結合粗糙集與支援向量機分析方法在高光譜水稻田遙測影像判釋之研究

摘要

稻米为台湾最主要的农作物与粮食,其产值、土地、劳动及水源资源配置,皆具有举足轻重的地位,水稻田的面积、产量、种类…等资料往往以人工判释并实地勘查、采集资料,但是过于耗费时间与人力资源,且无法有效率地一次性处理大范围区域,因此透过遥测影像判释,并探讨足以改善目前实地勘查之窘境.本研究拟以高光谱为材料,以72个波段为影像属性,进行支援向量机的分类,因高光谱内涵许多大量隐藏资讯,支援向量机又适合解决多维度、非线性问题,并有较强的泛化能力,因此本研究以支援向量机作为影像判释之分类器,并以粗糙集理论和乱度基础分类法探讨特征萃取是否优于原始光谱波段,因此本研究拟利用嘉南平原-黄金廊道水稻田之高光谱影像作为研究案例,并以三类不同属性判释之结果探讨其差异性(a)原始72属性(b)粗糙集特徵选取最有用46属性(c)粗糙集与乱度基础分类法46属性中重叠之类别,建构主题图和误差矩阵后,并讨论是否全部选取的波段或是属性删减,对分群效果有助益.本研究以ENVI人工选取资料点,分别为2000笔测试资料、500笔训练资料,经由支援向量机完成参数最佳化,训练后之正确率为98.75％,于三种不同的属性研究中互相比较后,发现经过粗糙集的特征选取之判释结果优于案例(a)、(c)两种判释结果.