臺灣博碩士論文加值系統

水土保持局為能有效監控土石流事件發生，於全省各觀測站架設數位攝影機，透過數位攝影機傳回各觀測站即時影像資料，以提供主管人員於颱風、豪雨期間即時掌控各處災情現況。然而，經由觀測站傳回之影像資料需要大容量之儲存空間且其資料成長速度驚人；再者，現有觀測站數量已愈來愈多，雖然可以有效輔助單位主管人員即時監控各地災情，但是，完全仰賴水保專家人工判斷是否發生土石流，已不具行政效率。因此，本研究利用影像之色彩、紋理、形狀等特徵，使用Sobel之邊緣偵測、灰階共立矩陣萃取紋理特徵及考慮影像亮度及前後時間序列關係，分析無災害及土石流事件影像之特徵，並據以建立土石流事件判釋準則。本研究經實証得知，土石流事件判釋準確率可達到91%且無漏判。整體而言，本研究成果可提供各觀測站於擷取影像資料時判斷影像資料是否需要儲存之依據；同時，可輔助水保專家人員以更有效的方式監控土石流事件的發生，且更具效率。

As debris flow disaster have been the most significant hazards in Taiwan mountain areas, the Water and Soil Conservation Beareu of Taiwan, R.O.C. uses digital remote monitoring technology for monitoring possible debris flow events since 1999. Several CCTV monitoring stations have been established all over these monutain areas. As the number of stations increase largely, the traditional approach becomes more inefficient.
This research aims to reveal a more automated approach. Techniques including Edging,Gray Level Co-occurrence Matrix, HSV color space, and time factors were used for analyzing the texture, color, and other characteristics. By comparing with the images that were recoreded when debris flows occurred and in regular days, we built a set of rules for identifying debris flow events. In our experimental results, the accuracy of identifying debris flow events is about 91%. In addition, our system is more sustainable because the storage requirement is very economic by keeping effective image only.

中文摘要 I
英文摘要 I
第一章 緒論 1
1.1 研究動機 1
1.2 研究目的 2
1.3 論文架構 3
第二章 背景知識與文獻回顧 4
2.1 土石流相關文獻 4
2.1.1. 土石流的定義 4
2.1.2. 台灣的土石流災害 4
2.1.3. 土石流發生條件 5
2.1.4. 土石流發生徵兆 7
2.1.5. 土石流相關研究 8
2.2 CCD相關文獻 10
2.3 影像特徵相關文獻 11
第三章 研究方法與流程 13
3.1 研究方法 13
3.1.1. 邊緣特徵 13
3.1.2. 紋理特徵 15
3.1.3. 色彩模型 21
3.2 研究流程 22
第四章 研究區域與資料 25
4.1 觀測站選擇 25
4.2 資料蒐集與事件判定 26
第五章 分析與討論 28
5.1 實證分析 28
5.1.1. 影像狀態分類 28
5.1.2. 影像邊緣分析 31
5.1.3. 紋理特徵分析 36
5.1.4. 影像序列分析 44
5.1.5. 影像亮度值再處理 46
5.1.6. 準則建立 49
5.1.7. 驗証 50
5.2 討論 53
第六章 結論與建議 55
6.1 結論 55
6.2 建議 56

參考文獻 58
圖 目 錄

圖3-1 3 X 3影像方塊圖 14
圖3-2影像經過Sobel邊緣偵測法處理 14
圖3-3 紋理影像的構成 15
圖3-4 GLCM運算表示矩陣圖 18
圖3-5 研究流程圖 24
圖4-1 神木站儀器配置圖 25
圖4-2 各觀測站取景影像 26
圖4-3 白天與夜間影像 27
圖5-1影像分類機制 29
圖5-2晴天影像 29
圖5-3淤泥有水影像 30
圖5-4土石流事件影像 30
圖5-5無災害及土石流事件影像之護岸變化 31
圖5-6無災害之河床區域影像邊緣量化結果 32
圖5-7土石流事件之河床區域影像邊緣量化結果 32
圖5-8無災害及土石流事件影像之河床區域邊緣量化值 32
圖5-9無災害之非河床區域影像邊緣量化結果 33
圖5-10土石流事件之非河床區域影像邊緣量化結果 34
圖5-11無災害及土石流事件影像之非河床區域變化量 34
圖5-12無災害影像之影像紋理 37
圖5-13土石流事件之影像紋理 37
圖5-14 訓練樣本影像之紋理參數特徵值 39
圖5-15不同視窗大小之判釋結果 41
圖5-16不同角度之對比度特徵值 43
圖5-17 影像序列分析示意圖 45
圖5-18 相鄰的兩張影像 46
圖5-19 第N張影像 48
圖5-20第N-1張影像 48
圖5-21 土石流事件影像判釋流程 49
圖5-22 土石流事件影像判釋結果 52
圖5-23 誤判影像分析 54

表 目 錄

表4-1 神木下游觀測站土石流事件一覽表 27
表5-1 計算邊緣量化值之土石流事件判釋結果 35
表5-2 加入紋理特徵後土石流事件之判釋結果 44
表5-3 加入影像序列分析後土石流事件之判釋結果 46
表5-4 連續影像之亮度變化 47
表5-5 土石流事件影像之判釋結果 53
表5-6 本研究判釋結果 53

1Aigrain, P., Zang, H. and Petkovic, D., “Content-based representation and retrieval of visual media: a state-of-theart review”, Multimedia Tools Appl.,1996,3,179–202.
2Androutsos, D., Plataniotis, K.N. and Ventsanopoulos, A.N., “A novel Vector-based approach to color image retrieval using a vector angular-based distanced measure”, Computer Vision and Image Understanding, 1999,75(1/2),46-58.
3Arattano, M., Deganutti, A.M. and Marchi, L.,”Debris Flow Monitoring Activities in and Instrumented Watershed of the Italian Alps. In Cheng-lung Chen (ed.)”, Debris-flow Hazard Mitigation: Mechanics, Prediction, and Assessment,1999,506-5(15).
4Baraldi, A., and Parmiggiani, F., “An Investigation of the Texture Characteristics Associated with Gray Level Co-occurrence Matrix Statistical Parameters”, IEEE Trans. On Geo. and Remote Sensing, 1995,33(2),293-304.
5Carson, Chad, “Blobworld: a system for region-based image indexing and retrieval”,International conference on visual information system, 1999,74.
6Chen, Chien-Chang, Chen,Chaur-Chin, “Filtering methods for texture discrimination”,Pattern Recognition,1999,20, 783-790.
7Chitre, Yateen, Dhawan, Atam P., “M-band wavelet discrimination of natural textures”,Pattern Recognition,1999,32,773-789.
8Flickner, M., Sawhney, H., Niblack, W., Ashley, J., Huang, Q., Dom, B., Gorkani, M., Hafner, J., Lee, D., Petkovic, D., Steele, D. and P. Yanker, “Query by image content:the QBIC system”, IEEE Comput,1995,28,23–31.
9Genevois, R., Tecca, P.R., Berti, M. and Simoni, A.,” Debris-flows in the Dolomites: Experimental data from a monitoring system. In Wieczorek and Naeser (eds.)”, Debris-flow Hazard Mitigation: Mechanics, Prediction, and Assessment,1997,283-291.
10Gonzalez, R.C. and Woods, R.E., “Digital Image Processing,Addison-Wesley Publishing Company”,Reading, MA,1993.
11Haralick, R. M., “Statistical and structural approaches to texture”, Proceedings of The IEEE,May 1979,67(5).
12Haralick, R.M., Shanmugam, K. and Dinstein, I., “Texture features for image classification”, IEEE Trans. System Man Cybernet,1973,SMC-3 (6),610–621.
13Hermes, T., Klauck,C., KreyR, J. and Zhang, J., “Image retrieval for information systems”, Storage and Retrieval for Image and Video Databases III, February 1995,2420,394–405.
14Manjunath, B.S. and Ma, W.Y., “Texture features for browsing and retrieval of image data”, Technical Report CIPR TR-95-06, 1995.
15Marceau, D., Howarth, P.J., Dubois and M., Jean-Marie , “Automated Texture Extraction from High Spatial Resolution Satellite Imagery for Land-Cover Classification”, International Geoscience and Remote Sensing Symposium,1989,2765-2768.
16Matsuyama, T., Miura, S.I., Nagao, M., “Structural analysis of natural textures by Fourier transformation”,Computer Vision Graphics Image Process, 1980,12,286-308.
17Niblack, W., Barber, R,. Equitz, W., Flickner, M., Glasman, E., Petkovic, D., Yanker, P., Faloutsos, C. and Taubin, G., “The QBIC project: querying images by content using color, texture, and shape”, Storage and Retrieval for Image and Video Databases, February 1993,1908,173–181.
18Ojala, T. and Pietikainen, M.,”Unsupervised texture segmentation using feature distributions”,Pattern Recognition,1999,32,477-486.
19Pierson, T.C.,” Flow behavior of cbannelized debris flows”, Mount St. Helens,1986,269-296.
20Pitas, I., “Digital Image Processing Algorithms”, Prentice-Hall, Englewood CliEs,1993.
21Rui, Y., Huang, T.S. and Mehrotra, S., “Relevance feedback techniques in interactive content-based image retrieval”, Storage and Retrieval for Image and Video Databases VI, January 1998,3312,25–36.
22Sakamoto, H., Suzuki, H. and A. Uemori, “Flexible montage retrieval for image data”, Storage and Retrieval for Image and Video Databases II, February 1994,2185,25–33.
23Sethi, I.K., Coman, I., Day, B., Jiang, F., Li, D., Segovia-Juarez, J., Wei,G. and You, B., “Color-WISE: A system for image similarity retrieval using color”, Storage and Retrieval for Image and Video Databases VI, January 1998,3312,140–149.
24Smith, J.R. and Chang, S.-F., “Tools and techniques for color image retrieval”, Storage and Retrieval for Image and Video Databases IV, February 1996,2670,426–437.
25Sonka, M., Hilavac, V. and Boyle, R., “Image Processing, Analysis, and Machine Vision”, PWS Publishing,1998.
26Suwa, H., Okunishi, K.,Sakai, M. and Motion, “debris size and scale of debris flows in a valley on Mount Yakedake”, Japan. In Sediment Problems: Strategies for Monitoring, Prediction and Control;July 1993,217,239-248.
27Swain, M. and Ballard, D., “Color indexing”, Int. J. Comput. ,1991,7(1),11–32.
28Takahashi, T., “Routing Debris Flows with Particles Segregation,” Journal of Hydraulic Engineering,1992,118(11),1490-1507.
29Tamura, H., Mori, S. and Yamawaki, T., “Texture features corresponding to visual perception”, IEEE Trans. System Man Cybernet,1978,SMC-8 (6),460–473.
30Treitz, P.M., Filho, O.R., Howarth, P.J. and Soulis, E.D., “Textural Processing of Multi-Polarization SAR for Agricultural Crop Classifition”, International Geoscience and Remote Sensing Symposium,1996,1986-1988.
31Wang, Li and He, Dong-Chen, “Texture classfication using texture specturm”, Pattern Recognition,1990,23(8),905-910.
32日本遙感研究會編， 劉勇衛、賀雪鴻譯，”遙感精解”，測繪出版社，北京，1993。
33吳良杰，”視覺感測器自動追蹤地面移動目標”，元智大學機械學系碩士論文，1996。
34李心平，”智慧型控制理論於土石流預警系統之研究”， 台灣大學農業工程學研究所碩士論文，1995.
35李建瑋，”平面移動物體追蹤系統之研製”，國立交通大學電機與控制工程學系碩士論文，1999。
36周必凡、李德基、羅德富、呂儒仁、楊慶溪, "泥石流防治指南",科學出版社，北京，1991
37林信亨，”地理資訊系統應用於土石流危險度判定之研究”，台灣大學土木工程研究所碩士論文，1999。
38林信志、張秤嘉等，”以色彩、紋理、和外形為內容之影像擷取方法”，電腦學刊，第十三卷第四期，2001，pp. 30-43。
39林炳森，土石流觀測儀器種類與設置地點之研究(I)，台北:行政院國家科學委員會專題研究計畫成果報告(計畫編號:NSC-89-2625-Z-005-007)，1999，第45-55頁。
40施邦築、謝正倫，”土石流危險區域劃定方法之研究”，土木技術，第1期，1998，pp.200-211。
41夏良正，”數字圖像處理”，東南大學出版社，南京，1999。
42張守陽、李璟芳，”紅外線熱影像應用於土石流監測之研究”，雲林：第十三屆水利工程研討會論文集，2002，第O85-O92頁。
43張守陽、李璟芳，”機械視覺應用於土石流監測之研究”，碩士論文，國立臺北科技大學環境規劃與管理研究所，2002。
44張東炯，”以灰關聯分析建立土石流危險度評估模式”， 農業工程學報，第45 卷，第三期，1999，第86-91頁。
45張東炯，”類神經網路於土石流發生預測模式之研究”， 台灣水利期刊，第48 卷，第2 期，2000，第92~98 頁。
46連國珍，”數位影像處理”，儒林圖書公司，台北市，2000。
47逢甲大學地理資訊系統研究中心，”土石流現地資料蒐集暨觀測示範站維護計畫”，行政院農業委員會水土保持局，2004。
48郭華東等，”雷達對地觀測理論與應用”，科學出版社，北京，2000。
49章孝燦、黃智才、趙元洪，”遙感數字圖像處理”，浙江大學出版社，浙江，1996。
50章孝燦、黃智才、趙元洪，”遙感數字圖像處理”，浙江大學出版社，浙江，1996。
51詹錢登，”土石流概論”，科技圖書公司，2000
52劉格非、李欣輯，”地聲探測器特性之初步研究”，台北：第二屆土石流研討會論文集，1999，第84-93頁。
53劉軒耘，”土石流發生潛勢分析方法之研究”， 成功大學水利及海洋工程系碩士論文，1995。
54黎偉，”紋理分析於遙測影像分類之研究”， 國立中央大學土木工程研究所碩士論文，桃園，1998。
55鍾維哲，”基於光流計算之即時影像追蹤系統”，成功大學電機工程學系碩士論文，2000。