臺灣博碩士論文加值系統

自民國60年代起，農地具有成本低廉及易取得之優點，因此許多工廠、住宅和交通建設逐漸深入台灣農村。民國90年代農業發展條例修訂後，農地開放自由買賣，探討農村變遷的偵測和統計則形成重要的研究課題。從衛星影像圖擷取空間特徵的方法，是地理資訊研究中值得探討的問題。遙感探測是一種遠距離不直接接觸物體而取得其訊息的探測技術，藉由衛星影像分析顯示出地形空間和資訊結果，以利用成本低、人力少達到較高的資料收集範圍。本研究選取的區域為台南市竹門社區及南投縣南港社區，其衛星拍攝年份為2005年及2010年，將兩張同一地區不同時間之衛星影像圖利用類神經網路分類法與Curvelt Transform方法分析比較。類神經網路分類法會因為選取類別間的像素數值差異小而導致分類有問題，Curvelt Transform方法則可避免此問題，將兩張衛星影像圖轉換成相近像數的數值，藉由相減和濾除植披相近的區域，得到竹門社區植披變好的區域面積為14.5944公頃，變差的區域面積為13.5436公頃；南港社區植披變好的區域面積為15.2748公頃，變差的區域面積為36.5196公頃。

Since the 1970’s, the advantages of agricultural land are that they are inexpensive and easy to obtain. Therefore, numerous factories, houses and transport routes are gradually constructed in rural Taiwan. After the revision of the Agricultural Development Act in the 2000’s, agricultural land is open for free trading. Investigating the changes in the detection and statistics of the rural areas has now become an important topic of research. From the method of spatial feature extraction of satellite images, the study of geographic information is an issue worth exploring. Remote sensing is a long-distance, non-physical contact form of detection technology where information can be obtained. Through satellite image analysis, the results of the topographical space and information are shown. Then by taking advantage of low cost and less manpower, a higher data collection range can be attained. This study has selected the areas: Zhumen Community in Tainan City and the Nangang Community in Nantou County. The satellite images taken were from 2005 and 2010. Two satellite images of the same area at different times were compared using Artificial Neural Network Classification and the Curvelt Transform methods. The Artificial Neural Network Classification method will cause classification problems because of the small differences in the category of pixel values during selection. However, the Curvelt Transform method can avoid this problem. Two satellite images are transformed into similar numerical values, then by subtracting and filtering out areas with similar vegetation, the Zhumen Community area with a better vegetation coverage of 14.5944 hectares is obtained, and the deteriorated area has an area of 13.5426 hectares. The Nangang community vegetation with better vegetation has 15.2748 hectares, and the deteriorated area is 36.5196 hectares.

摘要……………………………………………………………………I
ABSTRACT…………………….…………………………………….II
致謝…………………………………………………………………..III
目錄…………………………………………………………………...V
表目錄……………………………………………………………...VIII
圖目錄……………………………………………………………….IX
第一章 緒論…………………………………………………………..1
1.1研究動機………………………………………………………..1
1.2研究目的………………………………………………………..2
1.3論文架構與研究流程……………………………………….….2
第二章 文獻回顧………………………………………………..……5
2.1遙感探測……………………………………………………..…5
2.2 影像分類方法之應用……………………………………….…6
2.2-1 監督式分類法………………………………………..……7
2.2-2 非監督式分類法…………………………………………10
2.3常態化差異植生指標…………………………………………12
2.4 離散小波轉換之介紹………………………………..….……14
2.4-1 小波轉換…………………………………………………15
2.4-2 二維離散小波轉換………………………………………15
2.4-3離散小波轉換之種類………………………………..…….17
2.4-4閥值(Thresholding)原理介紹……………………….…..…19
2.5類神經網路………………………………………….…….....…20
2.5-1類神經網路原理………………………………………....…23
2.5-2類神經網路分類……………………………………........…24
2.6小結…………………………………………………………...…27
第三章 Curvelt Transform變遷偵測理論………………………..…28
第四章 實驗與分析……………………………………………….…35
4.1竹門社區農村變遷偵測………………………………….….….35
4.1-1 地理位置………………………………………………..….35
4.1-2 影像資料…………………………………………….….….36
4.1-3 類神經網路分類法進行農村變遷偵測……………..….…39
4.1-4 影像樣本選取…………………………………….…….….40
4.1-5 類神經網路分類法結果…………………………….….….41
4.1-6 Curvelt Transform進行農村變遷偵測……………..……...44
4.1-7影像相減與濾波處理結果…………………………....……46
4.2南港社區農村變遷偵測…………………………………...….…49
4.2-1 地理位置………………………………………………..…..49
4.2-2 影像資料……………………………………………....……50
4.2-3 類神經網路分類法進行農村變遷偵測……………………52
4.2-4 類神經網路分類法結果……………………………………53
4.2-5 Curvelt Transform進行農村變遷偵測………………..….56
4.2-6影像相減與濾波處理結果…………………………….……57
第五章 結論與建議……………………………………………………60
5.1 結論………………………………………………………...……60
5.2 建議….……………………………………………………….….61
參考文獻………………………………………………………………..62

表目錄
表4-1 福爾摩沙衛星二號之遙測酬載儀器規格………………….…37
表4-2 2005年04月18日竹門社區衛星影像資料………………….....38
表4-3 2010年05月04日竹門社區衛星影像資料………………….....38
表4-4 竹門社區類神經網路分類成果面積……………………..……43
表4-5 2005年07月10日南港社區衛星影像資料………………….…50
表4-6 2010 年03 月06 日南港社區衛星影像資料………………...51
表4-7 南港社區類神經網路分類成果面積…………………………54

圖目錄
圖1-1 研究流程圖…………………………………………….………..4
圖2.1 一階二維離散小波正轉換架構圖………………………….…16
圖2.2 一階二維離散小波反轉換架構圖…………………………….17
圖2.3 三次離散小波轉換示意圖……………………………………..17
圖2.4 小波去除雜訊示意圖………………………………………..…20
圖2-5 生物神經元模型……………………………………………….22
圖2-6 人工神經元模型示意圖…………………………………….....24
圖2-7 網路架構基本分類……………………………………………..27
圖3-1 2005 與2010 年的福衛二號影像以真色(True Color)表示....29
圖3-2 (a)為原始影像(b)為經過轉換方程式M 轉換後之影像(c)為轉換方程式………………………………………….......30
圖3-3 2005 福衛二號影像與2010 年影像經2005 年直方圖比配轉換方程式轉換後之影像以真色(True Color)表示……...…30
圖3-4 Curvelet 所形成的多重解析度影像金字塔…………………32
圖3-5 2005 年福衛衛星影像進行Curvelet 轉換所形成之影像金字塔…………………………………………………33
圖3-6 利用Curvelet 去雜訊所獲得台南市白河區竹門社區從2005 年到2010 年植披狀況變化之情形…………………34
圖4-1 竹門社區地理位置……………………………………………..35
圖4-2 竹門社區區域範圍…………………………………………..…36
圖4-3 2005 年04 月18 日竹門社區衛星影像………………….…39
圖4-4 2010 年05 月04 日竹門社區衛星影像……………….…..39
圖4-5 竹門社區影像訓練區的選取位圖……………………....…41
圖4-6 2005 年04 月18 日竹門社區類神經網路分類成果…….…42
圖4-7 2010 年05 月04 日竹門社區類神經網路分類成果……….42
圖4-8 類神經分類法-竹門社區田地分類誤判情形……………….44
圖4-9 竹門社區影像轉換過程圖……………………………….….45
圖4-10 竹門社區2005 福衛二號影像與2010 年影像經2005 年直方圖比配轉換方程式轉換後之影像以真色(True Color)表示………………………………………………………....46
圖4-11 Curvelt Transform 進行竹門社區變遷偵測比較圖……….48
圖4-12 南港社區地理位置…………………………………………..49
圖4-13 南港社區區域範圍……………………………………….….50
圖4-14 2005 年07 月10 日南港社區衛星影像…………………...51
圖4-15 2010 年03 月06 日南港社區衛星影像………………..….52
圖4-16 南港社區影像訓練區的選取位置………………………....53
圖4-17 2005 年07 月10 日南港社區類神經網路分類成果……...54
圖4-18 2010 年03 月06 日南港社區類神經網路分類成果……...55
圖4-19 類神經分類法-南港社區裸露地分類誤判情形…………...56
圖4-20 南港社區影像轉換過程圖……………………………….....57
圖4-21 Curvelt Transform 進行南港社區變遷偵測比較圖………..58

中文部份
1.營建署，國土規劃前置作業辦理計畫-子計畫-7-農地釋出土地未來發展利用之研究。財團法人國土規劃及不動產研究中心，2006。
2.王鑫，「遙測學」，大中國出版社，1977。
3.劉守恆，「衛星影像於崩塌地自動分類組合之研究」，碩士論文，國立成功大學地球科學研究所，台南，2002。
4.黃俊偉，「大範圍地區土地使用分類之研究」，碩士論文，國立中央大學土木工程研究所，桃園，2001。
5.黃信茗，「地理資訊系統及衛星影像應用於灌溉計畫之研究」，碩 士論文，國立屏東科技大學土木工程系碩士班，屏東，2000。
6.林家慶，「應用福衛二號時間序列影像監測曾文水庫集水區崩塌地之時空變化」，碩士論文，國立成功大學地球科學系，台南，2007。
7.蕭國鑫，遙測與 GIS 結合應用於德基水庫集水區土地利用/覆蓋監測，遙感探測，21：21-54，1994。
8.葉怡成，「類神經網路模式應用與實作」，儒林圖書有限公司，2001 年4 月七版。
9.莊政斌，「影像分割技術於高解析度衛星影像分類之應用」，碩士論文，中央大學土木工程研究所，桃園，2004。
10.羅華強，「類神經網路─MATLAB的應用」，清蔚科技，2001。
11.陳明澤，「利用類神經網路建立以SPT、CPT及Vs為主之臨界液化曲線」，私立朝陽科技大學，碩士論文，台中，2002。
12.黃信茗，「地理資訊系統及衛星影像應用於灌溉計畫之研究」，碩 士論文，國立屏東科技大學土木工程系碩士班，屏東，2000。
13.黃俊偉，「大範圍地區土地使用分類之研究」，碩士論文，國立中央大學土木工程研究所，桃園，2001。
14.黃筱梅，「SPOT 衛星影像於裸露地變遷之偵測研究-以和社地區為例」，碩士論文，國立台灣大學森林學研究所，台北，2000。
15.陳繼潘、徐守道、陳世旺，「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，第二卷，第一期，第1-12 61頁，1997。
16.陳哲俊，「研究計畫綜合報告」，國立中央大學太空及遙測研究中 心研究計畫報告，桃園，1989。
17.陳文福，「陳有蘭溪集水區之地形特性與土地利用之關係」，水土保持學報，29（2）:137-155，1997。
18.陳文福、鄭新興，遙測與GIS 運用於集水區大型坡地開發之變遷分析，水土保持學報，29(1)：41-60，1997。
19.陳朝圳，「南仁山森林生態系植生綠度之季節性變化」，中華林學季刊，32（1）：53∼66，1999。
20.魏曉萍，「Quick Bird衛星影像探討分類方法之研究」，碩士論文， 中華大學土木工程學系碩士班，新竹，2003。
21.戴志強，「運用空間資訊技術擷取海洋表面衛星影像特徵之研究」，碩士論文，義守大學資訊管理研究所，高雄，2007。
22.謝漢欽、鄭祈全，福山地區SPOT多期影像植生綠度分析，林業試驗所研究報告期刊，第10卷，第1期，p105-p120，1995。
23.林昭遠、吳瑞鵬、林文賜，921 震災崩塌地植生復育監測與評估，中華水土保持學報，32(1)：59-66，2001。
24.吳瑞鵬，「九九峰震災崩塌地植生復育之評估」，碩士論文，國立中興大學水土保持學系，台中，2001。
25.江山宏，「九九峰崩塌地變遷監測之研究」，碩士論文，明道管理學院環境規劃暨設計研究所，彰化，2006。
26.鄞祺蔚，「使用層集多重分類法探討衛星影像中河道變遷趨勢之研究-以南投竹山陳有蘭溪為例」，碩士論文，朝陽科大營建工程系，台中，2009。
27.洪密琪，「整合光譜與空間資訊於影像分類-應用於覆蓋與管理因 子(C值)之研究」，碩士論文，國立中興大學土木學系，台中，2007。
28.黎明儀，「應用衛星影像於金門島土地覆蓋圖繪製」，碩士論文，國立台灣大學森林學研究所，台北，2004。
29.劉名翔，「利用監督式分類並配合NDVI指標進行植生分佈探討
-以南投縣竹山鎮林境為例」，碩士論文，朝陽科大營建工程系，台中，2010。
30.賴明志，「利用支援向量機探討植生崩塌分佈研究-以南投縣竹山鎮林境為例」，碩士論文，朝陽科大營建工程系，台中，2011。
英文部分
1.Avery, T. E. and G. L. Berlin, “Fundamentals of Remote Sensing and Air photo interpretation, ” (fifth edition). Prentice-hall, Upper Saddle River, New Jersey 07458, 1992.
2.B. Olshausen and D. Field, “Emergence of simple-cell receptive field properties by learning sparse code for natural images,” Nature, Vol. 381, No. 6583, pp. 607-609, 1996.
3.E. Candès and D. Donoho, “Continuous curvelet transform. I. Resolution of the wavefront set,” Appl. Comput. Harmon. Anal., vol. 19, no. 2, pp. 162–197, 2005.
4.E. Candès and D. Donoho, “Continuous curvelet transform. II. Discretization
and frames,” Appl. Comput. Harmon. Anal., vol. 19, no. 2, pp. 198–222, 2005.
5.Donoho, DL and Johnstone, IM. “Adapting to unknown smoothness via wavelet shrinkage,” Journal of the American Statistical Association, Vol. 90, pp.1200–24, 1995.
6.Burgan, R. E. and R. A. Hartford, “Monitoring vegetation greenness with satellite data, ” USDA Forest Service Intermountain Research Station General Technical Report INT-297, 1993.
7.Gustavo, C. V., Luis, G. C., Javier, C. M., Jose, David, M. G., Emilio, S. O., Luis, A. C., and Jose Moreno, “Robust Support Vector Method for Hyperspectral Data Classification and Knowledge Discovery , ”IEEE Transactions on Geoscience and Remote Sensing, Vol. 42, No. 7, pp.1530-1542, 2004.
8.Jenson, J.R., “Introductory Digital Image Processing – A Remote Sensing Perspective,” Second Edition, Prentice-Hall, Englewood Cliffs, New Jersey, 1995.
.
網站部份
1.2012年10月12日台南市白河區公所
http://web2.tainan.gov.tw/baihe/
2.2012年10月12日南投縣國姓鄉公所
http://www.guoshing.gov.tw/
3.國立中央大學太空及遙測研究中心
http://www.csrsr.ncu.edu.tw/08CSRWeb/ChinVer/C5Product/FORMOSAT2/FORMOSATImgCenter.php