估计光谱相似性,利用区分区域的概率分布在块优化泛敏化图像的材料分类的光谱相似性
Jayashree S1, Maya V Karki1, Indira K1
1Department of Electronics and Communication Engineering, Ramaiah Institute of Technology, Mathikere, Bengaluru, Karnataka, India.
Luminescence : the journal of biological and chemical luminescence
|February 9, 2024
概括
这项研究引入了一种新的双层面利方法,用于使用泛色 (PAN) 数据增强多光谱 (MS) 图像. 该技术提高了空间细节,同时最大限度地减少了光谱扭曲,这对于遥感应用至关重要.
科学领域:
- 遥感 遥感 遥感 遥感
- 图像处理 图像处理
- 计算机视觉 计算机视觉
背景情况:
- 泛敏化接多光谱 (MS) 和泛色 (PAN) 图像以增强空间分辨率.
- 现有的方法往往难以平衡空间增强与光谱保真.
- 准确的空间和光谱信息对于遥感应用,如分类和检测至关重要.
研究的目的:
- 开发一种新的双层融合技术,用于全面磨MS图像.
- 使用PAN图像在没有显著的光谱降解的情况下改善MS图像中的空间细节.
- 提出用于光谱扭曲分析的新评估指标.
主要方法:
- 一种双层融合方法,结合图像转换和空间域方法.
- 应用多尺度变换 (非亚样本轮变换) 对强度/亮度组件和PAN图像的应用.
- 在第一级是基于块的聚变,在第二级是基于空间频率的聚变.
- 开发一种使用Bhattacharyya系数和距离的光谱扭曲评估指标.
主要成果:
- 提出的方法成功地增强了融合MS图像中的空间特征.
- 聚变过程实现了最小的光谱降解.
- 新的评估指标有效地评估了细分区域的光谱扭曲.
- 定量和定性评估证实了拟议技术的优越性.
结论:
- 开发的双层面利技术有效地整合了空间和光谱信息.
- 该方法在空间细节保存方面提供了显著的改进,并减少了光谱扭曲.
- 拟议的光谱扭曲度量提供了一个可靠的工具来评估全面利的图像质量.


