跳到主要內容

臺灣博碩士論文加值系統

(44.210.149.205) 您好!臺灣時間:2024/04/12 22:40
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:郭孟維
研究生(外文):Meng-wei Guo
論文名稱:應用側掃聲納影像進行海床靜態目標物自動化辨識與分析之研究
論文名稱(外文):Automated Identification and Analysis of Stationary Targets on Seafloor with Sidescan Sonar Imagery
指導教授:田文敏田文敏引用關係
指導教授(外文):Wen-miin Tian
學位類別:碩士
校院名稱:國立中山大學
系所名稱:海洋環境及工程學系研究所
學門:工程學門
學類:環境工程學類
論文種類:學術論文
論文出版年:2008
畢業學年度:96
語文別:中文
論文頁數:149
中文關鍵詞:集群分析貝氏分類器灰度共現矩陣側掃聲納
外文關鍵詞:bayesian classificationcluster analysisgray level co-occurrence matrixside scan sonar
相關次數:
  • 被引用被引用:8
  • 點閱點閱:519
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
水下靜態目標物的搜尋方式,以應用側掃聲納系統(side-scan sonar)進行海床掃描作業為主;聲納影像中目標物的辨識工作,則以人為檢視的方式進行。由於側掃聲納影像的辨識工作需投入大量的人力、物力、時間與訓練,因此以以數值分析的方式取代傳統之辨識方法是一個極受重視的領域。本研究以台灣西南海域所收集之側掃聲納影像為基準,以框型水泥質人工魚礁(尺度為2m×2m×2m)為辨識標的物,建置完整之影像辨識系統,以達到海床目標物自動化辨識之目的。

本研究建置之自動化影像辨識系統的辨識流程與方法如下:
(1)側掃聲納影像收集(image acquisition);500kHz,斜距75m。
(2)影像特徵函數擷取(feature extraction);灰度共現矩陣法。
(3)影像特徵函數分類(classification);非監督式貝氏分類器。
(4)影像類型判定;集群分析法(cluster analysis)。
(5)目標物現況分析,目標物周長、面積、中心位置與數量。

辨識系統之驗證與相關參數最佳值之選取,以高雄縣茄萣魚礁區所收集之側掃聲納影像進行(影像尺度為650×650像素)。影像特徵函數包括熵值、同質性與平均值等三項。目標物辨識結果與原始影像比對,辨識精度可達93%。辨識系統所計算之人工魚礁數量為9~20座,而魚礁之實際數量為15座。

辨識系統實際應用之驗證作業,選用屏東縣枋寮魚礁區所收集之聲納影像進行(影像尺度為2048×6050像素)。此區域海床存在之目標物除了框型人工魚礁外,尚包含其它類型類型之目標物(如十字型保護礁)。辨識過程中,採取將影像切割成較小區塊(2048×550像素)的方式進行。辨識結果顯示有關小區塊中目標物之判定,可依據集群分析法中所獲得之切群點位置,進行影像類型判別。其中,切群點介於20.6~24.4代表影像中具有可辨識之框型人工魚礁、介於15.3~17.4代表具有無法辨識之較小型目標物,切群點介於10.1~10.9則代表不含目標物之砂泥質海床。目標物現況分析結果顯示,影像中之魚礁數量為122~240座。

根據實証結果,本系統在海床目標物之辨識上,具有自動化操作與目標物有效辨識等供能,且能提供目標物之相關現況資訊,對於提升水下靜態目標物之辨識工作上,有實質助益。
The normal procedure for the detection of underwater stationary targets is mainly by the application of side-scan sonar. In addition, the identification of targets within the side-scan sonar imagery is primarily based on the visual observation of the operator. Due to its complexity and poor effectiveness, the visual observation procedure was gradually been substituted by numerical analysis procedures and programs. The purpose of the current investigation was dedicated to the development of an automatic image analysis program for the detection and identification of cubic concrete artificial reefs (2 m x 2 m x 2m) in the south-western coastal area off Taiwan.

The major components and methodologies of the program include:
(1)Image acquisition; side-scan sonar at 500 kHz and slant range at 75 m.
(2)Feature extraction; grey level co-occurrence matrix.
(3)Feature Classification; unsupervised Bayesian classifier.
(4)Target identification; cluster analysis.
(5)Target properties analysis, includes circumference, area, central coordinates and quantity of the targets.

Program verification and optimal parameters determination were conducted with a sonograph (650 × 650 pixels) acquired at the Chey-Ding artificial reef site off Kaohsiung County. Feature functions employed in this program include entropy, homogeneity, and mean value. The identification accuracy can reach 93% at the most. In addition, the number of artificial reefs estimated by the program was within 9 to 20, while the actual number is 15.

A realistic evaluation of this program was conducted with a sonograph (2048 × 6050 pixels) acquired at Fang-Liau artificial reef site off Pyngdong County. In addition to the cubic reefs, the targets at this site include cross-shaped artificial reefs with dimensions less than the cubic reefs. The sonograph was divided into smaller blocks with dimensions of 2048 x 550 pixels during evaluation. The results showed that each block can be evaluated based on the value of the seed point obtained by cluster analysis. The seed point which fells between 20.6 and 24.4 indicates that there are cubic reefs existed. Between 15.3 and 17.4 indicates that there are targets with smaller dimensions (i.e., crossed reefs) existed which can not be identified properly. Between 10.1 and 10.9, there is no target existed on the seafloor. The results indicated that the number of targets identified is between 122 and 240.

According to the results of this investigation, the automatic image analysis program can improve the detection and identification of stationary targets within side-scan sonar imagery.
謝誌…………………………………………………………………………....….…………...…...…I
中文摘要……………………………………………………………………....….…………...…..…II
英文摘要……………...………………………………………………………….…………….……III
目錄…………………………………..………………………………………………….…………..IV
圖目錄…………………………………………………………………………….…….….….....…VII
表目錄…………………………………………….…………………………………...…..….…..…XI
第一章 緒論…………………………………………………………………….………....….…….1
1-1 前言……………………………………………………………….…………………….1
1-2 研究動機與目的………………………………………………….…………………….1
2-2-1 研究動機.…………...................………………………….……........................1
2-2-2 研究目的………………………...………………………..…............................2
1-3 文獻回顧與研究啟發………………………………………………….……………….3
1-4 研究流程…………………………………………………………….………………….5
1-5 研究成果…………………………………………………………….………………….5
1-6 章節概要說明……………………………………………………….………………….6
第二章 側掃聲納系統………………………………………………….….……………………….7
2-1 側掃聲納系統組成元件……………..………..……………….……….………….…...7
2-2 側掃聲納系統概述………….………….……………………….………………….......7
2-2-1 側掃聲納系統原理.…………...…………………….....………........................8
2-2-2 聲納影像成像原理……………...…………………………............................10
2-2-3 聲納影像的解析度…………..…….………………………............................10
2-3 側掃聲納影像資料處理…………….………….………………...………….…….….12
2-3-1 側掃聲納影像資料儲存與輸出.…………………………………..................12
2-3-2 側掃聲納影像資料拼圖與定位………………...…………............................12
2-4 全球衛星定位系統………………………………..………………………….……….13
2-5 魚礁區聲納影像…………………………………..………………………….……….13
第三章 影像自動化辨識系統………………………………….…....…………….……….……..23
3-1 側掃聲納影像收集…………………………………..………………………………..23
3-2 影像切割………………………………………………..………………......................24
3-2-1 非滑動視窗…………………………………...................................................24
3-2-2 滑動視窗...……………………………..………………..................................24
3-2-2 視窗類型選取...………………………..………………..................................24
3-3 影像分析………………………………...……………………………………….……25
3-3-1 影像像元………………....…………………...……………………….……...25
3-3-2 影像紋理..……………...………………..…………………………….……...26
3-3-3 紋理分析..……………...………………..…………………………….……...26
3-3-4 灰度共現矩陣..……….………………..…………………………..….……...26
3-4 影像特徵函數擷取………………………………………....………………….....…...28
3-4-1 一階統計量..……………...……………..…………………………….……...28
3-4-2 二階統計量..……….………………..…………………………..…….……...28
3-4-3 特徵函數選取..…………...……………..…………………………….……...28
3-4-4 特徵函數性質.…….………………..…………………………..….….……...28
3-5 影像特徵函數分類…………………………………………...……………….………30
3-5-1 貝氏分類法..…………...………………..………………………….………...31
3-5-2 貝氏分類器.…….…………………..…………………………..…..………...31
3-6 集群分析……………………………………………………...…………….…………31
3-6-1 集群分析的方法..…………...…………..……………………….…………...32
3-6-2 階層式集群分析.…….……………..…………………………...….………...32
第四章 系統驗證與結果………………...………………………………….……….………........39
4-1 最佳視窗選取………………..………………………………………….……….........39
4-2 特徵函數設定………………………………………………………….………...........40
4-3 貝氏分類器設定………………………........................................................................40
4-4 貝氏分類器分類結果…………………........................................................................40
4-5 集群分析結果………………………............................................................................40
4-6 目標物影像分析……………………............................................................................43
4-6-1 目標物區塊…….…….……...…………..…………………………….……...43
4-6-2 邊界描繪.…………….……………..…………………………..….….……...43
4-6-1 目標物量化..………………...…………..…………………………….……...44
4-6-2 目標物定位.…….…………………..…………………………..….….……...45
第五章 系統應用範例……………….…………………………………...……….……................56
5-1 研究區域概況…………………………………………..…………………..…………56
5-2 影像分割………………….………………………………………...…………………57
5-3 子影像類型………………….………….……………………………………..………57
5-4 自動化辨識系統結果………………….…………………………...…………………57
5-4-1 子影像編號#4…….…….….…………..…………………..………….……...57
5-4-2 子影像編號#5.……….……………..…………………………..….….……...58
5-4-3 子影像編號#6.…….………...…………..…………………………….……...58
5-4-4 子影像編號#7.….…………………..…………………………..….….……...58
5-4-5 子影像編號#8.….…………………..…………………………..….….……...59
5-4-6 子影像編號#9.….…………………..…………………………..….….……...59
5-5 聲納影像修正…………………………..……………….………….…………………59
5-6 修正影像之辨識結果………………………………….………….………..…………60
5-6-1 框型人工魚礁.….…………………..…………………………..….….……...60
5-6-2 十字型保護礁.….…………………..…………………………..….….……...61
5-6-3 砂泥值海床….….…………………..…………………………..….….……...62
5-6-4 子影像類型判定與驗證….….……………………………..…..….….……...63
5-7 目標物影像分析……………………………………….………….………..…………64
5-8 影像動畫應用………………………………………….………….………..…………65
第六章 結論與未來研究方向………………….………………………………..…..…….….......99
6-1 結論…………………..……………………………………………..……………........99
6-2 未來研究方向………………..………………………………..……...…....……..….100
參考文獻……………..…………………………………….............................................................102
附錄一…………………………….……………...…………………...……………………...…….105
附錄二………………………
1.行政院農委會漁業署網站:http://www.fa.gov.tw/。
2.田文敏(2006),「中華搜救總隊水下探測技術訓練課程教材」,109頁。
3.田文敏(2006),「水下目標物搜尋作業原理與要點」,第15屆國防科技學術研討會暨95年度國防科技學術合作計畫成果發表會論文集,第147-154頁。
4.沈志勇(2005),「水下目標物搜尋、偵測、辨識與定位之研究」,國立中山大學海洋環境及工程學系碩士論文,329頁。
5.沈育佳(1999),「都會區空載多譜掃描影像紋理分析之研究」,國立中興大學土木工程學系研究所碩士論文,54頁。
6.林俊宏(2003),「應用影像增加處理之邊界偵測演算法」,中華技術學院學報,第二十六期,310~317頁
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研究所碩士論文,71頁。
8.洪馨怡、蔡琬琳、蔡珊珊(2000),「應用多變分析與類神經網路在信用評等之研究」,國立輔仁大學企業管理學系第34屆生產管理專題報告,57頁。
9.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,114頁。
10.張坤鳳(2006),「應用人工類神經網路於側掃聲納影像辨識之研究」,義守大學資訊管理研究所碩士論文,92頁。
11.陳浴秉(2005),「空間域與頻率域影像紋理分析之研究」,國立中興大學土木工程學系碩士論文,86頁。
12.陳翔傑(2004),「自動化車牌辨識系統設計」,國立中央大學電機工程研究 所碩士論文,65頁。
13.游智翔(2001),「多重bin層良率群集分析之研究」,國立清華大學統計學研究所碩士論文,62頁。
14.黃育仁、李建平、陳冠良、李志忠、張美萍、黃秀菊(2004),「區域相鄰關係為基礎的影像搜尋法」,東海科學第六卷,17~41頁。
15.黃偉碩(2005),「利用貝氏分類與因子分析法於半導體製程錯誤偵測與診斷」,中華大學科技管理學系暨科技管理研究所碩士論文,51頁
16.賈方霈(2002),「結合集群分析與資料視覺於低良率晶圓之成因探討」,私立元智大學工業工程與管理研究所碩士論文,44頁。
17.蔡營寬(2006),「水下靜態目標物之偵蒐與辨識原理」,國立中山大學海洋環境及工程學系碩士論文,185頁。
18.鄭宇麟(2006),「樹狀貝氏分類器狄氏先驗分配之合理性」,國立成功大學工業與資訊管理所碩士論文,64頁。
19.鄭勝文、邱逢琛(1997),「水下技術概論」,國立編譯館,398頁。
20.黎偉(1998),「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,70頁。
21.蕭博元(2005),「水下目標物搜尋作業原理與要點」,國立中山大學海洋環境及工程學系碩士論文,198頁。
22.戴倉鳳(2003),「台灣的海洋」,遠足文化事業有限公司,215頁。
23.顏世濱(2004),「以側掃聲納系統描繪琉球嶼海床地貌與現生珊瑚之研究」,國立中山大學海洋環境及工程學系碩士論文,160頁。
24.謝博文(2006),「自動分類軟體在動作電未上的研究」,國立中央大學數學研究所碩士論文,54頁。
25.Alireza K. and Orlando J.H. (2002), “Color Image Retrieval Using Multispectral Random Field Texture Method”, Department of Electrical Engineering, Southern Methodist University, Dallas, Texas 75275.
26.Blondel, Ph., Sempere, J.C., Robigou, V. (1993), “Textural Analysis and Structure-Tracking for Geological Mapping:Applications to sonar images from Endeavour Segment, Juan de Fuca Ridge”, Proceedings Oceans''93. 18-21 Oct, pp.208~213.
27.Blondel, Ph., Parson, L.M., Robigou, V. (1998), “Textural Analysisof SideScan Sonar Imagery and Generic Seafloor Characterisation”, Proceedings OCEANS''98 Conference, Vol.1,28 Sept.-1 Oct, pp. 419~423.
28.Blondel, Ph. (2000), “Automatic Mine Detection by Textural Analysis of COTS Sidescan Sonar Imagery”, International Journal of Remote Sensing., Vol 21, No.16, pp. 3115~3128。
29.Bridges, S., Hodges, J., Wooley, B., Karpovich, D. and Smith, G.B. (1999), “Knowledge Discovery in an Oceanographic Database”, Applied Intelligence, 11, pp. 135~148.
30.Campbell, J. B.(2002) “Introduction to Remote Sensing, 3rd ed”, The Guilford Press, pp. 621.
31.Chellappa, R. and Kashyap, R. L. (1985), “Texture Synthesis Using 2-D Noncansal Autoregressive Models”, IEEE Tran. ASSP, 33(1), pp. 194~203.
32.Conners, R. M., Harlow, C. A. (1980), “Toward a structural Textureal Analyzer Based on Statistical Method”, Computer Graphies and Image Processing Vol.12, pp. 224~256.
33.Ehrich, R. W. and Foith, J. P. (1978), “A View of Texture Tepology and Texture Description”, Computer Graphics and Image Processing, Vol.8, pp. 174~202.
33.Haralick, R.M., Shanmugam, K. , Dinstenin I. (1973), “Texture Features for Image Classification”, IEEE Transactions on System, Vol-SMC-3, No.6 Nor 1973, pp. 610-621.
34.Johnson, H. and Helferty, M.(1990), “The Geological Interpretation of Side-scan Sonar”,Reviews of Geophysics, 28,4/November 1990, pp. 357~380.
35.Julian, K.(2000), “The TEX Method for Segmentation of Lungs from Chest CT Images by Textural Analysis of Sub-images”, University of New South Wales Department of Artificial Intelligence.
36.Kinsler, L. E., Frey, A. R., Coppens, A. B., and Sanders, J. V. (1982), “Fundamentals of Acoustics”, New York:Wiley, pp. 65.
37.Marceau, D., Howarth, P.J. and Dubois, J.M. (1989), “Automated Texture Extraction from High Spatial Resolution Satellite Imagery for Land-Cover Classification”, I. Geoscience and Remote Sensing Symposium, pp. 2765~2768.
38.Mazel, C.(1985), “Side Scan Sonar Training Manual”, Klein Associates, Inc. pp.144.
39.Reed, T.B. and Hussong, D.(1989), “Digital Image Processing Techniques for Enhancement and Classifition of SeaMARCII Side Scan Sonar Imagery”, Journal of Geophysical Research, Vol. 94, no. B6, pp. 7469~7490.
40.Weszka, J. S., Dyer C. R., Rosenfeld, A.(1976), “A ComparativeStudy of Texture Measures for Terrain Classification,” IEEETrans. on Syst., Man and Cybern., SMC, 6(4), pp. 269-285.
41.Wikantika, K., Harto, A. B., Tateishi, R., Wihartini, J. Tetuko S. S., Park, J. H.(2000), “An Investigation of Textual Characteristics Associatedwith Spectral Information for Land Use Classification,” InternationalGeoscience and Remote Sensing Symposium, pp. 2915-2917.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top