遙測影像資料庫建置關鍵技術及基於內容的檢索研究(II)

遙測影像資料庫建置關鍵技術及

基於內容的檢索研究(2/3)

計劃編號：NSC 96-2623-7-151-001-D

計畫主持人：李良輝

計畫參與人：黃明哲、林奕翔

吳笛豪

張庭榮

國立高雄應用科技大學

中華民國九十七年三月三十一日

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。 本年度之研究重點為遙測影像處理之關鍵技術，其中包括影像之輻射處 理、影像之品質評估方法、幾何校正與正射化糾正、色彩融合、除霾處理、陰影 淡化、無縫鑲嵌、色彩平衡等處理。本研究使用Ikonos與福衛二號影像進行實驗， 提出新的方法解決福衛影像各波段間幾何對位之問題，探討嚴密光束法及有理函 數在幾何糾正之精度分析，並以飽和度補償之色彩模式完成影像色彩融合處理， 同時提出新的影像之品質評估方法，進行融合影像之品質評估。本研究中亦提出 以基於視網膜技術為基礎之影像色彩強化模式，以作為影像除霾及陰影淡化之應 用，改善影像之品質，最後完成影像之無縫鑲嵌及色彩平衡等處理。 關鍵字：遙測影像、數值地形模型、幾何糾正、影像色彩融合、數值影像鑲嵌、 色彩平衡

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

The research topic in this year is focus to some key techniques related to image radiometric processing, image quality assessment, geometric correction, ortho-image rectification, color fusion, haze removal, shadow removal, digital mosaic and color balance. We use Ikonos and Formosat satellite images in this study, and we proposed a new approach to solved the band registration problem for Formosat images. The bundle adjustment method and relational function Model (RFM) are used in geometric accuracy analysis, and saturation compensation based color fusion model and new method to image quality assessment. We also used retinex technique to improve quality for image color enhancement and haze removal. Finally, digital mosaic and color balance are complicated.

Keywords: Remote Sensed Imagery, Digital Terrain Model, Geometric Correction,

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、影像品質評估指標………22 3-1 主觀影像品質評估………23 3-2 客觀影像品質評估………25 3-2-1 絕對性客觀影像品質評估 ………25 3-2-2 絕對性客觀影像品質評估 ………27 四、衛星遙測影像之影像融合處理………35 4-2色彩空間模型………37 4-2-1 色彩模型………37 4-2-2 HIS(Hue-Intensity- Saturation) 色彩模型法 ………38 4-3 基於色彩模型轉換之影像融合方法………41 4-3-1 影像之灰度值正規化(Normalized)………41 4-3-2 影像融合之處理程序………41 4-4 色彩模型之飽和度補償………42 4-4-1 正交濾核型(Kernel-based)HIS 色彩模型之飽和度補償………43

IV 4-4-2 濾核正規型 HIS 之飽和度補償 ………47 4-5 基於『能量守衡原理』之色彩融合………48 4-6 影像融合處理實例………48 五、高解析衛星影像之幾何處理………61 5-1 前言 ………61 5-2 多項式函數模式 ………61 5-3 有理函數模式 ………62 5-4 嚴密附加參數光束法平差函數模式………69 5-5 影像製圖幾何精度………70 5-5-1 製圖之比例尺精度………70 5-5-2 影像解析度與製圖比例尺之關係………72 5-6 影像幾何糾正精度分析 ………72 5-7 高解析衛星影像之正射化糾正 ………74 5-8 福衛二號令新竹地區)影像幾何處理………78 六、基於 RETINEX 之影像色彩強化與重建處理………91 6-1 前言………91 6-2 影像品質強化演算法………92 6-3 Retinex 演算法 ………93 6-4 影像色彩強化與重建實例………98 6-5 遙測影像之無縫鑲嵌及色彩平衡………99 七、結論 ………102 誌謝 ………102 參考文獻………103 附錄：各種組合有理函數計算成果………105

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 3-1（a）含有白色雜訊影像（b）含有高通雜訊影像………23 圖 3-2 結構相似性量測系統圖………32 圖 3-3 傳統指標與結構相似性指標的評估比較………33 圖 4-1RGB 色彩模型 ………37 圖 4-2 Munsell, s 顏色系統………38 圖 4-3(a)RGB 轉換成 HIS………39 圖 4-3(b)為 HIS 轉換成 RGB ………39 圖 4-4 RGB-HIS 色彩模型流程圖 ………42 圖 4-5a 全色態影像………42 圖 4-5b 多光譜影像………42 圖 4-5c 色彩融合影像………42 圖 4-6 正交型 HIS 色彩模型融合影像………50 圖 4-7 正規型 HIS 色彩模型融合影像………52 圖 4-8 PKL 色彩模型融合影………54 圖 4-9 YIQ 色彩模型融合影………56 圖 4-10 Brovey 色彩模型融合影 ………58 圖 4-11 福衛影像直接融合………39 圖 4-12 福衛影像新方法糾正及融合………39 圖 4-13 福衛影像新方法糾正及融合………39

VI 圖 5-1 有理函數模式處理流程 ………47 圖 5-2 自率光束法平差流程………50 圖 5-3 嘉義地區之 QuickBird 衛星影像………52 圖 5-4 不同糾正方法在檢核點的精度分析 ………52 圖 5-5 嘉義地區之 Ikonos 衛星影像實驗例影像 ………55 圖 5-6 相應圖 4-5 之 Ikonos 正射化影像………56 圖 5-7 實驗區區範圍 ………78 圖 5-8 實驗區圖幅劃分 ………78 圖 5-9 地面控制點(GCPs)資料庫 ………79 圖 5-10 現有 5m 解析度 DSM 與 DEM………79 圖 5-11 新竹地區原始福衛二號影像之產品資訊………80 圖 5-12 E9501001 福衛二號原始影像………80 圖 5-13 E9510001 福衛二號原始影像………81 圖 5-14 E9510001 福衛二號原始影像………82 圖 5-15 新竹福衛二號全區融合及鑲嵌影像………83 圖 5-16 1/25000 比例尺圖幅範圍影像………84 圖 5-17 1/10000 比例尺圖幅範圍影像………85 圖 5-18 1/25000 比例尺圖幅範圍分類影像………86 圖 6-1 傳統影像強化分類樹狀圖 ………92 圖 6-2 原始影像………93 圖 6-3 局部加入遮色片之影像………93 圖 6-4 整體加入遮色片之影像………93 圖 6-5 SSR 示意圖 ………95 圖 6-6 MS 示意圖………95 圖 6-7(a) 輸入影像之立體色域圖………97 圖 6-7(b) 輸入影像………97 圖 6-8(a)輸出影像之立體色域圖 ………97 圖 6-8(b)經過 MSRCR 處理後之影像………97 圖 6-9 影像色彩強化與重建實例………99 圖 6-10 影像之無縫鑲嵌及色彩平衡處理結果………101

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 正交型 HIS 色彩模型融合影像品質趨勢折線圖………51 表 4-2 正規型 HIS 色彩模型融合影像品質趨勢折線圖………53 表 4-3 PKL 色彩模型融合影像品質趨勢折線圖 ………55 表 4-4 YIQ 色彩模型融合影像品質趨勢折線圖 ………57 表 4-5 Brovey 色彩模型融合影像品質趨勢折線圖………59 表 5-1 影像解析度與製圖比例尺之關係………51 表 5-2 影像幾何糾正之控制點與檢核點均方根誤差 ………51 表 5-3 各種組合計算結果之統計分析表………87 表 5-4 一階函數之計算結果………87 表6-1影像品質評評估結果 ………97

1

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。 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

2 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， 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

4 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 衛星遙測影像 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 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。

5 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，1991~2008)：

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)及加拿大 RADARSAT

II(2007/12)。

(5)第五代衛星：(光學攝像，1997~2008)：

高解析度影像(1~3m)－EROS A,B，Earlybird, Quickbird，IKONOS-2，ObrView， SPOT5，福衛二號(Formosat II)、WorldView 及預計 2008 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。 2-3 遙測衛星之發展

6 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， 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

9 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 1.18 50 2.8 天 2.0 天 ′ ≈ A A cos2_θ

11 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

利用DTM資料與地面控制點(GCP)資料及軌道參數來糾正影像，即一般所 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

12

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， 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

13 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

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

14 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 飛行速度km/sec 6.79 7.1 重覆的週期(天) 1-3 1-3.5

15 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 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。

16 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 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。

17

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、影像品質評估指標

在客觀的評估工作中，尚需仰賴人眼視覺來完成，倘能以適當量化之客觀指標 來輔助人眼視覺來評估影像品質，俾能提昇作業效率。 一般而言，評估影像處理前、後的品質，其方法可分為兩大類型[Gonzalez , 1992]：

一、主觀保真度準則（Subjective Fidelity Criteria）：以人類肉眼的觀察來比較 影像品質。

二、客觀保真度準則（Objective Fidelity Criteria）：以簡單且易於計算的量化指 標來評估影像。 主觀真實條件的評估結果，雖然能較好地反映出影像的直觀品質，但是存在很 大的主觀性及片面性，且過於費時費力，不便於大資料量的評價；然而客觀數值指 標評估的結果常與人的主觀判斷時有出入，所有利用這些定量的數學測量法來鑑定 影像品質，只能做為一個基本的參考依據而已，若是要完全利用它們來判斷影像品 質的好壞，可能還需要加入許多符合人類視覺「判斷因素」的數學描述，來進行綜 合的比較，以符視覺評估結果。 影像產品最終的接觸者是該產品所使用的人，因此在論定影像品質的好壞時， 必需利用符合人類視覺的評估方法行之。圖 3-1 為兩張含有雜訊的灰階影像，對於 主觀影像品質評估而言，圖（a）含有白色雜訊影像，以視覺判斷結果，影像內容是 模糊且難以辨識的；而圖（b）含有高通雜訊影像，以視覺判斷結果，影像內容的是 比圖（a）還要清楚。雖然兩者的 SNR、PSNR 值均相同，但對於視覺上影像品質的 評估而言，圖（b）的影像品質顯示是比圖（a）的影像品質還要好。 藉由目前常用的影像品質指標，來計算影像間的品質所遭遇的困難是無法用一 個簡單的數學模式，去得到符合人類視覺對影像感覺的結果。例如 RMSE，值越小 時，代表著兩張影像相似性愈高。但是實際上，我們常常可以發現一個問題，那就 是值越小時，雖然很近似原始影像，但並不代表影像的品質越好；訊號雜訊比 （Signal-to-Noise Ratio,SNR）以原始訊號的平均平方值和 MSE（Mean Square Error）

的比值，來評估原始影像與重建影像的影像品質，訊號雜訊比SNR 值越大，代表失

23 結果，我們將傳統客觀品質指標整理如下： SNR = 10 dB PSNR = 15.7 dB SNR = 10 dB PSNR = 15.7dB （a） （b） 圖3-1（a）含有白色雜訊影像（b）含有高通雜訊影像 1. RMSE、SNR 及 PSNR 和視覺判斷結果相關性較低。 2. 當影像產生像點灰度差異較大及多數像點灰度差異甚小之情況時，將影像中 所有像素均以等權方式來計算影像品質指標。 3. 整體性反映原始影像和參考影像之間的差異性，而無法反映影像局部性。 4. 這些簡單的數學表示式並未考慮人類視覺系統（Human Visual System）的感

知特性，因此在多數的情況下，它們的計算結果無法與人眼評估結果相一 致

。

3-1 主觀影像品質評估 雖然基本客觀的評估的方法提供了簡單而且方便的準則，但是影像的最後觀察 者還是人，因此利用觀察者主觀的評估方法來衡量影像的品質，仍是當前評估影像 品質的主要重要依據。 影像品質的主觀評估就是以人作為影像的觀察者，並對影像的優劣做出主觀評 定，這是目前經常採用的影像評估方法。選擇主觀評價的觀察者應分成兩種類型：

24 一類是未受過專業訓練的『外行』觀察者；一類是訓練有素的『內行』觀察者，所 謂『內行』觀察者是指對影像技術有經驗的人，他們能夠憑自己的觀察對影像品質 提出嚴格的判斷，容易被『外行』觀察者所忽略的影像某些細小降質都會被他們發 現。 影像品質主觀評估大體上分為兩種類型，『絕對評估』和『相對評估』。絕對評 估是由觀察者根據一些事先規定的評估尺度或自己的經驗，對被評估影像提出品質 量的判斷，在有某些情況下，也可以提供一組標準影像作參考，幫助觀察者對影像 品質量做出合適的評估。 （1） 絕對性主觀影像品質評估 絕對性評估常用的評估尺度稱為『全優度尺度』，也就是觀察者對影像的 優劣以數字給分。如：: 1.非常好的影像 5 分 2.好的影像 4 分 3.中等的影像 3 分 4.差的影像 2 分 5.非常差的影像 1 分 （2） 相對性主觀影像品質評估 相對性評估是由觀察者將一批影像由好到壞進行分類，也就是對影像進 行互相比較得出好壞並給出分數。相對評估常用所謂『群優度尺度』。即 1.該批中最好的影像 7 分 2.比該批的平均水準好的影像 6 分 3.稍好於該批的平均水準 5 分 4.該批平均水準的影像 4 分 5.稍次於該批的平均水準影像 3 分 6.比該批平均水準差的影像 2 分 7.該批中最差的影像 1 分 評估的結果用一定數量的觀察者所給出的平均分數得出。其平均分數 Cp 定義

25 為：

∑

∑

= = = _K k k K k k k P N C N C 1 1 _（3-1） 式中：Ck為影像屬於k 類的分數，Nk為判定該影像屬於k 類的觀察者人數。很 明顯，上式分子即表示該影像所得總分數。而分母則表示參加評估給出分數的觀察 者總人數。 為確保影像主觀評估在具有統計上有的意義，參加評分的觀察者至少應有 20 名。而且應該注意到主觀評估結果往往受影像類型、試驗環境等因素的影響。如果 影像是觀察者很熟悉的內容，則觀察者就容易挑出毛病，從而給出低分數。而那些 觀察者所不熟悉的影像內容，即使有些明顯降質往往被漏掉而給出高分數，因此測 試條件應盡可能與使用條件相匹配。 影像的主觀評估除絕對評估和相對評估兩種方法外，還有一些在特定場合下應 用的具體方法，如在編碼影像品質評估中常常應用對比實驗方法，即在規定條件下， 按一定隨機方式切換給定的標準影像參考估影像，直到觀察者覺察不出或很少覺察 到兩幅影像的差別為止，那麼就可以認為待評估影像與給定的標準影像有相同的品 質。 3-2 客觀影像品質指標 客觀保真度準則中，對於影像品質評估分成兩種類型，『絕對性指標』和『相對 性指標』，其中『絕對性指標』每張影像均可得到一個量化的評估值，例如：熵值 （Entropy）、影像標準差值(Standard Deviation)及影像平均值（Mean）；關於『相對 性指標』則需採用兩張影像來進行比較，其中一張為基準影像，另一張為待測影像， 用以計算兩影像間的量化評估值，例如：均方根誤差（Root Mean Square Error,

RMSE）、峰值訊號雜訊比（Peak Signal to Noise Ratio, PSNR）、訊號雜訊比（Signal to

Noise Ratio, SNR）、標準化相關係數（Normalized Correlation Coefficient, NCC）、通 用性影像品質指標（Universal Quality Index, UQI）及結構相似性影像質量指標 （Structural SIMilarity, SSIM）。

26 1. 熵值（Entropy） 熵值提供了直接與定量對影像資訊進行表示與處理的工具，其方法基本理論是 根據影像灰度值（Gray Value）出現的機率來估計影像的資訊量。熵是以二進位元來 表示的，如果一張影像是二元的，僅包含0、1 兩種灰度值，而且每一種灰度值出現 的機率是相同的，即影像中有一半像素的灰度值為0，一半為 1(與 0、1 的分佈位置 無關)，則此張影像之熵值等於 1，亦即對於每個灰度值僅需用 1 個 bit 去記錄即可 表示整張影像。同理，若一幅影像使用 8 位元（8bits，灰值為 0～255），且若每個 灰度值出現機率皆相同，則此張影像的熵等於 8。熵值越高，則表示影像中不同灰 度值出現的機率越高，對影像資訊含量而言，越高則表示資訊含量越豐富（[Gonzalez and Woods , 1992）]。熵值計算式為：

( )

i

P

( )

i

P

Entropy

i 2 255 0

log

∑

=

−

=

（3-2） 式中，N 為像素灰度值分佈的範圍，P(i)為第 i 個灰度值出現的機率。 一般而言，熵值可以應用於比較影像經壓縮或融合處理前後資訊量的變化，但 將影像熵值的大小作為衡量影像品質好壞的唯一標準是不合適的。因為即使是相同 地區相同品質的影像會因攝影時間不同其資訊含量也會不同。 2. 影像標準差(Standard Deviation, Std) 將影像灰度值視為單純的離散訊號值，而不管灰度值之空間分佈位置，以統計 的方法計算出有關影像整體灰度值的一些指標值，一張影像的標準差(Std)可由下式 計算而得：

( )

_{∑ ∑}

[

]

= = − = M j N i ij X MN x Std

_X

1 2 1 1 （3-3） X 為影像灰度之平均值，Xij為影像中第（i,j）像素之灰度值，（M,N）為影像之 大小。 影像標準差(Std)是影像對比（Contrast）的一個重要量測值，如果影像標準差(Std) 小則表示對比低，相對的影像中包含的資訊含量也比較低。若雜訊不大，一般而言 對比比較強的影像看起來也比較清晰，因此，使用標準差或該值之平方－變方

27 （Variance）來進行影像品質的評估，有其一定的統計意義。 . 影像灰度平均值（Mean） 一般灰度平均值主要反映出整體影像的亮度，平均值愈大代表亮度愈高，反之 則 愈 低 ， 它 除 了 可 以 檢 視 影 像 是 否 過 度 曝 光(over exposure)或曝光不足(Under Exposure)外，對評估影像的品質而言並無太大價值。

∑ ∑

= =

=

M j N i ij

X

MN

Mean

1 1

1

（3-4 ） Xij為影像中第（i,j）像素之灰度值，（M,N）為影像之大小。 3-2-2 相對性客觀影像品質指標

1. 均方根誤差RMSE（Root Mean Square Error）

影像處理技術中，常以量測原始影像與處理影像間的MSE 及 RMSE 來判斷影像

處理後品質的好與壞，RMSE 是 MSE 的平方根，RMSE 的計算式如下：

[

]

∑ ∑

= =

−

=

M j N i ij ij

Y

X

MN

RMSE

1 1 2

1

（3-5） Xij 為原始影像中第（i,j）像素之灰度值，Yij表示參考影像中第（i,j）像素之灰 度值，（M,N）為影像之大小。 對於數學的觀點而言，當 MSE 或 RMSE 值越小時，代表著兩張影像間之相似 程度比較高。但是實際上，雖然 MSE 或 RMSE 的值越小時，會得到近似原始影像 的結果，但並不代表影像的品質越好。因此，倘以整體性反映原始影像和參考影像 間的差異性，並無法反映影像的局部性，當影像產生像點灰度差異較大及多數像點 灰度差異甚小之情況時，將影像中所有像素均以等權方式計算而得到的結果並無法 與人類視覺的評估結果相一致。

2. 峰值訊號雜訊比 PSNR（Peak Signal to Noise Ratio）

PSNR 代表影像訊號的尖峰值與 MSE 的比值，在影像壓縮及重建之品質估算方

28

(

)

∑ ∑

= = − = = _M j N i ij ij peak e X Y X MN X dB PSNR 1 1 2 2 10 2 2 10 10log ₁ log 10 ) (

σ

σ

（3-6） σx2為原始影像灰值之變方，σe2為灰值誤差之變方，Xij為原始影像中第（i,j）像 素之灰度值，Yij表示參考影像中第（i,j）像素之灰度值，（M,N）為影像之大小。 其中 Xpeak代表影像灰值中最大值，通常直接以 255 代入，因此對 8Bits 表示之 灰度影像，PSNR 可定義為下式： 2 2 10

255

log

10

e

PSNR

σ

=

（3-7） 通常，我們在比較失真度時，PSNR 值 27、28 算是可以接受，一般不是複雜度 很高或者不需要精確度很高的影形影像，大概有這個程度即可。而 PSNR 值 30 以上 都算是失真度很輕，品質很好的影像了，一般人眼是感覺不出來的。如果 PSNR 值 到達34、35 以上的話，失真度已經微乎其微。當 PSNR 值達到 40 以上的話，那可 以說是跟原影像幾乎一模一樣了。值得注意的是，百分之百相同時，PSNR 值是零的 倒數，而不是100，而且和一般我們用的誤差率（MSE）呈倒數關係。

3. 訊號雜訊比SNR（Signal to Noise Ratio）

訊號雜訊比（Signal-to-Noise Ratio, 簡稱為 S/N 比）代表原始訊號的平均平方

值和MSE（Mean Square Error）的比值，計算的單位一般是使用分貝（dB）來表示：

(

)

∑∑

∑∑

= = = =

−

=

=

=

_M j N i ij ij M j N i ij e X

Y

X

MN

X

MN

MSE

S

SNR

1 1 2 1 1 2 10 2 2 10

₁

1

log

10

log

10

σ

σ

（3-8） σx2為原始影像灰值之變方，σe2為灰值誤差之變方，Xij為原始影像中第（i,j）像 素之灰度值，Yij表示參考影像中第（i,j）像素之灰度值，（M,N）為影像之大小。原 始影像與參考影像的訊號雜訊比SNR 越大，代表失真程度越少。

4. 標準化相關係數 NCC（Normalized Correlation Coefficient）

29 數是同時增加或同時減少，反而當相關係數為負值時，表示一者增加另一者減少之 狀況。當相關係數的絕對值愈大時，表兩者相關的程度愈強，若相關係數的數值愈 接近於 0，其相關程度愈弱。所以由相關係數之數值大小及其符號之正負，可得知 二變量之相關程度的強弱以及其相關的趨勢。相關係數的計算式為

[

][

]

[

]

_{∑ ∑}

[

]

∑ ∑

∑ ∑

= = = = = =

−

−

−

−

=

N i M j ij ij N i M j ij ij N i ij ij M j ij ij

Y

Y

X

X

Y

Y

X

X

CC

1 1 2 1 1 2 1 1 （3-9） X 為原始影像灰度之平均值，Y 為參考影像灰度之平均值，Xij為原始影像中第 （i,j）像素之灰度值，Yij表示參考影像中第（i,j）像素之灰度值，（M,N）為影像之 大小。

5. 通用性影像品質指標UQI（Universal Quality Index）

通用性的影像質量指標，兼具容易計算且對於各類型影像處理均可適用。不使 用傳統的誤差求和方法，在通用性指標中，設計上是以任何影像失真模型均含有三 種因素︰相關係數降低、亮度改變和對比改變。[Wang et al, 2002] 客觀的影像品質測量在各種的圖像處理應用上扮演著重要的角色。基本上客觀 的品質及變形評估有兩種模式： 1. 量測方法一為數學上廣泛地使用方法如，均方誤差(MSE)、峰值訊噪比 (PSNR)、均方根誤差(RMSE)及訊噪比(SNR)。 2. 量測方法二為考慮人類視覺系統（HVS）的特性並結合感覺的影像品質量測。 數學上的定義仍有吸引力的原因有： 1. 容易計算且通常複雜性低。 2. 不需倚賴觀測條件和人為的觀察，雖然觀測的條件和人眼感覺在圖像品質量 測過程中扮演重要的角色；但在大多數的情形下，是具不確定性，且整體 的數據對影像分析系統通常無法取得。如果在 N 個不同的觀察狀況下，可 能產生N 個不同量測結果，因此在實際使用上是相當不方便的。 綜合上述結果，將通用性品質指標整理如下：

30 1. 以局部性計算原始影像和參考影像間的差異性，並將各局部性計算結果加總 後平均，與整體性直接計算兩影像間之誤差求和的方式有所不同。 2. 影像的評估模型均含有三種因素︰相關係數降低、亮度改變和對比改變。 3. 計算影像品質指標時，非以等權方式來描述影像中所有像素值。 4. 模型評估影像的最佳及最差的量化值均介於-1 至+1 之間，因此可得到比較 具體的評估值。 通用性品質指標定義為：

( ) ( )

2 2 2 2 2 2 y x y x y x xy y x y x Q σ σ σ σ σ σ σ + ⋅ + ⋅ = （3-10） 其中

(

)

(

)

(

x x

)(

y y

)

N y y N x x N y N y x N x i N i i xy N i i y N i i x N i i N i i − − − = − − = − − = = =

∑

∑

∑

∑

∑

= = = = = 1 1 2 2 1 2 2 1 1 1 1 1 1 1 1 1 1 σ σ σ （3-11） x 為原始影像灰度之平均值， y 為參考影像灰度之平均值，σx2為原始影像之方 差，σy2為參考影像之方差，σxy為原始與參考影像間之協方差，xi為原始影像中第 i 個像素之灰度值，yi表示參考影像中第 i 個像素之灰度值，N 為影像之大小（即 M*N）。 Q 的範圍值是介於-1 至+1 之間，當 yi = xi時表示兩張影像相同，得到最佳值為 1。通用性指標模型由三個部分組成，第一個部分為量測影像 x 和 y 之間的相關係 數，其動態範圍是 [-1,1]。第二個部分是亮度變形，量測影像 x 和 y 之間，平均值 接近多少，範圍值為[0,1]。第三個部分是量測影像 x 和 y 之間的對比變形，範圍變 化為[0,1]之間。 通用性品質指標量測的方法以區域性作滑動視窗的方式來進行，從這幅影像的

31 左上角開始，以視窗 8-8 大小為一個運算單元，利用水平和垂直的移動整幅影像滑 動，一直到右下角為止。式中Qj為移動視窗內計算的區域性品質指標，如果一張影 像中總共有M 個運算單元，其整體性的品質指標 Q 為：

∑

=

=

M j j

Q

M

Q

1

1

（3-12） 6. 結構相似性品質指標SSIM（Structural SIMilarity） 結構相似性指標是用於測量在兩幅影像之間相似性的一種方法。SSIM 指標係改 進以前提出的通用性影像品質指標（UQI）模型，而可以被視為一個完美的影像品 質量測。

此一指標模型可以透過比較誤差敏感性理論（Error Sensitivity Philosophy）而得 到瞭解。首先，誤差敏感性接近估計察覺錯誤確定影像降低的數量，考慮影像降低 而察覺在架構性訊息變化的變化。其次，錯誤差敏感性理論由下而上的方式，相關 功能類似早期HVS 系統。而此型模是由上至下，模仿 HVS 的功能性，避開在以前 部分提及臨界值的問題，因為它不倚賴臨界值確定察覺的變形數量。並降低相互作 用問題，因此結構相似性指標主要在評估兩張影像間的結構變化。 在觀察一個物體的表面亮度是照明和反射係數，但是在發生地點內物體的結構 不倚賴照明。而在一幅影像內探討結構性訊息，我們希望分開照明的影響。亮度和 對比可以透過一發生地點變化，我們使用區域亮度和對比來做定義。 指標模型中把影像量測的任務分開成為三種比較︰亮度、對比和結構。首先比 較每一個信號的亮度，並估計為平均的強度。第二將信號除去平均的強度，使用標 準偏差作為對顯著對比的估計。第三信號正規化後，以基準影像標準偏差，與參考 影像的信號標準偏差相比較。最後，三個部分結合產生相似性量測。而模型中三個 組成部分是各自獨立的，例如，亮度和對比的變化將不影響影像的結構。[Wang et al, 2004]

32 + 亮度量測 對比量測 + 亮度量測 對比量測 亮度比較 對比比較 結構比較 綜合 比較 ÷ ÷ 基準影像 待測影像 相似性 量測 ＋ － ＋ － 圖3-2 結構相似性量測系統圖 傳統客觀品質指標是以統計的方法計算出有關於整張影像整體灰度值誤差的總 合，而結構相似性指標不單僅是利用計算灰度值誤差的方法，並以模擬人眼視覺系 統(HVS)，來進行影像品質評估結果，如下圖 3-3 所示（a）為原始影像、（b）調整 對比拉伸影像、（c）調整至灰度平均值影像、（d）為壓縮影像、（e）為模糊影像、（f） 加入椒鹽雜訊影像，其中（a）影像與（b）、（c）、（d）、（e）、（f）這五張影像的 MSE 計算值均相同，而由結構相似性指標計算結果卻可得到不同的指標值，並且得到符 合人眼視覺的評估結果。

33 （a）原始影像 MSE=0,MSSIM=1 （b）對比拉伸影像 MSE=210,MSSIM=0.9168 （c）灰度平均值影像 MSE=210,MSSIM=0.9900 （d）壓縮影像 MSE=210,MSSIM=0.6949 （e）模糊影像 MSE=210,MSSIM=0.7052 （f）加入椒鹽雜訊影像 MSE=210,MSSIM=0.7748 圖3-3 傳統指標與結構相似性指標的評估比較[Wang et al, 2004] 結構相似性品質指標（SSIM）定義如下：

( )

₍

(

₎₍

)(

)

₎

2 2 2 1 2 2 2 1

2

2

,

C

C

C

C

y

x

SSIM

y x y x xy y x

+

+

+

+

+

+

=

σ

σ

μ

μ

σ

μ

μ

（3-13） C1和C2的目的在增加計算之穩定度，當C1=C2=0 時，即為通用性品質指標(UQI) 之特例，又（μx2+μy2）or（σx2+σy2）兩者任何一個非常接近於零時，會產生不穩定 的計算結果。常數項C1=(K1L)2、C2=(K2L)2。一般情形下各個係數的預設值分別為 K1 =0.01、K2=0.03、L=255。 式中

34

(

)

(

)

(

)(

i y

)

N i x i xy N i y i y N i x i x N i i y N i i x y x N y N x N y N x N μ μ σ μ σ μ σ μ μ − − − = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ₋ − = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ₋ − = = =

∑

∑

∑

∑

∑

= = = = = 1 2 1 1 2 2 2 1 1 2 2 1 1 1 1 1 1 1 1 1 1 _（3-14） μx始影像灰度之平均值，μy參考影像灰度之平均值，σx2為原始影像之方差，σy2 為參考影像之方差，σxy為原始與參考影像間之協方差，xi為原始影像中第i 個像素 之灰度值，yi表示參考影像中第i 個像素之灰度值，N 為影像之大小（即 M*N）。 1. 亮度比較，定義如下：

( )

1 2 2 1

2

,

C

C

y

x

l

y x y x

+

+

+

=

μ

μ

μ

μ

（3-15） 2. 對比比較，定義如下：

(

)

2 2 2 2

2

,

C

C

y

x

c

y x y x

+

+

+

=

σ

σ

σ

σ

（3-16） 3. 結構性比較功能與人類視覺系統的對比遮罩特徵一致，定義如下：

( )

3 3

,

C

C

y

x

s

y x xy

+

+

=

σ

σ

σ

式中C3 =C2/2 （3-17）

35

四、衛星遙測影像之影像融合處理

4-1 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 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

36 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) 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，