高頻譜影像提供大量豐富的頻譜資訊，對於目標偵測與影像分類有較好的辨識能力。但是高頻譜影像的頻帶數量很多，相對的目標偵測運算也需要花大量的時間。為了提昇高頻譜影像目標偵測和影像分類的效能，論文中依據高頻譜影像頻帶具有高相關的特性，提出部份濾波法來減少目標偵測和影像分類的計算複雜度。此法，利用聚類頻帶分群法將具相關性高的頻帶群聚為一群組，並且搭配部份濾波器的設計，以減少頻帶數量達到降低原來濾波器設計的計算量。
此外，為了進一步提昇高頻譜影像處理的效能，我們建構電腦叢集的平行處理系統來實現部份濾波法。由於部份濾波法的結構很適合平行處理的方式，即將一個複雜龐大的工作，切割成數個簡單的工作交給多個處理器負責，以降低工作時間。於是，我們使用四台相同硬體配備的個人電腦與一台伺服器電腦透過路由器和網路線連接建構成電腦叢集，並且利用Matlab提供的Parallel Computing Toolbox和Matlab Distributed Computing Engine兩套軟體，使用分散式運算進行部份濾波法的平行處理。
藉由建置的電腦叢集快速的驗證部份濾波法的效能。經模擬結果顯示，論文所提部份濾波法，除了可減少原來濾波器法於高頻譜影像處理的計算量，也會提高目標偵測和影像分類的效能。此外，也驗證當大量的高頻譜影像資料作運算時，以電腦叢集進行平行處理的速度提昇值有明顯的上昇。

The hyperspectral images provide extensive spectral information and offer a better identification in target detecting and image classifying than traditional methods. However, higher spectral resolution increases the computation complexity in the target detection processing. In order to improve the efficiency in target detection and image classification, we propose a partial filter approach which exploits high degree correlations in spectral domain.
First, bands with highly correlated features are grouped together by using a clustering algorithm. Then, the matching partial filter is designed for each group and the designed partial filters are combined to be a target detector. The partial filter approach can improve the accuracy of the target detection with less computation complexity.
Since the structure of the partial filter is very suitable for the parallel processing, we then divide the design of a huge target detector into a few simple partial filter design works. Thus, to improve the efficiency of the proposed method, we build a PC clustered parallel computing system to realize the partial filter approach. The PC cluster is constructed by four same personal computers and one server computer through the router and the network cable. And we use the Parallel Computing Toolbox provided by Matlab and the Matlab Distributed Computing Engine to execute the parallel process of the partial filter through the Distributed Computing. The PC clustered parallel computing system fast validates the efficiency of the partial filter.
Simulation results show that the proposed partial filter can improve the efficiency of the target detection with less computation complexity than that of the conventional target detection schemes. In addition, the processing rate of the proposed partial filter approach can be speeded up by the PC clustered parallel computing system for hyperspectral images.

目錄

中文摘要................................................................i
英文摘要 ....................................................................................................iii
目錄 .............................................................................................................v
圖目錄 ........................................................................................................ix
表目錄 ......................................................................................................ixv


第一章 緒論 ...............................................................................................1
1.1 研究重要性 ..................................................................................1
1.2 研究背景 ......................................................................................2
1.3 研究目標 ......................................................................................4
1.4 各章節內容概述 ..........................................................................5

第二章 高頻譜影像目標偵測 ...................................................................6
2.1 高頻譜影像簡介 ..........................................................................7
2.2 高頻譜影像資料模式 ..................................................................8
2.3 目標偵測法簡介 ..........................................................................9
2.3.1韋恩濾波器法 ..................................................................10
2.3.2 Minimum Variance Distortionless Response ....................12
2.3.3 Maximum Signal Interference Noise Ratio .......................12
2.3.4 正交子空間投影法 .........................................................13
2.3.5 雜訊子空間投影法 .........................................................14
2.3.6 訊號子空間投影法 .........................................................16

第三章 應用部份濾波法於高頻譜影像之目標偵測 .............................19
3.1 聚類頻帶分群技術 ....................................................................20
3.1.1 相關係數矩陣分析 .........................................................20
3.1.2 聚類頻帶分群法 .............................................................22
3.2 部份濾波法 ................................................................................23
3.3 結合部份濾波和訊號子空間投影法 ........................................26
3.4 電腦模擬 ....................................................................................29
3.4.1 模擬一：以濾波器法進行目標偵測 .............................30
3.4.2 模擬二：以部份濾波法進行目標偵測 .........................38

第四章 高頻譜影像分類 .........................................................................47
4.1 監督式分類法 ............................................................................48
4.1.1最小距離分類法 ..............................................................48
4.1.2高斯最大概似分類法 ......................................................49
4.2 非監督式分類法 ........................................................................49
4.2.1 Kmeans ..............................................................................50
4.2.2 ISODATA ..........................................................................50
4.3 應用部份濾波法於高頻譜影像分類 ........................................52
4.4 電腦模擬 ....................................................................................55
4.4.1 模擬一：高頻譜影像分為三類 .......................................56
4.4.2 模擬二：高頻譜影像分為四類 .......................................63

第五章 高頻譜影像平行處理研究 .........................................................71
5.1平行處理系統 .............................................................................72
5.1.1 平行處理系統模式 .........................................................72
(A) 共用記憶體多處理器系統模式 ...............................73
(B) 分散記憶體多處理器系統模式 ................................74
(C) 叢集式處理系統模式 ................................................76
5.2 平行處理系統建置 ....................................................................77
5.2.1 硬體架構 .........................................................................77
5.2.2 軟體架構 .........................................................................80
(A) Matlab Distributed Computing Engine .......................80
(B) Parallel Computing Toolbox ........................................81
5.2.3 系統建置流程 .................................................................83
5.2.4 平行處理之資料切割模式 .............................................90
(A) 任務平行 ...................................................................90
(B) 資料平行 ....................................................................92
5.2.5 PCT程式撰寫流程 ..........................................................94
(A) 分散式運算程式 .......................................................94
(B) 平行式運算程式 .......................................................96
5.3 以部份濾波法進行目標偵測之平行處理 ................................98
5.3.1 資料傳送時間 .................................................................99
5.3.2 閒置等待時間 ...............................................................100
5.3.3 平行處理效能分析 .......................................................105

第六章 結論與建議 ...............................................................................111

參考文獻 .................................................................................................113

[1] Joseph C. Harsanyi, and Chein-I Chang, “Hyperspectral image classification and dimensionality reduction: an orthogonal subspace projection approach,” IEEE Transactuions on Geoscience and Remote Sensing, Vol. 32, No. 4, pp. 779-785, Jul 1994.
[2] Qian Du, Hsuan Ren, and Chein-I Chang, “A comparative study for orthogonal subspace projection and constrained energy minimization,” IEEE Transactuions on Geoscience and Remote Sensing, Vol. 41, No. 6, pp. 1525 – 1529, Jun 2003.
[3] Te-Ming Tu, Chin-Hsing Chen, and Chein-I Chang, “A noise subspace projection approach to target signature detection and extraction in an unknown background for hyperspectral images,” IEEE Transactuions on Geoscience and Remote Sensing, Vol. 36, No. 1, pp. 171-181, Jan 1998.
[4] Lena Chang and C.C Yeh, “Performance of DMI and eigenspace-based beamformers”, IEEE Transactuions on Antennas and Propagation, Vol. 40, No. 11, pp. 1336-1347, Nov 1992.
[5] Jung-Lang Yu and Chien-Chung Yeh , “Generalized eigenspace-based beamformers”, IEEE Transactuions on Signal Processing , Vol. 43, No. 11, pp. 2453-2461, Nov 1995.
[6] Simon Haykin, Adaptive Filter Theory, Prentice-Hall, Inc. Fourth edition, 2002.
[7] Landsat 7遙測衛星官方網站http://landsat.gsfc.nasa.gov/education/compositor/
[8] 徐百輝，“大地的辨識密碼-高光譜影像”，科學發展，96年8月，416期
[9] 國立中央大學太空及遙測中心 www.csrsr.ncu.edu.tw/chin.ver/
[10] 曾方薇，“利用訊號子空間投影法於高頻譜影像目標物之偵測”， 國立台灣海洋大學通訊與導航系碩士論文， 中華民國九十四年六月
[11] 倪富荃，“應用適應性濾波法於多頻譜影像分類之研究”，國立台灣海洋大學通訊與導航系碩士論文，中華民國九十六年六月
[12] 廖浩鈞，“以QuickBird高解析度遙測影像分類法判釋南二高邊坡保護工程之研究”，國立成功大學資源工程學系碩士論文，中華民國九十五年六月
[13] 葉志聖，“AMOEBA影像分類技術之研究”，國立交通大學土木工程學系碩士論文，中華民國八十四年
[14] 郭麟霂，“寒帶沼地高光譜影像分類之研究”，國立交通大學土木工程學系碩士論文，中華民國八十九年六月
[15] 楊朝棟，叢集式系統 http://aho.cis.nctu.edu.tw/~ctyang
http://140.112.190.183/rabbit/2006/cluster-Computing.htm.
[16] 鄭守成，“漫談平行電腦與平行計算”，高速計算世界，第四卷第四期，1996。
[17] 鄭守成，“MPI平行計算程式設計”，國家高速電腦中心，2000
[18] Mathlab平行運算工具箱
http://www.mathworks.com/products/parallel-computing/
[19] Mathlab分散式運算引擎
http://www.mathworks.com/products/distriben/
[20] 羅振卿，“利用PC作平行運算，RUN!PC”，第15期，p118~126， 1995
[21] 陳宗賢，“淺談平行處理，RUN!PC”，第14期，p96~101，1995。
[22] 超高頻譜影像資料庫 http://aviris.jpl.nasa.gov
[23] 多頻譜影像中心 http://www.spot.com
[24] 美國太空總署 http://rst.gsfc.nasa.gov/
[25] PH. Swain and SM. Davis, Remote Sensing：The Quantitative Approach, New York: McGraw-Hill, 1978.
[26] A. S. Mazer, M. Martin et al., “Image processing software for Imaging spectrometry data analysis,” Remote Sensing Environ, Vol. 24, No. 1, pp.201-210, 1988.
[27] N. Keshava, J.F. Mustard, “Spectral unmixing”, IEEE SP Magazine, Vol. 19, Issue 1, pp. 44-57, Jan 2002
[28] 歐廣權，“應用時間步進法之叢集電腦平行計算效能分析”，國立成功大學航空太空工程研究所碩士論文，中華民國九十五年六月
[29] 郭?鮮，“運用二元四元數矩量保持法於高頻譜影像切割技術之研究”，國立台灣海洋大學通訊與導航系碩士論文，中華民國九十八年六月
[30] W. H. Tsai,“Moment-preserving thresholding: a new approach”, Computer Vision Graphics, and Image Processing, Vol.29, No.3, pp. 377-393, 1985.