SPOT自然色影像產生之研究

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：235

、訪客IP：3.144.2.29

姓名

黃誌勇(Chih-Yung Huang) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

SPOT自然色影像產生之研究
(The Creation of SPOT's True Color Image)

相關論文

★ 多時期衛星影像之自動化監督性分類	★ 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	★ 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)

摘要
衛星影像具有大範圍、重複觀測等優點，因此愈來愈多資源監測工作逐漸以衛星影像來作業。資源監測工作中，判釋與顯圖是很重要的，而目前使用範圍甚廣的SPOT衛星在色彩上卻只能呈現假色的影像，無法呈現出人眼所熟悉的自然色影像。本研究目的是將SPOT假色影像轉換為自然色的影像。
本研究使用倒傳遞神經網路的演算法使SPOT假色影像轉換到SPOT自然色影像。研究中分為三個測試階段，分別是（1）以同一天的Landsat假色影像與Landsat自然色影像進行訓練，得到一組權係數。（2）以該組網路測試與Landsat同一天的SPOT假色影像產生SPOT自然色影像的結果。（3）以不同天的SPOT假色影像進行網路回想，產生SPOT自然色影像。
以上三組的結果在目視上所呈現的色調皆與Landsat自然色很近似，若以相似性的評估檢核成果，相關係數皆大於0.90，顯示以類神經網路產生自然色影像確實可行，於提高SPOT影像使用層面上，能有實質成效。

摘要(英)

Abstract
Satellite images are advantageous to large-area and repetitive observation, and therefore, are gradually adopted in the tasks of resource monitoring. Their analysis and presentation for the present are important to resource monitoring, but the most widely used SPOT satellite images can only show the image of false color, not the true color that is familiar to human eyes. This study attempts to develop a back propagation neural network method to transform a SPOT false color image into a SPOT simulate true color image.
This study consists of three steps to test the neural network method：（1）in the same period, use the Landsat false color image and the Landsat true color image in the training of neural network to get a weighting,（2）put the SPOT false image into the neural network of input layer, and create a simulated SPOT true color image,（3）use the SPOT false image of different periods with Landsat image to test the result.
The above results indicate that by visualization and mathematical testing, the presented colors are similar to Landsat nature color and their correlation coefficients are greater than 0.90. It means that this experiment is workable when we try to use simulated neural network to produce true color images. The application of SPOT true color image is certainty efficient.

關鍵字(中)

★ 類神經網路
★ 倒傳遞網路
★ SPOT影像
★ 自然色

關鍵字(英)

★ backpropagation neural network
★ SPOT image
★ natural color

論文目次

目錄
摘要 ii
Abstract iii
第一章緒論 1
1-1 研究動機與目的 1
1-2 文獻回顧 5
1-3 研究構思 9
1-4 論文架構 10
第二章理論基礎 11
2-1 類神經網路 11
2-2 倒傳遞網路 14
2-2-1 運作流程 16
2-2-2 演算法 16
2-2-3 本研究所使用的網路架構 20
第三章 SPOT自然色產生流程 21
3-1 測試影像資料介紹 22
3-2 測試流程 22
3-3 第一階段--Landsat假色影像與自然色的轉換 23
3-3-1 影像前處理 23
3-3-2 Landsat影像的訓練 24
3-4 第二階段--同時期SPOT影像測試 29
3-4-1 直方圖匹配 29
3-4-2 SPOT自然色影像的產生 30
3-4-3 檢核 30
3-5 第三階段—不同時期SPOT影像測試 33
第四章測試成果與評估 35
4-1 第一階段測試影像之成果與討論 35
4-2 第二階段測試影像之成果與討論 45
4-3 第三階段測試影像之成果與討論 52
4-4 測試成果與評估 59
第五章結論與展望 60
5-1 結論 60
5-2 展望 62
參考文獻 63

參考文獻

參考文獻
葉怡成，「類神經網路模式應用與實作」，儒林出版社，(2000)。
蔡宏宜，”SPOT衛星自然色模擬影像自動化產生之研究”，碩士論
文，國立中央大學土木工程研究所，（1998）。
Erdas , Inc . “Erdas Field Guide Fifth Edition Revised and Expanded ,” 1999.
Fang, Q. ,”Opening the Black Box of Neural Networks with Fuzzy Set Theory to Facilitate the Understanding of Remote Sensing Image Processing”,IEEE,pp.1531-1533,2000.
Graupe, D., “Principles of Artificial Neural Networks”, 1997.
Griffiths, G. H.,”Monitoring Urban Change from Landsat TM and SPOT Satellite Imagery by Image Differencing”,Proceedings of IGARSS ’88 Symposium,Edinburgh,Scotland,13-16 Sept.1988.
Hassoun, M. H.,”Fundamentals of Artificial Neural Networks “, p.57-65 . 1994.
Lillesand, T. M. , R. W. Kiefer, “Remote Sening and Image Interpretation”
, 1994.
Moik, J. G., “Digital Processing of Remotely Sensed Images” , 1980.
Richards, J. A. , “Remote Sensing Digital Image Analysis”, 1986.
Rolland, J. P. , V. Vo , B. Bloss , C. K. Abbey, “ Fast Algorithms for Histogram Matching :Application to Texture Synthesis “ ,Journal of Electronic Imaging,vol. 9,pp. 39-45,January 2000.
Zhou, W. Y.,”Verification of the Nonparametric Characteristics of Backpropagation Neural Networks for Image Classification”, IEEE Transactions on Geoscince and Remote Sensing, Vol. 37, No. 2, March 1999 .

指導教授

陳繼藩(Chin-Fan Chen)

審核日期

2002-7-13

推文