Category Archives: 森林相關應用

應用卷積神經網路於光達影像上分類樹冠

Posted on by

森林的保護與管理在生態系統扮演著至關重要的角色，而遙測技術提供了一個便捷有效的方法來蒐集森林的資訊，特別是複雜的山區地形更加劇了森林調查的相關工作，人工實地勘查往往費時又費力。光學雷達(LiDAR)影像已然廣泛地被應用於量測林木高度及偵測樹冠，高解析度的光達影像促成了許多提取樹冠資訊演算法的開發，更能獲取詳盡的林地資料。
一個基於光達影像開發的樹冠偵測與描繪演算法的問題，是如何調整演算法中的參數或是閥值，諸如區域極值過濾(Wulder et al., 2000; Pouliot et al., 2002)，或是樣板匹配(Pollock, 1996)等等，都需要基於一些背景知識的假設，使得演算法能提升準確率抑或降低誤判率，由於自然林地生長環境多變，樹與樹之間為了兢爭生存空間枝節交錯，或是因光達影像取樣率不同，致使原先的假設改變，因此演算法在設定參數或閥值時便有了限制。
本篇研究旨在使用卷積神經網路(CNN)分類器於樹冠辨識的演算法，樹冠候選由改良的區域極值演算法所偵測，藉由卷積層提取的特徵將眾多的樹冠候選分類，卷積網路在處理空間相依度高的資料十分有用，描述這些不規則形狀的樹冠非常強大，結果顯示卷積層能夠提取樹冠於深度影像上的主要資訊，卷積網路提供了特徵提取並且很好的分類出樹冠與誤判的非樹區域。

利用梯度向量蛇行演算法改進多層次形態學動態輪廓演算法

Posted on by

早期的遙測技術皆以人工判讀影像，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)，此演算法利用由下而上的侵蝕(Bottom-up erosion)找出樹冠做為種子，進一步透過形態學與主動輪廓演算法描繪出樹冠。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，並無任何機制針對所找出的樹冠進行篩檢。另外此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。
本論文將修改多層次形態學動態輪廓演算法，導入梯度向量蛇行演算法，藉以解決上述了兩大問題。論文中保留了MMAC向上侵蝕技術找出樹冠頂端做為種子，利用梯度向量蛇行演算法將種子輪廓拓樸到真實樹冠所在位置，經由本論文實驗結果驗證，將可以有效提升樹冠的偵測率及輪廓描繪的速度。

Pollock模型最小平方法之樹冠偵測與描繪

Posted on by

近年來氣候越趨近極端，大自然的保護更為重要，如何有效的管理森林面積以及利用樹種變遷來追蹤氣候的變化，成為一個非常重要的議題。但因為透過人工方式實地去調查非常費時且耗人力，由於遙測影像具有大範圍與即時監控等特性，因此該技術被廣泛地用於此一應用。
自1980年以來有許多的樹木偵測與輪廓描繪的演算法被提出，最早的演算法是利用樹木於彩色(RGB)空照圖上的特性，將每棵樹的輪廓圈選出來。近十多年來，由於光達影像可以提供物體垂直的結構，因此開始被廣泛地用於此應用。縱然許多的針對多光譜或RBG彩色影像所提出演算法依然適用於光達影像，然而這些演算法均未善加利用光達影像所提供的樹木垂直特性。
本論文利用Pollock所提出的三維樹木模型，此一模型可以用來模擬樹木三維的輪廓，然而此一模型的精確度嚴重的仰賴各項參數。為了解決此一問題，本論文提出一套迭代式演算法，於迭代的過程中找出與樹冠頂端的資料點最接近的Pollock模型，並透過最小平方法求得誤差，利用此一誤差將樹冠區域過濾出來，並將其概略的輪廓描繪出來，所提出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。

導入模型之多層次型態學動態輪廓演算法

Posted on by

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。

利用統一計算架構(CUDA)實踐多層次形態學動態輪廓演算法之平行運算

Posted on by

台灣的森林由於海拔以及氣候的關係分布較廣，如果要利用人工管理必須要耗費極大的人力，因此遙測影像被廣泛地應用在此一用途，然而人工影像判讀不僅僅需要大量人力也依賴判讀者的經驗。
近幾年來多層次形態學動態輪廓演算法(MMAC)被提出來用以自動偵測樹木與輪廓描繪，此一演算法可以有效地解決高山地區的樹木輪廓辨識率，不過卻也面臨運算量龐大的問題，使其難以運用於大面積的遙測影像。
近年來平行運算架構逐漸趨於成熟，被視為用以解決龐大運算量的有效方案，然而目前的平行運算架構，依然受限於資料與運算相依性的問題。而多層次形態學動態輪廓演算法由於具有高度的運算相依性，因此難以利用平行運算架構來實踐，並解決運算量龐大的問題。
本論文將修改多層次形態學動態輪廓演算法，透過影像編碼的概念，減少其運算過程中的相依性，使一演算法得以被實踐於平行運算的平台上，並採用統一計算架構為範例，進一步驗證本論文的概念與平行運算的效能。

利用光譜訊息來改進多層次型態學動態輪廓演算法於樹木偵測與樹冠描繪

Posted on by

台灣的森林由於氣候與海拔的關係，從低海拔的闊葉林到高海拔的針葉林，分佈相當廣泛。台灣的高山地形使得人工管理近乎不可能，因此遙測影像被廣泛的應用來解決此一問題，然而人工影像判讀除了需要大量的人力以外，並嚴重依賴判讀者的經驗。近年來多層次型態學動態輪廓演算法(MMAC)被提出來用以自動偵測樹木與輪廓描繪。
多層次型態學動態輪廓演算法(MMAC)雖然可以有效的解決高山地區的樹木輪廓辨識率，然而此一演算法的原先設計，是針對光達影像所提供的高度資訊來偵測樹木與樹冠描繪。若影像資料為傳統的RBG影像與多光譜影像的型態，因為難以直接對應到光達影像所呈現的高度時，此一演算法的偵測效能就會大幅下降。
本論文將光譜資訊加入多層次型態學動態輪廓演算法，用以改良其原本只能使用於光達影像上的缺點，藉由加入頻譜資訊的概念，利用頻譜分析與分類器，進一步提升偵測率並拓展此一演算法到多光譜影像。本論文以光譜分析的角度改進原演算法的限制性，並進一步提升樹木偵測與樹冠描繪的效能，並期望未來能夠應用於大面積的遙測影像上。