グラフベースのスーパーピクセルセグメンテーションアプローチが,パンシャーピングに適用される

科学分野:

• リモートセンシング
• 画像処理
• コンピュータ・ビジョン

背景:

• パンシャープングは高解像度パンクロマティック (PAN) と低解像度マルチスペクトル (MS) の画像を融合させ,高解像度MS画像を作成します.
• 既存のメソッドの性能は,核融合戦略とゲイン係数の推定に大きく依存しています.
• グラフベースのセグメンテーションは,空間情報注入を導くための有望なアプローチを提供します.

研究 の 目的:

• シンプレックス最適化とグラフベースのスーパーピクセルセグメンテーションを使用して,イメージ駆動の地域パンシャーピングテクニックを提案する.
• 最適な融合のためのグラフ駆動のセグメンテーションマップ上のインジェクション・ゲインを計算する.
• 拡張された空間情報とスペクトル情報を備えた,包括的な高解像度MS画像を生成する.

主な方法:

• 画像融合のためのシンプレックス最適化分析を使用します.
• MS画像のスーパーピクセルセグメンテーションのためのシンプル・リニア・イテラティブ・クラスタリング (SLIC) を適用する.
• セグメンテーションマップの統合のための地域隣接グラフ (RAG) の構築.
• 空間情報注入を導くためにグラフ駆動のセグメンテーションマップを使用します.
• 局所的なシンプレックス注入融合ルールを用いて局所的な詳細を推論する.

主要な成果:

• 提案された方法は空間情報とスペクトル情報を最適に組み合わせています.
• グラフベースのセグメンテーションは,空間的な詳細の注入を効果的に導きます.
• この技術により 独特で包括的な高解像度のMS画像が生成されます
• 品質の改善は,GeoEye-1とWorldView-3のデータセットで,縮小および完全なスケールで検証されました.

結論:

• 提案されたパンシャーピングテクニックは,MS画像の解像度を効果的に高めます.
• グラフベースのセグメンテーションは,融合パラメータの最適化のための堅牢なフレームワークを提供します.
• この方法は,高解像度のMS画像の品質を大幅に改善しています.