CC BY
54
УДК 004:528.71
Гнатушенко В. В.1, Кавац О. О.2, Шевченко В. Ю.3
1Д-р техн. наук, професор, професор кафедри ¡нформац/йних технологш /' систем НацональноТ металургшноТ академТТ
Украни, м. Днпропетровськ, УкраТна
2Канд. техн. наук, доцент, доцент кафедри ¡нформацшних технолог1й /' систем Национально)' металургшноТ академТТ
Укра1ни, м. Днпропетровськ, УкраТна 3Асп1рант Днпропетровського нацюнального университету ¡мен! Олеся Гончара, м. Дн1пропетровськ, УкраТна
П1ДВИЩЕННЯ ПРОСТОРОВОГО РОЗР1ЗНЕННЯ БАГАТОКАНАЛЬНИХ АЕРОКОСМ1ЧНИХ ЗОБРАЖЕНЬ ВИСОКОГО ПРОСТОРОВОГО РОЗР1ЗНЕННЯ НА ОСНОВ1 Г1ПЕРСФЕРИЧНОГО ПЕРЕТВОРЕННЯ
У робот виршено актуальне завдання розробки шформацшно! технологи тдвищення вiзуальноi якост багатоканальних аерокосмiчних зображень високого просторового розрiзнення. Об'ектом дослщження е процес злиття панхромного та мультиспектрального фотограмметричних сканерних зображень, отриманих координатно-чутливими сенсорами у видимому та шфрачервоному дiапазонах електромагштного промiння. Предмет дослщження становлять методи попередньоi та синергетичноi обробки багатоканальних даних для полшшення якостi результуючого зображення та зменшення кольорових спотворень. Мета роботи: автоматизоване пщвищення просторового розрiзнення первинного багатоканального зображення та в порiвняннi з юнуючими методами усунення спектральних спотворень в локальних областях. Крiм того, пропонована технологiя дозволить ефективно проводити подальше розшзнавання й оперативний мошторинг об'ектiв iнфраструктури. У робот запропоновано нову iнформацiйну технологiю злиття багатоканальних аерокосмiчних зображень на основi Ы8У-конвертування i гiперсферичного перетворення кольору, що дозволяе полiпшити просторове розрiзнення первинного цифрового зображення й уникнути спектральних спотворень. Це досягаеться, зокрема, за рахунок попередньоi еквалiзацii первинних зшмюв, оброблення даних у локалiзованих спектральних базисах, оптимiзованого за шформацшними характеристиками, та використання iнформацii, яку мютить зображення iнфрачервоного дiапазону. Розроблено програмне забезпечення, що реалiзуе запропонований пщхщ. Проведено експерименти з дослщження властивостей запропонованого алгоритму. Експериментальш ощнки проведенi на восьмиканальних зображеннях, отриманих супутником ^ЬгИ-View-2. Результати тестування шдтвердили, що запропонований пiдхiд дозволяе досягти високо!' спектрально!' та просторово!' якостi багатоканальних зображень та перевершуе iснуючi методи.
Ключовi слова: сканерне зображення, вейвлет-перетворення, гшерсферичне перетворення, шформатившсть, злиття.
НОМЕНКЛАТУРА
ERGAS - relative Dimensionless Glabal Error;
HCT - hyperspherical color transform;
HSV - hue, saturation, value;
ICA - independent component analysis;
MUL - multispectral image;
NIR - near infrared channel;
SSIM - structure similarity;
PAN - panchromatic image;
RGB - red, green, blue;
ДЗЗ - дистанцшне зондування Землц
КА - космiчний апарат;
I - штенсившсть яскравостi;
8 - кутсда змiннi;
Band - канали мультиспектрального зображення;
N - номер каналу зображення.
ВСТУП
Методолопя обробки i дешифрування даних дистанц-iйного зондування Землi (ДЗЗ) давно i добре опрацьова-на. Широкий комерщйний доступ до супутникових даних високого розрiзнення вiдкрив багато нових можливостей для !х використання. Типовий набiр даних з апаратури ДЗЗ, встановлено! на супутниках, включае мультиспектральне зображення (MUL) в трьох i бiльше каналах видимого та шфрачервоного дiапазонiв i панхромне зображення (PAN) у видимому даапазот [1]. Панхромне зображення мае заз-вичай бшьш високу просторову роздiльну здатнiсть, тж мультиспектральне. Актуальною областю сучасних нау-кових дослiджень е синергетична обробка (злиття) таких
© Гнатушенко В. В., Кавац О. О., Шевченко В. Ю., 2015
DOI 10.15588/1607-3274-2015-1-10
фотограмметричних даних декшькох каналiв з метою одер -жання штучного зображення iз покращеними показника-ми шформативност у порiвняннi iз первинними зтмка-ми та !х подальший аналiз [1-4].
На сьогоднiшнiй день одними iз найсучасних супут-ниюв високого просторового розрiзнення е WorldView-2 та WorldView-3. Апаратура цих супутниюв мае дуже схожi технiчнi характеристики. Мультиспектральний сенсор VNIR WorldView-3 незначно вiдрiзняеться сво!ми мож-ливостями вщ сенсора WorldView-2, вiдмiннiсть - тшьки в трохи бiльшому розрiзненнi. КА WorldView-3 дозволяе вести космiчну зйомку з роздiльною здатнiстю до 0,31 м. У багатоспектральному режимi роздшьна здатнiсть сис-теми становить 1,2 м, а в ближнш 1Ч-дшянщ спектра - 3,7 м. Додавання нового IЧ-дiапазону зажадало включення додаткового 8-канального модуля з 1Ч-детекторами в кон-струкцiю оптично! системи супутника. Зазначимо, що знiмки WorldView-3 вже зробили свiй вплив на Мшстер-ство торгiвлi США, яке прийняло рiшення зняти обме-ження, що розповсюджувалися на комерцiйне використання супутникових фотографш, на яких в^ображеш об'екти з фiзичними розмiрами менше 50 см. Вже сьо-годш DigitalGlobe може продавати зображення з 40-сан-тиметровим розрiзненням, а в наступному роцi компа -шя отримае дозвiл на продаж зшмюв з роздiльною здатн-iстю до 31 см. Останш дослiдження показали, що 8-канальна зйомка впевнено забезпечуе пiдвищення точ-ностi дешифрування на 15-30% порiвняно з традицш-ною 4-канальною зйомкою [5]. Але юнукш рiшення про-блеми пiдвищення шформативност первинних багато-
канальних даних opieHTOBaHi переважно на збiльшення !х вiзуальноl якостi без урахування фiзичних мехашз]шв фшсацп видово1 шформацп, розроблялися для мульти-спектральних знiмкiв оптичного дiапазону i тому мають ряд недолтв, основними з яких е сутта колiрнi спотво-рення зображень [1-4]. Таким чином виникае не-обх^шсть розробки нових методiв обробки первинних восьмиканальних аерокосмiчних зображень для яюсно-го i кiлькiсного збiльшення 1х iнформативностi.
Метою роботи е розробка ново1 технологи автомати-зованого тдвищення просторового розрiзнення первин-ного багатоканального зображення й усунення спект-ральних спотворень в локальних областях.
1 ПОСТАНОВКА ЗАДАЧ1
У якост вхщних даних використовуються восьмика-нальнi зтмки супутника WorldView-2. Необхiдно розро-бити нову технолопю пiдвищення iнформативностi аеро-космiчних зображень, що дозволить одержати багатос-пектральнi зображення бiльш високого просторового розрiзнення без втрати спектрально! шформацп. Основою технологи е гшерсферичне перетворення кольору. Алгоритм поеднае в собi переваги замiщення компонент i багатомасштабного аналiзу. Будуть отримаш кiлькiснi оцiнки якостi синтезованих мультиспектральних зображень такi як: ентротя, SSIM, ERGAS, Quality index та iншi [6, 7]. Зазначенi метрики дозволять ощнити якiснi показ-ники первинного та обробленого зображень.
2 ОГЛЯД Л1ТЕРАТУРИ
Аерокосмiчнi зображення фжсованого об'екту (сце-ни), одержанi у рiзних спектральних iнтервалах, мають рiзну просторову та радiометричну розрiзненiсть i внас-лiдок цього суттево розрiзняються за просторовими роз-подiлами яскравосп. Разом з тим, кожне таке зображення мае окрему шформацшну значущiсть щодо подання характеристик об'екту (сцени).
Використання кольору для вщображення даних ДЗЗ е одним iз найбiльш важливих аспектiв, що пов'язат з оброб-кою зображення. Ксшр можна використовувати не тiльки для ввдображення мультиспектральних знiмкiв, але i для ви-лучення з них необидно! шформацп (розпiзнавання).
При опис сприйняття кольорового зображення, як правило, не користуються такими поняттями як вщнос-на доля червоного, зеленого чи синього кольору. Саме тому вишдт кольоровi компоненти RGB корисно пере-творювати у компоненти, що вщповщають тону, насиче-ностi та штенсивносл (HSV). Саме таке перетворення е основою вдамих методiв тдвищення якосп цифрових зображень [1-5, 8].
Нажаль окреме використання юнуючих методiв пiдвищення просторового розрiзнення багатоканальних зображень, таких як HSV, ICA, Color Normalized Brovey, Grama-Schmidt, PC Spectral Sharpening, не дае прийнятно-го результату [6, 8 10].
Стльною та основною проблемою, пов'язаною зi злит-тям сканерних зображень, отриманих сучасними аеро-космiчними системами, е ^тотне колiрне порушення. Причиною таких спотворень е той факт, що юнуючи алго-ритми головним чином розроблялися для об'еднання зображень супутника SPOT. На вiдмiну вщ вiдповiдних харак-
теристик зазначеного косячного апарату довжина панх-ром-хвилi сучасних супутниюв (IKONOS, QuickBird, Worldview-2 та ш.) була розширена вiд видимого до ближ-нього iнфрачервоного дiапазону.
Найбiльш близькою до нашого дослщження е робота [11], але в нш автори не використовують перехвд до HSV-простору, здiйснюють за шшим правилом замiну яскрав-юно! компоненти при гiперсферичному перетвореннi та застосовують «а trous» - алгоритм, що в разi значних вiдмiнностей контрастних характеристик первинних зображень неминуче призводить до посилення нетформа-тивно! шумово! складово! одного зображення до рiвня суттевих структурних особливостей тшого зображення.
3 МАТЕР1АЛИ ТА МЕТОДИ
В данiй роботi ми пропонуемо алгоритм, заснований також на гшерсферичному перетвореннi (HCT), який вшьний вiд зазначених вище недолiкiв i здатний ефектив-но працювати з будь-якою кшьюстю вхiдних каналiв муль-тиспектрального зображення. Крiм того, на окремих кро-ках технологil реалiзованi такi методи обробки, як зваже-не усереднення, адаптивна гiстограмна еквалiзацiя, метод HSV та пакетне вейвлет-перетворення. Схема запропо-нованого алгоритму подана на рис. 1. Розглянемо ос-новт етапи перетворення первинних багатоканальних зображень.
1. Завантажуемо фотограмметричнi зн1мки супутника WorldView-2: панхромне - PAN, мультиспектральне - MUL (Coastal, Blue, Green, Yellow, Red, Red Edge, NIR1, NIR 2).
2. Виконуемо масштабування мультиспектрального (MUL) зображення до розмiрiв панхромного (PAN) знiмка методом ттерполяцп зi згладжувальним фiльтром, що створюе тксель як середньозважене пiкселiв, що мютяться в областi, яка опинилася пiд фiльтром. Цей про-цес формуе зображення з плавними переходами в шро-му рiвнi [1].
3. Оскшьки характерною рисою бшьшосл фотограмметрических зображень е значна питома вага темних дiля-нок i порiвняно мале число дшянок з високою яскравi-стю, тому наступним етапом пропонуеться провести еквалiзацiю мультиспектрального i панхромного зображень, за допомогою яко! коригуемо первинт зображення, вирiвнявши iнтегральнi площi дiлянок з рiзними яск-равостями. Пропонуемо використовувати адаптивну пстограмну еквалiзацiю [10].
4. Перетворюемо зображення з формату RGB в коль-орову систему HSV [9]. Для панхромного зображення таке перетворення здшснюеться з попередшм вибором у якосп окремих R-, G-, B-компонент полутонового PAN-зображення. Для мультиспектрального зображення таке перетворення здшснюеться з попередшм вибором у якосл окремих R-, G-, B-компонент вщповщних зображень 5-го, 3-го та 2-го каналiв.
5. Замшюемо яскрав^ну К-компоненту мультиспектрального зображення MULHSV К-компонентою панхромного зображення PANHSV.
6. Здiйснюемо зворотне перетворення отриманого на попередньому етапi зображення з формату HSV в коль-орову систему RGB. Отримане зображення MULRGB вже буде мати шдвищене просторове розрiзнення у по-рiвняннi з первинним знiмком у натуральних кольорах.
PHcyHOK 1 - CxeMa ajropHTMy
7. nepeTßoproeMO BocBMHKaHajBHe MyjBTHcneKTpajB-He 3o6paxeHHa, ^o cKjagaeTBca 3 MULRGB i 3o6paxeHB 1, 4, 6, 7, 8-ro KaHajiB nicja eKBaji3a^l) B rinepc^epHHHHH KojjipHHn npocTip, hkhh 3agaeTBca ^opMyjiaMH (1)-(4) [11]:
I =
Band2 + Band 2... + BandN
01 = arctan
/ 2 2 2
J BandN + BandN-1... + Band 2
1 _tl___
Band1
JN-2
= arctan
22 ■JBandN + BandN-1
Band
N-2
(
JN-1
= arctan
Band
N
Band
N-1
(1)
(2)
(3)
(4)
8. 3aMiHroeMo acKpaBicHy /-KoMnoHemy 6araToKaHajB-Horo 3o6paxeHHa naHxpoMHHM 3o6paxeHH»M PAN.
9. 3acTocoByeMo 3BopoTHe HCT-nepeTBopeHHa Ta ot-pHMyeMo pe3yjitTaT MUL 3a ^opMyjiaMH (5)-(8):
Band1 = I cos 01, Band2 = I sin01cos02, BandN-1 = I sin 01sin 0 2...sin 0n-2 cos 0n-1,
(5)
(6)
(7)
(8)
BandN = I sin 01sin 02...sin 0n-2sin 0n-1 .
10. nepeTBoproeMo oTpHMaHe 3o6paxeHHa MULHST B nepBHHHy KojBopoBy MogejB.
11. 3acTocoByeMo BenBjeT-nepeTBopeHHa [12]. Po3Kjag BignoBigHHx KaHajiB acKpaBocri 6araToKaHajBHoro 3o6pa-xeHHa 3gincHroeTBca go 3agaHoro piBHa gerc>Mno3H^l 3a onTHMajBHoro naKeTHoro BenBjeT-6a3Hcy y BignoBigHocTi 3 o6paHoro ^yrn^ero iH^opMa^HHol BapTocTi (KpHTepieM iH^opMaTHBHocTi), o6HHcnroBaHol BigHocHo Koe^i^emiB BenBjeT-po3Kjagy BepmHHH-npa^ypa Ta BepmHH Bcix noro Ha^agKiB. flaji 3gincHroeMo ^opMoyTBopeHHa hobhx cKja-goBHx po3Kjagy 3rigHo 3 o6paHHM npaBHjoM o6'egHaHHa
коефiцiентiв, зворотний пакетний вейвлет розклад та пе-рехщ до вих^но! кольорово! метрики [10]. Отримуемо результат RES у виглядi восьмиканального зображення з пiдвищеним просторовим розрiзненням без втрат спектрально! шформацп.
4 ЕКСПЕРИМЕНТИ
Виконаемо експериментальне досл^ження ефектив-ностi розробленого методу на основi гiперсферичного перетворення. Для цього будемо використовувати кiлькiснi оцiнки якосп синтезованих мультиспектральних зобра-жень: ентротя, SSIM, ERGAS, Quality index та m. [6, 7].
Для реалiзацil окремих етапiв запропонованого алгоритму та його порiвняння з вщомими методами викорис-товувались програмний продукт для обробки даних ДЗЗ ENVI 5.0 i пакет для iнженерних розрахунюв Matlab 12.0 [13]. В програмному комплекм ENVI 5.0 використано ме-тоди HSV, PCA, Grama-Shmidt, Color Normalized (Brovey) та еквалiзацiя. В пакет! Matlab 12.0 нами програмно реалiзо-вано та здiйснено гiперсферичне та вейвлет-перетворен-ня, а також розрахунок кiлькiсних оцiнок ефективностi методiв: ентропп, SSIM, ERGAS, Quality index.
5 РЕЗУЛЬТАТИ
На рис. 2а подано фрагмент панхромного зображен-ня до обробки, на рис. 2б - первинне мультиспектральне зображення з вибором у якосп окремих R-, G-, B-компо-нент вiдповiдних зображень 5-го, 3-го та 2-го каналiв. На рис. 2в подано фрагмент мультиспектрального зображення тсля обробки запропонованим у робота алгоритмом. Для його RGB-вiзуалiзацiil також використано 5-й, 3-й та 2-й канали.
У табл. 1 наведено розраховат значення ентропп, ощнеш для первинних мультиспектрального та панхром-ного зображень, а також для синтезованого багатоканаль-ного зображення за запропонованим методом (розмiр фрагменлв зображень 500x500 пiкселiв). У табл. 2 наведет значення ERGAS i SSIM для синтезованих мультиспектральних зображень, отриманих окремо вдамими методами злиття (PCA, Grama-Shmidt, HSV, Wavelet) i запропонованим у робот методом.
6 ОБГОВОРЕННЯ
Як видно iз табл. 1, запропонований метод дшсно пiдвищуе iнформативнiсть мультиспектрального зображення, оскшьки значення ентропп в ж^внянт з вхщни-ми даними е вищим. З результатiв табл. 2 можна бачити, що найефективнiшим методом злиття зображень е запропонований метод (RES). На це вказуе значення без-розмiрноl глобально! помилки ERGAS, що е найменшим (ERGAS=1,52) у порiвняннi з iснуючими методами i свiдчить про мiнiмальну «кшьюсть» спектральних спот-ворень фотограмметричних сканерних зображень. Про ефективнiсть розроблено! технологи також свiдчать от-риманi значення шдексу SSIM, який визначае структур-ну схожiсть двох зображень (еталонного та синтезовано-го зображення). Структурна схожють розумiеться нами як жедбтсть геометричних структур зображень, яка шва-рiантна до розподiлiв !хньо! яскравосл та контрастностi. Просторовий розподiл яскравоста зображення, отрима-ного пiсля обробки, зрозумшо, вiдрiзняеться вiд первин-
в
Рисунок 2 - Фрагменти зображень: а - первинне панхромне, б - первинне мультиспектральне, в - синтезоване шсля обробки запропонованим алгоритмом
Таблиця 1 - Юлькюш значення ентропп
Зображення Значення ентропп
Панхроматичне (Pan) 7,2932
Мультиспектральне (Mul) 7,2719
Синтезоване зображення (RES) 7,5118
Таблиця 2 - Порiвняльний аналiз ефективностi методiв
Метод Метрика ERGAS SSIM
PCA 2,21 0,768
Grama-Shmidt 1,95 0,831
HSV 2,48 0,672
Wavelet 1,89 0,875
Запропонований (RES) 1,52 0,982
ного, що випливае iз самого факту обробки, спрямова-но! на тдвищення iнформативностi видових даних. При цьому принципове значення мае збереження структури первинного зображення в обробленому зшмку, шварь антному щодо яскравостi й контрастност обробленого знiмка (як параметрiв, яю пов'язанi з «зовшшшми факторами», наприклад, чутливiстю датчика видово! шфор-мацi!). Нами у якостi еталонного зображення було взято панхроматичне зображення, що з набору багатоспект-ральних даних мае найбшьш високе просторове (струк-турне) розрiзнення.
Таким чином, аналiз результатiв св^ить про те, що синтезоване зображення високого просторового розрiз-нення з максимальною iнформативнiстю забезпечуе комплексування саме за запропонованою технолопею з попередньою еквалiзацiею первинних зображень.
ВИСНОВКИ
У роботi вирiшено актуальну задачу автоматизова-ного пiдвищення просторового розрiзнення первинних багатоканальних зображень.
Наукова новизна роботи полягае у розробщ нового методу злиття багатоканальних аерокосмiчних зображень на основi HSV-конвертування i гшерсферичного перетворення кольору, що дозволяе полшшити просто-рову здатнiсть первинного цифрового зображення й уникнути спектральних спотворень в локальних областях. У ж^внянт з юнуючими методами злиття запропо-нована iнформацiйна технологiя дозволяе тдвищити iнформативнiсть багатоканального зображення без ютот-них колiрних спотворень. Це досягаеться, зокрема, за рахунок попередньо! еквалiзацi! первинних зтмюв, об-роблення даних у локалiзованих спектральних базисах, оптимiзованого за iнформацiйними характеристиками, та використання шформацп, яку мiстить зображення шфрачервоного дiапазону.
Практична цiннiсть отриманих результата полягае в тому, що розроблене програмне забезпечення, яке реа-лiзуе запропонований метод, дозволяе покращувати шформатившсть первинного цифрового зображення. Це дозволяе в свою чергу пiдвищувати достсдаршсть подаль-шого розпiзнавання об'ектiв i видiлення затiнених для-нок на цифровому зображенш високого просторового розрiзнення.
Перспективи подальших дослiджень полягають у проведет подальших дослiджень, пов'язаних з компенсацiею впливу низки фактс^в, якi суттево впливають на просто-рову та радiометричну розрiзненiсть багатоканальних аерокосмiчних зображень, а також визначенням можли-востi забезпечення задано! достовiрностi подальшого розпiзнавання об'ектiв земно! поверхш.
ПОДЯКИ
Роботу виконано в рамках держбюджетно! науково-дослiдно! роботи Мтшстерства освiти i науки Укра!ни «Математичш моделi та методи iдентифiкацi! та тема-тично! обробки багатоспектральних растрових зобра-жень» (№ Держ. реестрацп 0112U000187).
СПИСОК Л1ТЕРАТУРИ
1. Шовенгедт Р. А. Дистанционное зондирование. Методы и модели обработки изображений / Р. А. Шовенгердт. - М. : Техносфера, 2010. - 560 с.
2. Pohl C. Review article multisensor image fusion in remote sensing: Concepts, methods and applications / C. Pohl, J. L. van Genderen // International Journal Remote Sensing. - 1998. - № 19. -P. 823-854. DOI: 10.1080/014311698215748.
3. A Survey of Classical Methods and New Trends in Pansharpening of Multispectral Images / [I. Amro, J. Mateos, M. Vega, R. Molina, A. K. Katsaggelos] // EURASIP Journal on Advances in Signal Processing. - Vol. 1/79. - P. 79. DOI: 10.1186/ 1687-6180-2011-79.
4. Zhang J. Multi-source remote sensing data fusion: Status and trends / J. Zhang // International Journal of Image and Data Fusion. - 2010. - № 1. - P. 5-24. DOI: 10.1080/ 19479830903561035.
5. Padwick C. WorldView-2 pan-sharpening / C.Padwick, M. Deskevich, F. Pacifici, S. Smallwood // ASPRS: Conference, San Diego, California, 26-30 April, 2010: proceedings. - San Diego, 2010. - P. 99-103.
6. Wang Z. Image Quality Assessment: From Error Visibility to Structural Similarity / Z. Wang, A. C. Bovik, H. R. Sheikh, E.P. Simoncelli // IEEE Transactions on Image Processing. - 2004. -Vol. 13, No. 4.- P. 600-612. DOI: 10.1109/TIP.2003.819861.
7. Wald L. Quality of High Resolution Synthesised Images: Is There a Simple Criterion? / L. Wald // Fusion of Earth Data: Merging Point Measurements, Raster Maps and Remotely Sensed Images: Third Conference, Sophia Antipolis, 26-28 January 2000: proceedings. - Sopia Antipolis, France, 2011. - P. 99-103.
8. Zhang Y. An IHS and wavelet integrated approach to improve pan-sharpening visual quality of natural color IKONOS and QuickBird images / Y. Zhang, G. Hong // International Journal of Image and Data Fusion. - 2005. - № 6. - P. 225-234. DOI: 10.1016/j.inffus.2004.06.009.
9. Гнатушенко В. В. Злиття аерокоашчних зображень високого просторового розрiзнення на основi HSV-перетворення та вейвлет-декомпозици / В. В. Гнатушенко, В. Ю. Шевченко // Вюник ХНТУ - 2014. - № 2 (47). - С. 100-105.
10. Гнатушенко В. В. 1нформацшна технолопя шдвищення про-сторово! розрiзненостi цифрових супутникових зображень на основi 1СА- та вейвлет-перетворень / В. В. Гнатушенко, О. О. Кавац // Вюник Нацюнального ушверситету «Львiвська полгтехшка», серiя «Комп 'ютерш науки та шформацшш технологи». - 2013. - № 771. - С. 28-32.
11. Li X. Hyperspherical color transform based pansharpening method for WorldView-2 satellite images/ X. Li, H. Mingyi, L. Zhang // Industrial Electronics and Applications: 8th IEEE Conference, Melbourne, Australia, 19-21 June 2013: proceedings. - Melbourne, 2013. - P. 520. DOI: 10.1109/ICIEA.2013.6566424.
12. Малла С. Вейвлеты в обработке сигналов / Пер. с англ. Я. М. Жилейкина. - М. : Мир, 2005. - 671 с., ил.
13. Гонсалес Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. - М. : Техносфера, 2006. -616 с.
Отаття надшшла до редакци 09.12.2014.
Шсля доробки 25.12.2014.
Гнатушенко В. В.1, Кавац О. О.2, Шевченко В. Ю.3
'Д-р техн. наук, профессор, профессор кафедры информационных технологий и систем Национальной металлургической академии Украины, г. Днепропетровск, Украина
2Канд. техн. наук, доцент, доцент кафедры информационных технологий и систем Национальной металлургической академии Украины, г. Днепропетровск, Украина
3Аспирант Днепропетровского национального университета имени Олеся Гончара, г. Днепропетровск, Украина ПОВЫШЕНИЕ ПРОСТРАНСТВЕННОГО РАЗРЕШЕНИЯ МНОГОКАНАЛЬНЫХ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ ВЫСОКОГО ПРОСТРАНСТВЕННОГО РАЗРЕШЕНИЯ НА ОСНОВЕ Г1ПЕРСФЕРИЧНОГО ПРЕОБРАЗОВАНИЯ
В работе решена актуальная задача разработки информационной технологии повышения визуального качества многоканальных аэрокосмических изображений высокого пространственного разрешения. Объектом исследования является процесс слияния панхром-ного и мультиспектрального фотограмметрических сканерных изображений, полученных координатно-чувствительными сенсорами в видимом и инфракрасном диапазонах электромагнитного излучения. Предмет исследования составляют методы предварительной и синергетической обработки многоканальных данных для улучшения качества результирующего изображения и уменьшения цветовых искажений. Цель работы: автоматизированное повышение пространственного разрешения первичного многоканального изображения и по сравнению с существующими методами устранение цветовых искажений в локальных областях. Кроме того, предлагаемая технология позволит эффективно проводить дальнейшее распознавание и оперативный мониторинг объектов инфраструктуры. В работе предложена новая информационная технология слияния многоканальных аэрокосмических изображений на основе HSV-кон-вертирования и гиперсферического преобразования цвета, которая позволяет улучшить пространственное разрешение первичного цифрового изображения, избежав при этом спектральных искажений. Это достигается, в частности, за счет предварительной эквализа-ции первичных снимков, обработки данных в локализованных спектральных базисах, оптимизированной по информационным характеристикам, и использования информации, содержащейся в изображении инфракрасного диапазона. Разработано программное обеспечение, реализующее предложенный подход. Проведены эксперименты по исследованию свойств данного алгоритма. Экспериментальные оценки проведены на восьмиканальных изображениях, полученных спутником WorldView-2. Результаты тестирования подтвердили, что предложенный подход позволяет достичь высокого спектрального и пространственного качества многоканальных изображений и превосходит существующие методы.
Ключевые слова: сканерное изображения, вейвлет-преобразование, гиперсферическое преобразования, информативность, слияние.
Hnatushenko V. V.1, Kavats O. O.2, Shevchenko V. Yu.3
*Dr. of Sc., Professor, Professor of Department of Information Technologies and Systems, National Metallurgical Academy of Ukraine, Dnepropetrovsk, Ukraine
2PhD, Associate Professor, Associate Professor of Department of Information Technologies and Systems, National Metallurgical Academy of Ukraine, Dnepropetrovsk, Ukraine
3Post-graduate student, Dnipropetrovsk National University named by Oles Honchar, Dnepropetrovsk, Ukraine IMPROVEMENT THE SPATIAL RESOLUTION OF MULTICHANNEL AEROSPACE HIGH SPATIAL RESOLUTION IMAGES ON THE BASE OF HYPERSPHERICAL TRANSFORM
In this paper we solve an actual problem of development of information technology to improve the visual quality of multi-channel space images of high spatial resolution. The object of the research is the process of fusing panchromatic and multispectral photogrammetric images obtained coordinate-sensitive sensors in the visible and infrared regions of the electromagnetic radiation. The subject of research are methods make preliminary and synergistic multi-channel data processing to improve the quality of the resulting image and reduce the color distortion. The purpose of the work is to increase the spatial resolution of the automated primary multi-channel images and compared with existing methods of eliminating color distortion in the local areas. In addition, the proposed technology will effectively carry out further recognition and real-time monitoring infrastructure. In the paper we propose a new information pansharpening technology based on HSV-converting and hyperspherical color conversion, which allows not only to improve the spatial resolution of the primary digital image, but also avoid the spectral distortion. This is achieved, in particular, by image pre-equalization, data processing localized spectral bases, optimized performance information, and the information contained in the infrared image. The software implementing proposed method is developed. The experiments to study the properties of the proposed algorithm are conducted. Experimental evaluation performed on eight-channel images obtained WorldView-2 satellite. Test results confirmed that the proposed approach can achieve high spectral and spatial quality multichannel images and outperforms existing methods. Keywords: scanner images, the wavelet transform, hyperspherical color transform, informative, pansharpening.
REFERENCES
1. Shovengedt R. A. Distancionnoe zondirovanie. Metody i modeli obrabotki izobrazhenij. Moscow. Tehnosfera, 2010, 560 p.
2. Pohl C. J., Van Genderen L. Review article multisensor image fusion in remote sensing: Concepts, methods and applications, International Journal Remote Sensing, 1998, No. 19, pp. 823854. DOI: 10.1080/014311698215748.
3. Amro I., Mateos J., Vega M., Molina R., Katsaggelos A K. A Survey of Classical Methods and New Trends in Pansharpening of Multispectral Images, EURASIP Journal on Advances in Signal Processing, Vol. 1/79, P. 79. DOI: 10.1186/1687-6180-2011-79.
4. Zhang J. Multi-source remote sensing data fusion: Status and trends, International Journal of Image and Data Fusion, 2010, No. 1, pp. 5-24. DOI: 10.1080/19479830903561035.
5. Padwick C., Deskevich M., Pacifici F., Smallwood S. WorldView-2 pan-sharpening, ASPRS: Conference, San Diego, California, 26-30 April, 2010: proceedings. San Diego, 2010, pp. 99-103.
6. Wang Z., Bovik A. C., Sheikh H. R., Simoncelli E. P. Image Quality Assessment: From Error Visibility to Structural Similarity, IEEE Transactions on Image Processing. 2004, Vol. 13, No. 4, pp. 600-612. DOI: 10.1109/TIP.2003.819861.
7. Wald L. Quality of High Resolution Synthesised Images: Is There a Simple Criterion? Fusion of Earth Data: Merging Point Measurements, Raster Maps and Remotely Sensed Images: Third
Conference. Sophia Antipolis, 26-28 January 2000, proceedings. Sopia Antipolis, France, 2011, pp. 99-103.
8. Zhang Y., Hong G. An IHS and wavelet integrated approach to improve pan-sharpening visual quality of natural color IKONOS and QuickBird images, International Journal of Image and Data Fusion, 2005, No. 6, pp. 225-234. DOI: 10.1016/j.inffus.2004.06.009.
9. Hnatushenko V. V., Ju V. Shevchenko Zlittja aerokosmichnih zobrazhen' visokogo prostorovogo rozriznennja na osnovi HSV-peretvorennja ta vejvlet-dekompozicii, Visnik HNTU, 2014, No. 2 (47), pp. 100-105.
10. Hnatushenko V. V., Kavac O. O. Informacijna tehnologija pidvishhennja prostorovoi rozriznenosti cifrovih suputnikovih zobrazhen' na osnovi ISA- ta vejvlet-peretvoren', Visnik Nacional'nogo universitetu «L'vivs'ka politehnika», serija «Komp'juterni nauki ta informacijni tehnologii», 2013, No. 771, pp. 28-32.
11. Li Xu, Mingyi He, Zhang Lei Hyperspherical color transform based pansharpening method for WorldView-2 satellite images, Industrial Electronics and Applications: 8th IEEE Conference, Melbourne, Australia, 19—21 June 2013: proceedings. Melbourne, 2013, pp. 520. DOI: 10.1109/ICIEA.2013.6566424.
12.Malla S. Vejvlety v obrabotke signalov. Per. s angl. Ja. M. Zhilejkina. Moscow, Mir, 2005, 671 p.
13. Gonsales R., Vuds R., Jeddins S. Cifrovaja obrabotka izobrazhenij v srede MATLAB. Moscow, Tehnosfera, 2006, 616 p.
