臺灣博碩士論文加值系統

隨著高解析度衛星影像時代的來臨，結合航遙測與地理資訊系統於農業應用上，已然成為主流趨勢。再者，隨著紋理技術的發展不僅改變以往只能透過光譜資訊進行影像判釋的窘境，也大大地提升衛星影像判釋的精確性。然而，隨著數據的不斷增加，如何從這些大量的數據背後找出隱藏的決策意義，便需要透過一套有效的空間數據挖掘技術。
傳統上處理大量資訊經常使用的方式是利用主成分分析法(Principle Component Analysis)來進行資訊化約的動作。雖然在影像分類中可以透過主成分分析法進行資訊化約以獲得較佳的分類成果，但是對於地表覆蓋類別的光譜值背後所隱藏的決策訊息卻無法有效掌握。
因此，本研究將針對水稻田判釋正確性的提升上採用新的資訊萃取技術－粗糙集合理論(Rough Sets Theory)，其最大的優點是能夠在模糊與不確定的環境中有效的擷取資訊，並能架構出最大分離度的決策規則，透過知識庫引擎將規則引入能清楚且明確的表達影像中地物特徵的光譜範圍，此方式極為合適用來有效萃取影像分類問題中所需資訊。
本研究判釋成果顯示，比較粗糙集合+知識庫與主成分+知識庫判釋成果，以粗糙集合+知識庫分類成果優於主成分+知識庫分類成果，因此透過粗糙集理論進行水稻田知識庫分類的建構，將對於水稻田在影像灰階值範圍的掌握提出一定程度之貢獻。

The ideal of this study is to search a possible solution for the knowledge of rice on image information. This study will use the Rough Sets Theory to build the decision rules of rice displayed in the information system. On the other hand, using the Engine of Knowledge Building with decision rules of Rough Sets Theory can improve the accuracy of classification.
There are two point of results for image classification . One will be compared to principle component analysis with statistic normal distribution analysis, the other will improve the Knowledge Base with logical judgment.
The contributions to Rough Sets Theory could provide better image classification results than the tradition methods and make it possible to control the knowledge of rice on image information.

第一章 緒論 1
第一節 前言 1
第二節 研究動機與目的 2
第三節 研究內容與架構 3
第二章 文獻回顧 6
第一節 遙感探測技術 6
第二節 遙感探測於水稻田判釋 8
第三節 紋理資訊理論與相關應用 12
第四節 空間資訊萃取技術的應用 17
第五節 空間知識庫理論 21
第三章 研究設計 26
第一節 研究地區介紹 28
第二節 圖資介紹 29
第四章 研究方法 35
第一節 紋理資訊理論 35
第二節 空間資訊萃取技術 42
第三節 空間知識庫分類法 58
第四節 精準度評估 61
第五節 面積檢核方式 65
第五章 實證成果與分析 66
第一節 影像光譜資訊選取 66
第二節 紋理分析 68
第三節 空間資訊萃取 71
第四節 水稻分類知識庫建構 76
第六章 結論與建議 85
第一節 結論 85
第二節 後續研究 87
參考文獻 89

參考文獻
一、中文文獻
1.王國胤，2001，Rough集理論與知識獲取，西安交通大學出版社。
2.吳政庭、周天穎、雷祖強，2003，應用碎形維度與半變異元模式輔助高解析度衛星影像判釋之研究，第二十二屆測量學術及應用研討會，pp.171-178。
3.李雄飛、李軍，2003，數據挖掘與知識發現，高等教育出版社。
4.李興生、李德毅，2003，基於雲模型和數據場的分類和聚類挖掘研究，中國人民解放軍理工大學。
5.宋立松、陳武、向衛華、陳彩妮，2004，基於約略集的杭州灣含沙量遙感模型，水利學報。
6.束洪春、孫向飛、司大軍，2004，基於故障投訴電話信息的配電網故障定位約略集方法，電網技術，第28卷，第1期。
7.林榮章，1999，都會區多解像力遙測影像之紋理分析，國立中興大學土木工程學系碩士論文。
8.周朝富、鄭祈全，1992，利用SPOT衛星資訊探測林地覆蓋變遷之研究，林業試驗所研究報告季刊，7（4）：305-317 。
9.施奕良、雷祖強、周天穎、鄭丁元，2005，遙測影像資訊有效性之研究，台灣地理資訊學會年會暨學術研討會， p.p.149-158。
10.施奕良、雷祖強、周天穎，2005，利用粗糙集理論建立水稻田知識庫分類之研究，第二十四屆測量學術研討會<<論文摘要集>>， pp.111。
11.陳彥宏，2004，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論文。
12.陳哲俊，1994，利用衛星影像資料改進稻作種植面積自動估測及生育查報計畫，國立中央大學太空及遙測研究中心研究計畫報告。
13.陳怡睿、謝舜傑、陳信達，2005，應用知識庫分類法判釋SPOT衛星影像坡地崩塌之研究，台灣地理資訊學會年會暨學術研討會，p.p. 56。
14.黃則林、廖閱郎、廖學禮，1979，航照遙測應用於彰化縣稻穀生產調查，林務局農林航空測量所，叢刊第27號。
15.黃則林、廖閱郎、王賢杰，1982，水稻光譜特性之探討，林務局農林航空測量所，叢刊第35號，遙測報告第7號。
16.項利國、沈益民、何勇、余心杰，2003，粗糙集理論在糧食產量影響因素分析中的應用，浙江大學學報，29(3)， p.p.343~346。
17.張文修、吳傳志、梁吉業、李德玉，2005，粗糙集合理論與方法，西安交通大學數學研究生教學叢書。
18.張偉顗，1995， 以SPOT 衛星影像應用於大甲溪事業區林地被覆之變遷偵測，國立中興大學森林學研究所碩士論文。
19.雷祖強，1994，用SPOT衛星影像計算地表覆蓋碎形維度之研究，國立台灣大學農工所碩士論文。
20.劉清，2005，Rough集及Rough推理，科學出版社。
21.劉致岡，1999，以專家系統利用GIS資料輔助影像細分類-以林相分類為例，成功大學，測量工程研究所碩士論文。
22.鄧敏松，1997，結合多時段遙測影像、耕地坵塊與領域知識之區域式影像辨識法於水稻田耕作調查之應用，國立成功大學測量工程研究所碩士論文。
23.鄧東波，2001，，從景觀生態學觀點探討都市綠地－以台北市信義計畫區為例，文化大學地學研究所碩士論文。
24.盧英權，1994，作物學，國立編譯館，台北市。
25.糧食處，1997，台灣地區稻米生產量調查報告，台灣省糧食處。
26.戴昌達，姜小光，唐伶俐，2004，遙感圖像應用處理與分析，清華大學出版社。
二、英文文獻
1.Anderson G. L., Everitt J. H., Richardson A. J., Escobar D. E., 1993, Using satellite data to map false broomweed(Ericameria Austrotexana) infestations on south Texas rangelands. Weed Tech.7: 865-871.
2.Alicja Wakulicz-Deja, 1997, Diagnose progressive encephalopathy applying the rough set theory, International Journal of Medical Informatics 46: 119-127.
3.Bolstad P. V., Lillesand T. M., 1992, Improved classification of forest vegetation in northern Wisconsin through a rule-based combination of soils, terrai, and Landsat thematic mapper data, Forest Sci.38: 5-20.
4.Brewster C. C, Allen J. C, Kopp D. D., 1999, IPM from space: Using satellite imagery to construct regional crop maps for studying crop-Insect interaction, Am. Entom. 45:105-117.
5.Batty, M. and Longley, P., 1994, Fractal Cities: a Geometry of Form and Function, Academic press : San Diego.
6.Batty, M. and Longley, P. , 1988, The morphology of urban land use, Environment and Planning B, 15(4): 461-488.
7.Clarke, K. C., 1986," Computation of the fractal dimension of topographic surfaces using the triangular prism surface area "Computer & Geo-sciences,Vol. 12,No. 5,PP. 713～722.
8.Grilli M. P., Gorla D. E., 1997, The spatio-temporal pattern of Delphacodes kuscheli(Homoptera: Delphacidae) abundance in central argentina, Bull, Entom. Res. 87: 45-53.
9.Ghazel, M, Ward R. K. and Abugharbieh R. , 2005, Simulltaneous fractal image denoising and interpolation, IEEE Pacific Rim Conference on Communications, Computers and Signal Processing, Victoria-Canada, 2005, p.p. 558-561.
10.Hay, G. J., K. O. Niemann, and G. F. Mclean, 1996, An Object-Specific Image-Texture Analysis of H-Resolution Forest Imagery, Remote Sens. Environ., Vol.55, 108-122.
11.Journel, A. G. and Huijbregts, CH. J., 1991, Mining Geostatistics, Academic Press.
12.M. J. Beynon, K. L. Buchanan, 2003, An Illustration of Variable Precision Rough Set Theory: The Gender Classification of the European Barn Swallow, Bulletin of Mathematical Biology 65: 835-858.
13.Nguyen S. H., Skowron A., 1995, Quantization of Real Value Attributes-Rough Set and Boolean Reasoning Approach. Proc of the Second Joint Conference on Information Sciences, 34-37.
14.Pawlak Z., Rough sets, Internat. J. Comput. Inform. Sci. 5(1982) 341-356.
15.Walczak B., Massart D. L., 1999, Rough sets theory. Chemometrics and Intelligent Laboratory Systems 47, 1~16.
16.Xu Baowen, Zhou Yuming, Lu Hongmin, An improved accuracy measure for rough sets, Journal of Computer and System Sciences 71(2005) 163-173.
17.University of Warsaw, Poland, Institute of Mathematics, 2005, RSES, Web Site： http://logic.mimuw.edu.pl/~rses/