ادغام تصاوير فراطيفي با تصاوير داراي قدرت تفكيك مكاني بالا بر پايه سطوح مختلف تبديل موجك گسسته هار

ادغام تصوير، فرآيند تلفيق اطلاعات مناسب از مجموعه‌اي تصاوير در يك تصوير است، به‌طوري‌كه تصوير ادغام‌شده حاوي اطلاعات مفيدتر و كامل‌تر از هر يك داده‌هاي ورودي خواهد بود. هدف از ادغام تصاوير سنجش‌ازدوري، تركيب اطلاعات به‌دست‌آمده از سنجنده هايي باقدرت هاي تفكيك مكاني، طيفي و زماني متفاوت به‌منظور به دست آوردن تصويري با جزئيات اطلاعاتي بيشتر نسبت به هركدام از داده‌هاي انفرادي است. هدف از تحقيق حاضر، ارزيابي عملكرد تبديل موجك گسسته در ادغام تصاوير فراطيفي با تصاوير داراي قدرت تفكيك مكاني بالا است. براي اين منظور، پنجره‌اي از تصاوير سنجنده هاي هايپريون،ALI و OrbView3، انتخاب گرديد. ابتدا تصوير هايپريون، به لحاظ باندهاي غيرقابل استفاده و نويزهاي استريپ، تصحيح شد. از باند پانكروماتيك سنجنده ALI، به‌منظور تصحيح هندسي و ثبت تصوير هايپريون استفاده گرديد. در ادامه تصوير هايپريون با استفاده از عمليات بازنمونه برداري به‌صورت تصويري با اندازه پيكسل 10 متر تبديل‌شده و با استفاده از الگوريتم Gram-Schmit، با تصوير ALI، ادغام شد. دوباره با استفاده از تصوير OrbView3، بر روي تصوير ادغام‌شده، عمليات ثبت تصوير انجام‌گرفته سپس هر دو تصوير با استفاده از عمليات بازنمونه برداري به‌اندازه پيكسل 4 متر تبديل شدند. تصوير OrbView3، با استفاده از موجك گسسته هار، در چهار سطح تجزيه‌شده و جهت ادغام مورداستفاده قرار گرفت. نتايج تحقيق نشان داد كه با هر بار افزايش سطح تجزيه تصوير، صحت و دقت ادغام افزايش پيدا مي‌كند.

Image fusion is the process of integrating the information from a set of images in an image, as the fused image contains more useful information than any input data. The aim of remotely sensed image fusion is integration of information that obtained from sensors with different spatial, spectral and temporal resolution in order to get an image with more detail than any individual data. In the fusion process, output image is a combination of important features of two or more input data. The aim of this study was to evaluate the performance of discrete wavelet transform in fusion of hyperspectral and high resolution images. For this purpose, a window of images of Hyperion, ALI and OrbView1 sensors was selected. First, the Hyperion image was corrected for unusable bands and strip noise. Panchromatic band of ALI sensor was used for geometric correction and registration of hyperion image. The hyperion image transformed into a 01 m pixel image using the sampling operation and fused with the ALI image using the Gram-Schmit algorithm. Using the OrbView1 image, the results was captured on the fused image, then both images were converted to 1-pixel pixel size using the resampling operation. The OrbView1 image was decomposed into four levels using a HAAR wavelet and used for fusion procedure. The results showed that with increased level of image decomposition, the accuracy and precision of the integration increases.