Дослідження ефективності методів злиття сканерних даних аерокосмічної багатоспектральної зйомки

1Гнатушенко, ВВ, 2Кавац, ОО, 3Макаров, ОЛ, 1Бражнік, ДП
1Дніпропетровський національний університет імені Олеся Гончара
2Національна металургійна академія України
3Державне підприємство «Конструкторське бюро «Південне» ім. М. К. Янгеля», Дніпропетровськ
Косм. наука технол. 2014, 20 ;(5):50–54
https://doi.org/10.15407/knit2014.05.050
Мова публікації: українська
Анотація: 

Досліджуються методи злиття, які дозволяють найбільш ефективно підвищити інформативність багатоспектральних аерокосмічних зображень надвисокого просторового розрізнення з мінімальними спотвореннями кольору. Отримані результати свідчать про те, що синергетична обробка сканерних багатоспектральних даних за допомогою запропонованої інформаційної технології на основі ICA- та вейвлет-перетворень у порівнянні з класичними методами злиття дає більш якісний результат. Синтезоване зображення має підвищену інформативність без спотворень кольору.

Ключові слова: багатоспектральні аерокосмічні зображення, вейвлет-перетворення, методи злиття
References: 
1. Гнатушенко В. В., Кавац О. О. Інформаційна технологія підвищення просторової розрізненості цифрових супутникових зображень на основі ІСА- та вейвлет-перетворень // Вісник Нац. ун-ту «Львівська політехніка». Сер. Комп’ютерні науки та інформаційні технології. — 2013. — № 771. — С. 28—32.
2. Кавац О. О., Гнатушенко В. В., Сафаров О. О. Дослідження впливу характеристик вейвлетів на ефективність об’єднання фотограмметричних зображень // Пр. Таврійського держав. агротехн. ун-ту. Прикладна геометрія та інженерна графіка. — 2013. — Вип. № 4, 56. — С. 33—40.
3. Akula R., Gupta R., Devi M. R. V.An efficient PAN sharpening technique by merging two hybrid approaches // Procedia Eng. — 2012. — 30. — P. 535—541. — http:// dx.doi.org/ 10.1016/j.proeng. 2012.01.895.
4. Blum R. S., Liu Z. Multi-sensor image fusion and its applications. — NW: CRC Press, Taylor & Francis Group, 2006. ⎯512 p.
5. Chen F., et al. Fusion of remote sensing images using improved ICA mergers based on wavelet decomposition // Procedia Eng. — 2012. — 29. — P. 2938—2943. — http:// dx.doi.org/10.1016/j.proeng.2012.01.418.
6. Heng Chu, Weile Zhu. Fusion of IKONOS satellite imagery using IHS transform and local variation // IEEE Trans. Geosci. and Remote Sens.. — 2008. — 5, N 4.
7. Hnatushenko V., Safarov A. Computer technology more informative multispectral images of the earth surface // Appl. Geometry and Engineering Graphics. — K.: KNUBA, 2012. — Vol. 89. — P. 140—144.
8. Li S. Multisensor remote sensing image fusion using stationary wavelet transform: effects of basis and decomposition level // Int. J. Wavelets Multiresolut. Inform. Process. — 2008. — 6, N 1. — P. 37—50.
9. Nirmala D. E., Paul B. S., Vaidehi V. A novel multimodal image fusion method using shift invariant discrete wavelet transform and support vector machines // Proceedings of the International Conference on Recent Trends in Information Technology, Jun. 3—5, 2011. — Chennai, Tamil Nadu: IEEE Xplore Press, 2011. — Р. 932—937. — DOI: 10.1109/ICRTIT.2011.5972405.
10. Pohl C., Van Genderen J. L. Multisensor image fusion in remote sensing: concepts, methods and applications // Int. J. Remote Sens. — 1998. — 19, N 5. — P. 823—854.
11. Schowengerdt R. Remote sensing: Models and methods for image processing. — New York: Acad. Press, 2007.
12. Wang Z. J., Ziou D., Armenakis C. A. Comparative analysis of image fusion methods // IEEE Trans. Geosci. and Remote Sens. — 2005. — 43, N 6. — P. 1391—1402.