• 研究生: 陳彥均
• 畢業學年度: 104
• 相關連結

壽司為日本飲食文化中代表性食物，於八十年代開始逐漸由日本推廣至全世界各地，今日壽司在全世界各地區均十分風行。迴轉壽司為壽司餐廳的一種，由壽司師傅將製作好的壽司放在盤子後，藉由運輸帶圍繞餐廳的坐檯，由顧客挑選喜愛的品項取用，迴轉壽司店通常比傳統壽司店的價錢來得大眾化，因此更廣泛受到一般大眾的歡迎。然而迴轉壽司店經常需要面對兩個問題，第一個為如何保持製作好壽司的新鮮度，由於大部分壽司品項均含有海鮮，如何保持輸送帶上壽司的新鮮度成為一個非常重要的考量。第二個為哪些壽司品項為目前需要優先製作，目前大多數迴轉壽司店依賴壽司師傅的經驗來決定將製作的壽司品項，但是由於客戶的喜好不同，此方式經常導致部分品項生產太多(少)，進一步造成新鮮度的疑慮、食物成本浪費或顧客用餐品質下降等問題。
本論文開發結合影像處理與機器學習技術的壽司品項自動辨識系統。系統利用數位影像的前處理(模糊化、Canny邊緣偵測、霍夫轉換、連通成分、背景去除、色彩空間轉換等)將影像中的壽司區域圈選出來，再透過機器學習與圖形辨識的非監督式分群與群數自動估計(K-means、PBM-index)預估壽司中所包含的食材數量，最後利用監督式的分類(貝氏分類器、支持向量機)技術針對壽司品項進行分類。本論文於實驗部分透過真實拍攝的壽司影像進行驗證，並且加上不同程度的干擾與雜訊分析所開發系統的抗干擾與抗雜訊能力。

• 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。

• 研究生: 黃富聖
• 畢業學年度: 102
• 相關連結

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。

• 研究生: 黃冠勝
• 畢業學年度: 101
• 相關連結

步態在醫療照護上及醫學上是一個相當重要指標，在神經外科中，步態可以視為是由神經與肌肉的協調動作，然而目前的醫學診斷方式，主要是以醫生的主觀判定，但因不同醫師的主觀判定而有所不同，難以建立長期的追蹤與察覺其細微的變化。
步態分析可以用來評估及測量人類走路的行為模式。近年來大多數相關研究專注於將步態資訊量化，用以尋找與其相關的病因，然而大多數的方法需要侷限測試者於預設的實驗空間，並利用精密的儀器蒐集與分析步態資料。此方式難以反應日常生活中的情況。為了解決此限制，本論文以智慧型手機內嵌三軸加速器作為收集資料的感測器，並且將頸椎受傷的病人作為實驗目標，收集步態信號，進一步分析病人於手術前後的步態信號差異，建立一個統計量表提供量化分析的依據，除了可以與醫學相關病徵做連結對應之外，並提供病人與家屬一個復原的指標。
本論文中利用步態訊號於三軸加速器之特性分割步態週期，以三種訊號處理分析演算法包括傅立葉轉換（Fourier Transform）、短時傅立葉轉換（Short-time Fourier transform）、希爾伯特-黃轉換（Hilbert-Huang Transform）經驗模態分解（EMD），並採用統機分析的方法，制訂量化標準來幫助判斷手術前於手術後的顯著區別。並期待本論文的貢獻於未來能夠提供醫護人員，與診療復健相關細微難以查覺的步態資訊外，並可以成為病人自身的參考指標。

• 研究生: 陳怡玲
• 畢業學年度: 101
• 相關連結

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。