Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/10214
DC FieldValueLanguage
dc.contributor陽明德zh_TW
dc.contributorMing-Der Yangen_US
dc.contributor.author王奕翔zh_TW
dc.contributor.authorWang, Yi-Hsiangen_US
dc.contributor.other土木工程學系所zh_TW
dc.date2013en_US
dc.date.accessioned2014-06-06T06:44:32Z-
dc.date.available2014-06-06T06:44:32Z-
dc.identifierU0005-2108201316371400en_US
dc.identifier.citation1.黃凱翔,2008,利用支持向量機於機載高光譜感測影像之分類,國立中興大學土木工程所碩士論文。 2.黃弘毅,2012,萃取方式於ISIS高光譜影像分類判釋之比較,國立中興大學土木工程所碩士論文。 3.陳繼藩、徐守道、陳世旺,1997,應用非監督性類神經網路於SPOT衛星影像分類之研究,航測及遙測學刊,2(1),pp.1-12。 4.王儷蓉,1998,高光譜資料之差異與類別分離度分析,國立成功大學 測量工程研究所碩士論文。 5.郭麟霂,2000,寒帶沼地高光譜影像分類之研究,國立交通大學土木工程學系碩士論文。 6.楊士興,2001,應用獨立成分分析方法分離集水區河川污染源之研究,國立台灣大學地理環境資源學研究所博士論文。 7.林金樹,2002,高光譜主軸轉換影像辨識土地利用型最適主軸數決定法之研究,臺灣林業科學,17(4),pp.471-481。 8.魏曉萍,2003,QuickBird衛星影像探討分類方法之研究,中華大學土木工程學系碩士論文。 9.陳建州,2004,利用獨立成分分析法在區域特徵上的人臉辨識,成功大學資訊工程學系碩士論文。 10.林恩楷,2005,利用高光譜影像偵測外來植物-以恆春地區銀合歡為例,中央大學土木工程研究所碩士論文。 11.高莉,2007,結合ICA和PCA的腦磁信號消噪研究。 12.蕭國鑫,2008,高解析度影像應用於土地利用分類之探討,航測及遙測學刊,13(4)。 13.蔡富安,2007,遙測影像條紋雜訊改正之研究,國立中央大學太空及遙測研究中心 14.曾義星、賴志恆,2003,應用遙測於台北都會區綠地環境變遷分析,航測及遙測學刊,12(2),pp.145-163。 15.雷祖強、周天穎、萬絢、楊龍士、許晉嘉,2007,空間特徵分類器支援向量機之研究,航測及遙測學刊,8(1),pp.35-46。 16.Amato, U., and Cavalli, R., 2009. "Experimental Approach to the Selection of the Components in the Minimum Noise Fraction", IEEE Transactions on Geoscience and Remote Sensing, 47(1):153-160. 17.Albani, M., and Klinkenberg, B., 2003. "A Spatial Filter for the Removal of Striping Artifacts in Digital Elevation Models", Photogrammetric Engineering & Remote Sensing, 69(7):755-765. 18.Chang, C.I., 2006. "Recent Advances in Hyperspectral Signal and Image Processing", Transworld Research Network. 19.Chang, C.I., Zhao, X.L., ang Althouse, L.G., 1999. "Least Squares Subspace Projection Approach to Mixed Pixel Classification for Hyperspectral Images", IEEE Transactions on Geoscience and Remote Sensing, 36(3):898-912. 20.Chang, C.I., 2006. "Recent Advances in Hyperspectral Signal and Image Processing", Transworld Research Network. 21.Horn, B.K.P., and Woodham, R.J., 1979. "Destriping Landsat MSS Imagery by Histogram Modification", Computer Graphics and Image Processing, 10:68-83. 22.Lillesand, T.M., Kiefer, R.W., and Chipman, J.W., 2004. "Remote Sensing and Image Interpretation", 5th ed., John Wiley & Sons, New York, USA. 23.Landgrebe, D., 2002. "Hyperspectral Image Data Analysis", IEEE Signal Processing Magazine, 19(1):17-28. 24.Liu, J.G. and Gareth L.K. Morgan, 2006. "FFT Selective and Adaptive Filtering for Removal of Systematic Noise in ETM+ Imageodesy Images", IEEE Transactions on Geoscience and Remote Sensing(accepted). 25.Lee, J.S., "Digital Image Smoothing and The Sigma Filter", Computer Vision, Graph. Image Process, 24(2):255. 26.Nill, N., and Bouzas, B., 1992. "Objective Image Quality Measure Derived from Digital Image Power Spectra", Optical Engineering, 3(4):813-825. 27.Oimoen, M.J., 2000. "An Effective Filter for Removal of Production Artifacts in U.S. Geological Survey 7.5-minute Digital Elevation Models", Proc. of the Fourteenth International Conference on Applied Geologic Remote Sensing, Las Vegas, NUSAV, pp311-319. 28.Rakwatin, P., Takeuchi, W., and Yasuoka, Y., 2005. "Destriping MODIS Data by Facet Model and Histogram Matching", Proc. 26th Asian Conference on Remote Sensing (ACRS 2005), Hanoi, Vietname, CD-ROM. 29.Switzer, P., and Green, A.A., 1984. "Min /Max Autocorrelation Factors for Multivariate Spatial Imaging", Technical Report No.6, Department of Statistics, Stanford University, 14p. 30.Truong, T.K., Wang, L.J., Reed, I.S., Hsieh, W.S., 2000. "Image Data Compression Using Cubic Convolution Spline Interpolation", IEEE Transactions Image Processing, 9(11):1988-1995. 31.Tsai, F., and Philpot, W. D., 2002. "A Derivative-aided Hyperspectral Image Analysis System for Land-cover Classification", IEEE Transactions on Geoscience and Remote Sensing, 40(2):416-425. 32.Unser, M., 1999. "Splines: A Perfect Fit for Signal and Image Processing", IEEE Signal Processing, 16(6):22-38. 33.van Puymbroeck, N., Michel, R., Binet, R., Avouac, J. P., and Taboury, J., 2000. "Measuring Earthquakes from Optical Satellite Images", Applied Optics, 39(20): 3486–3494.en_US
dc.identifier.urihttp://hdl.handle.net/11455/10214-
dc.description.abstract隨著光譜影像科技的發展與進步,高光譜影像提供更好的資訊與光譜解析度,本研究以機載高光譜儀所拍攝影像資料,對台中外埔試驗地區進行地物分類,外埔試驗農地為國立中興大學環境保育暨防災科技研究中心所建立,用於長期觀測區域。   高光譜感測儀之光譜解析度介於427.2~945.7nm,共218個波段,對地物進行分析。高光譜影像的超高維度內含大量且連續之訊息,為降低運算與資料處理效率,利用最小噪聲轉換萃取對高光譜影像進行降維度,並搭配支持向量機對影像進行分類,進一步分析其分類準確度。   本研究主軸為消除高光譜影像上之條紋雜訊,以頻率濾波及空間濾波兩種方式降低雜訊,其一為快速傅立葉轉換加上高通濾波器將影像轉換到頻率端,降低頻率上之線條雜訊並提升影像處理之速度,其二為雲線內插方式修補前面頻率濾波所無法消除之雜訊,以四條三階多項式進行擬合修補降低離散像元及局部條紋雜訊,藉此提高分類準確度。 本研究經由MNF最小噪聲轉換、快速傅立葉轉換、濾波器再反轉換以及雲線內插修補,最後經由SVM支持向量機分類,由分類成果圖發現降除雜訊後可有效地將影像中的噪聲降除,使高光譜影像之分類準確度由49%提升到78.8%。zh_TW
dc.description.abstract Hyperspectral image provides more information and has better spectral resolution. The Waipu testsite is established by The Center of Environmental Restoration and Disaster Reduction at National Chung Hsing University, and the test field has 200 ha of rice paddy for a long term monitoring.   The ISIS hyperspectral imager made by National Applied Research Laboratories contains 218 bands with a spectral bandwidth of 3-5 nm between 427.2 nm and 945.7 nm. ISIS is a push-broom scanner with 218 bands in each scan. Feature extraction can be done through Minimum Noise Fraction (MNF) regarded as the most effective approaches to solving the inefficiency of computation. This research applied Support Vector Machine (SVM) to do the classification.   To dissolve the problem of scattered pixels and noises along the flying track on ISIS hyperspectral image, both frequency and spatial fliters were applied to reduce the noises. And spline-based interpolation is also applied in this research to improve the classification accuracy. This research applies Minimum Noise Fraction (MNF), Fast Fourier Transform(FFT), Spline and Support Vector Machines(SVMs) to classification. According to the result of classification, the noise contains in ISIS hyperspectral image can be removed effectively. The overall accuracy of ISIS hyperspectral image can be promoted from 49% to 78.8%.en_US
dc.description.tableofcontents第一章 緒論 4 1.1 前言 4 1.2 研究動機與目的 4 1.3 研究內容 5 第二章 文獻回顧 6 2.1 高光譜影像分類方法 6 2.2 高光譜影像萃取方式 8 2.3 影像降雜訊方法 9 第三章 研究方法與理論介紹 11 3.1 研究方法敘述 11 3.1.1影像幾何校正 13 3.1.2訓練區 13 3.1.3光譜分離度 13 3.1.4波段萃取 14 3.1.5 MNF (Minimum Noise Fraction) 轉換 14 3.1.6快速傅立葉轉換 15 3.1.7濾波器選取 17 3.1.8快速傅立葉反轉換 18 3.1.9雲線內插修補 18 3.2影像分類 21 3.2.1監督式分類法 21 3.2.2支持向量機法 21 3. 4誤差矩陣 24 3.4.1分類準確度評估標準 26 3.4.2總體準確度 27 3.4.3 kappa統計值 27 第四章 研究設備及影像介紹 29 4.1 ISIS高光譜感測器 29 4.2松木林場試驗場影像 30 4.3外埔研究地區介紹 32 4.3地真影像 33 第五章 成果分析與討論 35 5.1光譜分離度 35 5.2 MNF轉換成果圖 36 5.3快速傅立葉轉換成果圖 40 5.4快速傅立葉轉反換成果圖 43 5.5分類成果 46 5.5.1 SVM分類成果 46 5.5.2快速傅立葉反轉換後之分類 50 5.5.3雲線內插修補 53 第六章 結論與建議 57 結論 57 建議 58 參考文獻 59 圖目錄 圖 1: 研究流程圖 12 圖 2(a)為蝶形運算示意圖 (b)為(a)的簡圖 17 圖 3曲線與向量關係示意圖 19 圖 4Hermite多項式示意圖 19 圖 5:雲線內插多項式示意圖 20 圖 6:支持向量機示意圖 23 圖 7:資料轉換到高維度空間示意圖 23 圖 8機載高光譜影像掃瞄儀ISIS實體裝置 28 圖 9 印地安松木試驗場影像 29 圖 10 經遮罩處理後之松木林場影像 30 圖 11印地安松木試驗場之地真資料 30 圖 12 高光譜影像高維度的資料量 31 圖 13台中外埔實驗區域 32 圖 14台中外埔實驗區域高光譜影像 32 圖 15台中外埔實驗區域地真影像 33 圖 16 外埔地區切割後影像 33 圖 17台中外埔實驗區域地真影像 33 圖 18 AVIRIS影像MNF萃取成果 38 圖 19 ISIS影像MNF萃取成果 39 圖 20 AVIRIS影像快速傅立葉轉換成果圖 41 圖 21 ISIS影像快速傅立葉轉換成果圖 42 圖 22 AVIRIS影像快速傅立葉反轉換成果圖 43 圖 23 ISIS影像快速傅立葉反轉換成果圖 45 圖 24AVIRIS影像SVM之影像分類成果圖 47 圖 25 ISIS影像SVM之影像分類成果圖 48 圖 26 ISIS影像濾波器閥值及分類準確度關係圖 50 圖 27 ISIS影像快速傅立葉反轉換後之分類成果圖 50 圖 28 ISIS原始影像及FFT反轉換後分類成果圖比較 51 圖 29 ISIS影像雲線內插修補後之分類成果圖 53 表目錄 表 1:近年來去雜訊文獻整理表 10 表 2:分類誤差矩陣示意表 25 表 3普渡大學AVIRIS影像光譜分離度成果表 34 表 4:外埔地區ISIS影像光譜分離度成果表 35 表 5 AVIRIS影像特徵值累積表 36 表 6 ISIS影像特徵值累積表 37 表 7 ISIS影像SVM之影像分類誤差矩陣 48 表 8普渡大學影像SVM之影像分類誤差矩陣 49 表 9 ISIS影像快速傅立葉反轉換後之分類誤差矩陣 51 表 10普渡大學影像快速傅立葉反轉換後之分類誤差矩陣 52 表 11 ISIS影像雲線內插修補後之分類成果圖 53 表 12普渡大學影像雲線內插修補後之分類成果圖 54zh_TW
dc.language.isozh_TWen_US
dc.publisher土木工程學系所zh_TW
dc.relation.urihttp://www.airitilibrary.com/Publication/alDetailedMesh1?DocID=U0005-2108201316371400en_US
dc.subject降低雜訊zh_TW
dc.subjectdenoiseen_US
dc.subject高光譜影像zh_TW
dc.subject分類準確度zh_TW
dc.subjectMNFzh_TW
dc.subject支持向量機zh_TW
dc.subject外埔zh_TW
dc.subjecthyperspectralen_US
dc.subjectMinimum Noise Fractionen_US
dc.subjectSupport Vector Machineen_US
dc.title利用空間及頻率濾波器降噪以提升高光譜影像分類zh_TW
dc.titleImproving hyperspectral image classification through image denoising by spatial and frequency flitersen_US
dc.typeThesis and Dissertationzh_TW
item.fulltextno fulltext-
item.languageiso639-1zh_TW-
item.openairetypeThesis and Dissertation-
item.cerifentitytypePublications-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.grantfulltextnone-
Appears in Collections:土木工程學系所
Show simple item record
 
TAIR Related Article

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.