متدهاى Image Fusion

نوع مقاله: مقاله پژوهشی

نویسنده

چکیده

هر سنسورى مأموریت و کاربرد خاصى دارد و اغلب مطلوب ما این است که بطور همزمان در یک تصویر، قدرت تفکیک طیفى و مکانى را با هم داشته باشد چون حجم اطلاعات در یک تصویر بوسیله قدرت تفکیک مکانى و طیفى سیستم تصویربردارى محدود مى ‏گردد و اکثر سیستم‏هاى تصویربردارى متداول، یکى از این دو ویژگى را عرضه مى‏ دارند، مثل سیستم‏هاى تصویربردارى tm,spotو... البته در کنار این سیستم‏ها، سیستم‏هاى دیگرى نیز وجود دارند که هم قدرت تفکیک مکانى و هم قابلیت طیفى خوبى دارند مثل (IKonos Kfa,Kvr).
براى غلبه بر مشکل سیستم‏هاى نوع اول از روشهاى مختلف پردازش تصویر استفاده مى‏ کنیم که با استفاده از آن هر دو مشخصه (قدرت تفکیک مکانى و طیفى) را در تصویر خواهیم داشت که در اصطلاح به این عملیات(Image Fusion) گویند. بطورکلى (Image Fusion) راحت‏ تر و اقتصادى‏ تر از طراحى و ساخت یک سنسور پیشرفته است که هم قدرت تفکیک مکانى و هم قدرت تفکیک طیفى را داشته باشد.
تصاویر چند طیفى اطلاعات لازم را براى تفسیر(Land cover ,Land mapping) فراهم مى ‏کند ولى قدرت تفکیک مکانى آنها کافى نیست پس به منظور افزایش قدرت تفکیک مکانى، با استفاده از روشهاى مختلف(Image Fusion)، تصاویر چندطیفى را با تصاویر(high resolution) ترکیب مى‏ کنیم تا بتوانیم اطلاعات بیشترى از محیط اطرافمان داشته باشیم و جزئیات بیشترى را مشاهده کنیم این تکنیک‏ها همچنین به عنوان تکنیک‏هاى (sharp) کننده نیز شناخته مى‏ شوند. براساس تعریف (Image Fusion , EARSEL) ابزار و وسایلى براى داده ‏هایى است که از منابع مختلف بدست مى‏ آیند و هدف آن، بدست آوردن اطلاعات با کیفیت بالاست .
    اینجا ذکر این نکته ضرورى است که تصاویرى که رزولوشن مختلف دارند ممکن نیست که بطور همزمان اخذ گردند و تغییر ویژگى‏ هاى نورى اتمسفر، سبب خرابى در تصاویر ترکیبى مى‏ گردد و این خرابى در(Landscape) که اجزاى ریز دارند بیشتر دیده مى‏ شود.

عنوان مقاله [English]

Methods of Image Fusion

نویسنده [English]

  • Nurallah Shahmaleki
چکیده [English]

Each sensor has a particular mission and application, and it is often desirable for us to have spectral and spatial resolution in an image at the same time, since the amount of information in a picture is limited by the spatial and spectral resolution of the imaging system, and most of common imaging systems offer one of these two features, such as the tm, spot, etc. imaging systems. Of course, along with these systems, there are other systems that enjoy both good spatial resolution and considerable spectrum capabilities, like IKonos Kfa, Kvr, etc.)
To overcome the problem of systems of the first type, we use different image processing methods with which we will have both of the features (spatial and spectral resolution) in the image, an operation which is called "Image Fusion." In general, Image Fusion is more convenient and economical than the design and construction of an advanced sensor that has both spatial and spectral resolution.
The multi-spectral images provide the necessary information for interpretation of mapping land cover, but their spatial resolution is not enough. Therefore, in order to increase spatial resolution, using various methods of Image Fusion, multi-spectral images are combined with high resolution images so that we can find out more information about our surroundings and capture more details. These techniques are also known as sharpening techniques. Based on the definition of Image Fusion, EARSEL it is a tool for data that come from various sources with the aim of obtaining high-quality information.
Here it is important to note that images with different resolutions may not be simultaneously captured and changes in atmospheric light properties cause damage to composite images, and this damage is seen in Landscape, which contains smaller components (details).

1- C.pohl,TOOLS AND METHODS FOR FUSION OF DIFFERENT SPATIAL RESOLUTION,International archives of photogrammetry and remote sensing ,vol 32,june,1999.
2- Jun Li,SPATIAL QUALITY EVALUATION OF FUSION OF DIFFERENT RESOLUTION IMAGES,International archives of photogrammetery and remote sensing ,vol xxxIII,2000.
3-He Guojin LiKelu Hu Deyong,A Fusion Approach of Multi-sensor Remote sensing Data Based on Wavelet Transform,1998.
4 - همایونى، سعید، پایان نامه کارشناسى ارشد، شهریور1378.