多時期衛星影像之自動化監督性分類

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：14

、訪客IP：3.145.196.87

姓名

李岳壇(Yueh-Tan Li) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

多時期衛星影像之自動化監督性分類
(Automatic Supervised Classification of Multi-temporal Satellite Images)

相關論文

★ 大範圍地區土地使用分類之研究	★ 高解析力衛星影像控制點座標之自動化萃取
★ 影像最佳類別數目之研究	★ 遙控直昇機應用於工程管理監測可行性之研究
★ 以地理資訊系統輔助共同管道之最適設計	★ 有理函數應用於空載多光譜影像幾何校正之研究
★ SPOT自然色影像產生之研究	★ 結合影像區塊及知識庫分類之研究-以IKONOS衛星影像為例
★ 遙控飛機空載視訊影像自動化鑲嵌方法之研究	★ 影像分割技術於高解析衛星影像分類之應用
★ 小波多層次解析之影像融合應用	★ 線性複合模式應用於變遷偵測之研究
★ 改良式變異向量分析法於變遷偵測之探討	★ 區塊分割變遷偵測法於多時期衛星影像之應用
★ 資料挖掘技術應用於外來入侵植物研究 (以恆春地區銀合歡為例)	★ 空間資料挖掘方法應用於土地利用變遷之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

在衛星遙測技術的發達及取得衛星影像方便的情況下，獲取衛星影像是件容易的事，但困難的卻是在處理衛星影像的技術上。如何能對衛星影像進行精確及方便的分類，是為重要的課題之一。本研究即是以監督性模糊分類的方法，以自動化萃取訓練區方式，對多時期但同地區的衛星影像進行分類。
在監督性的分類方法中，通常需要圈選訓練資料。但如有連續不同時段同地區所拍攝的數張衛星影像，作監督性分類時，以人工方式對每張衛星影像圈選訓練區是件費時且費工的動作。本研究即發展出僅需對第一時期衛星影像選取訓練區並分類，爾後同地區的衛星影像即不需再以人工方式圈選訓練區，而改以自動化方式取得各時期衛星影像所需訓練區的資料，然後進行分類。
利用前時期的分類影像對後時期的衛星影像進行分類時，自動化的選取訓練區，會因後時期衛星影像類別位置、個數及內容的變化而造成訓練區資料的不足或混雜，因此本研究將針對此種變化情況，進行探討及謀求解決的方法。
解決的重點在於如何利用各訓練區的協方差矩陣和平均值來判斷後時期衛星影像是否有增多或減少的類別，進而利用模糊訓練區的特性，達到分類的目的。本研究以模擬資料及實際的SPOT影像作測試，結果得到相當好的分類成果，預期可對多時期衛星影像的自動化分類，提供一具實際應用的方法。

摘要(英)

methods of classification are very important. Therefore, this study aims at supervised fuzzy classification of multi-temporal images in the same area, choosing training set automatically.
Training data are necessary for supervised classification. But it is manpower- and time-consuming to choose training data manually, especially in multi-temporal images in the same area. For this reason, a concept is proposed: choosing training set and finishing classification in first-period images, then following period images would be proceeded automatically.
But the positions, number and contents of class changes in following-period images would influence results of classification. This problem is studied and solutions are researched in this paper. The key-point is "how to judge with covariance matrix and fuzzy mean if the classes of following-period images change or not". Simulated data and real SPOT images are tested, and results are obtained, so a practical method for automatic classification of multi-temporal images is expected.

關鍵字(中)

★ 監督性模糊分類
★ 多時期衛星影像

關鍵字(英)

★ supervised fuzzy classification
★ multi-temporal satellite images

論文目次

目錄
目錄.................................................I
圖目錄.................................................III
表目錄.................................................V
中文摘要.................................................VIII
英文摘要..................................................IX
第一章緒論................................................1
1-1 前言 ............................................1
1-2 研究動機.........................................2
1-3 研究內容與文獻回顧...............................2
1-4 論文架構.........................................4
第二章後時期衛星影像訓練區選取之演算法則..................5
2-1 前言.............................................5
2-2 模糊集合理論.....................................6
2-3 監督式模糊分類法.................................8
2-4 監督式模糊分類法處理流程.........................9
2-5 自動化選取訓練區的方法..........................12
2-6 DB指標..........................................13
2-7 模糊距離........................................15
第三章對所有可能發生的後時期衛星影像隨機選取訓練區......17
3-1 前言............................................17
3-2 後時期衛星影像不同前時期可能產生的情況..........17
3-3 對於五種情況進行分析............................22
3-3-1 Case 1 類別總數不變、類別內容不變、類別位置改變...22
3-3-2 Case 2 類別總數不變、類別內容改變、類別位置不變...22
3-3-3 Case 3 類別總數不變、類別內容改變、類別位置改變...23
3-3-4 Case 4 類別個數增多...............................24
3-3-5 Case 5 類別個數減少...............................25
3-4 研究進行流程....................................25
第四章成果分析..........................................28
4-1 前言............................................28
4-2 模擬影像測試....................................28
4-3 模擬衛星影像測試................................49
4-4 實際影像測試....................................71
第五章結論與展望........................................79
6-1 結論............................................79
6-2 建議與展望......................................81
參考文獻..................................................83

參考文獻

ISOCLS使用者手冊，1994，國立中央大學太空遙測中心衛星遙測實驗室。
徐守道，『應用非監督性類神經網路於SPOT以像分類最佳化之研究』，國立中央大學土木工程研究所碩士論文，中壢，1995。
劉孝恆，『監督性模糊分類法用於遙測影像分類及變遷偵測之研究』，國立中央大學土木工程研究所碩士論文，中壢，1999。
Binaghi, E., P. A. Brivio, P. Ghezzi , A. Rampini , E. Zilioli , ”A Hybrid Approach to Fuzzy Land Cover Mapping”, Pattern Recognition Letters,17,pp.1399~1410, 1996.
Canters, F. ,”Evaluating the Uncertainty of Area Estimates Derived from Fuzzy Land-Cover Clssification”,Photogrammetric Enginneering & Remote Sensing ,Vol. 63,No. 4,pp.403~414, 1997.
Chetty, P. R. K., Satellite Technology and Its Applications,Blue Ridge Summit,PA:Tab Professional and Reference Books, 1991.
DAVID L. DAVIES AND DONALD W. BOULDIN“A Cluster Separation Measure”, IEE Trans. Patt. Anal. Machine Intell. , vol . PAMI-1 , NO. 2, April 1979。
Eckhardt, D. W. , J. P. Verdin , G. R. Lyford ,”Automated Update of an Irrigated Lands GIS Using SPOT HRV Imagery”, Photogrammetric Enginneering & Remote Sensing ,Vol. 56,No. 11,pp.1515~1522, 1990.
Fisher, P. F. , S. Pathirana ,”The Evaluation of Fuzzy Membership of Land Cover Classes in the Suburban Zone”,REMOTE SENS ENVIRON,34,pp.121-132, 1990.
Foddy, G. M., M. K. Arora, ”Incorporating Mixed Pixels in the Training ,Allocation and Testing Stages of Supervised Classification”,Pattern Recognition Letters,17,pp.1389~1398, 1996.
Foody, G. M., J. Zhang , ”A Fuzzy Classification of Sub-Urban Land Cover from Remotely Sensed Imagery”, International Journal of Remote Sensing,Vol. 19,No. 14,pp.2721~2738, 1998.
Fuller, R. M. , G. B. Groom, A. R. Jones , ”The Land Cover Map of Great Britain : An Automated Classification of Landsat Themetric Mapper Data”, Photogrammetric Enginneering & Remote Sensing ,Vol. 60,No. 5,pp.553~562, 1994.
Jensen, J. R., K. Rutchey, M. S. Koch, S. Narumalani , ”Inland Wetland Change Detection in the Everglades Water Conservation Area Using a Time Series of Normalized Remotely Sensed Data”, Photogrammetric Enginneering & Remote Sensing ,Vol. 61,No. 2,pp.199~209, 1995.
Key, J. R., J. A. Maslanik, and R. G. Barry, ”Cloud Classification from Satellite Data Using a Fuzzy Sets Algorithm:A polar example”,International Journal of Remote Sensing,10,pp.1823~1842, 1989.
Lillesand,T. M. ,and R. W. Kiefer, 1994. Remote Sensing and Image Interpretation,John Wiley & Sons,Inc., Third Edition.
Michener, W. K., P. F. Houhoulis, ”Detection of Vegetation Changes Associated with Extensive Flooding in a Forested Ecosystem”, Photogrammetric Enginneering & Remote Sensing ,Vol. 63,No. 12,pp.1363~1374,1997 .
Ridd, M. K. and J. Liu, “A Comparison of Four Algorithms for Change Detection in an Urban Environment”,Remote Sens. Environ ,vol.63, pp. 95~100, 1998 ,
Richards, J. A., ”Remote Sensing Digital Image Analysis”, Springer-Verlag Berlin Heidelberg, New York, 1986.
Stow, D. A ., L. R. Tinney, and J. E. Estes, “Deriving Land Use/Land Cover Change Statistics form Landsat: A Study of Prime Agricultural Land,”Proceedings of the 14th International Symposium on Remote Sensing of Environment, pp. 1227-1237, 1980.
Wang, F, ”Fuzzy Supervised Classification of Remote Sensing Images”,IEEE Transactions on Geoscience and Remote Sensing,Vol 28,No 2,pp194~201, 1990.
Zadech, L A., ”Fuzzy Sets”Information and Control,8：pp.338~353, 1965.

指導教授

陳繼藩(Chi-Farn Chen)

審核日期

2000-7-17

推文