側掃聲納影像於海床底質測繪上的應用：台灣與澎湖間的海床底質與地貌

Abstract

為了達到客觀分析側掃聲納影像的目的，本研究利用加拿大QTC公司研發的SwathView軟體來進行聲學分類的工作，它的特點就是利用影像分割法將側掃聲納影像數化。我們將其應用在台灣與澎湖之間的區域側掃聲納資料，並且比對由香港EGS公司利用傳統肉眼判別做的底質分佈報告，來看以傳統方法與新的軟體分析方法做出的結果有多大的差異度。我們發現以肉眼的判斷方式容易將砂、泥底質以及硬底質海床與岩石海床判斷錯誤，這些都可由我們的分析中輕易的分辨出來。 本篇論文還詳細的介紹了整個軟體的處理步驟以及原理，其中包括了初步的影像補償動作，接著把影像切割為許多區塊並以各種不同的統計演算法去計算區塊內的訊號強度值，然後使用主成份分析法去取出前三個主成份(稱之Q1、Q2、Q3)來代表各個分割區塊的聲學特性，最後將每個區塊的資料放置在由Q1、Q2、Q3軸組成的座標系統中，由K-means分群法將這些資料分群，分群結果就是將具有相同聲學特性的區域分辨出來，分別歸類為獨立的群集。由於軟體分析出來的結果不是十分的完美，仍有一些群集並非為真實底質所反應出來的聲學特性，比較常見的就是有延航線方向分佈特徵的群集，因此我們還進行了一套資料處理步驟，包括分析前處理以及分析後處理，利用這套資料品管過程，可以將最後的分類影像圖品質提昇許多，最後再將分類資料點結合水深資料利用GMT同步畫在一張圖上，如此就可以得到水深底質圖，方便我們對底質分佈與地形變化做討論。 在水深地形圖上我們發現在靠台灣側大陸棚上堆積較厚的沉積物、呈現平整的海床表面；澎湖水道上為崎嶇的海床，有許多水流侵蝕造成的凹槽；靠澎湖側的海床上有發現許多因火山活動而形成的小丘陵。

In order to objectively analyze side-scan sonar image, we use SwathView which produced by QTC in Canada to process acoustic classification. We also use SwathView to analyze the data of area between Taiwan and Penghu Island. The main feature of SwathView is segmentation method; it combines many statistic algorithms and is useful to process large dataset. Every data has its own acoustic property; we classify the data which has the same acoustic property as one class and the others are so on. Firstly, we load each file and compensate it. Secondly, we segment sonar image by small rectangle, each small rectangle area has many backscatter intensity information. Thirdly, we calculate each rectangle area’s intensity value by statistic algorithms; each rectangle area has 29 statistic values. The last, we reduce 29 values to 3 principle values which called Q1, Q2, Q3 by PCA, according to these Q values we can define each rectangle area’s acoustic property and use K-means cluster method to classify each data. After classification by software, the result seems not well because some class has fake information. The most common fake information is along-track feature. Therefore we must process quality control. I devise the process of quality control by two steps: filter data before analysis and process data after analysis. After quality control we can get a good acoustic classification image. Then we can define each class by real habitat samples.