Компьютерное моделирование процедур слияния гиперспектральных и панхроматических изображений с использованием вейвлет-преобразования
https://doi.org/10.34680/2076-8052.2023.1(130).158-168
Аннотация
В статье рассматриваются процедуры повышения пространственной разрешающей способности спектрограмм, что возможно путём слияния панхроматического изображения и гиперспектрального изображения. Высокое пространственное разрешение необходимо для разных приложений, например, мониторинг загрязнения воздуха, мониторинг тяжёлых металлов в почве и растительности, состояние посевов. При осуществлении процедуры слияния важно, чтобы при увеличении пространственного разрешения спектрограммы, не видоизменялся её пространственный рисунок. Развитие точных приложений дистанционного зондирования увеличило потребность именно в таких процедурах слияния. В работе уделено основное внимание процедурам слияния изображений с использованием вейвлет-преобразования. Рассматривается методика эксперимента, методы количественной оценки качества результирующего изображения, а также обсуждаются полученные результаты с точки зрения эффективности использования стандартных методов расчёта коэффициентов вейвлет-преобразования.
Об авторах
В. М. Гареев
Новгородский государственный университет имени Ярослава Мудрого
Россия
Россия
Гареев Владимир Михайлович – кандидат технических наук, доцент, заведующий лабораторией,
Великий Новгород.
М. В. Гареев
Новгородский государственный университет имени Ярослава Мудрого
Россия
Россия
Гареев Михаил Владимирович – ведущий инженер,
Великий Новгород.
Н. П. Корнышев
Новгородский государственный университет имени Ярослава Мудрого
Россия
Россия
Корнышев Николай Петрович – доктор технических наук, профессор,
Великий Новгород.
Д. А. Серебряков
Новгородский государственный университет имени Ярослава Мудрого
Россия
Россия
Серебряков Дмитрий Александрович – инженер,
Великий Новгород.
Список литературы
1. Паншарпенинг в QGIS с использованием Orfeo ToolBox // GISLAB: географические информационные системы и дистанционное зондирование: официальный сайт. URL: https://gis-lab.info/qa/qgis-pansharp-otb.html (Дата обращения: 10.12.2022).
2. Yang D., Luo Y., Zeng Y., Si F., Xi L., Zhou H., Liu W. Tropospheric NO2 Pollution Monitoring with the GF-5 Satellite Environmental Trace Gases Monitoring Instrument over the North China Plain during Winter 2018-2019 // Atmosphere. 2021. 12. 398. DOI: 10.3390/atmos12030398
3. Tang B.-H. Nonlinear Split-Window Algorithms for Estimating Land and Sea Surface Temperatures From Simulated Chinese Gaofen-5 Satellite Data // IEEE Transactions on Geoscience and Remote Sensing. 2018. 56(11). 6280-6289. DOI: 10.1109/TGRS.2018.2833859
4. Ye X., Ren H., Liu R., Qin Q., Liu Y., Dong J. Land Surface Temperature Estimate From Chinese Gaofen-5 Satellite Data Using Split-Window Algorithm // IEEE Transactions on Geoscience and Remote Sensing. 2017. 55(10). 5877-5888. DOI: 10.1109/TGRS.2017.2716401
5. Wang F., Gao J., Zha Y. Hyperspectral sensing of heavy metals in soil and vegetation: Feasibility and challenges // SPRS Journal of Photogrammetry and Remote Sensing. 2018. 136. 73-84. DOI: 10.1016/j.isprsjprs.2017.12.003
6. Giardino C., Brando V. E., Dekker A. G., Strombeck N., Candiani G. Assessment of water quality in Lake Garda (Italy) using Hyperion // Remote Sensing of Environment. 2007. 109(2). 183-195. DOI: 10.1016/j.rse.2006.12.017
7. Xia J. S., Du P. J., He X. Y., Chanussot J. Hyperspectral Remote Sensing Image Classification Based on Rotation Forest // IEEE Geoscience and Remote Sensing Letterst. 2014. 11(1). 239-243. DOI: 10.1109/LGRS.2013.2254108
8. Demir B., Erturk S. Hyperspectral image classification using relevance vector machines // IEEE Geoscience and Remote Sensing Letterst. 2007. 4(4). 586-590. DOI: 10.1109/LGRS.2007.903069
9. Lehigh University: official website. URL: http://www.eecs.lehigh.edu/SPCRL/IF/image_fusion.htm (Дата обращения: 12.01.2023).
10. Aiazzi B., Baronti S., Selva N. Improving Component Substitution Pansharpening Through Multivariate Regression of MS +Pan Data // IEEE Transactions on Geoscience and Remote Sensing. 2007. 45(10). 3230-3239. DOI: 10.1109/TGRS.2007.901007
11. Sun W., Chen B., Messinger D. W. Nearest-neighbor diffusion-based pan-sharpening algorithm for spectral images // Optical Engineering. 2013. 53. 3107. DOI: 10.1117/1.OE.53.1.013107
12. Metwalli M. R., Nasr A. H., Allah O. S. F., El-Rabaie S. Image fusion based on principal component analysis and high-pass filter // Proceedings of the 2009 International Conference on Computer Engineering & Systems. Cairo, Egypt, 14-16 December 2009. P. 63-70.
13. Zhou J., Civco D. L., Silander J. A. A wavelet transform method to merge Landsat TM and SPOT panchromatic data // Int. J. Remote Sens. 1998. 19. 743-757. DOI: 10.1080/014311698215973
14. Shah V. P., Younan N. H., King R. L. An Efficient Pan-Sharpening Method via a Combined Adaptive PCA Approach and Contourlets // IEEE Trans. Geosci. Remote. 2008. 46. 1323-1335. DOI: 10.1109/TGRS.2008.916211
15. Klonus S., Ehlers M. Image Fusion Using the Ehlers Spectral Characteristics Preserving Algorithm // GISci. Remote Sens. 2007. 44. 93-116. DOI: 10.2747/1548-1603.44.2.93
16. Klonus S., Ehlers M. Image Fusion Using the Ehlers Spectral Characteristics Preserving Algorithm // GISci. Remote Sens. 2007. 44. 93-116. DOI: 10.2747/1548-1603.44.2.93
17. Strang G., Nguyen T. Wavelets and Filter Banks. Wellesley, MA: Wellesley-Cambdrige Press. 1996. 500 p
Рецензия
Для цитирования:
Гареев В.М., Гареев М.В., Корнышев Н.П., Серебряков Д.А. Компьютерное моделирование процедур слияния гиперспектральных и панхроматических изображений с использованием вейвлет-преобразования. Вестник Новгородского государственного университета. 2023;(1(130)):158-168. https://doi.org/10.34680/2076-8052.2023.1(130).158-168
For citation:
Gareev V.M., Gareev M.V., Kornyshev N.P., Serebryakov D.A. Сomputer simulation of procedures for merging hyperspectral and panchromatic images using wavelet transform. Title in english. 2023;(1(130)):158-168. (In Russ.) https://doi.org/10.34680/2076-8052.2023.1(130).158-168
Просмотров:
46
Послать статью по эл. почте 