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：53

、訪客IP：18.226.185.44

姓名	林文偉(Wen-Wei Lin)  查詢紙本館藏	畢業系所	資訊工程學系在職專班
論文名稱	類神經網路在MODIS衛星影像雲分類之應用 (A Neural-Network Application of Cloud Classification for MODIS Data)
相關論文	★ 使用視位與語音生物特徵作即時線上身分辨識 ★ 以影像為基礎之SMD包裝料帶對位系統 ★ 手持式行動裝置內容偽變造偵測暨刪除內容資料復原的研究 ★ 基於SIFT演算法進行車牌認證 ★ 基於動態線性決策函數之區域圖樣特徵於人臉辨識應用 ★ 基於GPU的SAR資料庫模擬器：SAR回波訊號與影像資料庫平行化架構 (PASSED) ★ 利用掌紋作個人身份之確認 ★ 利用色彩統計與鏡頭運鏡方式作視訊索引 ★ 利用欄位群聚特徵和四個方向相鄰樹作表格文件分類 ★ 筆劃特徵用於離線中文字的辨認 ★ 利用可調式區塊比對並結合多圖像資訊之影像運動向量估測 ★ 彩色影像分析及其應用於色彩量化影像搜尋及人臉偵測 ★ 中英文名片商標的擷取及辨識 ★ 利用虛筆資訊特徵作中文簽名確認 ★ 基於三角幾何學及顏色特徵作人臉偵測、人臉角度分類與人臉辨識 ★ 一個以膚色為基礎之互補人臉偵測策略
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)	中文摘要 雲是影響地球天氣系統的重要因素之一，但其型態變幻萬千，因此在對雲進行研究之前，須先針對雲參數進行探討，包括總雲量、雲速、雲層厚度及本文所要探討的雲高。 雲高的辨識，除了使用目測、探空氣球及光達觀測等傳統方法外，目前亦可應用衛星觀測影像配合遙測理論來進行雲分類之應用研究。由於衛星觀測資料可有效率地提供大範圍的訊息，故本文將使用新一代之MODIS( Moderate-resolution Imaging Spectroradiometer)衛星影像資料來進行雲高之分類。MODIS觀測資料的波長範圍從可見光、近紅外、中紅外到熱紅外線，共有36個頻道可供分析應用。 本文採用17個在雲辨識上比較常使用之頻道，並利用倒傳遞類神經網路(BackPropagation Networks；BPN)來進行分類。由於雲高之分類結果在驗證上具有較高困難度，因此本文將利用遙測理論所獲得雲頂溫度及雲高等結果，作為分類模式輸出目標值以及辨識結果驗證之參考。最後，本文以多筆資料來進行結果之測試比對，顯示此法具頗高之準確度及可行性。
摘要(英)	Abstract Cloud is one of the very important factors influencing the weather system of the earth. Since the cloud type in attitude fluctuates multifariously, discussions on the cloud parameter have to be conducted firstly in this thesis. These include “total cloud amount”, “cloud speed”, “cloud thickness”, and “cloud high”. The classification of cloud high in traditional methods is performed by the estimating of human eyes, radiosunde, and liadar detection …etc. In addition, we can apply satellite images to collocate with remote sensing theory to implement the cloud classifies. Since satellites can offer the information on a large scale to observe the materials efficiently, a new generation’’s MODIS (Moderate-resolution Imaging Spectroradiometer) is used in this thesis to obtain satellite image data to conduct the “cloud high” classification. The observation wavelength range of MODIST is from visible, near IR, middle IR to thermal IR, which has 36 channels suitable for analyzing and accomplishing the application. In this thesis, 17 channels that are frequently used in cloud distinguishing are adopted, and the “Back Propagation Networks” (BPN) is employed for classification purpose. Since it is difficult to evaluate the results of cloud high classification, the cloud top temperature and cloud high results generated from remote sensing theory are used to obtain the goal value of classification model outputs to distinguish the results for verification and consulting purposes. In our experiments, image data of different seasons were collected to test and compare the performance. Experimental results demonstrate that the proposed method is feasible and achieves very high accuracy rate in cloud classification
關鍵字(中)	★ MODIS衛星影像 ★ 類神經網路 ★ 雲高 ★ 雲分類 ★ 倒傳遞類神經網路	關鍵字(英)	★ Matlab ★ Cloud Classification ★ MODIS ★ Neural-Network ★ Backpropagation ★ BPN
論文目次	目錄 圖目錄 IV 表目錄 VI 第一章 緒論 1 1.1 前言 1 1.2 研究動機 1 1.3 論文架構 2 第二章 雲的介紹 3 2.2 雲的形成 3 2.1.1 雲的物理構成 3 2.1.2 雲的形成方式 5 2.2 雲的類別及特徵 5 2.2.1 高雲族 10 2.2.2 中雲族 10 2.2.3 低雲族 10 2.2.4 直展雲族 11 2.3 雲輻射特性 11 2.3.1 輻射能量收支 12 2.3.2 雲輻射特性應用 13 第三章 MODIS簡介 16 3.1 衛星簡介 16 3.1.1 衛星種類 17 3.1.2 氣象衛星 17 3.2 MODIS感測器簡介 19 3.2.1 MODIS資料特性簡介 20 3.2.2 MODIS資料接收與處理 25 3.2.3 MODIS高階產品之應用簡介 28 第四章 類神經網路簡介 32 4.1 生物神經細胞與人工神經元 33 4.2 類神經網路系統架構與學習方式 35 4.2.1 網路系統架構 35 4.2.2 網路學習方式 36 4.3 倒傳遞類神經網路 37 4.3.1 倒傳遞學習演算法則 38 4.3.2 學習效率之提昇方法 42 第五章 實驗方法與結果 43 5.1 資料獲取建立 43 5.2 分類系統架構 47 5.3 訓練方法 49 5.4 實驗結果 51 5.4.1 雲遮罩輸出結果 51 5.4.2 雲高分類輸出結果 52 第六章 結論與建議 62 6.1 結論 62 6.2 建議 62 參考文獻 64 圖目錄 圖2.1 十屬雲之雲高示意圖……………………………………….7 圖2.2 太陽與地球輻射能量收支示意圖……………….….……12 圖2.3 可見光與紅外雲圖相對應的雲型種類…………...……..15 圖3.1 全球氣象衛星分布蓋況……………………..………………19 圖3.2 畫家筆下的Terra衛星在外太空運行之外觀姿態………..21 圖3.3 Aqua及其所攜帶六具最先進觀測儀器之外觀構造圖…….22 圖3.4 MODIS資料接收與處理流程……………..………….…….26 圖3.5 中大太遙中心所接收之第一張Aqua MODIS之影像…….27 圖3.6 以圖3.5經幾何校正與彩色合成後之影像………………...27 圖3.7 Terra MODIS所拍攝台灣地區較為晴空之影像...………….28 圖3.8 Terra MODIS影像與Cloud Masking 影像…………...........29 圖3.9 由Terra MODIS資料所計算之NDVI分布圖………………..30 圖3.10 台灣樹林地區森林火災之Aqua MODIS的影像資料………31 圖3.11 MODIS資料估算大氣氣膠光學厚度之分布情形…………..31 圖4.1 生物神經細胞(上)與人工神經元之示意圖……….………..34 圖4.2 監督式與非監督式學習演算方之流程說明圖….………….37 圖5.1 網路訓練過程畫面….……………………….…………….48 圖5.2 倒傳遞網路之多種訓練演算法…............……………..…49 圖5.3 Layer 17-12-4倒傳遞網路架構…….……..………………49 圖5.4 四種方法之雲遮罩輸出結果………………..………………52 圖5.5 2004/01/07 雲高分類實驗結果…………..……..………..55 圖5.6 2004/01/09 雲高分類實驗結果…………...……….……..56 圖5.7 2004/05/16 雲高分類實驗結果…………………………..56 圖5.8 2004/05/18 雲高分類實驗結果………………………......57 圖5.9 2004/05/30 雲高分類實驗結果……….……………….....58 圖5.10 2004/08/11 雲高分類實驗結果…………………………59 圖5.11 2004/08/20 雲高分類實驗結果………………………....60 圖5.12 2004/08/29 雲高分類實驗結果………………………....61 表目錄 表2.1 雲族高度對照表………………………..……………………6 表2.2 雲的分類表…………………………………………………..8 表2.3 雲狀特徵表…………………………………………………...9 表2.4 可見光與紅外窗區波段之信號關係……………………..14 表3.1 MODIS之特性規格及觀測頻道簡介………………………23 表5.1 MODIS資料在有關雲辨識所使用的頻道……………………45 表5.2 30年台灣氣候平均溫濕剖面資料…………………………..46 表5.3 網路架構與隱藏層神經元數目之效能實驗數據表……48 表5.4 CFG演算法與LM演算法之訓練比較…………………..50 表5.5 三種分類法與多光譜輻射強度之雲遮罩差異比………51 表5.6 分類輸出與紅外光分類之差異值………………………...53
參考文獻	參考文獻 [1] I. S. Kathleen, E. G. Liam, R. Thomas, H. L. Huanga, and R. Dengel, “MODIS/AIRS instrument direct broadcast products and applications,” AMS 12th Conference on Satellite Meteorology and Oceanography, Feb. 2003. [2] O. B. Brown and P. J. Minnett, “MODIS infrared sea surface temperature algorithm,” Tech. Report ATBD25, University of Miami, Miami, FL 33149-1098, 1999. [3] M. P. Weinreb, R. Xie, J. H. Lienesch, and D. S. Crosby, “Destriping GOES M image by matching empirical distribution functions,” Remote Sensing of Environment, vol. 29, pp. 185-195, 1989. [4] 呂維哲, 蘇木春, “模糊類神經網路為架構之遙測影像分類器設計”, 碩士論文,民國91年6月 [5] 林文賜, 周天穎, 林昭遠, “應用堅督性類神經網路於衛星影像分類技術之探討”, 航測及遙測學刊 第六卷 第一期 第41-58頁,民國90年7月. [6] L. Bruzzone, D. F. Prieto, and S. B. Serpico, “A neural-statistical approach to multitemporal and multisource remote-sensing image,” IEEE Transactions of geoscience and Remote sensing, Vol. 37, No. 3, pp. 1350-1359, May 1999. [7] J. A. T. Arriaza, F. G. Rojas, M. P. López., and M. Cantón, “An automatic cloud-masking system using backpro neural nets for AVHRR scenes,” IEEE Transactions of Geoscience and Remote sensing, Vol. 41, No. 4, pp. 826-831, April 2003. [8] T. J. McIntire and J. J. Simpson, “Artic sea ice, cloud, water, and lead classification using neural networls and 1.6-μm data,” IEEE Transactions of Geoscience and Remote sensing, Vol. 40, No.9, pp. 1956-1972, Sep. 2002. [9] B. C. Gao, P. Yang, and R. R. Li, “Detection of high clouds in polar regions during the daytime using the MODIS 1.375-μm channel,” IEEE Transactions of Geoscience and Remote sensing, Vol. 41, No.2, pp. 474-481, Feb. 2003. [10] B. Tian, M. A. Skaikh, M. R. Azimi-Sadjadi, T. H. Vonder Haar, and D. L. Reinke, “A study of cloud classification with neural networks using spectral and textural features,” IEEE Transactions of Neural Networks, Vol. 10, NO. 1, pp. 138-149, Jan. 1999. [11] H. Liu, V. Chandrasekar, and E. Gorgucci, “Detection of rain/no rain condition on the ground based on radar observations,” IEEE Transactions of Geoscience and Remote sensing, Vol. 39, NO. 3, pp. 696-699, Mar. 2001. [12] 游丕若, “雲的奧秘-台灣篇”,人人出版社. 2002年5月. [13] 游丕若, “雲的奧秘-圖鑑篇”,人人出版社, 2002年3月. [14] 林文智, “雲與天氣”, 渡假出版社, 1996年6月. [15] 林博雄, “賞雲”, 行政院農委會,民國89年11月. [16] 陳正平, ”變色的天空”, 遠哲科學教育基金會, 1998年3月. [17] 曾忠一, “大氣衛星遙測學”, 渤海堂文化事業公司, 民國77年. [18] 曾忠一, “大氣遙測原理與應用”, 中央氣象局, 民國72年10月. [19] 王寶貫, “雲物理學”, 渤海堂文化事業公司, 1995年7月 [20] 劉振榮, “遙測原理與應用”, 中央大學太空遙測研究中心氣象衛星實驗室. [21] 國家太空中心, URL: Http://WWW.nspo.org.tw [22] 中央大學太空及遙測研究中心URL: Http://www.csrsr.ncu.edu.tw [23] 中大太遙中心氣象衛星實驗室.URL: Http://MSL.csrsr.ncu.edu.tw [24] 蘇木春, 張孝德, “機器學習-類神經網路、模糊系統、以及基因演算法則,” 全華科技出版社, 民國91年3月 [25] A. Zaknich, “Neural networks for intelligent signal processing,” University of Western Australia, World Scientific Inc. 2003. [26] 林昇甫, 洪成安, “神經網路入門與圖樣辨識,” 民國85年5月. [27] 張斐章, 張麗秋, 黃浩倫, “類神經網路-理論與實務,” 東華書局,民國92年9月. [28] 周鵬程, “類神經網路入門-活用matlab,” 全華科技圖書公司, 民國93年3月. [29] 余建政,俞克維, 林義隆, 白能雄, “MATLAB 6.X使用入門,” 新文京開發有限公司,民國92年1月. [30] 張智星, “MATLAB 程式設計與應用,” 清蔚科技出版社, 民國93年6月. [31] S.Ackerman, K Strabala, P. Menze, R. Gery, B. Baum, C. Schaaf, and G. Rigger, “Discriminating clear-sky from cloud with MODIS algorithm theoretical basis document(MOD35),” MODIS Cloud Team, Ver. 3.2, Nov. 1997 [32] 葉怡成, “類神經網路模式應用與實作,” 儒林圖書有限公司, 2003年11月. [33] 羅華強, “類神經網路-MATLAB的應用,” 清蔚科技出版社, 民國 90年. [34] W. E. Shenk and R. J. Holub, “A multispectral cloud type identification method developed for nimbus 3 mrir measurements,”Mon. Weather Rev., vol. 104, pp. 281-291, Mar. 1976. [35] M. Desbois and G. Szejwach, “Automated classification of clouds on meteosat imagery: Application to high-level clouds,”J. Clim. Appl. Meteorol., vol. 21, pp. 401-412, 1982.
指導教授	范國清(Kuo-Chin Fan)	審核日期	2005-7-20
推文	facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu
網路書籤	Google bookmarks   del.icio.us   hemidemi   myshare