Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)
Будущая конференция
Архив конференций
2023 2022 2021 2020 2019 2018 2017 2016 2015 2014 2013 2012 2011 2010 2009 2008 2007 2006 2005 2004 2003
Личный кабинет
Зарегистрироваться на сайте Войти на сайт Забыли пароль?
Электронный сборник статей
«Информационные технологии в дистанционном зондировании Земли - RORSE 2018»
Журнал
«Современные проблемы дистанционного зондирования Земли из космоса»
Дополнительная информация
Контакты Полезная информация
Подписка/отписка
на рассылку новостей
Ваш e-mail:

Пятнадцатая Всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса"

XV.A.178

Оценка качества изображений для оптимизации методов повышения дискретизации изображений

Гороховский КЮ (1), Игнатьев ВЮ (1), Мурынин АБ (1,2), Ракова КО (1)
(1) НИИ АЭРОКОСМОС, Москва, РФ
(2) Вычислительный центр им. А.А. Дородницына Российской академии наук, Москва, РФ
Основная идея данного исследования - показать возможность определения оптимальных параметров настройки эмпирических методов повышения частоты дискретизации для мультиспектральных изображений с использованием числовых показателей для оценки качества изображения.
Работа посвящена решению задачи повышения пространственного разрешения мультиспектральных космических изображений с использованием опорного изображения, также называемая «паншарпенингом» в случае, когда улучшается изображение RGB, а в качестве опорного используется панхроматическое изображение высокого разрешения. На сегодняшний день существует большое число методов увеличения разрешения цифровых изображений, но рассматриваемая проблема продолжает оставаться актуальной в связи с развитием как самой регистрирующей аппаратуры, например, появление гиперспектральных сенсоров, так и непрерывным процессом усовершенствования самих методов. Согласно предыдущему утверждению, необходимо оценить качество улучшения разрешения изображений, полученных различными методами на разных изображениях.
В этой статье мы предлагаем вероятностный метод увеличения пространственного разрешения мультиспектральных спутниковых изображений. Этот метод учитывает вероятностные характеристики окрестности пикселя на мультиспектральном изображении и значение интенсивности панхроматического изображения при определении наиболее вероятных значений яркости пикселя улучшенного изображения.
Проведен анализ применения нескольких числовых показателей для оценки качества улучшения разрешения. На основе наиболее адекватных показателей строится процедура оптимизации для параметров настройки предлагаемого вероятностного метода повышения частоты дискретизации.
Приводятся результаты тестирования разработанного метода на реальных спутниковых изображениях, полученных в различных пространственных разрешениях. Исследованы различные шкалы повышения частоты дискретизации. Был проведен сравнительный анализ представленного метода с другими методами повышения частоты дискретизации, которые используют монохроматическое опорное изображение с более высоким разрешением.

Ключевые слова: ДЗЗ, повышение разрешения спутниковых изображения, оценка качества
Литература:
  1. Аэрокосмический мониторинг объектов нефтегазового комплекса // Под ред. В.Г. Бондура М.: Научный мир, 2012. 558 с.
  2. Murynin A., Gorokhovskiy K., Bondur V., Ignatiev V. Analysis of Large Long-term Remote Sensing Image Sequence for Agricultural Yield Forecasting // Proc. 4th Intern. Workshop on Image Mining. Theory and Applications. IMTA-4 2013. In conjunction with VISIGRAPP 2013, Barcelona, Spain. SCITERGRASS Portugal, 2013. P. 48–55.
  3. Евдокименков В.Н., Ким Р.В., Красильщиков М.Н., Себряков Г.Г. Использование нейросетевой модели управляющих действий летчика в интересах его индивидуально-адаптированной поддержки;// Изв. РАН. ТиСУ. 2015. № 4. С. 111.
  4. Визильтер Ю.В., Желтов С.Ю. Использование проективных морфологий в задачах обнаружения и идентификации объектов на изображениях; // Изв. РАН. ТиСУ. 2009. № 2. С. 125-138.
  5. Ишутин А.А., Кикин И.С., Себряков Г.Г., Сошников В.Н. Алгоритмы обнаружения, локализации и распознавания оптико-электронных изображений группы изолированных наземных объектов для инерциально-визирных систем навигации и наведения летательных аппаратов // Изв. РАН. ТиСУ. 2016. №2.
  6. Бондур В.Г., Дулов В.А., Мурынин А.Б., Игнатьев В.Ю. Восстановление спектров морского волнения по спектрам космических изображений в широком диапазоне частот // Физика атмосферы и океана. 2016. № 6. С. 716-728.
  7. Бондур В.Г., Мурынин А.Б., Игнатьев В.Ю. Оптимальный выбор параметров для восстановления спектров морского волнения по аэрокосмическим изображениям // Машинное обучение и анализ данных. 2016. Т. 2. № 2. С. 218-230.
  8. Гурченков А.А., Бочкарева В.Г., Мурынин А.Б., Трёкин А.Н. Улучшение качества изображений методом экстраполяции пространственных спектров // Вестн. МГТУ им. Н.Э. Баумана. Сер.: Естественные науки. 2016. № 2(65). С. 91-102.
  9. Бочкарева В.Г., Матвеев И.А., Мурынин А.Б., Цурков В.И. Методы улучшения качества изображений, основанные на пространственном спектральном анализе // Изв. РАН. ТиСУ. 2015. № 6. С. 62-70.
  10. Milanfar P. Super-Resolution Imaging. Boca Raton, London, New York.CRC Press, 2011, 473 p. ISBN 9781439819302.
  11. Vivone G., Alparone L., Chanussot J., Dalla Mura M., Garzelli A., Licciardi G., Restaino R., Wald L. A Critical Comparison Among Pansharpening Algorithms. // IEEE Trans. Geosci. Remote Sens. 2015. V.53 №5.
  12. Thomas C., Ranchin T., Wald L., Chanussot J. Synthesis of multispectral images to high spatial resolution: A Critical Review of Fusion Methods Based on Remote Sensing Physics, //IEEE Trans. Geosci. Remote Sens. 2008. V. 46. №.5. P. 1301–1312.
  13. Визильтер Ю.В., Выголов О.В., Желтов С.Ю, Рубис А.Ю. Комплексирование многоспектральных изображений для систем улучшенного видения на основе методов диффузной морфологии. // Изв. РАН. ТиСУ. 2016. № 4. С. 103-114.
  14. Chavez Jr. P. S., Sides S. C., Anderson J. A. Comparison of Three Different Methods to Merge Multiresolution and Multispectral Data: Landsat TM and SPOT panchromatic. Photogramm. Eng. Remote Sens. 1991. V. 57. №.3. P.295–303.
  15. Aiazzi B., Baronti S., Selva M. Improving Component Substitution Pansharpening Through Multivariate Regression of MS+Pan data. //IEEE Trans. Geosci. Remote Sens. 2007. V. 45. №.10. P. 3230–3239.
  16. Tu T.-M., Huang P. S., Hung C.-L., Chang C.-P. A Fast Intensityhuesaturation Fusion Technique with Spectral Adjustment for IKONOS Imagery //IEEE Geosci. Remote Sens. Lett. 2004. V. 1. №.4. P. 309–312.
  17. Dou W., Chen Y., Li X., Sui D. A General Framework for Component Substitution Image Fusion: An Implementation Using Fast Image Fusion Method //Comput. Geosci. 2007. V. 33. №.2. P. 219–228.
  18. Choi J., Yu K., Kim Y. A New Adaptive Component-substitution Based Satellite Image Fusion by Using Partial Replacement //IEEE Trans. Geosci. Remote Sens. 2011. V. 49. №.1. P. 295–309.
  19. Aiazzi B., Alparone L., Baronti S., Garzelli A., Selva M. MTF – Tailore Multiscale Fusion of High-resolution MS and Pan Imagery //Photogramm.Eng.RemoteSens. 2006. V. 72. №.5. P. 591–596.
  20. Owen Art B. Monte Carlo Theory, Methods and Examples [http://statweb.stanford.edu/~owen/mc/Ch-var-is.pdf]

Методы и алгоритмы обработки спутниковых данных

20