Spektral ayrıştırma ve komşu piksel ilişkisi temelli hiperspektral ve multispektral görüntülerin kaynaştırılması
Abstract
Hiperspektral (HS) görüntüler yüksek spektral çözünürlüğe sahip oldukları halde, teknolojik kısıtlamalardan dolayı uzamsal çözünürlükleri düşüktür. Sınıflandırma başarımının arttırılması veya daha detaylı içerik elde edilmesi gibi gereksinimlerin karşılanabilmesi için bu tip görüntülerin yüksek spektral çözünürlük yanında yüksek uzamsal çözünürlüğe de sahip olmaları faydalıdır. Bu nedenle, HS görüntülerin Multispektral (MS) görüntüler ile kaynaştırılması son yıllarda popülerliğini koruyan bir konu olarak çalışılmaktadır. Literatürde Matris Ayrıştırması (MA) temelli görüntü kaynaştırmasında, komşu piksellerin etkisini dikkate alan bir çalışma ile karşılaşılmamıştır. Bu nedenle, bu çalışmada spektral ayrıştırma ve uzamsal komşuluk etkisini dikkate alan yeni bir kaynaştırma yaklaşımı önerilmektedir. Öncelikle, spektral ayrıştırma kullanılarak hiperspektral görüntüden son eleman ve katışım oranları çıkarılmaktadır. Çıkarılan son elemalar, multispektral görüntü algılayıcısının spektral yanıtı kullanılarak multispektral spektral çözünürlüğüne taşınmaktadır. Daha sonra, multispektral görüntüdeki her bir piksel için, son elemanlar ile komşuluk piksellerinin katışım oranları kestirilmektedir. Son olarak, multispektral görüntüden kestirilen katışım haritası ile hiperspektral görüntünün son elemanları ve komşuluk pikselleri kullanılarak hem uzamsal hem de spektral çözünürlüğü yüksek görüntü elde edilmektedir. Önerilen kaynaştırma yöntemi gerçek hiperspektral görüntüler üzerinde test edilmiştir ve deneysel çalışmalar literatürdeki çalışmalara göre başarımının daha yüksek olduğunu göstermektedir.
Publisher
Journal of the Faculty of Engineering and Architecture of Gazi University
Subject
General Engineering,Architecture
Reference33 articles.
1. Hanbay, K., Hyperspectral image classification using convolutional neural network and twodimensional complex Gabor transform, J. Fac. Eng. Archit. Gazi Univ., vol. 35, no. 1, pp. 443–456, 2020. 2. 2. Souza Jr, C., Firestone, L., Silva, L. M., Roberts, D. Mapping forest degradation in the Eastern Amazon from SPOT 4 through spectral mixture models, Remote Sens. Environment, vol. 87, no. 4, pp. 494–506, 2003. 3. 3. Licciardi, G. A., Villa, A., Khan, M. M., Chanussot, J., Image fusion and spectral unmixing of hyperspectral images for spatial improvement of classification maps, in Proc. IEEE Int. Conf. Geosci. Remote Sens. (IGARSS), pp. 7290–729, 2012. 4. 4. Simoes, M., Bioucas Dias, J., Almeida, L., Chanussot, J., A convex formulation for hyperspectral image superresolution via subspace-based regularization, IEEE Trans. Geosci. and Remote Sens., 2015. 5. 5. Wei, Q., Bioucas Dias, J. M., Dobigeon, N., Tourneret, J.-Y., Hyperspectral and multispectral image fusion based on a sparse representation, IEEE Trans. Geosci. and Remote Sens., vol. 53, no. 7, pp. 3658– 3668, Sept. 2015.
|
|