• 研究生: 吳政德
• 畢業學年度: 103
• 相關連結

森林被比喻為地球之肺，對於氣候的調節與溫室效應的減緩，均扮演極度重要的角色。台灣本身具有非常豐富的林產資源，藉由每隔一段時間的林業調查，可以掌握重要林業資源的消長。然而透過人工方式實地訪查非常地費時費力，並且受限於某些易於調查的區域，因此遙測影像技術被廣泛地用於此一應用。
早期的遥測技術均以人工判讀影像，然而此一方式除了耗費大量的人力與工時之外，判讀的結果也存在客觀性的問題。因此近來許多影像辨識與自動化判讀的技術紛紛被提出，其中之一為多層次型態學動態輪廓演算法(MMAC)。此一演算法能夠有效地提升山區的樹木偵測率，然而由於其演算法的設計，對於樹木的偵測是利用區域最大值及樹冠具有圓形的特徵，因此容易將樹枝誤判為獨立的樹木，增加樹木數量的誤判。另外此一演算法也面臨運算量龐大的問題，使得此演算法難以運用於大面積的遥測影像。
本論文藉由導入樹冠之模型，藉以解決上述了兩大問題。由於高斯函數的機率密度函數呈鐘型，於樹木的形狀上有某種程度上的吻合，本論文提出將其二維模型視為一新的樹木模型，導入多層次型態學動態輪廓演算法，用以改良其演算法於樹木偵測方面的準確率，並利用其形狀減少於樹冠描繪上執行時間。改良後的演算法將提供更精確的樹木偵測率與快速的運算，使其更適合運用於樹木的偵測與描繪。