近年來，碳排放及土地利用所造成的變化是全球暖化的重要問題，在氣候變遷與溫室效應日趨嚴重下，聯合國於1997年通過的「京都議定書」中，將森林碳吸存的貢獻量化，以1990 年為基期年，其後進行之造林、再造林及森林採伐之二氧化碳吸收或排放之淨值，可併入排放減量值計算。且該議定書中規範碳排放權可交易，同時藉由造林的碳存量皆可列入本國的二氧化碳削減量。因此，如何減緩因地球暖化帶來之溫室效應之危害，乃是當務之急。研究顯示，利用遙測技術做森林調查已成為碳庫存量、碳吸存量評估之主要方法。
光達技術經常用於估計森林冠層覆蓋率，其中的冠層高度模型(CHM)能有效估計森林冠層密度。一種CHM算法為數字表面模型（DSM）減去數字高程模型（DEM），另一種CHM算法為透過空隙填補處理。在本研究中依據在立製環境中量測單木樹冠結構特徵（即樹高和冠幅大小），來評估兩種單木樹冠描繪演算法，即多層形態動態輪廓（MMAC）和空間小波分析法（SWA）之萃取效能。實驗結果表明，採用SWA方法提取正確率為89％。然而，MMAC方法具有顯著的改進，93％的正確率。此外，使用空隙填補CHM於兩種單木樹冠描繪演算法的成功率將比使用簡單減法CHM的成功率更佳。

In recent years, carbon emissions and land use change are important issues that reduce global warming. The LiDAR technique is quite often used to estimate forest canopy parameters based on the generated canopy height model (CHM), and it is also very useful for estimating forest canopy density. In this study, the digital elevation model (DEM) is subtracted from the traditional algorithm digital surface model (DSM) and other CHMs can be generated by a pit-free process. Then, two algorithms, a multi-layer morphological active contour (MMAC) and a spatial wavelet analysis (SWA) were implemented in this study for individual tree rendering. Finally, the experimental results of the two stand-level estimation methods can be evaluated with manually measured canopy parameters (ie. tree height and crown diameter). The experimental results show that the extraction correctness is 89% with the SWA method using scale1-10 m in 0.1 increments. However, the MMAC method has a significant improvement with a 93% correct rate. Moreover, the success rate for two stand-level delineation algorithms using a pit-free CHM will be better than ones using a simple subtraction CHM

摘要 i
致謝 iii
目錄 iv
圖目錄 vi
表目錄 vii
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機與目的 2
1.3 論文章節架構 3
第二章 單木樹冠描繪方法之介紹 5
2.1 研究方法 5
2.2 文獻作法 6
2.2.1 局部最大偵測法 6
2.2.2 模板匹配法 7
2.2.3 尺度空間法 8
2.3 多層次型態學動態輪廓演算法 (MMAC) 8
2.3.1 由下而上侵蝕(Bottom-up erosion, BUE) 9
2.3.2 由上而下擴張 (Top-down dilation, TDD) 10
2.3.3 動態輪廓模型 (Active contour model, ACM) 10
2.4 空間小波函數分析法(SWA) 12
2.4.1 數位訊號分析 13
2.4.2 小波轉換 13
2.4.3 小波函數 14
第三章 實驗設計 16
3.1 實驗流程 16
3.2 實驗樣區介紹 17
3.3 測試光達點雲資料 18
3.4 光達與樹冠結構關係 20
3.5 冠層高度模型資料產製 (CHM) 22
3.6 多層次型態學動態輪廓法分析(MMAC) 24
3.7 小波函數分析(SWA) 25
第四章 研究成果與分析 26
4.1 樣區檢核點取樣 26
4.2 比較不同冠層高度模型資料(CHM) 27
4.3 方法參數調校 28
4.3.1. MMAC參數設定 29
4.3.2. SWA法參數設定 36
4.4 MMAC vs. SWA比較結果 42
第五章 結論與後續研究 43
5.1 結論 43
5.2 建議 44
參考文獻 45

1.陳克復。應用全波形光達於都市林樹地區冠結構特徵分析，明新科技大學，明新科技大學，土木工程與環境資源管理研究所，碩士論文，2014。
2.魏浚紘。應用空載光達推估阿里山地區柳杉人工林林分材積，屏東科技大學，森林系（所），碩士論文，2008.05。
3.湯舜閩。應用全波形空載雷射掃描資料於山區地物分類，國立政治大學，地政學系私立中國地政研究所，碩士論文，2013。
4.洪梓豪。光達特徵於土地覆蓋分類之研究，明新科技大學，土木工程與環境資源管理研究所，碩士論文，2014。
5.蕭伊淳。應用空載光達資料與遙測影像推估樹林分佈及體積，國立成功大學，測量及空間資訊學系，碩士論文，2008。
6.羅詔元、陳良健。“使用空載光達資料萃取森林區立木樹冠”，航測及遙測學刊 第十四卷 第三期，pp.201-210，2009.9，台北市。
7.林郁珊。應用空載全波形光達資料於波形分析 與地物分類 國立交通大學，土木工程學系，碩士論文，2012.7。
8.何心瑜。空載光達作業流程及品質管理之研究，國立交通大學，土木工程學系，碩士論文，2006.6。
9.顏奕豪，應用二維離散小波轉換及類神經網路於多裂縫平板之損傷偵測，國立成功大學，系統及船舶機電工程學系，碩士論文，2013.6。
10.吳政德，導入模型之多層次型態學動態輪廓演算法，國立台北科技大學，電機工程系，碩士論文，2015.8。
11.吳歷韋，空載光達推估樹冠孔隙之研究，國立交通大學，土木工程系，碩士論文，2008.1。
12.陳怡玲，利用光譜訊息來改進多層次型態學動態輪廓演算法於樹木偵測與樹冠描繪，國立台北科技大學，電機工程系，碩士論文，2013.7。
13.林莉萍、王正楷。“應用空載光達資料估計森林樹冠高度模型即葉面積指數”，航測及遙測學刊 第十九卷 第二期，pp.107-123，2014.8，台北市。
14.張立奇，應用數學型態學於合成孔徑雷達影像之線形特徵萃取，國立台灣海洋大學，電機工程系，碩士論文，2006.6。
15.新豐高爾夫球場官方網站：http://www.hgcc.com.tw/，2013.04.23。
16.Leica 2013 ALS70 Retrieved from : http://www.leica-geosystems.com/en/Leica-ALS70-Airborne-Laser-Scanner_94516.htm
17.Michael Kass,Andrew Witkin,1998.Snakes:Active Contour Models, International Journal of Computer Vision,p321-331
18.Chien-Shun Lo and Chinsu Lin, Member, 2012, Growth-Competition-Based Stem Diameter and Volume Modeling for Tree-Level Forest Inventory Using Airborne LiDAR Data, IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING.
19.Chinsu Lin, Gavin Thomson, Chien-Shun Lo, and Ming-Shein Yang. 2011,A Multi-level Morphological Active Contour Algorithm for Delineating Tree Crowns in Mountainous Forest. Photogrammetric Engineering & Remote Sensing Vol. 77, No. 3, pp. 241–249.
20.Mats Erikson,Kenneth Olofsson, 2005. Comparison of three individual tree crown detection methods, Machine Vision and Applications, pp. 258-265.
21.Kaiguang Zhao, Sorin Popescu, 2007, HIERARCHICAL WATERSHED SEGMENTATION OF CANOPY HEIGHT MODEL FOR MULTI-SCALE FOREST INVENTORY, IAPRS Volume XXXVI.
22.Pollock, R., 1996. The Automatic Recognition of Individual Trees in Aerial Images of Forests based on a Synthetic Tree Crown Model, Ph.D. dissertation, Department of Computer Science, University of British Columbia, Vancouver, BC.
23.Brandtberg, T., and F. Walter, 1998. Automated delineation of individual tree crowns in high spatial resolution aerial images by multiple scale analysis, Machine Vision and Application, 11:64–73.
24.Næsset, E., and K.O. Bjerknes, 2001. Estimating tree heights and number of stems in young forest stands using airborne laser scanner data, Remote Sensing of Environment, 78:328–340.
25.Gougeon, F.A., 1995. A crown-following approach to the automatic delineation of individual tree crowns in high spatial resolution aerial images, Canadian Journal of Remote Sensing, 21:274–284.
26.Popescu, S.C., R.H. Wynne, and R.F. Nelson, 2003. Measuring individual tree crown diameter with lidar and assessing its influence on estimating forest volume and biomass, Canadian Journal of Remote Sensing, 29(5):564–577
27.J. Askne and M. Santoro, 2009， “Automatic model-based estimation of boreal forest stem volume from repeat pass C-band InSAR coherence,??IEEE Trans. Geosci. Remote Sens., vol. 47, no. 2, pp. 513-516.
28.Lothar Eysn, Markus Hollaus, Eva Lindberg, A Benchmark of Lidar-Based Single Tree Detection Methods Using Heterogeneous Forest Data from the Alpine Space,2015, Forests,p1724-1747

29.Michael J. Falkowski, Alistair M.S. Smith, Andrew T. Hudak, 2006. Automated estimation of individual conifer tree height and crown diameter via two-dimensional spatial wavelet analysis of lidar data, UNL Faculty Publications. P.183.