Исследование эффективности методов слияния сканерных данных аэрокосмической многоспектральной съемки
Рубрика:
| 1Гнатушенко, ВВ, Кавац, АА, Макаров, АЛ, Бражник, ДП 1Дніпропетровський національний університет імені Олеся Гончара |
| Косм. наука технол. 2014, 20 ;(5):50–54 |
| https://doi.org/10.15407/knit2014.05.050 |
| Мова публікації: украинский |
Анотація: Исследуются методы слияния, которые позволяют наиболее эффективно повысить информативность многоспектральных аэрокосмических изображений сверхвысокого пространственного разрешения с минимальными цветовыми искажениями. Полученные результаты свидетельствуют о том, что синергетическая обработка многоспектральных данных с помощью предложенной информационной технологии на основе ICA- и вейвлетпреобразований по сравнению с классическими методами слияния дает более качественный результат. Синтезированное изображение имеет повышенную информативность без спектральных искажений |
| Ключові слова: вейвлет-преобразование, методы слияния, многоспектральные аэрокосмические изображения |
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.