Basi del pan-sharpening

Il pan-sharpening utilizza un'immagine pancromatica ad alta risoluzione (o banda raster) per la fusione con un dataset raster multibanda a bassa risoluzione. Il risultato è un dataset raster multibanda con la risoluzione del raster pancromatico in cui i due raster si sovrappongono completamente.

Il pan-sharpening è una trasformazione radiometrica disponibile tramite una funzione raster o da uno strumento di geoprocessing. Alcune aziende di immagini forniscono immagini multibanda a bassa risoluzione e immagini pancromatiche ad alta risoluzione delle stesse scene. Questo processo è utilizzato per aumentare la risoluzione spaziale e fornire una migliore visualizzazione di un'immagine multibanda usando l'immagine a banda singola e alta risoluzione.

Un esempio di sharpening pancromatico

Metodi di pan-sharpening

Ci sono cinque metodi di fusione delle immagini tra cui scegliere per creare l'immagine processata: la trasformazione Brovey, la trasformazione Esri pan-sharpening, il metodo di sharpening spettrale Gram-Schmidt, la trasformazione intensità, tonalità, saturazione (IHS) e la trasformazione a media semplice. Ciascuno di questi metodi utilizza modelli diversi per migliorare la risoluzione spaziale mantenendo il colore e alcuni sono adattati per includere una ponderazione in modo da poter includere una quarta banda (ad esempio la banda a infrarossi vicini disponibile in molte origini di immagine multispettrale). Aggiungendo la ponderazione e abilitando il componente infrarosso, la qualità visiva dei colori di output viene migliorata.

Brovey

La trasformazione Brovey si basa sulla modellazione spettrale ed è stata sviluppata per aumentare il contrasto visivo nelle estremità alta e bassa dell'istogramma dei dati. Utilizza un metodo che moltiplica ciascun pixel multispettrale ricampionato per il rapporto tra l'intensità del pixel pancromatico corrispondente e la somma di tutte le intensità multispettrali. Si presuppone che l'intervallo spettrale attraversato dall'immagine pancromatica sia lo stesso di quello coperto dai canali multispettrali.

Nella trasformazione Brovey, l'equazione generale utilizza le bande rosso, verde e blu (RGB) e pancromatica come input per restituire nuove bande rosso, verde e blu, ad esempio:

Red_out = Red_in / [(blue_in + green_in + red_in) * Pan]

Tuttavia, utilizzando i valori ponderati e la banda del vicino infrarosso (se disponibile), l'equazione regolata per ciascuna banda diventa

DNF = (P - IW * I) / (RW * R + GW * G + BW * B) Red_out = R * DNF Green_out = G * DNF Blue_out = B * DNF Infrared_out = I * DNF

dove gli input sono

P = immagine pancromatica R = banda rossa G = banda verde B = banda blu I = infrarosso vicino W = peso

Esri

La trasformazione di pan-sharpening Esri utilizza una media ponderata e la banda infrarossa vicina aggiuntiva (facoltativa) per creare le sue bande di output processate. Il risultato della media ponderata viene utilizzato per creare un valore di adattamento (ADJ) che viene poi utilizzato nel calcolo dei valori di output, ad esempio:

ADJ = immagine pan - WA Red_out = R + ADJ Green_out = G + ADJ Blue_out = B + ADJ Near_Infrared_out = I + ADJ

I valori ponderati delle bande multispettrali dipendono dalla sovrapposizione delle curve di sensibilità spettrale delle bande multispettrali con la banda pancromatica. I valori ponderati sono relativi e saranno normalizzati quando vengono utilizzati. La banda multispettrale con la sovrapposizione maggiore con la banda pancromatica ottiene il peso maggiore. Una banda multispettrale che non si sovrappone con la banda pancromatica ottiene un peso di 0. Modificando il valore di peso degli infrarossi vicini, l'output verde può essere reso più o meno vibrante.

Gram-Schmidt

Il metodo di sharpening Gram-Schmidt si basa su un algoritmo generico per l'ortogonalizzazione dei vettori, l'ortogonalizzazione Gram-Schmidt. Questo algoritmo riceve vettori (ad esempio tre vettori in spazio 3D) non ortogonali, poi li ruota per renderli ortogonali. Nel caso delle immagini, ogni banda (pancromatica, rossa, verde, blu e infrarossa) corrisponde a un vettore ad alta dimensione (il numero di dimensioni è uguale al numero di pixel).

Nel metodo di pan-sharpening Gram-Schmidt, il primo passaggio è creare una banda di pan a bassa risoluzione calcolando una media ponderata delle bande MS. Dopodiché, queste bande vengono decorrelate usando l'algoritmo di ortogonalizzazione Gram-Schmidt, che tratta ogni banda come un vettore multidimensionale. La banda di pan simulata a bassa risoluzione viene utilizzata come vettore principale e non viene ruotato o trasformato. La banda di pan a bassa risoluzione viene poi sostituita dalla banda di pan ad alta risoluzione e tutte le bande vengono ritrasformate in alta risoluzione.

Alcuni pesi suggeriti per i sensori più comuni sono i seguenti (rispettivamente rosso, verde, blu e infrarosso):

• GeoEye—0.6, 0.85, 0.75, 0.3
• IKONOS—0.85, 0.65, 0.35, 0.9
• QuickBird—0.85, 0.7, 0.35, 1.0
• WorldView-2—0.95, 0.7, 0.5, 1.0

Riferimenti

I dettagli per questa tecnica sono descritti nel seguente brevetto:

Laben, Craig A., and Bernard V. Brower. Process for Enhancing the Spatial Resolution of Multispectral Imagery using Pan-Sharpening. US Patent 6,011,875, filed April 29, 1998, and issued January 4, 2000.

IHS

Il metodo di pan-sharpening IHS converte l'immagine multispettrale da RGB a intensità, tonalità e saturazione. L'intensità a bassa risoluzione viene sostituita con l'immagine pancromatica ad alta risoluzione. Se l'immagine multispettrale contiene una banda a infrarossi, viene presa in considerazione sottraendola utilizzando un fattore di ponderazione. L'equazione utilizzata per derivare il valore di intensità alterato è la seguente:

Intensità = P - I * IW

Dopodiché, l'immagine viene ritrasformata da IHS in RGB in alta risoluzione.

Media semplice

Il metodo di trasformazione a media semplice applica un'equazione di media semplice a ciascuna combinazione di banda di output, ad esempio:

Red_out= 0.5 * (Red_in + Pan_in) Green_out = 0.5 * (Green_in + Pan_in) Blue_out= 0.5 * (Blue_in + Pan_in)