臺灣博碩士論文加值系統

災害 (如地震或颱風造成的土石崩塌) 發生後的規模判定及災情勘查能為後續應變及救災之決策提供重要的資訊。若勘災人員能親赴災害現場勘查，當可獲得精確的資訊。然災害發生後，往往造成道路交通中斷，以至於無法派遣人員至現場勘災。而隨著衛星科技與影像處理技術的進步，藉由衛星遙測影像之處理來進行災情判釋的相關技術日趨成熟且可行。
本研究利用福爾摩沙二號衛星影像，針對坡地災害進行判釋。目前遙測影像應用於坡地災害影像判釋的分類法以監督式與非監督式兩大類為主，其中最常用的是最大似然法。此法依已知的地表覆蓋物對判釋的影像圈選訓練樣本，透過光譜特性之對應將影像之物體進行分類。但在過往研究之實驗中顯示利用此法進行分類約有50%的誤判機率。主要因為地物光譜特徵與所要進行判釋的標的物光譜特徵若過於近似，則易產生的誤判情形。為改善此狀況，本研究利用監督式分類法圈選訓練樣本特點，結合物件導向式分類法及分類決策樹，以一種改良式的監督式分類法對遙測影像進行崩塌地判釋，以期能提高對崩塌地的判釋。
首先利用融合過後的遙測影像，分析影像中地物的光譜、形狀、紋理特性，建立地物的分類法則，再依此法則建構災害判釋之流程。實驗結果顯示，相較於最大似然法，本流程提升了崩塌地分類的使用者精度，亦即降低誤判的狀況，而對其他各類的地物也有改善。相關技術預期可運用於大規模災害發生後快速判定災害範圍及評估可能之災害損失。此判釋流程，在不同資料來源下應仍可達到一定的效果，並降低人為因素的干擾。雖判釋結果未能完全取代人工判釋，但有助於大量批次化自動影像判釋之用。

After a disaster occurs (such as a landslide caused by an earthquake or a typhoon), disaster scale determination and invesitgation can provide critical information for follow-up reponses and relief decisions. Disaster investigators can obtain accurate information by reaching and visiting affected areas. However, gaining access to affected areas is usually very difficult due to poor traffic conditions. With the advance of satellite and image processing technology, remote sensing imaging becomes a mature and feasible technique for disaster interpretation.
This research uses images collected by Formosat 2 for slope disaster interpretation. The two major approaches of remote sensing imaging on slope disaster interpretation are supervised and non-supervised classifications, and the most commonly used one is the maximum likelihood method. This method uses known land covers to select training samples on interpreted images and classifies objects in the images based on their spectrum characteristics. However, previous studies showed that this method has 50% chance of false interpretation, especially when ground object spectrum characteristics are too similar to those of the objects to be interpreted. To improve the accuracy of the interpretation, this research proposes the decision tree concept. Meanwhile, we combine the features of supervised classification with object-oriented techniques. Our method first fuses remote sensing images to analyze spectral, shapes, and patterns of ground objects in the images. It then classifies these ground objects to construct a disaster interpretation procedure. In comparison with the maximum likelihood method, experiments show that the procedure proposed increases the accuracy in landslide classification, reduces the chance of false interpretations, and improves the analysis of other ground objects. We expect that the related technologies can be applied to quick determination and assessment of large-scale disasters and loss forecast. This procedure can also achieve a certain level of accuracy even with difference sources of inputs, and it can also reduce manmade interference. Though its interpretaton can not replace manmade interpretation completely, but it is still a useful method for automatic image interpretation large amount of images.

目錄
摘要 I
ABSTRACT II
致謝 IV
目錄 V
表目錄 IX
圖目錄 XIII
第一章 序論 1
1-1 簡介 1
1-2 傳統崩塌地判釋 3
1-3 物件導向分類判釋 4
1-4 問題定義 5
1-5 研究流程 5
1-6 論文架構 9
第二章 文獻回顧 11
2-1 坡地災害影像判釋相關研究文獻 11
2-2 傳統影像分類相關文獻 15
2-2-1 監督式分類相關文獻 17
2-2-2 物件導向分類相關文獻 17
2-2-3 小結 18
2-3 影像分類之精確度評估 20
2-3-1 誤差矩陣 20
2-3-2 分類精確度評估指標 22
2-4 紋理特徵相關文獻 23
2-5 影像融合相關文獻 26
2-5-1 IHS融合 26
2-5-2 主成分分析融合 27
2-5-3 BROVEY 融合 28
2-5-4 小波融合 28
第三章 影像資料與研究區域 31
3-1 研究之衛星影像資料 31
3-2 福爾摩沙衛星二號之特性 32
第四章 新流程及實驗結果 38
4-1 新流程設計 38
4-2 最大似然法分類判釋崩塌地 41
4-2-1 航照分類結果 46
4-3 最大似然法在衛星影像分類成果 49
4-3-1 多光譜影像於九種類別之最大似然法分類 50
4-3-2 IHS融合影像於九種類別之最大似然法分類 52
4-3-3 PCA融合影像於九種類別之最大似然法分類 54
4-3-4 Brovey融合影像於九種類別之最大似然法分類 56
4-3-5 wavelet融合影像於九種類別之最大似然法分類 57
4-3-5 小結 59
4-4 光譜特徵於新流程分類成果 60
4-4-1 物件分割 67
4-4-2 樣本取樣進行統計 70
4-4-3 建置地物分類法則 77
4-4-4 利用決策樹來分類 82
4-4-5 進行分類 83
4-4-6 地物分類成果評估 85
4-4-7 航照影像地物分類成果評估 86
4-4-8 小結 95
4-5 光譜、形狀及紋理特徵於新流程分類成果 97
4-5-1 形狀特徵理論 97
4-5-2 衛星影像形狀特徵權重分析 98
4-5-3 衛星影像形狀特徵分析 101
4-5-4 紋理特徵理論 102
4-5-5 衛星影像紋理特徵權重分析 104
4-5-6 衛星影像紋理特徵分析 107
4-5-7 衛星影像分類結果 111
4-5-8 航照影像光譜、形狀及紋理特徵於新流程分類成果 112
4-5-9 航照影像形狀特徵權重分析 113
4-5-10 航照影像紋理特徵權重分析 116
4-5-11 航照影像分類結果 121
4-5-12 小結 123
第五章 結論與未來研究方向 124
5-1 結論 124
5-2 心得與貢獻 127
5-3 未來研究方向 128
參考文獻 130

1.Arora M. K., Das A. S. and Gupta R. P., An artificial neural network approach for landslide hazard zonation in the Bhagirathi (Ganga) Valley, Himalayas, International Journal of Remote Sensing, Vol. 25, Iss. 3, 2004, 559 - 572.
2.Aldridge C.H., Discerning landslide hazard using a rough set based geographic knowledge discovery methodology, SIRC 99 - The 11th Annual Colloquium of the Spatial Information Research Centre, 1999, 251- 266.
3.Banks,S., Signal Processing, Image processing and pattern recognition, Prentice Hall, New York , 1990.
4.Barrett E. C., Brown K. A. and Micalle A., Remote sensing for hazard monitoring and disaster assessment：Marine and coast applications in the mediterranean region, Gordon and Breach Science Publishers, Philadelphia, 1991.
5.Benz U.C., Hofmann P., Willhauck G., Lingenfelder I. and Heynen M., Multi-resolution object-oriented fuzzy analysis of remote sensing data for GIS-ready information, ISPRS Journal of Photogrammetry & Remote Sensing, Vol. 58, Iss. 3-4, 2004, 239 - 258.
6.Buiten H. J. and Clevers J. G. P. W., Land observation by remote sensing：Theory and applications, Gordon And Breach Science Publishers, Langhorme, Pa., U.S.A., 1993.
7.Campbell J. B., Introduction to remote sensing, Guilford Press, New York, 1996.
8.Carper W. J., Lillesand T. M. and Kiefer R. W., The use of intensity-hue-saturation transformations for merging SPOT panchromatic and multispectral image data, Photogrammetric Engineering and Remote Sensing, Vol. 56, No. 4, 1990, 459 - 467.
9.Chang K. T. and Liu J. K., Landslide features interpreted by neural network method using a high-resolution satellite image and digital topographic data, Proceedings of ISPRS XX Congress, Commission VII TS WG VII/5, Istanbul, Turkey, 2004, 574-579.
10.Chavez, P. S. Jr.; Sides, S. C. and Anderson J. A., Comparison of three different methods to merge multiresolution and multispectral data: Landsat TM and SPOT panchromatic, Photogrammetric Engineeringand Remote Sensing, Vol. 57, No. 3, 1991, 295 - 303.
11.Cihlar, J., Land Cover Mapping of large areas from satellites：Status and research priorities, International Journal of Remote Sensing, Vol. 21, No. 6&7, 2000, 1093 - 1114.
12.ER Mapper 5.0 Reference, Earth Resource Mapping Pty Ltd, 1995.
13.Han, J. and Kamber M., Data mining: Concepts and techniques, Morgan Kaufmann, 2000.
14.Hay G. J., Niemann K.O. and Mclean G. F., An object-specific image-texture analysis of H-resolution forest imagery, Remote Sensing of Environment, Vol. 55, 1996, 108-122.
15.Kathleen E. and Philip A. D., The use of intensity-hue-saturation transformation for producing color shaded relief images, Photogrammetric Engineering and Remote Sensing, Vol. 60, No. 11, 1994, 1369 - 1374.
16.Lillesand T. M. and Kiefer R. W., Remote sensing and image interpretation. 3rd eddition, John Wiley & Sons, 1994, New York.
17.Lyon J. G., Yuan D., Lunetta R. S. and Elvldge C. D., A change detection experiment using vegetation indices , Photogrammetric Engineering & Remote Sensing, Vol.64, No.2, 1998, 143 - 150 .
18.Nichol J. and Wong M. S., Satellite remote sensing for detailed landslide inventories using change detection and image fusion, International Journal of Remote Sensing, Vol. 26, Iss. 9, 2005, 1913 - 1926.
19.Nunez J., Otazu X., Fors O., Prades A., Pala V. and Arbiol R., Multiresolution-based image fusion with sdditive wavelet decomposition, IEEE Trans. on Geoscience and Remote Sensing, Vol. 37, No. 3, 1999, 1204 - 1211.
20.Pal S. K., Bandyopadhyay S. and Murthy C. A., Genetic classifiers for remotely sensed images: Comparison with standard methods, International Journal of Remote Sensing, Vol. 22, Iss. 13, 2001, 2545 - 2569.
21.Richards J. A., Remote sensing digital image analysis: An introduction, 2nd edition, Springer-Verlag, New York, 1993.
22.Richards J. A., Remote sensing digital image analysis: An introduction, 3rd edition, Springer-Verlag, New York, 1999.
23.Sabins F. F. Jr, Remote sensing: Principles and interpretation, Freeman, New York, 1987.
24.Saha K., Gupta R. P. and Arora M. K., GIS-based landslide hazard zonation in the Bhagirathi (Ganga) Valley, Himalayas , International Journal of Remote Sensing, Vol. 23, Iss. 2, 2002, 357 - 369.
25.Schowengerdt R. A., Techniques for image processing and classification in remote sensing, Academic Press, New York, 1983.
26.Schott J. R., Remote sensing: The image chain approach, Oxford University Press, New York, 1997.
27.Shettigara V. K., A generalized component substitution technique for spatial enhancement of multispectral images using a higher resolution data set, Photogrammetric Engineering and Remote Sensing, Vol. 58, No. 5, 1992, 561 - 567.
28.Sklansky J., Image segmentation and feature extraction, IEEE Transaction on Systems, Man and Cybernetics, Vol. 8, 1978, 238 - 247.
29.Singh S., Haddon J. and Markou M., Nearest-neighbour classifiers in natural scene analysis, Pattern Recognition, Vol. 34, 2001, 1601 - 1612.
30.Thomas I. L., Benning V. M. and Ching N. P., Classification of remotely sensed images, Adam Hilger, Bristol, 1987.
31.Turker M. and Derenyi E., GIS assisted change detection using remote sensing, Geocarto International, Vol. 15, Iss. 1, 2000, 51 - 56.
32.Verbyla D. L., Satellite remote sensing of natural resources, Lewis Publishers, Boca Raton, 1995.
33.Yeh C. C., Lin F. T., Chou H. C., Hsu P. H., Su W. R., Chang C. C. and Huang C. H., Detection of land-use change by the combination of remote sensing and georgraphic information, International Symposium on Geoinformatics for Spatial Infrastructure Development in Earth and Allied Sciences, 2008, 159 - 164.
34.Yocky D. A., Multiresolution wavelet decomposition image merge of Landsat Thematic Mapper and SPOT panchromatic data, Photogrammetric Engineering and Remote Sensing, Vol. 62, No. 9, 1996, 1067 - 1074.
35.Zhao L., Tan F. Y., Quek W. Q., Chen P. and Liew S. C., Landuse study of the Sentosa Island using SPOT images, IEEE International, Vol. 2, 1997, 963 - 965.
36.Zhou J., Civco D. L. and Silander J. A., A wavelet transform method to merge Landsat TM and SPOT panchromatic data, International Journal of Remote Sensing, Vol. 19, No. 4, 1996, 743 - 757.
37.尹承遠、游明芳、王文能、黃國恩、陳敏祥、黃金鴻、楊明宗、吳上智，以SPOT影像進行崩塌地調查與變動分析，財團法人工業技術研究院，SWCB-93-066，2004。
38.江良印，1998，紋理特徵應用於遙測影像判釋之理論研究，國立台灣大學農業工程研究所碩士論文。
39.洪皓仁，2000，衛星影像分類方法之研究－以鳳山溪上游集水區為例，中興大學水土保持學研究所碩士論文。
40.高玉惠，2004，小波轉換應用於影像自動判釋崩塌地分析，國立成功大學地球科學系碩士論文。
41.莊政斌，2004，影像分割技術於高解析衛星影像分類之應用，國立中央大學碩士論文。
42.焦國模，1989，森林航空測計學，國立編譯館，台北市。
43.陳微鈞、徐偉城、陳碧娥，應用物件導向分類法於QuickBird捷鳥衛星影像之效能評估，台北，第四屆數位地球國際研討會，2006。
44.陳彥宏，2003，運用紋理資訊輔助高解析度衛星影像於都會區水稻田萃取之研究，逢甲大學土地管理學系碩士班碩士論文。
45.郭秀玲，2003，紋理分析於農地利用判釋之研究-以苗栗縣大湖鄉為例，逢甲大學土地管理學系碩士論文。
46.黃筱梅，2001，SPOT衛星影像於裸露地變遷之偵測研究-以和社社區為例，國立台灣大學碩士論文。
47.唐德誠，2002，灰度共現矩陣於多波段多極化SAR影像分類之研究，國防大學中正理工學院軍事工程研究所碩士論文。
48.張國楨、陳俊愷，利用高解析數值影像與物件導向影像分類於林地環境監測之應用，台北， 「生態系經營—永久樣區理論與實務探討」研討會，2003。
49.張雅華、李瑞陽、張國楨，福爾摩沙衛星二號影像應用於國土利用現況調查，台北，2005年台灣地理資訊學會年會暨學術研討會，2005。
50.鄒明城，2004，空間資料庫知識探索之研究─以集集大地震引致之山崩為例，國立台灣大學地理環境資源學研究所博士論文。
51.廖浩鈞，2006，使用QuickBird高解析度遙測影像以分類法判釋南二高邊坡保護工程之研究，國立成功大學碩士論文。
52.廖軒吾，2000，集集地震誘發之山崩，國立中央大學地球物理應用地質研究所碩士論文。
53.翁鄭啟志，2004，類神經網路應用在土石流發生可能性分析，國立台灣大學土木工程學系研究所博士論文。
54.劉進金，1987，山崩之遙測影像自動分析，遙感探測，第8期，第60-90頁。
55.劉進金、張寶堂，1991，大型山崩之遙測辨認，遙感探測，第14期，第41-48頁。
56.劉守恆，2002，衛星影像於崩塌地自動分類組合之研究，國立成功大學地球科學研究所碩士論文。
57.劉守恆、林慶偉，SPOT 衛星影像之崩塌地自動分類研究，航測及遙測學刊，第九卷，第二期，第9-22 頁。
58.劉孝恆，1999，監督性模糊分類法於遙測影像分類及變遷偵測之研究，國立中央大學土木工程研究所碩士論文。
59.劉晃丞，2006，應用高程差與福衛二號影像共同判釋新崩塌地，國立成功大學地球科學研究所碩士論文。
60.楊永安，2007，應用衛星影像進行坡地災害自動判釋與災因分析，國立台灣大學土木工程學系研究所碩士論文。
61.葉至聖，1995，AMOEBA影像分類技術之研究，國立交通大學土木工程研究所碩士論文。
62.蔡敏之，1997，應用輔助資訊及類神經網路於遙測影像土地利用分類之研究－以識別都市區為例，國立成功大學測量工程研究所碩論文。
63.謝玉興，2004，南橫公路邊坡崩壞與降雨關係研究，臺灣公路工程，第30卷，第11期，第26-45頁。
64.賴彥中，2004，結合光達資料與數位空照影像重建三維建物模型，國立中央大學土木工程研究所碩士論文。
65.鍾育櫻，2005，921集集大地震前後降雨型崩塌地特徵之比較，國立台灣大學地理環境資源研究所碩士論文。
66.蕭國鑫，遙測技術應用於森林集水區內土砂災害之調查與監測-結合遙測與GIS應用於集水區災害監測，農委會94年度天然災害子計畫，2006。
67.蕭國鑫、游明芳、劉進金、張志立，高解析影像應用於崩塌地判釋之研究，台灣地理資訊年會暨學術研討會，2004。
68.戴文彬，自組紋理辨識技術在遙測影像處理之應用，行政院國家科學委員會補助專題研究計畫成果報告，2001。