영상융합 기본 사항

영상융합은 고해상도 팬크로매틱 이미지(또는 Raster 밴드)를 사용하여 저해상도 다중밴드 래스터 데이터셋과 융합합니다. 그러면 두 개의 래스터가 완전히 중첩되는 팬크로매틱 래스터의 해상도로 다중밴드 래스터 데이터셋이 생성됩니다.

영상융합은 래스터 함수 또는 지오프로세싱 도구를 통해 사용할 수 있는 방사 변환입니다. 여러 이미지 회사에서 동일한 씬의 저해상도 다중밴드 이미지 및 고해상도 팬크로매틱 이미지를 제공합니다. 이러한 프로세스를 통해 공간 해상도를 높이고 고해상도 단일밴드 이미지를 사용하여 다중밴드 이미지의 시각화를 개선합니다.

영상융합의 예시

영상융합 방법

영상융합 이미지를 생성하기 위해 선택할 수 있는 이미지 융합 방법에는 Brovey 변환, Esri 해상도 향상 변환, Gram-Schmidt 스펙트럼 선명화 방법, 강도, 색조, 채도(IHS) 변환, 단순 평균 변환의 5가지 방법이 있습니다. 이러한 각 방법은 다양한 모델을 사용하여 색상을 유지하면서 공간 해상도를 개선하고, 일부는 네 번째 밴드(많은 다중스펙트럼 이미지 원본에서 사용 가능한 Near-infrared 밴드 등)를 포함할 수 있도록 가중치를 포함하도록 조정됩니다. 가중치를 더하고 적외선 컴포넌트를 활성화하면 결과 색상의 시각적 품질이 향상됩니다.

Brovey

Brovey 변환은 스펙트럼 모델링을 기반으로 하며 데이터 히스토그램의 하이 엔드 및 로우 엔드에서 시각적 대비를 증가시키기 위해 개발되었습니다. 여기에서는 리샘플링된 각 다중스펙트럼 픽셀을 모든 다중스펙트럼 강도의 합에 대한 해당 팬크로매틱 픽셀 강도의 비율로 곱하는 방법을 사용합니다. 팬크로매틱 이미지의 스펙트럼 범위는 다중스펙트럼 채널에서 포괄하는 스펙트럼 범위와 동일하다고 가정합니다.

Brovey 변환의 일반 방정식에서는 RGB(Red, Green, Blue) 및 Panchromatic 밴드를 입력으로 사용하여 다음과 같이 새로운 Red, Green, Blue 밴드를 출력합니다.

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

그러나 Weights 및 Near-infrared 밴드(있는 경우)를 사용하는 경우 각 밴드에 대해 조정된 방정식은 다음과 같습니다.

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

여기서, 입력은 다음과 같습니다.

P = 팬크로매틱 이미지 R = Red 밴드 G = Green 밴드 B = Blue 밴드 I = Near infrared W = 가중치

Esri

Esri 영상융합 변환은 가중치 평균 및 추가 Near-infrared 밴드(선택 사항)를 사용하여 영상융합 결과 밴드를 생성합니다. 가중치 평균 결과는 다음과 같이 결과 값을 계산하는 데 사용되는 조정 값(ADJ)을 생성하는 데 사용됩니다.

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

Multispectral 밴드에 대한 가중치는 Multispectral 밴드와 Panchromatic 밴드의 스펙트럼 민감도 곡선의 중첩에 따라 달라집니다. 가중치는 서로 연관되어 있으며 사용될 때 정규화됩니다. Panchromatic 밴드와 가장 많이 중첩되는 Multispectral 밴드는 가장 큰 가중치를 포함해야 합니다. Panchromatic 밴드와 전혀 중첩되지 않는 Multispectral 밴드의 가중치는 0으로 지정해야 합니다. 근적외선 가중치 값을 변경하여 Green 결과를 다소 선명하게 지정할 수 있습니다.

Gram-Schmidt

Gram-Schmidt 영상융합 방법은 벡터 직교화를 위한 일반 알고리즘인 Gram-Schmidt 직교화를 기반으로 합니다. 이 알고리즘은 직교화하지 않는 벡터(예시: 3D 공간의 3가지 벡터)를 가져온 다음 나중에 직교화되도록 회전합니다. 이미지의 경우 각 밴드(Panchromatic, Red, Green, Blue, Infrared)는 하나의 고차원 벡터(디멘전 수는 픽셀 수와 동일)에 해당합니다.

Gram-Schmidt 영상융합 방법에서 첫 번째 단계는 MS 밴드의 가중치 평균을 계산하여 저해상도 Pan 밴드를 만드는 것입니다. 다음으로 이러한 밴드는 Gram-Schmidt 직교화 알고리즘을 사용하여 상관 관계를 해제하고 각 밴드를 하나의 다차원 벡터로 처리합니다. 시뮬레이션된 저해상도 Pan 밴드는 회전되거나 변환되지 않은 첫 번째 벡터로 사용됩니다. 그런 다음 저해상도 Pan 밴드가 고해상도 Pan 밴드로 대체되고 모든 밴드가 고해상도로 역변환됩니다.

일반적인 센서에 대해 권장되는 몇 가지 가중치는 다음과 같습니다(각각 Red, Green, Blue, Infrared).

• 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

참조

이러한 기술에 대한 세부정보는 다음 특허에 설명되어 있습니다.

Laben, Craig A., and Bernard V. Brower. 영상융합을 통해 다중스펙트럼 영상의 공간 해상도를 개선하기 위한 프로세스. 미국 특허 6,011,875, 1998년 4월 29일 출원, 2000년 1월 4일 발행.

IHS

IHS 영상융합 방법은 다중스펙트럼 이미지를 RGB에서 강도, 색조, 채도로 변환합니다. 저해상도 강도는 고해상도 팬크로매틱 이미지로 대체됩니다. 다중스펙트럼 이미지에 Infrared 밴드가 포함되어 있는 경우 가중치 계수를 사용하여 뺍니다. 변경된 강도 값을 도출하는 데 사용되는 방정식은 다음과 같습니다.

강도 = P - I * IW

그런 다음 이미지는 IHS에서 고해상도의 RGB로 역변환됩니다.

Simple mean

단순 평균 변환 방법은 다음과 같이 각 결과 밴드 조합에 단순 평균 방정식을 적용합니다.

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