Application of Unmanned Aerial Vehicle Image To Crop Identification

利用遙測技術來獲取作物種植分佈的資訊，進行自動化判釋，並結合農業管理已行之有年，此方式可快速且全面獲取科學化之數據，但以往多受限於時間及空間解析度的不足。本研究利用無人飛行載具(Unmanned Aerial Vehicle, UAV)進行農區的空拍作業，航拍所得的多光譜及高空間解析度之影像，除可改善空載遙測的高成本，亦可提升影像空間解析度度、時效性以及品質，並進行農作物的分類、面積分析，可提供作產量推估或其他環境的定期性偵測。 由於農作物的物種間光譜特徵相似，故本研究為提升分類準確度，將加入UAV 影像產製之DSM 以輔助判釋。故除了UAV 拍攝之多光譜影像，更加入高程資訊，輔助僅由光譜特徵分類的不足，研究成果顯示，加入高程資訊可有效提升物種間之判釋能力。 使用物件式(Object-Based)影像分類法，較適合使用在農業物種判釋上，能考慮像元間的相互關係，將相關性較高之區域物件化，物件後的是以坵塊內的地物為唯一單元，進行分類，研究成果顯示，在農業的物種判釋上，物件式影像的分類成果較像元式的分類方法能大幅提升分類準確度。本研究建立一套農作物的判釋流程，將優化以往的方法，可有效判釋多樣物種，並提升影像之分類準確度。This research applied remote sensing technologies to obtain the information of vegetation. Previous automatic identification method was limited by the time and spatial resolution of satellite images. In this study, multi-spectral and high spatial resolution of aerial images was obtained by using the unmanned aerial vehicle (UAV). The classification and acreage analysis of vegetation areas could provide the production estimate and periodic environmental detection. The spectral signatures among different species were very similar. In order to improve the classification accuracy, the 3D information was added into the aerial images to aid image interpretation. The result also shows that adding 3D information could improve the classification accuracy. Object-Based classifier is able to consider the relation between pixels, the pixels with higher correlation was considered as one object. Each object will be classified into one class. Object-Based classifier is suitable for agricultural cluster interpretation. The result also shows that the crop interpretation process established by this study has better classification accuracy than pixel-Based classifier in agricultural cluster interpretation.致謝 I 摘要 II ABSTRACT III 目錄 IV 圖目錄 VI 表目錄 VIII 第一章 緒論 1 1.1. 研究動機 1 1.2. 研究目的 3 1.3. 研究架構 4 第二章 文獻回顧 5 2.1. 影像建模 6 2.2. 物件式影像分類 8 第三章 研究理論與方法 12 3.1. 研究流程 12 3.2. IBM 三維影像式建模 14 3.2.1. SIFT 14 3.2.2. SfM 20 3.2.3. CMPMVS 22 3.3. 物件式影像分類 24 3.3.1. SFP 25 3.3.2. 分類方法 25 3.3.3. 影像分割 27 第四章 實驗設計與規劃 29 4.1. 航拍影像資訊 29 4.2. 研究區域概述 33 4.3. 研究區域物種調查 37 4.4. 驗證成果 40 4.5. 影像分類精準度評估 41 第五章 成果分析 43 5.1. 影像建模成果 43 5.2. 物件式影像分類成果 46 5.2.1. 像元式影像分類成果 47 5.2.2. SFP 成果 48 5.2.3. 影像分割成果 51 5.2.4. 不同維度影像分類成果 57 5.2.5. 物件式影像分類成果 60 第六章 結論與建議 64 6.1. 結論 64 6.2. 建議 65 參考文獻 6