Fundamentos de fusión de imágenes

¿Qué es el refinado pancromático?

La función de nitidez de desplazamiento panorámico utiliza una imagen pancromática de mayor resolución (o banda de ráster) para fusionarla con un dataset ráster multibanda de menor resolución. El resultado produce un dataset ráster multibanda con la resolución del ráster pancromático donde los dos rásteres se superponen completamente.

La fusión de imágenes es una transformación radiométrica disponible a través de la función de ráster o desde una herramienta de geoprocesamiento. Varias compañías de imagen proporcionan imágenes multibanda de baja resolución e imágenes pancromáticas de mayor resolución de las mismas escenas. Este proceso se utiliza para incrementar la resolución espacial y proporcionar una mejor visualización de una imagen multibanda utilizando la imagen de banda única de alta resolución.

Un ejemplo de refinado pancromático

Métodos de fusión de imágenes

Hay cinco métodos de fusión de imágenes a elegir para crear la imagen con refinado pancromático: la transformación Brovey; la transformación de refinado pancromático de Esri; el método de nitidez espectral Gram-Schmidt; la transformación de intensidad, tono y saturación (IHS) y la transformación de valor medio simple. Cada uno de estos métodos utiliza distintos modelos para mejorar la resolución espacial mientras mantiene el color, y algunos se ajustan para incluir un peso para que se pueda incluir una cuarta banda (como la banda casi infrarroja disponible en varias fuentes de imágenes multiespectrales). Al agregar el peso y permitir el componente infrarrojo, se mejora la calidad visual en los colores de salida.

Brovey

La transformación Brovey se basa en el modelado espectral y se desarrolló para incrementar el contraste visual en los extremos alto y bajo del histograma de datos. Utiliza un método que multiplica cada píxel multiespectral remuestreado por la relación de la intensidad de píxel pancromático correspondiente a la suma de todas las intensidades multiespectrales. Asume que el rango espectral que abarca la imagen pancromática es el mismo que el que cubren los canales multiespectrales.

En la transformación Brovey, la ecuación general utiliza bandas rojas, verdes y azules (RGB) y las bandas pancromáticas como entradas para producir nuevas bandas rojas, verdes y azules, por ejemplo:

Red_out = Red_in / [(blue_in + green_in + red_in) * Pan]

Sin embargo, al utilizar pesos y la banda casi infrarroja (cuando está disponible), la ecuación ajustada para cada banda se convierte en

DNF = (P - IW * I) / (RW * R + GW * G + BW * B) Red_out = R * DNF Green_out = G * DNF Blue_out = B * DNF Infrared_out = I * DNF

donde las entradas son

P = imagen pancromática R = banda roja G = banda verde B = banda azul I = infrarrojo cercano W = peso

Esri

La transformación de fusión de imágenes de Esri utiliza un promedio ponderado y la banda infrarroja cercana adicional (opcional) para crear las bandas de salida fusionadas. El resultado del promedio ponderado se utiliza para crear un valor de ajuste (ADJ) que después se utiliza en el cálculo de los valores de salida, por ejemplo:

ADJ = pan image - WA Red_out = R + ADJ Green_out = G + ADJ Blue_out = B + ADJ Near_Infrared_out = I + ADJ

Los pesos de las bandas multiespectrales dependen de la superposición de las curvas de sensibilidad espectral de las bandas multiespectrales con la banda pancromática. Los pesos son relativos y se normalizarán cuando se utilicen. La banda multiespectral con la mayor superposición con la banda pancromática debería obtener el mayor peso. Una banda multiespectral que no se superpone en absoluto con la banda pancromática debe obtener un peso de 0. Al cambiar el valor de peso casi infrarrojo, la salida verde se puede hacer más o menos vibrante.

Gram-Schmidt

El método de fusión de imágenes Gram-Schmidt se basa en un algoritmo general de ortogonalización de vectores: la ortogonalización de Gram-Schmidt. Este algoritmo toma vectores (por ejemplo, tres vectores en espacio 3D) que no son ortogonales y después los rota para que sean ortogonales. En el caso de las imágenes, cada banda (pancromática, roja, verde, azul e infrarroja) corresponde a un vector de alta dimensión (el número de dimensiones iguala al número de píxeles).

En el método de fusión de imágenes Gram-Schmidt, el primer paso es crear una banda de desplazamiento panorámico de baja resolución calculando un promedio ponderado de las bandas MS. A continuación, estas bandas no tienen relación entre sí utilizando el algoritmo de ortogonalización Gram-Schmidt, al tratar a cada banda como un vector multidimensional. La banda de desplazamiento panorámico de baja resolución simulada se utiliza como el primer vector, que no se rota ni se transforma. La banda de desplazamiento panorámico de baja resolución se reemplaza después con la banda de desplazamiento panorámico de alta resolución y todas las bandas se transforman de nuevo en alta resolución.

Algunos pesos sugeridos para los sensores comunes son los siguientes (rojo, verde, azul e infrarrojo, respectivamente):

• GeoEye—0.6, 0.85, 0.75, 0.3
• IKONOS—0.85, 0.65, 0.35, 0.9
• QuickBird—0.85, 0.7, 0.35, 1.0
• WorldView-2: 0,95; 0,7; 0,5; 1,0

Referencias

Los detalles de esta técnica se describen en la siguiente patente:

Laben, Craig A. y Bernard V. Brower. Proceso para mejorar la resolución espacial de imágenes multiespectrales con fusión de imágenes. Patente de EE. UU. 6.011.875, presentada el 29 de abril de 1998 y emitida el 4 de enero de 2000.

IHS

El método de refinado pancromático IHS convierte la imagen multiespectral de RGB a intensidad, tono y saturación. La intensidad de baja resolución se ve reemplazada por la imagen pancromática de alta resolución. Si la imagen multiespectral contiene una banda infrarroja, se toma en cuenta sustrayéndola usando un factor de peso. La ecuación que se utiliza para derivar el valor de intensidad alterado es la siguiente:

Intensidad = P - I * IW

Entonces la imagen su vuelve a transformar de IHS a RGB en la alta resolución.

Valor medio simple

El método de transformación de valor medio simple aplica una ecuación de promedio de valor medio simple a cada una de las combinaciones de banda de salida, por ejemplo:

Red_out= 0.5 * (Red_in + Pan_in) Green_out = 0.5 * (Green_in + Pan_in) Blue_out= 0.5 * (Blue_in + Pan_in)