何形變，造成套合後彩色影像有色彩疊影、影像之 空間解像度降低及色彩融合影像品質不佳之特殊現象，該問題使用一般方法難以有 效克服，因此必須針對此一問題尋求解決的方法，其關鍵為必須先解決原始拍攝各 波段間影像之幾何校齊(Image Registration)問題。 由於福衛二號衛星影像各波段間存在有非線性之幾何形變，使用一般常用之 轉換函數包括仿射(Affine)、多項式(Polynomial)及有理函數(Rational Function)等
36
均難以解決此一問題。另外，福衛二號衛星影像之輻射特性，在全色片之輻射能 量亦含蓋紅外波段(Infared)，若如傳統上僅考慮可見光(紅、綠、藍)波段進行色彩 融合(Color Fusion)處理，融合後影像將明顯呈現色偏(Color Distortion)之品質不佳 問題。
針對福衛二號衛星影像之前述問題，我們提出一種新的解決方法：
(1).在影像間使用大量的控制點(Control Points) ，以全區方式進行幾何糾正，有 效改善幾何對位問題。
(2).利用薄板樣條函數 (Thin Plate Splines, TPS)來進行影像之糾正，提升影像幾 何糾正之品質。 (3).以『能量守衡原理』方法，有效改善以色彩模型為基礎之影像融合所造成之 色偏現象，提升融合影像之品質，同時提升影像之空間解析度(Spatial Resolution)。 圖3-10 為福衛影像直接融合，圖 3-11 為該影像經新方法糾正後採用能量守衡原 理』方法融合之結果，可有效改善融合影像之品質。
37
圖3-6 基於正交型 HIS 色彩模型轉換之 Ikonos 衛星影像融合處理
38
圖3-8 基於正規型 HIS 色彩模型轉換之 Ikonos 衛星影像融合處理
39
圖3-10 福衛影像直接融合 圖 3-11 福衛影像新方法糾正及融合
