ДОСЛІДЖЕННЯ ЕФЕКТИВНОСТІ МЕТОДІВ ЗЛИТТЯ СУПУТНИКОВИХ ЗНІМКІВ ВИСОКОГО ПРОСТОРОВОГО РОЗРІЗНЕННЯ
DOI:
https://doi.org/10.32782/KNTU2618-0340/2020.3.2-1.11Ключові слова:
злиття; гіперсферичне перетворення; супутникові знімки, високе просторове розрізнення; вейвлет-перетворення; нормалізований індекс вегетаціїАнотація
Впродовж останніх років космічні знімальні системи стрімко розвиваються. На даний момент вони дозволяють отримувати дані з просторовим розрізненням півметра і менше для дослідження стану лісів, морських акваторій, шельфів тощо. Поява знімків високого просторового розрізнення вимагає застосування спеціальних методів їх обробки. Тому в даній роботі проведено аналіз ефективності відомих методів злиття супутникових знімків високого просторового розрізнення. Порівнюються методи: GIHS, Brovey, HPF, HCT, вейвлет-перетворення та комбінований HSV-HCT, з метою знаходження їх відмінностей та подальшого ефективного використання. Оцінка якості зображення відіграє важливу роль в обробці супутникових знімків, особливо при використанні методів підвищення інформативності зображень. Дослідження ефективності методів злиття відбувалися на первинних супутникових знімках високого просторового розрізнення WorldView-2. Одним із критеріїв перевірки спектральних властивостей синтезованих зображень є розрахунок спектрального індексу NDVI. Отриманні значення індексу NDVI для методів «Brovey» та HPF свідчать про колірні спотворення в порівнянні з еталонними даними. Це обумовлено тим, що методи «Brovey» та HPF засновані на злитті трьох канальних зображень та не враховують інформацію, яка міститься в ближньому інфрачервоному діапазоні. Порівняння кількісних показників (RMSE, ERGAS та NDVI) та візуальні результати показали перевагу комбінованого HSV-HCT методу. Це досягається, зокрема, за рахунок попередньої обробки первинних знімків, оброблення даних у локалізованих спектральних базисах, оптимізованого за інформаційними характеристиками, та використання інформації, яку містить зображення інфрачервоного діапазону. Тестування показали, що синтезоване зображення високого просторового розрізнення з максимальною інформативністю досягається при комплексному використанні методів злиття, що дозволяє підвищити просторову розрізненість багатоканального зображення без істотних колірних спотворень. Результати роботи можуть бути використані при подальшому розпізнаванні об’єктів та тематичній обробці знімків.
Посилання
Zhang Y. Understanding Image Fusion. Photogrammetric Engineering and Remote Sensing. 2004. Vol. 70. № 6. P. 657−661.
Hordiiuk D. M., Hnatushenko V. V. Neural Network and Local Laplace Filter Methods Applied to Very High Resolution Remote Sensing Imagery in Urban Damage Detection. 2017 IEEE International Young Scientists Forum on Applied Physics and Engineering (YSF), (Lviv, October 17-20, 2017). P. 363−366. DOI: 10.1109/YSF.2017.8126648.
Basaeed E., Bhaskar H., Al-Mualla M. Beyond Pan-Sharpening: Pixel-Level Fusion in Remote Sensing Applications. 8th International Conference on Innovations in Information Technology (Innovations’12). (UAE, Al-Ain, March 18-20, 2012). P. 139–144.
Amro J., Mateos M., Vega R., Molina A., Katsaggelos K. A Survey of Classical Methods and New Trends in Pansharpening of Multispectral Images. EURASIP Journal on Advances in Signal Processing. 2011. Article 79. 22 p.
Kahtan V. Yu., Hnatushenko V. V. A Wavelet and HSV Pansharpening Technology of High Resolution Satellite Images. Intelligent Information Technologies & Systems of Information Security (IntelITSIS 2020): International Conference. (Ukraine, Khmelnytskyi, June 10-12, 2020).Khmelnytskyi, 2020. P. 67−76.
Hnatushenko V., Hnatushenko Vik., Kavats O., Shevchenko V. Pansharpening Technology of High Resolution Multispectral and Panchromatic Satellite Images. Scientific Bulletin of National Mining University. 2015. Issue 4. P. 91−98.
Rahmani S., Strait M., Merkurjev D., Moeller M., Wittman T. An Adaptive IHS PanSharpening Method. IEEE Geoscience and Remote Sensing Letters. 2010. Vol. 7. Issue 4. P. 746–750.
Tu T., Su S., Shyu H., Huang P. A New Look at IHS-Like Image Fusion Methods.Information Fusion. 2001. Vol. 2. № 3. P. 177−186.
Ghassemian H. A Review of Remote Sensing Image Fusion Methods. Information Fusion. 2016. Vol. 32. P. 75–89. DOI:10.1016/j.inffus.2016.03.003.
Wang Z., Ziou D., Li D., Li Q. A Comparative Analysis of Image Fusion Methods. IEEE Transactions on Geoscience and Remote Sensing. 2005. Vol. 43. № 6. P. 1391−1402.
Zhang J. Multi-Source Remote Sensing Data Fusion: Status and Trends. International Journal of Image and Data Fusion. 2010. Vol. 1. Issue 1. P. 5−24.
Li X., Xu F., Lyu X., Tong Y., Chen Z., Li S., & Liu D. A Remote-Sensing Image PanSharpening Method Based on Multi-Scale Channel Attention Residual Network. IEEE Access. 2020. Vol. 8. P. 27163–27177. DOI:10.1109/access.2020.2971502.
Aishwarya N., Abirami S., Amutha R. Multifocus Image Fusion Using Discrete Wavelet Transform and Sparse Representation. Wireless Communications, Signal Processing and Networking (WiSPNET): International Conference. (India, Chennai, March 23-25, 2016). Chennai, 2016. P. 2377−2382. DOI: 10.1109/WiSPNET.2016.7566567.
Гнатушенко В. В., Шевченко В. Ю., Кавац О. О. Підвищення просторового розрізнення багатоканальних аерокосмічних зображень високого просторового розрізнення на основі гіперсферичного перетворення. Радіоелектроніка, інформатика, управління. 2015. № 1 (32). С. 73−79.
Meinel G., Neubert M. A Comparison of Segmentation Programs for High Resolution Remote Sensing Data. International Archives of Photogrammetry and Remote Sensing.2014. Vol. 35. Part B. P. 1097−1105.
Maglione P., Parente C., Vallario A. Pan-Sharpening Worldview-2: IHS, Brovey and Zhang Methods In Comparison. International Journal of Engineering and Technology. 2016. Vol. 8. Issue 2. P. 673−679.
Gangkofner U. G., Pradhan P. S., Holcomb D. W. Optimizing the High-Pass Filter Addition Technique for Image Fusion. Photogrammetric Engineering and Remote Sensing. 2008. Vol. 74. Issue 9. P. 1107−1118.18. Li Xu, Mingyi He, Zhang Lei. Hyperspherical Color Transform Based Pansharpening Method for WorldView-2 Satellite Images. Industrial Electronics and Applications: 8th IEEE Conference. (Australia, Melbourne, June 19–21, 2013). Melbourne, 2013. P. 520−523. DOI: 10.1109/ICIEA.2013.6566424.
Aishwarya N., Abirami S., Amutha R. Multifocus image fusion using Discrete Wavelet Transform and Sparse Representation. Wireless Communications, Signal Processing and Networking (WiSPNET 2016): International Conference. (India, Chennai, March23-25, 2016). Chennai, 2016. P. 2377−2382. DOI: 10.1109/WiSPNET.2016.7566567.
Chen S., Zhang R., Su H., Tian J., Xia J. Scaling-up transformation of multisensor images with multiple resolutions. Sensors. 2009. Issue 9. P. 1370−1381.
Dr. Mustafa, Mustafa T. Using Water Indices (ndwi, mndwi, ndmi, wri and awei) to Detect Physical and Chemical Parameters by Apply Remote Sensing and GIS Techniques. International Journal of Research − GRANTHAALAYAH. 2017. Vol. 5.Issue 10. P. 117−128. DOI: 10.5281/zenodo.1040209.
