萧震洋_遥测影像之物件导向自动化判释崩塌地於石门水库的应用实例

域，舉例來說某個物件最近的樣本區域是屬於 A 類，那這個物件就會被劃 分到 A 類。最近鄰演算法公式： v f ( m ) − v f ( n) d = ∑f σf
2
(式 1)
其中 d 為樣本區域 m 與物件 n 之間的距離，vf(m )為樣本區域的特徵 f 的特徵 值 ； vf (n)為物件的特徵 f 的特徵值, σf 為特徵 f 的標準差 。 距離樣本區域越近 ， 可能性越大，即 d 越小，判釋的對象越準確。 5.成果輸出(Export Results)：將分類成果之物件，代入分類屬性、面積、長 寬比等資料，輸出成大部分 GIS 支援的 shp file 增加其應用性。 三、案例分析 本研究以石門水庫蘇樂溪集水區為案例分析，並將判釋崩塌地之規則應用於 石門水庫集水區，所採用的判釋影像為 2008 年 8 月 16 日的 SPOT5 衛星之近紅 外光(nir)、紅光(red)及綠光(green)的全色態及多光譜融合影像(如圖 5)，解析度為 2.5mx2.5m，並以 2004 年艾利颱風後彩色航照產製之 5mx5m 數值地形，所轉換 之坡度百分比圖協助判釋。 應用於蘇樂溪集水區 判釋成果如圖 6，區位及面積上，各獲得 97%及 93%的正確率，其詳述處理 步驟如后。 1.判釋影像輸入(Image Input)：共兩判釋參考影像，有易於區分有無植被之 衛星影像(如圖 7)及易於區別河道與坡地之以坡度 45%分界圖(如圖 8)。如圖 9， 經測試發現坡度小於 45%恰為河道、農田及部落。 2.建立分類類別(Class Hierarchy)：如圖 6，設定分類類別為植被、非植被及 崩塌地三種類別。 3.分割物件(Segmentation)：如圖 10，經測試結果發現，只參考衛星影像並 應用多解析分割(multiresolution)，且分割尺寸(scale parameter)設定為 20、形狀 (shape)設定為 0.1 及緻密性(compactness)設定為 0.5 為最佳。 4.設定分類條件(Membership Function & Classify)： 經測試結果發現，設定 衛影影像的 mean(r)值以 50 為分界，可判斷植被跟非植被區域，再將非植被區經 由以坡度 45%分界圖以 mean(b)過濾，大於 200 以上為崩塌地(如圖 6)。 5.成果輸出(Export Results)：成果輸出為 GIS 之 shp file。主要誤判區域於道 路以及河床邊緣與小面積之崩塌地連接區。
像元式分類，但與崩塌地相似的影像灰度值區域甚多，並未減少太多在後期人工 編修上所花的時間，在過去的三十幾年中，除光譜特徵外，人們越來越注重圖像 的空間特徵如紋理、形狀等在信息提取中的作用(宮鵬等，2006)，也是自動化萃 取崩塌地方法研究中的重點。Lobo(1996)等人更透過實驗，比較出物件導向的分 類結果更容易被人類所理解，且能保持完整的影像變異區，非常適合於高解析度 的遙測影像中做目標物萃取，關於像元式與物件式的比較如圖 1。 為提高工作效率、統一判釋標準以及突破像元式之侷限，故本研究採用德國 Definiens 公司所研發，能依灰度、面積、形狀、紋理等條件，以及具備繼承判 釋結果的物件式自動化判釋軟體－Definiens Developer 7.0，探究其工作原理與流 程，進而對影像進行較合理的範圍分割，並校正參數邊界且將雜訊率除，隨之判 釋出崩塌地存疑區，進而透過坡度濾除而萃取崩塌地物件，透過近期航照比對， 用以了解區位及面積正確率，並將此崩塌地萃取規則應用於石門水庫集水區。 二、物件導向自動化判釋 如圖 2，物件導向自動化判釋分為五大步驟，並詳述如后。 1.判釋影像輸入(Image Input)：軟體支援大部分影像格式如表 1，如有特殊影 像格式需求，可與軟體公司聯繫請求支援。 2.建立分類類別(Class Hierarchy)：建立欲分類類別與階層之樹狀結構(如圖 3)，如植被、建築物等預期判釋之分類。 3.分割物件(Segmentation)：依據遙測影像上之灰度值及形狀等，來分割成若 干「同性質」的物件。透過影像之物件式分割能較像元式解決絕大部分的雜 訊問題，如物體邊緣、色調不均勻區或陰影等，對於解析度越高或複雜度較 高的遙測影像，初步應設定較大的物件分割，可加快處理速度且對於後續的 判釋會有很大的幫助。換言之，設定較大物件分割就是對遙測影像的粗分， 而設定較小即為細分(如圖 4)。影像分割時需在能表現欲判釋物的輪廓與結 構下，遵循兩個原則(Definiens，2007)：(1)初步分割物件的平均尺寸應越大 越好。(2)產生物件之數量越少越好。 4.設定分類條件(Membership Function & Classify)：物件分割後，依據灰度、 形狀等特徵來建立各種目標物的判釋規則，使各物件間透過各分類條件結合 或濾除而萃取成同一類別。Definiens Develop 7 使用的核心技術為模糊邏輯 分類演算法，基本原理為利用 0 到 1 的連續值來取代布林邏輯的 true 與 false，並給予目標所屬的對應值，此稱為隸屬度，隸屬度的值越大，在分類 的影響比重就越高。Definiens 並提供了許多分類方法使用，以下說明常用 最鄰近分類法，此種演算法對於每一個物件，在空間中尋找最近的樣本區
遙測影像之物件導向自動化判釋崩塌地於石門水庫集水區 的應用實例 Determine the Landslide in Object-oriented image classification：Case study from Shihmen Watershed
蕭震洋 1 謝寶珊 1 林伯勳 1 鄭錦桐 2 Cheng-Yang Hsiao1, Pao-Shan Hsieh1, Bor-Shiun Lin1 and Chi人中興工程顧問社大地工程研究中心研究員
財團法人中興工程顧問社大地工程研究中心防災科技組組長
關鍵詞：自動化判釋、Definiens、地理資訊系統、崩塌。 摘 要
遙測工具可突破野外探勘所不能到達之限制，又可於有限經費與人力配置下 宏觀、迅速偵測集水區大範圍之歷史演變。遙測影像自動化判釋又可在統一判釋 標準下，大量減少專家判釋時間，並快速萃取欲判釋目標物。早期崩塌地自動分 類方式多以遙測影像之灰度值差異做為判釋標準，但與崩塌地相似的影像灰度值 區域甚多，並未減少太多在後期人工編修上所花的時間，故本研究探討能依灰 度、面積、形狀、紋理等屬性條件，以及具備繼承判釋結果的物件導向自動化判 釋之工作原理與流程，且於石門水庫之蘇樂集水區實際測試，在崩塌地判釋的區 位及面積上，各獲得 97%及 93%的正確率，此說明物件導向自動化判釋具備應 用於崩塌地判釋之可行性。將獲取之高辨識率崩塌地萃取規則應用於石門水庫集 水區，因道路以及河床邊緣與小面積之崩塌地連接區為主要誤判區域，故再經近 期航照，於河床及道路邊緣以人工方式編修，以獲取完整崩塌地圖層。 一、前言 利用遙測影像萃取崩塌地為防災重要工作項目之一 ， 進而可於 GIS 中編輯與 更新其定性資料，如地文因子、岩性等，建立基礎資料庫對於後續緊急救災、致 災分析及未來防災而言，都是不可或缺的基本資料。在有限的經費與人力配置下 宏觀、迅速在廣域範圍內標示崩塌地，目前皆由遙測影像判釋，但面積廣、工作 量大，主要使用傳統的人工方式進行判釋，但耗時長、專業人力需求大、且人為 主觀影響較強，故傳統單靠人工判釋已經不能滿足實際的需求，導入電腦自動化 判釋已嚴然成為趨勢。 早期崩塌地自動分類方式多以遙測影像之灰度值差異做為判釋標準，此稱為
表 1 Definiens Developer 7.0 支援影像格式
File Import File Format Compressio Extensio (Driver) n Algorithm n 8 bit transparent PNG .png Aperio .svs Aperio Composite .aci Images Applied Imaging .xml Bacus WebSlide .ini Cellomics DIB .dib CEOS (Spot for instance) ENVI .hdr Labelled .hdr Raster Envisat Image .n1 Erdas Imagine .img Erdas LAN .lan Erdas LAN .gis ESRI Arc/Info ASCII .asc Grid ESRI Arc/Info Binary .adf Grid ESRI Shape File .dbf ESRI Shape File .shp Evotec Opera II .flex First Generation DOQ1 .doq USGS DOQ GE Raven FRM .frm Graphics Interchange GIF .gif Format GRASS Rasters GRASS Hierarchical Data HDF4 Format Release 4 Hierarchical Data HDF5 Format Release 5 Idrisi Raster .rst JPEG JFIF .jpg JPEG 2000 .jp2 .j2k JPEG 2000 JPEG 2000 .jp2 .j2k JP2KAK Microsoft Windows Device Independent .bmp Bitmap Military Elevation .dt0 .dt1 DTED Mirax Slide IO .ini NLAPS Data NDF Format New Labelled USGS DOQ2 .doq DOQ NITF NITF 2.1 .ntif PCI Labelled AUX pAUX .aux PCI Geomatics PCIDISK Database File PCI Library v7.0 PCI Library v8.2 PCI Library v9.0 PCI PIX file format .pix PCO SensiCam .b16 PCRaster PC Raster .map Portable Network .png Graphics Tagged Image File TIF .tif Tagged Image File GTif .tif (GeoTIFF) USGS ASCII DEM .dem X11 Pixmap XPM .xmp Known Window Restriction Geo-Referencing s s Yes Yes 2 GB 2 GB 2 GB 2 GB 4 GB 2 GB 4 GB 4 GB 4 GB 4 GB No Yes Yes Yes Yes No No No Yes No Yes Yes No Yes Yes[1] Yes[1] Yes[1] No No Yes No Yes Yes Yes No No Yes No No Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Linu Read/ x Write Yes No Yes No No Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes No Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes No Yes Yes Yes Yes Yes Yes Yes Yes No No Yes Yes Yes Yes Yes Yes RW R R R R R R RW R RW R R R RW RW RW R R R RW R RW RW RW RW RW RW RW R RW R RW R RW RW RW RW R R RW RW RW RW R R