應用全波形空載雷射掃描資料於山區地物分類 - 政大學術集成

全文

(1)國立政治大學地政學系私立中國地政研究所. 碩士論文. 論文題目：. Scanned Data. ‧ er. io. sit. y. Nat. n. al v i n U 究 C h e生： n g c h i湯舜閔. 研指導. 中. 華. 學. ‧ 國. 應用全波形空載雷射掃描資料於山區地物分類治政 Land cover Classification in 大Mountain Area 立 Using Full-waveform Airborne Laser. 民. 教授：林士淵. 國. 一. 零. 二. 年. 七. 月.

(2) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.


(4) 謝誌今天，終於完成了在政大六年的學習之旅，一路走來遇到、學到與體會到很多，豐富地填滿大學四年以及研究所兩年的日子。首先，最要感謝的人當然是湯爸、湯媽與湯妹。父親隻身在對岸工作，就為了幫助寶貝兒子完成學業，謝謝！我沒讓你失望；母親在家打點一切，並不時確認我這兒子是否還記得有家，事情一多忙起來真會沒時間回家，謝謝！以後會有更多在家的時間。妹妹，把我當作前幾順位想到的人，有事情會找我商量，謝謝！。陪伴我經過研究所生涯的婉婷，謝謝！有妳在的時候總能將研究. 政治大接著要感謝我的指導老師林士淵老師，雖然我在各個學科的表現真是立. 的苦悶拋諸腦後。. 相當平均，也就是沒有特別懂的，但透過與每週的 Meeting，還是能夠一步. ‧ 國. 學. 步往正確的方向走，以致於有今天在這撰寫謝誌的機會，謝謝！測量組的黃灝雄老師、林老生老師，詹進發老師與邱式鴻老師，感謝你們的教導配. ‧. 合數量真是不算少的作業，使我能夠有基本的知識與技能完成本論文，謝. Nat. sit. y. 謝！口試委員林玉菁老師、謝嘉聲老師與詹進發老師提出的問題與建議都. al. er. io. 是我做研究時，思考欠周詳與疏忽的地方，根據這些建議讓我的文章更臻完美，謝謝！一起研究的同窗們，謝謝思睿學長不厭其煩的回答我研究相. n. v i n Ch 關的問題；謝謝敏瑜與繁恩，每次有作業要交都會有很罩的範本出來；謝 engchi U 謝汝晏、怡君和家翎，互相關心研究進度真是感心；謝謝翊甯，不只一起維護 GIS 的和平還一起上進，度過每個 Meeting 的時光。另外特別感謝成功大學曾義星教授與王淼博士提供 MLiDAR Viewer 軟體，使本研究能順利進行與完成。剩下這些篇幅留給在我政大生涯中，佔有相當大份量的政大棒球隊與地政系棒球隊。要是當初，我沒加入系棒，可能我的大學生活無法如此閃耀發光。謝謝我的學長們，除了教導棒球技術外，並教會我身為一個學長該有的典範，地政系棒的歷屆夥伴，跟你們一起打下七連霸與 22 連勝真的感覺很棒。再來是感謝政大棒球隊的核心人物王清欉老師與謝啟豪教練，由兩位師長的教導與帶領下，我從一個光熱身完就身體不舒服的低年級生.

(5) 到場上危機出現時你們腦袋想到換人的第一人選，這中間我成長了很多，不只技術，更重要的還有心態，謝謝你們的指導與信任！學長們好多，祥哥、趴趴、峰哥還有水哥，謝謝你們不只維持自己的球技還會不時叮嚀學弟，沒有你們真是不行阿。跟我同屆的戰友，我從最晚進來到後來也是最晚離開，雖然我們這屆的成績不是最好，但我們參與過的賽事也是最五花八門，該有的都有，507 最後的戰士要下台一鞠躬了。學弟的話就族繁不及備載啦，現在被關進去的王鴻儒、以後不知道會不會很強的賴東與陳麒文，你們都還挺認真的啦，但為什麼贏不了我呢？因為，我更認真！祝福你們未來寫下屬於自己的歷史。. 立. 政治大. ‧. ‧ 國. 學 NCCU Baseball Team #11 (2008〜2013). y. Nat. n. al. 中華民國一百零二年八月. er. io. sit. 舜閔謹誌於國立政治大學. Ch. engchi. i n U. v.


(7) 摘要空載雷射掃描為一可快速獲取地面物體三維空間資訊之技術，而新型發展之全波形（Full-Waveform）系統可完整記錄雷射回波訊號之波形，透過波形偵測與波形擬合等資料前處理，可得到代表地物獨特反射特性的波形參數資料，包括振幅值（Amplitude）、波形寬（Pulse-width）與後續計算之散射截面積係數（Backscatter cross-section coefficient）。得到各點位之波形資料後，將以波形資料為主進行位於山區之實驗區地物分類，並將使用由實驗區航照影像提供之 RGB 波段光譜資料計算之綠. 政治大（Homogeneity）、熵值（Entropy）與 R 波段平均值（Mean）等參數輔助分立. 度指數（ Greenness ）與計算影像灰階統計值之紋理參數如均質度. 類。分類進行之前，透過抽樣實驗區候選地類包括樹林、草地、道路與樹. ‧ 國. 學. 種建物，並以貝氏定理（Bayes Theorem）分析計算不同地物類別在各分類參數區間內的貝氏機率，接著以多項式函數擬合各地類在不同參數之貝氏. ‧. 機率曲線，並以計算反曲點之方式自動化決定該分類參數之門檻值區間。. Nat. sit. y. 分類成果顯示，全波形系統提供之波形資料對於受上層植物遮蔽與陰. al. er. io. 影區之植物點與道路點之分類有顯著之成果，且透過物體對於波形資料之. n. 反射特性不同，具備應用於區別不同建築材質類別之潛力。. Ch. engchi. i n U. v. 關鍵字：空載雷射掃描、全波形、貝氏定理、地物分類. I.

(8) Abstract Airborne Laser Scanning is a technique capable of acquiring 3D information of land objects. The latest full-waveform system is further improved with the ability of recording complete waveform of reflected laser signal. After the preprocessing procedures such as pulse detection and pulse fitting, the waveform information including amplitude, pulse width and backscatter cross-section were derived. Such information was valuable as they represented unique properties of land objects. In this study, waveform information of all scanned points were utilized to. 政治大. classify land cover in the test area located in mountain area. Additionally, the Greenness value as well as the texture parameters such as Homogeneity,. 立. Entropy and Mean of R band calculated from the ortho-image were used for. ‧ 國. 學. classification. We aimed to classify the point cloud into vegetation, road and building categories. The Bayes Theorem was used to determine the threshold. ‧. range of each parameters for classification. As a result, the waveform information were useful for classifying road points covered by upper vegetation. Nat. sit. y. points and also vegetation and road points located in shadow area. Moreover,. io. er. through the analysis of reflective properties of different object using waveform parameters, it was of potential to be applied to distinguish material of buildings.. n. al. Ch. engchi. i n U. v. Keywords: Airborne laser scanning, Full-waveform, Bayes Theorem, Land cover classification. II.

(9) 目錄摘要 ...................................................................................................................... I Abstract................................................................................................................ II 目錄 .................................................................................................................... III 圖目錄 ................................................................................................................IV 表目錄 ............................................................................................................. VIII 第一章緒論 ...................................................................................................... 1 第一節研究動機 .......................................................................................... 1 第二節研究目的 .......................................................................................... 3 第三節章節架構 .......................................................................................... 4. 治政 5 第二章文獻回顧與理論基礎 .......................................................................... 大立第一節全波形空載雷射掃描 ...................................................................... 5 ‧ 國. 學. 第二節波形資料之特性與應用 ................................................................ 10 第三節全波形光達點雲分類 .................................................................... 19 第三章研究方法 ............................................................................................ 26. ‧. y. Nat. 第一節貝氏定理分析地物之波形資料特性 ............................................ 26 第二節研究流程 ........................................................................................ 30. n. al. er. 研究資料 ........................................................................................ 34 分類參數分析 ................................................................................ 42 分類成果 ........................................................................................ 66 成果檢核與小結 ............................................................................ 89. io. 第一節第二節第三節第四節. sit. 第四章研究成果 ............................................................................................ 34. Ch. engchi. i n U. v. 第五章討論 .................................................................................................... 94 第一節波形資料使用之優點 .................................................................... 94 第二節波形資料使用之時機與改進方法 .............................................. 108 第六章結論與建議 ...................................................................................... 112 第一節結論 .............................................................................................. 112 第二節建議 .............................................................................................. 113 參考文獻 .......................................................................................................... 114. III.

(10) 圖目錄圖 2-1. 離散型系統回波偵測（改繪自 Mallet and Bretar, 2009） .............. 6. 圖 2-2. 不同波形偵測方法之結果比較（Wagner et al., 2004） .................. 6. 圖 2-3. 離散型與全波形回波之比較（Mücke, 2008） ................................ 7. 圖 2-4. 數個高斯函數擬合回波波形（改繪自 Wagner et al., 2006） ......... 8. 圖 2-5. 回波波形與不同物體表面之關係（Jutzi and Stilla, 2006） ............ 9. 圖 2-6. 不同地物與回波之振幅值比較（Mücke, 2008） .......................... 11. 圖 2-7. 不同地物與回波之波形寬比較（Mücke, 2008） .......................... 13. 圖 2-8. 雷達方程式參數示意圖（Wagner et al., 2006） ............................ 14. 圖 2-9. 反射面粗糙度與散射截面積之關係（Wagner et al., 2006） ........ 15. 圖 2-10. 政治大個別回波散射截面積與回波數量關係（Wagner et al., 2008） .... 15 立. ‧ 國. 學. 圖 2-11 總散射截面積與回波數量關係（Wagner et al., 2008） ................ 15 圖 2-12 森林區域地面點與植物間散射截面積分布圖（Wagner et al., 2008） 16. ‧. 圖 2-13 植物覆蓋區與建物區域散射截面積值（Wagner et al., 2008） .... 17. y. Nat. 圖 2-14 八分樹樹狀結構（賴志恆，2003）.............................................. 19. sit. 圖 2-15 都市地區地類波譜分布圖（邱智遠，2008）................................ 22. er. io. 圖 2-16 加入高度資訊分成高低層之地類分布圖（邱智遠，2008）........ 23. al. n. v i n Ch 使用不同特徵值之分類結果（Charaniya e n g c h i etUal., 2004） ................ 24. 圖 2-17 決策樹分類流程（Antonarakis et al., 2008） ................................. 23 圖 2-18. 圖 2-19 波形資料運用與分類精度提升之關係（Mallet et al., 2008） ...... 25 圖 3-1. 貝氏機率曲線分布圖........................................................................ 27. 圖 3-2. 反曲點位置與示意圖........................................................................ 28. 圖 3-3. 原始曲線與多項式擬合結果............................................................ 29. 圖 3-4. 不規則分布形狀之貝氏機率曲線.................................................... 29. 圖 3-5. 資料處理流程圖................................................................................ 31. 圖 3-6. 點雲分類流程圖................................................................................ 33. 圖 4-1. 點雲資料內容.................................................................................... 35. 圖 4-2. 單一回波點位.................................................................................... 36. 圖 4-3. 第一回波點位.................................................................................... 37 IV.

(11) 圖 4-4. 其它回波點位 .................................................................................... 37. 圖 4-5. 最後回波點位 .................................................................................... 38. 圖 4-6. 阿里山達邦地區正射影像 ................................................................ 39. 圖 4-7. 灰度共生矩陣像元之分布（高玉惠，2004） ................................ 40. 圖 4-8. 各類別抽樣點位分布位置圖 ............................................................ 42. 圖 4-9. 振幅值貝氏機率曲線圖 1 ................................................................. 46. 圖 4-10 振幅值貝氏機率曲線圖 2 ................................................................. 46 圖 4-11 散射截面積係數貝氏機率曲線圖 1 ................................................. 49 圖 4-12 散射截面積係數貝氏機率曲線圖 2 ................................................. 49 圖 4-13 波形寬貝氏機率曲線圖 1 ................................................................. 52 圖 4-14 波形寬貝氏機率曲線圖 2 ................................................................. 52. 政治大. 圖 4-15 綠度指數貝氏機率曲線 1 ................................................................. 55. 立. 圖 4-16 綠度指數貝氏機率曲線 2 ................................................................. 56. ‧ 國. 學. 圖 4-17 建物熵值（Entropy）貝氏機率曲線圖 1 ........................................ 59 圖 4-18 R 波段平均數（Mean R band）貝氏機率曲線圖 1 ........................ 61. ‧. 圖 4-19 均質度（Homogeneity）貝氏機率曲線圖 1 ................................... 62 圖 4-20 點雲分類流程（第一回波與最後回波） ........................................ 63. sit. y. Nat. 圖 4-21 植物點（一）使用波形資料之結果 ................................................ 67. io. er. 圖 4-22 植物點（二）使用綠度指數結果 .................................................... 69 圖 4-23 植物點（一）與植物點（二）成果比較圖 .................................... 70. n. al. Ch. i n U. v. 圖 4-24 道路點（一）使用波形資料與綠度指數結果 ................................ 72. engchi. 圖 4-25 道路點（二）單獨使用綠度指數結果 ............................................ 73 圖 4-26 道路點（一）與道路點（二）成果比較圖 .................................... 74 圖 4-27 分類屋頂種類（1 為紅色、2 為白色、3 為灰綠色、4 為黃色、5 為棕色、6 為深灰色） ..................................................................................... 75 圖 4-28 建物分類成果 .................................................................................... 78 圖 4-29 達邦地區分類成果（單一回波） .................................................... 79 圖 4-30 植物點（一）使用波形資料分類結果（第一回波） .................... 82 圖 4-31 植物點（二）使用綠度指數分類結果（第一回波） .................... 83 圖 4-32 植物點（一）使用波形資料之結果（最後回波） ........................ 85 圖 4-33 植物點（二）使用綠度指數之結果（最後回波） ........................ 86 圖 4-34 不同回波植物點套疊結果 ................................................................ 88 V.

(12) 圖 4-35 數化之地面參考資料圖.................................................................... 89 圖 5-1. 陰影區域之植物點結果.................................................................... 94. 圖 5-2. 紅色橫斷面........................................................................................ 95. 圖 5-3. 黃色橫斷面........................................................................................ 95. 圖 5-4. 樹林遮蔽與陰影區之道路點結果 1................................................. 97. 圖 5-5. 樹林遮蔽與陰影區之道路點（圖 5-4 紅色箭頭方向之橫斷面） 97. 圖 5-6. 樹林遮蔽與陰影區之道路點（圖 5-4 藍色箭頭方向之橫斷面） 97. 圖 5-7. 樹林陰影區域之道路點結果 2......................................................... 98. 圖 5-8. 陰影區域之道路點（圖 5-7 紅色箭頭方向） ................................ 98. 圖 5-9. 陰影區域之道路點（圖 5-7 藍色箭頭方向） ................................ 98. 圖 5-10 陰影區域與植物遮蔽區獲取之道路點............................................ 99. 政治大. 圖 5-11 陰影區域與頂層植物覆蓋下之道路點（圖 5-10 之紅色箭頭方向） 99. 立. ‧ 國. 學. 圖 5-12 陰影區域與頂層植物覆蓋下之道路點（圖 5-10 之藍色箭頭方向） 99 圖 5-13 植物遮蔽之建物.............................................................................. 100. ‧. 圖 5-14 植物與建物分類結果...................................................................... 100 圖 5-15 建物振幅值分布曲線...................................................................... 101. y. Nat. sit. 圖 5-16 建物散射截面積係數分布曲線...................................................... 101. er. io. 圖 5-17 建物波形寬分布曲線...................................................................... 102. al. 圖 5-18 建物材質分類成果（波形資料）.................................................. 103. n. v i n Ch 研究區航照影像.............................................................................. 103 engchi U 點雲與建物不一致區域.................................................................. 105. 圖 5-19 圖 5-20. 圖 5-21 光學影像與點雲套疊 1................................................................... 105 圖 5-22 點雲三維展示 1(圖 5-21 紅色箭頭方向)....................................... 105 圖 5-23 光學影像與點雲套疊 2................................................................... 106 圖 5-24 點雲三維展示 2(圖 5-23 黃色箭頭方向)....................................... 106 圖 5-25 光學影像與點雲套疊 3................................................................... 106 圖 5-26 點雲三維展示 3(圖 5-25 黃色箭頭方向)....................................... 107 圖 5-27 光學影像與點雲套疊 4................................................................... 107 圖 5-28 點雲三維展示 4(圖 5-27 黃色箭頭方向)....................................... 107 圖 5-29 調整分類範圍之結果（1）............................................................ 109 圖 5-30 調整分類範圍之結果（2）............................................................ 110 VI.

(13) 圖 5-31 調整分類範圍之結果（3） ............................................................ 110. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. VII. i n U. v.

(14) 表目錄表 2-1 各組別之波形資料精度比較（Σ 為散射截面積、Γ 為散射截面積係數）（Alexander et al., 2010） ........................................................................ 18 表 2-2. 地類特性之描述................................................................................ 21. 表 4-1. Riegl LMS Q680i 儀器規格 .............................................................. 34. 表 4-2. 達邦地區全波形光達掃描點雲資料................................................ 36. 表 4-3. 振幅值於各地類之貝氏機率值........................................................ 44. 表 4-3. 振幅值於各地類之貝氏機率值（續）............................................ 45. 表 4-4. 散射截面積係數（Bsc-C）貝氏機率值.......................................... 47. 表 4-4. 散射截面積係數（Bsc-C）貝氏機率值（續）.............................. 48. 表 4-6. 綠度指數（Greenness）貝氏機率值 ............................................... 53. 表 4-6. 綠度指數（Greenness）貝氏機率值（續） ................................... 54. 表 4-6. 綠度指數（Greenness）貝氏機率值（續） ................................... 55. 表 4-7. 波形參數與綠度指數門檻值計算結果 1......................................... 57. 表 4-7. 波形參數與綠度指數門檻值計算結果 2......................................... 57. 表 4-7. 波形參數與綠度指數門檻值計算結果 3......................................... 57. 表 4-8. 熵值（Entropy）貝氏機率值列表 ................................................... 58. 表 4-9. R 波段平均數（Mean R band）貝氏機率值列表 .......................... 60. ‧. ‧ 國. io. sit. y. Nat. n. al. er. 表 4-5. 學. 表 4-5. 政治大波形寬（Pulse-width）貝氏機率值 ................................................ 50 立波形寬（Pulse-width）貝氏機率值（續） .................................... 51. Ch. engchi. i n U. v. 表 4-10 均質度（Homogeneity）貝氏機率值 .............................................. 61 表 4-11 紋理參數門檻值計算結果................................................................ 62 表 4-11 紋理參數門檻值計算結果（續）.................................................... 62 表 4-12 第一回波之植物點貝氏機率值........................................................ 64 表 4-13 第一回波植物點波形參數門檻值.................................................... 64 表 4-14 最後回波之植物點貝氏機率值........................................................ 65 表 4-15 最後回波植物點波形參數門檻值.................................................... 65 表 4-16 植物點雲分類數量............................................................................ 69 表 4-17 道路點分類點雲數量........................................................................ 74 表 4-18 各地類使用之分類參數列表............................................................ 76 VIII.

(15) 表 4-19 建物分類點雲數量 ............................................................................ 79 表 4-20 第一回波與最後回波植物分類點數量 ............................................ 87 表 4-21 由數化之參考資料切割之點雲（單一回波） ................................ 90 表 4-22 單一回波各類別分類成果 ................................................................ 90 表 4-23 數化之參考資料（第一回波與最後回波） .................................... 90 表 4-24 第一回波與最後回波分類結果 ........................................................ 90 表 4-25 生產者精度 ........................................................................................ 91 表 4-26 使用者精度 ........................................................................................ 91. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. IX. i n U. v.

(16) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. X. i n U. v.

(17) 第一章緒論第一節研究動機台灣本島森林資源豐富，在台灣的土地覆蓋（Land cover）比例上，森林覆蓋面積約 210 萬公頃，占台灣國土面積 58.5%（行政院農業委員會林務局，1995）。山區中除了廣大之森林覆蓋外，亦有許多聚落坐落於此，使得其地表覆蓋在垂直方向上呈現樹林、草地與建物混合之複雜情形，在如. 治政大模型（Digital Terrain Model, DTM）與地形圖等測繪作業而言，實為一必須立克服之挑戰。對於製作數值地形模型之目的而言，傳統以航測方法來獲取此的自然環境條件與土地利用情形下，對於需要真實地表資訊之數值地形. ‧ 國. 學. 地面點資訊，然而在植物遮蔽區域常存在不易取得位於較低層地物資訊之問題。另外，對於地形圖之製作，需要得到確切的地物位置，透過傳統光. ‧. 學影像之分類方法，可能受到上層植物遮蔽與陰影的影響，無法將位於遮. sit. y. Nat. 蔽區較低層之地物有效分類，因此該方法不適合應用於植物覆蓋區域。為. io. er. 克服上述方法不易於植物覆蓋區域施行，因此希望藉由引入其它技術，輔助獲取植物覆蓋地區地面點與其它地物之三維資訊。. n. al. Ch. i n U. v. 空載雷射掃描（Airborne Laser Scanning），或稱為空載光達（Airborne. engchi. Light Detection and Ranging, LiDAR），為一主動式遙測技術，其主要測距原理為時距測量（Time-of-flight），結合飛機上搭載之全球定位系統（Global Positioning System, GPS）與慣性導航系統（Inertial Navigation System, INS）提供掃描時感測器的位置與姿態參數，即可解算出目標物之三維空間坐標。由上述特性，空載雷射掃描為一可快速獲取地面物體三維點雲（Point cloud）資料之技術，因此常應用在產製數值地形模型（Vosselman, 2000）以及建物模型之重建（Maas and Vosselman, 1999）。然而，由於傳統離散型（Discrete）雷射掃描系統在偵測回波數量與偵測演算法上之限制，使之無法有效獲得在植物覆蓋區域底層物體的三維資訊。相較於傳統離散型系統，全波形（Full-waveform）雷射掃描技術突破 1.

(18) 偵測回波數量與偵測演算法上的限制，提高單一雷射可接收之反射訊號數量以及訊號之正確性。此外，全波形系統具備記錄雷射回波訊號完整波形之能力，所記錄之回波波形經過波形偵測與波形擬合等前處理（Pre-processing）後可得到振幅值（Amplitude）以及波形寬（Pulse-Width）等波形資料，由於其分別代表不同地物獨特之反射特性，因此可輔助後續之點雲過濾（Filtering）與分類（Classification）工作。針對上述傳統分類方法遇到之問題以及新型全波形系統之優勢，本研究將分析全波形雷射掃描資料在不同地類之特性，並評估其應用於山區混合地物分類之可行性。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 2. i n U. v.

(19) 第二節. 研究目的. 為解決研究動機中提出的問題，本研究之目的首重於分析全波形空載雷射掃描資料於植被遮蓋區之特性，進而利用其特性，分類出受植被遮蓋區域之地物。在選定植物與建物混合存在之山區為實驗地點，並獲取涵蓋該區域之全波形空載雷射掃描資料後，將進行實驗，達成以下三項具體目的：一、以貝氏定理分析各項地物類別之波形資料、光譜參數與紋理參數特性，並得到各地類不同參數之門檻值。. 政治大. 二、以波形資訊為主進行點雲分類，同時輔以額外的光譜與紋理資訊參與分類之工作。. 立. 三、評估分類成果，並歸納波形資料應用於山區點雲分類之優點與限制。. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 3. i n U. v.

(20) 第三節章節架構本文各章節之編排內容如下: 第一章緒論包含研究動機與研究目的，分別敘述本研究之出發點與重要性，以及本研究之具體目的。第二章文獻回顧針對傳統離散型與全波形雷射掃描技術之基本原理、特性以及點雲之分類方法作說明，並歸納適用於本研究之方法。第三章研究方法首先介紹貝氏定理與自動化決定分類參數門檻值之方法，接著為描述敘述資料處理及分類之流程。第四章研究成果主要有四個部分，第一部分首先介紹實驗區全波形掃. 政治大研究使用之輔助資料，如：光譜參數與紋理參數；其次為貝氏定理分析不立描點位基本資料，包含簡要說明全波形掃描資料處理方式，接著將介紹本. 同地類在各參數特性之成果；第三部分為選用合適參數於各類別之分類成. ‧ 國. 學. 果展示；最後為分類結果之精度檢核，並針對整體研究成果提出小結。. ‧. 根據第四章分類成果，第五章將討論並歸納全波形資料在分類工作上之優點、使用之時機與改進方法。. Nat. sit. y. 第六章則延續研究成果與討論兩章之內容提出結論，並針對實驗中遇. n. al. er. io. 到之限制提出未來研究之建議。. Ch. engchi. 4. i n U. v.

(21) 第二章文獻回顧與理論基礎本章首節整理全波形空載雷射掃描系統之基本原理與特性，以及與傳統離散型雷射掃描系統之差異與改良的部分；第二節介紹全波形系統掃描資料經過波形偵測與擬合後得到之波形資料，與其在地物分類之實際應用案例；最後回顧過去研究中傳統離散型與全波形光達點雲之分類方法，藉此建立本研究實驗之基礎。. 第一節全波形空載雷射掃描. 政治大. 一、離散型（Discrete）系統之介紹. 立. 傳統離散型空載雷射掃描系統常見的回波偵測方式是以門檻值為基礎. ‧ 國. 學. （Threshold-based），如 peak detection（maximum detection）、leading edge detection 以及 constant fraction detection methods（Amann et al., 2001）等方. ‧. 法，即若是偵測到之回波形狀完整且強度大於預設之門檻值，則被系統記. sit. y. Nat. 錄下來形成多個離散的回波資料，反之若回波形狀重疊或是強度較弱，則. io. er. 該點被系統忽略而遺失其三維空間資訊。如圖 2-1（a）表示發射之雷射訊號，（b）表示感測器接收到之回波訊號，若訊號大於系統預設之門檻值，. al. n. v i n 則將該回波記錄為離散之點位資料（Mallet and Bretar, 2009）。 C h （如圖 2-1（Uc）） engchi 在回波記錄數量上，離散型系統對同一雷射訊號通常只記錄第一回波（First. Echo）與最後一個回波（Last Echo），或是最多記錄五個回波，即有偵測回波數量上的限制。. 5.

(22) 圖2-1. 離散型系統回波偵測（改繪自 Mallet and Bretar, 2009）. 政治大. 除了回波數量外，離散型系統於回波偵測方法上也有其限制。離散型. 立. 系統對於使用之回波偵測方法通常為不公開的，而不同的回波偵測方式得. ‧ 國. 學. 到之時間間隔將會不同（Wagner et al., 2004）。如圖 2-2 中，不同符號表示採用不同的波形偵測方法，由偵測到之波峰位置可看出估計的時間間隔之. ‧. 差異，時間間隔不同使得計算得到之距離也就不同。因為偵測方法不公開，使用者無法知道因選擇之方法所導致的測距誤差，不精準的距離量測將會. y. Nat. n. er. io. al. 圖2-2. sit. 影響雷射掃描點位三維坐標的精度。. Ch. engchi. i n U. v. 不同波形偵測方法之結果比較（Wagner et al., 2004） 6.

(23) 二、全波形系統改良之部分克服離散型系統在偵測回波數量上之限制，全新發展之全波形系統擁有記錄同一雷射回波訊號完整波形之能力，使得雷射訊號穿越植物間空隙時，更有機會得到位於較低層植物或是地面點位之資訊。此外，全波形系統可讓使用者運用各自的波形偵測演算法，故能避免離散型系統於波形偵測過程中之限制。此外，能夠以極短的時間間隔記錄回波，使得兩個垂直距離甚近的物體或是微弱的回波訊號，皆有機會被全波形系統偵測與記錄，不遺失任何在雷射路徑上可能的物體，不僅提高了在掃描方向之空間解析度，也增加了在數層植物覆蓋下偵測出更多物體之可能性。圖 2-3 即為傳統離散型雷射掃描與全波形系統記錄回波之差異，其中（a）為離散式回波，. 政治大. （b）為完整記錄之全波形回波。. 立. ‧. ‧ 國. 學 er. io. sit. y. Nat. n. a離散型與全波形回波之比較（ v , 2008） iMücke l C n hengchi U 三、波形偵測（Pulse Detection）與波形擬合（Pulse Fitting）圖2-3. 取得全波形掃描資料後，接著需進行波形偵測與波形擬合之處理。波形偵測之目的在於決定點位之位置。透過系統記錄之雷射訊號發射與接收之時間間隔，搭配 GPS 與 INS 提供之資料即可定出掃描點位於物空間之三維坐標。波形偵測的過程中，通常假設回波波形為一個數學函數模型。利用此數學函數擬合系統所記錄之波形以得到參數化的波形資訊。目前廣泛用來擬合波形資料之數學函數有用於波形形狀對稱的高斯分解法（Gaussian decomposition method）（Jutzi and Stilla, 2006; Wagner et al., 2006; Mallet et al., 2008; Lin, 2009; Mallet et al., 2011）、用於不對稱形狀之韋伯函數 7.

(24) （Weibull）（Mallet et al., 2009）與對數常態分布（Log normal）（Chauve, 2007），另外小波函數（Wavelet）（Molnar et al., 2011; Wang, 2012）也被應用於波形擬合之步驟。由上述波形擬合方法之整理得知高斯函數為被廣泛使用之擬合函數，因此以下將以高斯函數擬合作為說明。 Lin and Mills（2010）提到因為雷射訊號發射時呈現類似高斯分布（Gaussian Distribution）之形狀，故假設接收之回波波形亦接近高斯分布。以高斯函數擬合波形主要分為二個步驟，首先為估計各點波峰（peak）之位置、數量、振幅值與波形寬的初始值，常使用的方法有 Peak detection、 Centre of gravity 以及 Zero crossing 等方法（Wagner et al., 2006）。接著以平差方式迭代運算求出最佳參數解，得到之波形參數為振幅值（Amplitude）、. 政治大感測器間的距離，縱軸為振幅值。每個回波波形可由個別的高斯函數擬合，立. 波形寬（Pulse Width）與距離（Range）。如下圖 2-4 中，橫軸表示點位與. ‧ 國. 學. 可得到各自的參數，如第四回波之振幅值（A4）、波形寬（PW4）以及距離（R4）等資訊。. ‧. n. er. io. sit. y. Nat. al. 圖2-4. Ch. engchi. i n U. v. 數個高斯函數擬合回波波形（改繪自 Wagner et al., 2006）. 全波形系統記錄之波形可提供其它有關地面物體之表面資訊，如坡度（Slope）、粗糙度（Roughness）及掃描角度（Scan angle），如圖 2-5 所示，其中 a 為平坦地面之回波波形，b 表示斜坡，c 和 d 表示兩個不同高度之物 8.

(25) 體波形偵測之結果，可發現 d 雖與地面相距較近，其波形仍可記錄為兩個回波，e 表示表面粗糙度較大之植物。. 圖2-5. 回波波形與不同物體表面之關係（Jutzi and Stilla, 2006）. 由上述五個例子可得知不同的物體表面會有不同的波形呈現，故可萃. 政治大拉長之情形，故經波形擬合後會得到較大的波形寬數值。因此，透過不同立取出數值不同的波形資訊，例如：在粗糙度較大的植物表面，造成了波寬. ‧. ‧ 國. 學. 表面其波寬數值之差異，可應用於後續之點雲分類（Lin and Mills, 2010）。. n. er. io. sit. y. Nat. al. Ch. engchi. 9. i n U. v.

(26) 第二節波形資料之特性與應用本節將介紹由波形擬合處理後得到之波形資料如：振幅值（Amplitude）、波形寬（Pulse-Width）、由雷達方程式推導計算之散射截面積（Backscatter cross-section）與散射截面積係數（Backscatter cross-section Coefficient）之基本特性以及應用實例。一、振幅值(Amplitude) 經波形擬合後，振幅值代表的是雷射光束照射物體後感測器接收到之反射強度大小，可提供物體表面的反射資訊。Mücke（2008）比較了四種物體表面（森林地面、柏油路、草地、石灰岩）反射之振幅值並繪出相對應. 政治大. 的曲線。圖 2-6 系列中，橫軸為振幅值，縱軸為點位數量的比例。由圖 2-6. 立. （a）中可觀察出柏油路與草地其振幅值的分布集中程度與點位數量極為相. ‧ 國. 學. 似，而在樹林裡的地面點振幅值（紅色曲線）之數值分布則較為廣泛，表示若干物體對於振幅值有著類似的反應，若僅用此單一數值將無法有效的. ‧. 分開這些地物類別；圖 2-6（b）中，同時比較了單一回波的森林地面點與植被點之振幅值分布，在地面點與植被點資料有著較大差異的振幅值分布，. y. Nat. sit. 地面點分布之範圍約從 10 至 120，而植物點為 5 至 60 之間。此外，如圖. n. al. er. io. 2-6（c）所示，比較多重回波中的最後一個回波地面點與植被點的振幅值. i n U. v. 分布，植物點的分布範圍較地面點集中，並且發現最後回波之地面點其振. Ch. engchi. 幅值分布範圍明顯較單一回波低。因此，如欲成功分開森林中單一回波的地面點與植被點，根據圖 2-6（b）曲線之分布情況，選擇該區振幅值應是理想的參數，且點位之振幅值有隨著回波數目增加而減少之情形（如圖 2-6 （c）紅色線段與藍色線段分布數值之差異所示）。. 10.

(27) （a）不同地物之振幅值曲線. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. i n U. v. （b）森林地區地面點與植被振幅值曲線. engchi. （c）植被點與地面點不同回波之振幅值曲線圖2-6. 不同地物與回波之振幅值比較（Mücke, 2008） 11.

(28) 二、波形寬(Pulse-Width) 波形寬的表示方式取決於使用的數學函數或是波形偵測之方法（Lin, 2009），例如由高斯函數擬合得到之波形寬，代表是高斯函數之標準差；而使用波形偵測方法表示之波寬，指在最大振幅值一半的寬度（Full Width Half Maximum, FWHM）。而兩者間的轉換可由式（2-1）表示。本研究中使用之波形寬參數為原始波形經高斯函數擬合後所得到之高斯標準差。 FWHM =. （2-1）. *. 其中，表示高斯函數之標準差。關於波形寬之相關研究有 Wagner et al.（2008）提到波形寬是一個用於. 政治大地面點來的大。另外在植物與建物分類應用方面，在樹木或是草地區域通立. 分類植物點與地面點相當好的指標，因為波形寬值在植被分布區域通常較. ‧ 國. 學. 常會產生較建物大的波形寬（Stilla and Jutzi, 2009）。由上述波形寬在不同地物之反應情形，應可嘗試將波形寬應用於植物與地面點或是植物與建物. ‧. 點之點雲分類。. 如同對於振幅值之分析，Mücke（2008）亦整理了波形寬在四種地物. y. Nat. sit. （森林地面、柏油路、草地、石灰岩）之分布情形。圖 2-7（a）至（c）中，. er. io. 橫軸為波形寬，縱軸為點位數量之百分比。由圖 2-7（a）可得到波形寬在. al. v i n Ch 的波寬值分布。另外，森林中單一回波之地面點與植被點的結果呈現較大 engchi U n. 此四種地物有著類似的分布曲線，僅能觀察出森林中的地面點有些許較大. 差異的分布情形（如圖 2-7（b）所示），且在（b）與（c）中，可觀察出植被點的波形寬有拉伸的趨勢，數值分布範圍較廣，而地面點的分布則相當集中，印證了 Wagner et al.（2008）提到植物點通常有較大波形寬之結論。因此，波形寬的資訊應可應用於分類森林中的地面點與植被點。. 12.

(29) （a）不同地物之波形寬曲線. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. v. （b）森林地區地面點與植被波形寬曲線. Ch. engchi. i n U. （c）植被點與地面點不同回波之波形寬曲線圖2-7. 不同地物與回波之波形寬比較（Mücke, 2008） 13.

(30) 三、散射截面積（Backscatter Cross-section）散射截面積此數值由雷達方程式推導計算而來，表示雷射光束照射到物體表面後，能量有效散射回接收器之範圍（面積），單位為. 。其計算. 式如下：（2-2）（2-3）其中，R 表示物體與感測器間距離（m），P 為振幅值（DN），W 表示波形寬（化算為 m），而. 為率定常數，是雷射光束發散角（Radian），. ρ 則是地物反射率。. 政治為率定常數。在式（2-3）大. 公式（2-2）中，為散射截面積，. 立. 率. 定常數的計算中，由於一般地物之反射率需經過實地量測才可得知，但在. ‧ 國. 學. 雷射掃描作業進行時，無法一一將該區地物之反射率計算出來，為求操作效率，Alexander et al.（2011）以柏油路之反射率為 0.25 作為率定的基準，. ‧. 而在 Wagner et al.（2006）則是假設柏油路之反射率為 0.2，用來計算其它. sit. io. n. al. er. 意圖。. y. Nat. 地物點位之散射截面積值。下圖 2-8 即為計算率定參數中所使用參數之示. 圖2-8. Ch. engchi. i n U. v. 雷達方程式參數示意圖（Wagner et al., 2006）. 此數值提供了物體表面之反射特性與距離間之關係，例如物體表面粗糙度將對於散射能量之大小造成影響，如圖 2-9 所示，圓錐面的大小表示散射之能量多寡，說明在同樣的雷射光入射角度下，表面粗糙之物體會散射較多的能量。 14.

(31) 圖2-9. 反射面粗糙度與散射截面積之關係（Wagner et al., 2006）. 與散射截面積相關研究方面，Wagner et al.（2008）認為個別回波之散. 政治大. 射截面積與回波數目有著相當大之關係，亦即愈後面數目的回波散射回感. 立. 測器之能量愈弱（如圖 2-10 右側所示），但總散射截面積值（各回波散射. ‧ 國. 學. 截面積之總和）則不受回波數量之影響，如圖 2-11 左側所示，一個雷射光束訊號無論產生一個回波或是三個回波，其散射截面積總合幾乎不變。. ‧ er. io. sit. y. Nat. al. n. v i n Ch 個別回波散射截面積與回波數量關係（Wagner et al., 2008） engchi U. 圖2-10. 圖2-11. 總散射截面積與回波數量關係（Wagner et al., 2008）. 另外，Wagner et al.（2008）發現於植物區域通常有較地面點低的散射截面積數值，原因為雷射光束在穿越頂層植物過程中通常會照射到相當多的葉面與樹枝才到達地面，這將造成雷射能量的散失與較小的振幅值反射， 15.

(32) 故得出數值較低的散射截面積，如圖 2-11 右側所示，雷射光束照射到愈多樹冠點會造成較多的能量散失，使總散射截面積數值降低。此特性可運用在森林覆蓋區域分類植物點與地面點。此外，在圖 2-12 中可明顯地看見森林裡面的道路點，由於道路點之遮蔽較少，雷射能量散失較少，故產生了較大的散射截面積數值（顏色愈偏暖色系代表數值愈大）。. 立. ‧ 國. 學. 森林區域地面點與植物間散射截面積分布圖（Wagner et al., 2008）. ‧. 圖2-12. 政治大. Wagner et al.（2008）另一個實驗中，如圖 2-13 左側，發現散射截面積. y. Nat. sit. 在鋪滿礫石或草地區域數值較低，而在柏油路則有相對較大之數值。另外. er. io. 於建物區域，由圖 2-13 右側發現，相同材質之建物屋頂面有著不一樣之散. al. n. v i n Ch 到較高的散射截面積值。此結果說明了雷射光入射角度對於散射截面積數 engchi U 射截面積數值，此現象表示若是傾斜屋頂面的法向量指向感測器，則會得. 值之影響。. 16.

(33) 立. 政治大. ‧. ‧ 國. 學. io. sit. y. Nat. 植物覆蓋區與建物區域散射截面積值（Wagner et al., 2008）. n. al. er. 圖2-13. Ch. engchi. 17. i n U. v.

(34) 四、散射截面積係數（Backscatter Cross-section Coefficient） Wagner et al.（2006）認為散射截面積之數值會隨著物體表面反射率與雷射足跡（Footprint）改變而跟著不同，而雷射足跡亦受到飛行航高與入射角度等因素影響而改變。雷射足跡可由式 2-4 表示，故散射截面積公式可改寫成式 2-5。將散射截面積除以雷射足跡得到之數值（γ）即稱為散射截面積係數（如式 2-6 所示），可以去除航高或是入射角等影響。（2-4）（2-5）. Ω. ＝其中. （2-6）. 政治大. 表示雷射足跡大小，為物體表面反射率，Ω為反射圓錐角，代. 立. 表雷射光束發散角，R 則表示物體與感測器間距離。. ‧ 國. 學. 散射截面積係數之應用有 Alexander et al.（2010）將三個波形資料分別為振幅值、散射截面積以及散射截面積係數分成三個組別，同時搭配高程. ‧. 與坡度等幾何關係資料，進行建物（平面屋頂與傾斜屋頂）、樹林、矮樹叢、草地與道路等類別之分類，比較各組分類之結果後，得出分類成果以運用. y. Nat. er. al. n. 表2-1. io. 表 2-1 所示）。. sit. 散射截面積係數之精度最佳，總體精度可達到 91.53%，Kappa 值為 0.89（如. i n U. v. 各組別之波形資料精度比較（為散射截面積、γ 為散射截面積係. Ch. engchi. 數）（Alexander et al., 2010）. 另外，林郁珊（2012）分別使用了振幅值與散射截面積係數，利用隨機森林（Random Forest）與支持向量機（SVM）等方法進行樹木、草地、建物與裸露地之分類。發現使用散射截面積係數之成果優於使用振幅值，對於分類正確率之提升有著 0.5%至 4%不等之效果。由上述應用實例，說明散射截面積係數為一個適合用於地物分類之參考數值。 18.

(35) 第三節全波形光達點雲分類本節回顧離散型光達點雲之分類方法包含點雲結構化、影像分類以及結合影像與點雲資料之分類。接著將介紹加入全波形資料輔助地物分類之方法與研究實例。最後將整理上述可應用於本實驗區之方法，並提出初步小結。一、雷射掃描點雲資料結構化賴志恆（2003）認為雷射掃描點雲為不規則分布且數量龐大的資料，為了得到隱含於點雲資料中的空間資訊，結構化為一必須之工作。而點雲. 政治大特性來分割點雲達成分塊化（Segmentation）及特徵萃取（Feature extraction）立之目的。資料經過結構化後，確實提升了資料處理之效率，且也能利用特定之幾何. ‧ 國. 學. 該研究中利用八分樹（Octree）結構分割點雲，如圖 2-14 所示，即將原始點雲資料視為根節點（Root node），並由根節點內所有點雲資料透過最. ‧. 小二乘法平差計算一組最適平面參數，接著計算該節點內點雲至此平面之. sit. y. Nat. 距離，若距離小於預設之門檻值則該點不需分割，將之記錄於末端節點;反. io. er. 之，若該點至平面距離大於門檻值，則將該點分割為另一根節點接著計算下一個最適平面，重複上述步驟至不再分割後，即完成點雲資料之結構化。. al. n. v i n 結構化完成後，即可利用儲存於末端節點之資訊（如節點之邊界、範圍） Ch engchi U 進行後續萃取之處理。. 圖2-14. 八分樹樹狀結構（賴志恆，2003）. 在此研究中即利用八分樹結構來萃取點雲中隱含的平面資訊，故可得到掃描資料中大部分的平面特徵，並透過分割計算時之最適平面間的法向量決定相鄰的平面是否合併得到最終之平面結果。 19.

(36) 王淼等人（2005）除了利用八分樹結構分割合併點雲中的平面外，也使用區域成長法（Region Growing）獲得點雲中的平面特徵，即是由八分樹分割後的三維網格中選取平面的種子點（Seed），並由種子點向外成長以完成平面特徵萃取。另外，因為建築物屬於規則形狀且多由平面特徵所構成，羅仕東（2011）同樣使用八分樹結構萃取點雲中之平面特徵，以完成建築物模型之重建。由上述實際應用八分樹結構處理點雲之文獻，可整理出該方法對於萃取點雲中之平面特徵有著顯著之效果。反之，因為該方法透過區域成長法獲取平面，對於欲萃取之平面上有其它非屬該平面的點存在之情況下，將對區域成長所得之平面造成影響，無法有效且正確地萃取出平面特徵。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 20. i n U. v.

(37) 二、結合影像與光達點雲資料之地物分類林耿帆等人（2011）以資料融合（Data Fusion）之概念出發，結合航照影像與光達掃描資料，以物件導向式之技術進行地物分類。首先將影像上性質大致相似的區塊分割出來，並且計算該區塊內之光譜（Spectral）、紋理（Texture）、形狀（Shape）及高度（Height）等空間特徵輔助後續之分類，並描述欲分類之地物特性輔助決定類別之門檻值，如表 2-2 整理了四種地物在光譜、幾何與高程之特性。表2-2 光譜特性. 治政有一定面積大. 綠覆比高. 有一定面積. 綠覆比高. 變異小. 邊緣崎嶇、緊密度高、平均高度高、高程變異大. 邊緣崎嶇、有一定面積平均高度低、高程. ‧. 變異小. 綠覆比低、亮度低邊緣平整、緊密度低. 平均高度低、高程. y. Nat. 變異小. io. sit. 道路. 邊緣平整、緊密度高、平均高度高、高程. 學. 草地. 立. 高程特性. n. al. er. 樹木. 綠覆比低. 幾何特性. ‧ 國. 建物. 地類特性之描述. i n U. v. 由於結合了光達掃描之高程資料，在建物與樹木之分類成果都有明顯. Ch. engchi. 的輔助效益，但在部分位於植物陰影區域之道路，其分類成果則會有漏判率較高之情形。另外，在此研究中使用的紋理資訊為透過灰度共生矩陣（Gray Level Cooccurence Matrix, GLCM）計算之高程對比度（Contrast），文中提到此特徵值對於將建物區塊與樹林分離有相當大之助益。邱智遠（2008）之研究中同樣以資料融合之概念，結合空載光達反射強度值（Intensity）影像與航照彩色影像資料，以不同的分類方式處理上述異質資料源，並檢驗加入不同來源之資料能否提升原有分類精度。其分析方法為繪出目標地物在四個波段（R, G, B, Intensity）之波譜空間分布圖，藉此找出適合分離各地物類別之波段。在圖 2-15 與 2-16 中，橫軸表示 R 波段而縱軸表示強度值波段。得到強度值可以有效分別出樹木、草地及道 21.

(38) 路類別之結果，但仍有一部分點位位於重疊區域（橘色框內）不易區別，故需要加入其它外部資料如高度資料輔助分類重疊部分點位。接著根據都市中欲分類地物之屬性，對地物之高度作統計圖分析，發現大部分之房屋與樹木屬於該空間中較高的高度層，而草地與道路屬於低的高度層，故認為高度資訊應作為都市地區地物分類之關鍵特徵。此研究中加入的高度資訊為正規化之數值表面模型（normalized Digital Surface Model, nDSM），乃利用光達第一個回波得到之 DSM 減去經過濾演算法處理得到之 DEM（Digital Elevation Model）之結果。正規化高度可以下式表示：（2-7）. nDSM = DSM-DEM. 政治大（Support Vector Machine）與倒傳導類神經網路（Back-Propagation Network）立文中最後比較由最大概似法（Maximum Likelihood）、支持向量機. ‧ 國. 學. 三個分類方式之分類精度，並同時比較了加入高度資訊前後之分類精度，得到加入高度資訊可顯著提升分類成果精度之結論。. ‧. n. er. io. sit. y. Nat. al. 圖2-15. Ch. engchi. i n U. v. 都市地區地類波譜分布圖（邱智遠，2008）. 22.

(39) 圖2-16. 加入高度資訊分成高低層之地類分布圖（邱智遠，2008）. 三、以高程資料輔助地物分類. 治政物之分類。首先以直方圖統計了天然植物與人工種植植物高度之次數分配，大立並計算直方圖分布之偏態係數（Skewness）與峰態係數（Kurtosis），發現 Antonarakis et al.（2008）使用了雷射掃描之高程與強度值資料進行地. ‧ 國. 學. 了此兩種不同生長環境之植物有明顯高度分布差異。接著運用光達之強度值與由第一回波與最後一個回波資料製作之數個數值模型，如 IDM. ‧. （ Intensity Difference Model ）、 CSM （ Canopy Surface Model ）、 VHM. sit. y. Nat. （Vegetation Height Model）、SkM（Skewness Model）與 Krm（KurtosisModel）. io. er. 等，並透過各模型中地物類別之數值決定門檻值，最後利用決策樹（Decision Tree）之方式依序將各類別分出，圖 2-17 即是應用由各數值模型得到之門. n. al. Ch. 檻值將不同類別分出之流程。. 圖2-17. engchi. i n U. v. 決策樹分類流程（Antonarakis et al., 2008）. 23.

(40) Charaniya et al.（2004）使用數個點位高程特徵值與作為分類之參數，並提出一監督式參數化之分類演算法應用於都市地物分類。其方法即為利用條件機率之概念，透過抽取各地類之樣本計算特徵值，並以抽樣之資訊修正該類別出現之事前機率（Prior probability）得到事後機率（Posterior probability），最後將該點分類至事後機率最大之類別。此研究中採用之高程特徵值包括正規化高度、高度變異數、第一回波與最後回波高度差值、照度（Luminance）與強度值等。並針對各特徵值之組合對於分類結果的影（2）響逐一列出成果並觀察出：（1）高度資料對於分類地面為重要的特徵；高度變異數對於分別高度較高的植物區域扮演重要的角色；（3）照度與強度值對於低矮植物與道路的分類相當有幫助。圖 19（a）為使用高度與紋理. 政治大值之分類成果。本研究之結果說明了使用較多特徵值輔助分類有助於精度立. 資訊之分類結果，（b）為僅使用光達資料之結果，（c）為使用全部特徵. ‧. ‧ 國. 學. 之提升。. n. er. io. sit. y. Nat. al. 圖2-18. Ch. engchi. i n U. v. 使用不同特徵值之分類結果（Charaniya et al., 2004）. 24.

(41) 四、全波形資料輔助地物分類 Mallet et al.（2008）由高斯分解法擬合波形與計算得到之波形資料（振幅值、波形寬與散射截面積），利用支持向量機作為點雲分類之方法，欲分類地物為建物、植物、人工地面（柏油路）以及自然地面（沙地及裸露土壤）。由分類結果發現振幅值適合用於分開建物點與地面點，因振幅值大的區域主要為建物屋頂、沙地與礫石，而振幅值小的區域多為植物區；此外，波形寬出現較大的區域通常為植物區，而地面與建物表面則是波形寬小的區域；散射截面積值有助於提升建物與植物之分離。最後結論整理得到運用此三個波形資料對於提升分類之精度有明顯之幫助（如圖 2-18 所示，X 軸代表使用之參數，其中 A 為振幅、為散射截面積、α 為波形寬，Y 軸為分類精度）。. 立. 政治大. ‧. ‧ 國. 學. n. al. er. io. sit. y. Nat 圖2-19. Ch. i n U. v. 波形資料運用與分類精度提升之關係（Mallet et al., 2008）. engchi. 根據以上文獻回顧之整理，得知使用全波形雷射掃描提供之波形資料如振幅值、散射截面積與散射截面積係數對於提升分類精度之效益，以及各波形資料適用於何種類別，例如波形寬之特性適合分類植物類別。此外，若欲得到更好之分類成果，可採取資料融合的概念，整合多來源之資料共同處理與分析，找出適用之分類對象與時機。然而，本研究區為廣大植物覆蓋之自然環境，對於欲使用八分樹結構化方法找出道路與建物等平面特徵有其限制存在。故本研究朝向以全波形系統之波形資料為主，並運用多來源之資料輔助山區地物分類。. 25.

(42) 第三章研究方法本章首節介紹貝氏定理之基本定義，並透過貝氏機率分析不同地類在波形資料與其它分類參數之特性，隨後說明本研究提出之自動化求取門檻值之方法。最後提出本研究之流程. 第一節貝氏定理分析地物之波形資料特性在文獻回顧章節中得知波形資料特性對於地物分類有相當大之幫助，. 政治大. 因此本研究將透過貝氏定理，分析各種地類在不同波形資料與其它分類參數呈現之特性，並進一步找出足以代表該地物類別之波形資料與分類參數. 立. 之門檻值，以利後續點雲分類之進行。本節首先將介紹貝氏定理之基本定. ‧ 國. 學. 義，以及如何將該定理應用於本研究中，接著說明一自動化方式求取各地類於不同分類參數之門檻值。. ‧. 一、貝氏定理. sit. y. Nat. 貝氏定理（Bayes Theorem）為條件機率之應用，即在給定條件 B 之情. io. P（A B） P（A B）=. （. al. n. 成式（3-2）之形式。. er. 況下，發生事件 A 的機率，可以數學式（3-1）表示。而式（3-1）可改寫. ）. （）. Ch. e n）g c h i （. i n U. （）. v. （3-1）（3-2）. 式 3-2 中，P（A）為一事件的事前機率（Prior probability），而 P（A B）稱為事後機率（Posterior probability）或貝氏機率，（. ）為經由抽樣得. 到之資訊。貝氏定理即是利用抽樣訓練的方式修正一事件發生之事前機率而得到在某給定條件下之事後機率的方法（林惠玲、陳正倉，2011）。本研究首先將分類所使用之波形資料、綠度指數及紋理參數之數值分成數個區間，並透過地物抽樣的方式，修正各類別出現在該區間之事前機率而得到事後機率。將貝氏定理應用於本研究可以式（3-3）表示。. 26.

(43) P（地類. 波形資料區間） =. （一） P（地類. 波形資料區間地類. （地類）. （波形資料區間）. （3-3）. 波形資料區間）：某點位之波形資料值位於該區間，. 而該點位為地類之機率。（二）（波形資料區間地類）：抽樣地類之點位落在不同波形數值區間之機率。（三） P（地類）：為該地類之事前機率，可由該地類抽樣之點位數量除以測區掃描點雲數量。通常，我們不知道該地類在此測區真正之事前機率，所以假設此數值為 1/C（C：分類之類別數目）是合理的（Charaniya et al., 2004），或是盡可能使各類別抽樣點之數量一致。. 政治大. （四） P（波形資料區間）：由測區全部掃描點雲落在何一波形區間得. 立. 到之機率，例如統計振幅值介於區間 120〜135 之點位數量，然後除以全部. ‧ 國. 學. 點位數量即可得此數值。. 利用式 3-3 計算出各類別之貝氏機率值後，以 X 軸為參數數值區間，. ‧. Y 軸為貝氏機率值繪出貝氏機率曲線分布圖。下圖 3-1 為以研究區其中一. y. Nat. 地類為例，展示在不同振幅值區間之貝氏機率值。繪出各地類於不同參數. n. al. er. io. 門檻值。. sit. 之貝氏機率曲線後，接著透過本研究提出之方式自動化求取代表此參數之. (. 貝氏機率值 %. 0.300 0.250 0.200 0.150 0.100 0.050 0.000. Ch. engchi. i n U. v. 地類. ). 15. 60. 圖3-1. 105 150 195 振幅值區間. 240. 285. 貝氏機率曲線分布圖. 二、以自動化方式求取參數門檻值門檻值之決定是點雲分類中非常重要的部分，通常是以人工給定或是由試誤法（Try and Error）得來，過程中需有人為介入。故本研究嘗試配合前述貝氏機率方法，以一自動化之方式決定分類中所需之門檻值。 27.

(44) 透過地物抽樣與貝氏定理之分析，可得到各地類於不同分類參數之貝氏機率曲線，觀察曲線分布之情況，將該曲線以多項式函數擬合，並求取該多項式函數之反曲點﹙Inflection Point﹚，以求出之反曲點位置作為該分類參數之門檻值。多項式函數之反曲點即是多項式函數二次微分為零處，其幾何意義表示函數圖形的凹性（Concavity）改變（林光賢、陳天進、劉明郎，2008），意即由開口向上轉變為開口朝下，反之亦然。此外，在貝氏機率曲線中，兩個反曲點間所包含的部分代表該曲線中發生機率最大之範圍，如圖 3-2 中，紅色圓圈表示擬合曲線（紅色虛線）之反曲點位置，而兩反曲點間之貝氏機率值為曲線中數值較大的幾個區間。因此，根據此特性，本研究使. 政治大. 用反曲點位置作為該分類參數之門檻值。. 立. ‧. ‧ 國. 學 er. io. sit. y. Nat. al. n. v i n Ch 為取得門檻值區間，至少要得到兩個反曲點的位置，而由四次函數經 engchi U 圖3-2. 反曲點位置與示意圖. 過二次微分後為二次函數，故可求得兩個反曲點位置的解，因此，本研究. 中選用四次多項式來擬合各類別之機率曲線。圖 3-3 即是原始貝氏機率曲線分布（長條圖）與擬合曲線（綠色虛線）之結果，其中橫軸表示參數區間，縱軸表示貝氏機率值。. 28.

(45) 圖3-3. 原始曲線與多項式擬合結果. 然而，若是曲線分布情況呈現如圖 3-4 之不規則形狀，以四次多項式擬合過程中，會因為數值分布狀況不佳使得擬合結果受到影響，或是無法. 政治大. 擬合，表示該分類參數並不適合以此方式決定門檻值，且不適合應用於該. 立. 地物之分類。. 0.45 0.65 參數數值. 0.85. 1.05. sit. io. al. 0.25. er. ). 0.05. 地類. y. ‧. ‧ 國. 學. %. 0.100 0.080 0.060 0.040 0.020 0.000. Nat. (. 貝氏機率值. v i n Ch 本研究利用多項式擬合波形資料與其它輔助資料之原始貝氏機率曲線， engchi U n. 圖3-4. 不規則分布形狀之貝氏機率曲線. 並求取反曲點位置作為門檻值為一自動化完成之方式，故可省去人工給定. 或是試誤門檻值之步驟。而使用反曲點作為分類參數之門檻值，將由後續點雲分類測試其效果，以確定此方法之可行性。本研究使用之各分類參數的貝氏機率值與門檻值計算結果將列表於第四章。. 29.

(46) 第二節研究流程本研究之研究流程由資料處理與分析，以及後續之點雲分類兩方面分別說明如下：一、資料處理與分析（1）. 計算點雲分類所需之參數，並加入全波形點雲資料中。. （2）. 進行地物抽樣，由貝氏定理分析各種地物類別在不同分類參數之貝氏機率值，並將貝氏機率曲線由多項式函數擬合，透過計算曲線之反曲點，作為該地類在不同分類參數之門檻值。. 門檻值。. 立. 應用分類參數門檻值於研究區之點雲分類。. ‧. ‧ 國. 學 y. Nat. io. sit. （4）. 政治大. 根據抽樣資料不同，分別得到各使用回波資料中不同地類之. n. al. er. （3）. Ch. engchi. 30. i n U. v.

(47) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. i n U. e n資料處理流程圖 gchi. 圖3-5. 31. v.

(48) 二、點雲分類經過第二節貝氏定理分析得到各地類不同分類參數之門檻值後，即將該地類門檻值運用在測區之點雲分類。由於本研究區為山區樹林、草地、建物及道路混合之地貌，在部分地區有樹林遮蔽道路，或是樹林遮蔽建物之情形，故分類之策略將以多層次之方式進行，即是第一層分類的地物為最上層之樹林點與些許草地（植物類別）。第一層分類結束後由測區全部的點雲扣除植物候選點，接著進行第二層樹林遮蔽區域之道路或是無遮蔽之道路分類。以此類推，將於第三層時分類出建物候選點，最後為建物細部種類之分類。在分類過程中，將根據分類參數之機率分布曲線選擇適合該地物類別. 政治大. 參數，如同 Mücke（2008）之實驗中，若是該波形參數對於不同地類之反. 立. 射曲線重疊區間過大，表示該波形資料不適合單獨用於該類別之分類，而. ‧. ‧ 國. 學. 需有額外之參數輔助。圖 3-6 為本研究點雲分類之流程。. n. er. io. sit. y. Nat. al. Ch. engchi. 32. i n U. v.

(49) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 圖3-6. i n U. 點雲分類流程圖. 33. v.

(50) 第四章研究成果第一節研究資料本研究之實驗區為台灣中部阿里山達邦地區，所使用的資料為自強工程顧問公司提供之達邦地區全波形雷射掃描點位資料與航空正射影像。其中，雷射掃描資料由全波形雷射掃描儀 Riegl LMS Q680i 機體獲得，Riegl LMS Q680i 儀器規格整理如表 4-1。表4-1. Riegl LMS Q680i 儀器規格. 立. 政治大. ‧. ‧ 國. 學 y. al. 17.5（kg）. n. 雷射波長發散角. sit. 480x212x229 （mm）. Ch. er. io. 儀器重量. Nat. 儀器大小. i n U. 近紅外波段. e n≤g0.5（mrad） chi. 掃描角度. ± 30（degree）. 脈衝頻率. 400（KHz）. 34. v.

(51) 獲得原始雷射掃描資料後，將資料輸入 Riegl 之 RiPROCESS 軟體，作 POS（Position and Orientation System）解算、坐標系統轉換與波形擬合等前處理。本研究區掃描資料使用的波形擬合方式為 Gaussian Pulse Estimation（GPE），並結合 Center Of Gravity estimation（COG）方法估計波峰（Peak）之初始位置，接著以平差方式迭代計算擬合之模型資料，使擬合資料與真實資料間之殘差最小化。經前處理後得到之點雲資料內容如圖 4-1 所示。資料中之欄位除了點位記錄之時間與 X、Y、Z 坐標外，另外包含由波形擬合得到之波形寬與振幅值，其中波形寬的單位為 0.1ns，而振幅值則是由 16 bit 之 DN 值（0〜65535）量化。此外，資料第三行之 Attributes 欄位說明該點位為第幾個回波，其中. 政治大 3 表示為最後回波（Last 立 Echo），而 2 則是中間的其它回波（Other Echo）， 0 表示單一回波（Single Echo），1 代表多重回波之第一回波（First Echo），. ‧ 國. 學. 利用此欄位，可以快速地將掃描資料分成不同的回波資料處理。以下由表 4-2 以及圖 4-2 至 4-5 呈現涵蓋本實驗區之不同回波資料，並說明其特性。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 圖4-1. i n U. 點雲資料內容. 35. v.

(52) 表4-2. 點雲數量（pts）測區面積（. 達邦地區全波形光達掃描點雲資料. 單一回波（Single Echo） 356700. 第一回波（First Echo） 94026. 其它回波（Other Echo） 9624. ）. 405*377. 掃描密度（points/ ）航高（海拔高）. 3.63 points/. 最後回波（Last Echo） 93380. 2000（m）. 掃描日期. 2011 年 4 月. 政治大. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. 圖4-2. engchi 單一回波點位. 36. i n U. v.

(53) 立. 治政第一回波點位大. 圖4-3. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 圖4-4. i n U. 其它回波點位. 37. v.

(54) 圖4-5. 立. 治政最後回波點位大. ‧ 國. 學. 單一回波表示雷射光束照射到物體後只產生一個反射，通常發生在無受到遮蔽之平面特徵或位於頂層之物體。第一回波、其它回波與最後回波. ‧. 分別為多重回波中先後產生之回波點位，通常發生在一個雷射訊號穿越多. y. Nat. 層次之物體，如雷射光束穿越茂密植物時，在植物頂層產生第一回波，接. io. sit. 著進入植物間空隙時可能產生數量不等的其它回波，而當雷射光束不再穿. n. al. er. 越將產生最後回波，因此，最後回波資料有可能是位於頂層覆蓋底下較低層之地物或是地面點。. Ch. engchi. i n U. v. 由上述各個回波資料之內容展示可觀察出，單一回波點位，包含了實驗區全部的地類，如：植物、平面道路與各式建物；第一回波與最後回波之內容大多為植物點與建物之邊緣點，並無包含平面特徵；而其它回波則多為樹林中的點位且數量較少。對於地物分類之目的而言，本實驗區為山區之聚落，包含了一定數量之道路與建物等平面特徵，採用單一回波資料的內容能夠包含較多地類。第一回波資料包含了樹林與建物屋頂面之邊緣點，因此分類第一回波點位可使建物屋頂面之點位更加完整。此外，因為測區中存在著植物遮蔽道路或建物等情形，採用最後回波資料，有機會將位於覆蓋底下或較低矮的地物類別點找回。因此，本研究點雲分類所使用資料為全波形點雲資料中之 38.

(55) 單一回波、第一回波與最後回波。達邦地區之正射影像為本實驗中所使用之輔助資料（圖 4-6 所示）。本影像拍攝日期為 2011 年，拍攝範圍約為 514*426 平方公尺，影像之地面解析度為 0.25 m，拍攝之相機為 Leica ADS 40 大像幅相機，本實驗使用之像幅大小為 2056*1704 pixels，記錄之光譜反射波段為可見光波段。正射影像除了用於輔助選取分類目標以及抽樣地類點外，另一個主要用途為將影像之 RGB 反射值給予位置相對應之掃描點雲，以利後續使用影像之光譜特性輔助點雲分類。. 政治大. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. 圖4-6. engchi. i n U. v. 阿里山達邦地區正射影像. 在研究中分類所需之波形資料，除了經波形擬合得到點位之波形寬與振幅值外，考量散射截面積會受雷射入射角度與足跡大小之影響，因此使用經過足跡改正之散射截面積係數進行地物分類。本研究計算散射截面積數值所採用的柏油路反射率為 0.25，而公式中之率定參數需由人工選取位於感測器 nadir 方向之地面點計算，得到之率定參數數值為 5.14442819507091*10^(-6)。除了點位之波形資料外，本研究將從正射影像提供 RGB 資料計算之綠度指數以及由灰度共生矩陣得到之紋理資訊共同分析。由正射影像取得 39.

(56) RGB 值之處理方式為將點雲資料與影像之重疊區域找出，透過撰寫程式將位在該影像網格內之點雲給予該網格之影像 RGB 值，透過此步驟，即可將影像之 RGB 資料加入點雲資料中。得到 RGB 各波段灰階值後，即可利用式（4-1）計算各點位之綠度指數（Greenness）。（4-1）其中 G 為綠色波段反射灰階值，R 為紅色波段反射灰階值。綠度指數之使用乃由於傳統航空影像拍攝時，並未記錄地表反射之近紅外光（Near IR）波段，無法計算 NDVI 植生指數，故利用可見光中的 G 以及 R 波段反射灰階值計算出的綠度指數表示植被生長之情況。該數值介於-1〜1 之間，數值愈高表示該地區相對的植被量較多，可能為植物分布區域。. 立. 政治大. 灰度共生矩陣（Gray Level Co-occurrence Matrix, GLCM）為統計影像. ‧ 國. 學. 像元分布之情形，並以矩陣方式呈現。由影像中一參考像元灰階值（i）與鄰近像元灰階值（j）組成像元對，像元間的位移量以（d，ψ）表示，d 代. ‧. 表兩像元間相隔之像元數目，ψ為參考像元與鄰近像元間之角度，計算影. y. Nat. 像中參考像元與鄰近像元之分布關係符合位移量之數量。以圖 4-7 為例，. sit. 右側紅色圓圈為計算參考像元灰階值（i）為 3，鄰近像元灰階值（j）為 2，. 圖4-7. al. n. 分布關係。. er. io. 相隔 1 個像元（d）、所夾角度 0 度（ψ）之數量，如圖 4-7 左側藍色框之. Ch. engchi. i n U. v. 灰度共生矩陣像元之分布（高玉惠，2004）. 統計出影像之灰度共生矩陣後，即可以由矩陣中之數值計算所需紋理參數。本研究中計算紋理參數的方法為使用 ENVI 軟體之 Co-occurrence Measurement 得到，在後續點雲分類使用之紋理參數有均值度 40.

(57) （Homogeneity）、R 波段平均值（Mean R）與熵值（Entropy）等，其計算公式如下所示。 Homogeneity =. （. Mean =. （）. Entropy =. （）. 其中. ）. （）. （4-3）（）. 代表波段 k 量化的灰階數目（例如:. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 41. i n U. （4-4）. 為 0〜255），（）. 代表灰度共生矩陣內之數值。. 立. （4-2）. v.

(58) 第二節分類參數分析本小節由貝氏定理公式計算各地物類別在不同分類參數區間之貝氏機率值，觀察機率曲線之分布後，以四次多項式擬合目標曲線，最後求解該擬合曲線之反曲點位置，作為地物類別於該分類參數之門檻值。圖 4-8 為研究區各地類抽樣點位之分布圖，選取了各地類樣本點後，即可透過貝氏定理公式計算各地類於不同分類參數之貝氏機率值，即以小區域樣本分析各類別特性，接著應用於實驗區所涵蓋範圍將有相同特性之點位找出。各地類貝氏機率值計算成果將整理成表格，並與機率分布曲線共同展示如下。在各分類參數機率成果表格中，將以顏色標示出門檻值所在之區間，其中. 政治大而不被採用，便於與原始機率分布作比較，方可得知該參數是否適合應用立標示黃色表示為合理的門檻值區間，而標示紅色則代表門檻值區間不合理. 於該類別之分類。判斷門檻值區間合理與否之方式為檢查門檻值是否落在. ‧ 國. 學. 貝氏機率值大於零的區間，若是成立，則表示該門檻值合理而可被採用，. ‧. 反之亦然。. n. er. io. sit. y. Nat. al. 圖4-8. Ch. engchi. i n U. v. 各類別抽樣點位分布位置圖. 以下將逐一介紹單一回波點雲分類所使用之參數，除了列出經貝氏定理計算之貝氏機率外，另外還整理各參數由多項式擬合與反曲點求取等自動化步驟後得到之門檻值結果。首先，表 4-3 為研究區各地類振幅值之貝氏機率值計算成果，且將各 42.