ورود
مقالات فارسیISIکنفرانسهاژورنالها

ادغام تصاویرماهواره ای به روش FastIHS بااستفاده ازاطلاعات منحنی های پاسخ طیفی سنجنده

Publish place: Scientific – Research Quarterly Geographical Data (SEPEHR)، Vol: 29، Issue: 114
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 162

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:
https://civilica.com/doc/1200458

شناسه ملی سند علمی:

JR_SEPEHR-29-114_001

تاریخ نمایه سازی: 21 اردیبهشت 1400

Abstract:

یکی از روشهای ساده و معروف ادغام تصاویر ماهواره ای، روش IHS میباشد. بر طبق مطالعات گذشته، هنگامیکه نسخه ­های مختلف روش IHS روی تصاویر ماهوارهای با قدرت تفکیک مکانی بالا اجرا میگردد، اعوجاجات فراوانی به علت تفاوت منحنی پاسخ طیفی تصویر چند طیفی و تصویر پانکروماتیک به وجود میآید. در این تحقیق از اطلاعات مفید منحنی پاسخ طیفی تصویر چند طیفی و باند پانکروماتیک سنجنده در فرایند ادغام استفاده شده است. بر اساس روش ادغام FIHS، هفت حالت مختلف برای تشکیل تصویر شدت با در نظر گرفتن ضرایبی که با استفاده از منحنی­ های پاسخ طیفی سنجنده محاسبه می­ شوند، بررسی شدهاند. به این صورت که وضعیت قسمت­ های مشترک و غیرمشترک منحنی­ های پاسخ طیفی سنجنده­ های چند طیفی و پانکروماتیک ارزیابی می­ گردند و ضرایب مختلفی برای باندهای چند طیفی در محاسبه مولفه شدت برآورد می ­شوند. سپس ادغام به روشFIHS  بر اساس مولفه شدت جدید انجام می­ شود. این نتایج به وسیله سه معیار طیفی و یک معیار لبه بررسی گردید. با توجه به نتایج متفاوت حاصل از معیارها بر اساس چهار معیار گفته شده یک رتبه بندی انجام گردید و بر اساس آن روش های مورد آزمون رتبه ای از ۱ تا ۸ گرفتند. نتایج محاسبه معیارهای طیفی و مکانی گوناگون نشان میدهند که استفاده از قسمت های خارج از منحنی پاسخ طیفی باند پانکروماتیک بهترین نتیجه را حاصل می کند. روش پیشنهادی نسبت به سایر روشهای ادغام IHS با استفاده از منحنی پاسخ طیفی بهتر عمل میکند. سرعت و دقت مطلوب از نتایج استفاده از اطلاعات منحنی پاسخ طیفی باندهای سنجنده­ ها در ادغام تصاویر ماهواره ای می ­باشد.

Keywords:

Authors

کوثر کبیری

دانشجوی دکتری سنجش ازدور، دانشکده مهندسی عمران و حمل و نقل، دانشگاه اصفهان

سید باقر فاطمی

استادیارگروه مهندسی نقشه برداری، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • 1. قاسمیان یزدی،الیاسی؛محمدحسن،مصلح. (1389). ادغام اطلاعات مکانی تصویرآیکونوس واطلاعات طیفی ...
  • 2. محمدنژادنیازی سعید, م. م. (1395). ارائه روش ادغام تصاویرچندطیفی ...
  • 4. al, B. A. (2009). A Comparison between Global and ...
  • 5. al, C. T. (2008). Synthesis of Multispectral Images to ...
  • 6. al, M. G.-A. (2004). Fusion of Multispectral and Panchromatic ...
  • 7. al, P. P. (2006 ). Estimation of the Number ...
  • 8. al, Z. W. (2005). A Comparative Analysis of Image ...
  • 9. Barsi, J. A. (2014). The spectral response of the ...
  • 10. Beirle, S. e. (2017). Parameterizing the instrumental spectral response ...
  • 11. Choi, M. (2006). A new intensity-hue-saturation fusion approach to ...
  • 12. DOU, W. (2011). Comparison among remotely sensed image fusion ...
  • 13. Ghassemian, H. (2016). A review of remote sensing image ...
  • 14. González-Audícana, M. O.-M. (2006). A low computational-cost method to ...
  • 15. Haddadpour, M. D. (2017). PET and MRI image fusion ...
  • 16. Hoa, L. N. (2016 ). Enhanced spatial resolution for ...
  • 17. Hoa, L. N. (2016). Enhanced spatial resolution for VNREDSat-1 ...
  • 18. Jin-Yu, Z. Y.-X. (2009). Edge detection of images based ...
  • 19. Kanopoulos, N. V. (1988). Design of an image edge ...
  • 20. Kim, Y. E. (2011). Generalized IHS‐Based Satellite Imagery Fusion ...
  • 21. Kwan, C. B. (2017). Blind quality assessment of fused ...
  • 22. Kwarteng, A. P. (1989). Extracting spectral contrast in Landsat ...
  • 23. LI, B. C. (2003). Remote-Sensing Image Fusion Based on ...
  • 24. Li, L. W. (2011 ). Study on the fusion ...
  • 25. Loncan, L. D.-D. (2015). Hyperspectral pansharpening: A review. IEEE ...
  • 26. Morales, R. M. (2011). Assessment of Acacia koa forest ...
  • 27. Otazu, X. G.-A. (2005). Introduction of sensor spectral response ...
  • 28. Palsson, F. S. (2012). Classification of pansharpened urban satellite ...
  • 29. R. Haydn, G. W. (1982). Applications of the IHS ...
  • 30. T.-M. Tu, S.-C.S.-C. (2001). A new look at IHS ...
  • 31. Teague, Z. (2001). Ikonos pan-sharpened products evaluation .in Proc. ...
  • 32. Tu, T. M. (2004). A fast intensity-hue-saturation fusion technique ...
  • 33. Tu, T. M. (2012). An adjustable pan-sharpening approach for ...
  • 34. Verde, N. M.-S. (2018). Assessment of radiometric resolution impact ...
  • 35. Wald., L. (2000). Quality of High Resolution Synthesized Images: ...
  • 36. Wen, X. (2011). Image fusion based on improved IHS ...
  • 37. Xie, Z. C. (2019). Classification of land cover, forest, ...
  • 38. Xu, J. G. (2008). An improved IHS fusion method ...
  • 39. Yang, Y. W. (2016). Remote sensing image fusion based ...
  • 40. Yokoya, N. C. (2017). Hyperspectral and multispectral data fusion: ...
    • نمایش کامل مراجع