ЗБІЛЬШЕННЯ ПРОСТОРОВОГО ТА РАДІОМЕТРИЧНОГО РОЗРІЗНЕННЯ БАГАТОСПЕКТРАЛЬНИХ ЦИФРОВИХ ЗОБРАЖЕНЬ ДИСТАНЦІЙОНОГО ЗОНДУВАННЯ НА ОСНОВІ ЇХ АНАЛІТИЧНИХ СИГНАЛІВ
DOI:
https://doi.org/10.32782/KNTU2618-0340/2020.3.2-1.14Ключевые слова:
багатоспектральне зображення, просторове розрізнення, радіометричне розрізнення, ортогоналізація, аналітичний сигнал, перетворення Гільберта, індекс структурної схожостіАннотация
Запропоновано метод покращення просторового ти радіометричного розрізнення цифрових зображень дистанційного зондування, зафіксованих у довільній кількості спектральних інтервалів проміння – носія видової інформації. Метод базується на використанні аналітичних сигналів, які відповідають функціям розподілу яскравості зображень окремих спектральних каналів, що фіксуються. Показано, що спряжені за Гільбертом складові аналітичних сигналів, ортогональні функціям розподілу яскравості зафіксованих зображень спектральних каналів, мають розширений діапазон розподілів рівнів яскравості. На основі аналізу аналітичних сигналів, що подають розподіли яскравості цифрових зображень, зафіксованих у різних спектральних каналах, запропоновано спосіб включення до розподілів яскравості зображень цих каналів складових з більш високою, ніж вихідна, лінійною розрізнювальною здатністю при збереженні спектральної інформації. Реалізація пропонованого методу включає наступні етапи: попарну ортогоналізацію розподілів яскравості зображень спектральних каналів; визначення аналітичних сигналів для кожної ортогоналізованої спектральної компоненти зафіксованого багатоспектрального зображення; заміну спряжених за Гільбертом складових аналітичних сигналів зображень спектральних компонент відповідною складовою зображення спектрального каналу з максимальним просторовим розрізненням. Реконструкція розподілів яскравості синтезованих пропонованим способом зображень здійснюється послідовним застосуванням оберненого перетворення Гільберта від сформованих спряжених компонент аналітичних сигналів, що подають розподіли яскравості спектральних складових, та перетворення, оберненого стосовно використаного алгоритму ортогоналізації розподілів яскравості зображень спектральних каналів. За кількісну міру просторового розрізнення використана енергетична ентропія розподілів яскравості.
Показано, що пропонований метод забезпечує збереження структурної схожості функцій розподілів яскравості вихідних та синтезованих зображень спектральних каналів.
Method of increasing the spatial and radiometric resolution of digital images of remote sensing recorded in arbitrary number of spectral intervals of radiation - carrier of video information is proposed. The method is based on the use of analytical signals corresponding to the brightness distribution functions of the fixed spectral channel images. It is shown that Hilbert conjugated components of these analytical signals are orthogonal to functions of brightness distribution of spectral channel images and have extended dynamic range of brightness levels distributions. Based on the analysis of analytical signals representing the brightness distributions of digital images recorded in different spectral channels, a way of incorporating in the distribution of brightness of images of these channels is a component with a higher than the original linear resolution while maintaining spectral information. Implementation of the proposed method includes the following steps: pairwise orthogonalization of brightness distribution functions of fixed spectral channel images; constructing analytical signals for each orthogonalized spectral component of a fixed multispectral image; replacement of Hilbert conjugated components of analytical signals of spectral images components by corresponding component of spectral channel image with maximum spatial resolution. Reconstruction of brightness distributions of synthesized images is carried out by sequential application of reverse Hilbert transform of generated conjugated components of analytical signals and transformation, and transformation inverse to used algorithm of orthogonalization the brightness distributions of images of spectral channels. It is shown that the proposed method ensures preservation of structural similarity of brightness distribution functions of brightness of initial and synthesized images for all fixed spectral channels. Energy entropy of brightness distributions is used as a quantitative measure of their spatial resolution.
Efficiency of proposed method is confirmed by comparative analysis of information entropies of initial and synthesized images of spectral channels.
Библиографические ссылки
Mahler R. Optimal/Robust Distributed Data Fusion: a Unified Approach. Proceedings of SPIE (USA, Orlando, April 24-26, 2000). Vol. 4052: Signal Processing, Sensor Fusion and Target Recognition. №. 4. Р. 128-138.
Wang Z. J., Ziou D., Armenakis C. A. Comparative analysis of image fusion methods. IEEE Transactions on Geoscience and Remote Sensing. 2005. № 43(6). Р. 1391–1402. DOI: 10.1109/TGRS.2005.846874.
Шовенгердт Р. А. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера, 2010. 556 с.
Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. 1072 с.
Волошин В. И., Корчинсикй В. М. Повышение информативности видовых данных дистанционного зондирвания Земли. Космічна наука і технологія. 2006. Т. 12, № 5/6. С. 15-16.
Voloshin V. I., Korchinsky V. M., Kharitonov M. M. A Novel Method For Correction of Distortions and Improvement of Information Content in Sattelite-Acquired Multispecral Images. Advances and Challengers in Multispesonsor Data and Information Processing, 2007. P. 315-323.
Sangeetha M., Senthilrajan H. Super Resolution. A Review. International Journal of Engineering Research & Technology. 2016 Vol. 4, № 21. P. 15.
Смит С. Цифровая обработка сигналов. Практическое руководство для инженеров и научных работников. М.: ДОДЭКА-XXI. 2012. 720 с.
Вайнштейн Л. А., Вакман Д. Е. Разделение частот в теории колебаний и волн: монография. М.: Наука, 1983. 288 с.
Залманзон Л.А. Преобразования Фурье, Уодша, Хаара и их применение в управлении, связи и других областях: монография. М: Наука, 1989. 496 с.
Габидулин Э. М., Пилипчук Н. И. Лекции по теории информации. М.: МИФИ, 2007. 214 с.
Wang Z., Bovik A. K., Sheikh H. R., Simoncelli E. R. Image Quality Assessment: from Error Visibility to Structural Similarity. IEEE Transactions on Image Processing. 2004. Vol. 13. № 4. P. 600-612.
Mahler, R. (2000). Optimal/Robust Distributed Data Fusion: a Unified Approach. Proceedings of SPIE (USA, Orlando, April 24-26, 2000). Vol. 4052: Signal Processing, Sensor Fusion and Target Recognition. №. 4, pp. 128-138.
Wang, Z. J., Ziou, D., & Armenakis, C. A. (2005). Comparative analysis of image fusion methods. IEEE Transactions on Geoscience and Remote Sensing. 43(6), 1391–1402. DOI: 10.1109/TGRS.2005.846874.
Shovengerdt, R. A. (2010). Distantsionnoe zondirovanie. Modeli i metodyi obrabotki izobrazheniy. M.: Tehnosfera.
Gonsales, R., & Vuds, R. (2005). Tsifrovaya obrabotka izobrazheniy. M.: Tehnosfera.
Voloshin, V. I., & Korchinsiky, V. M. (2006). Povyishenie informativnosti vidovyih dannyih distantsionnogo zondirvaniya Zemli. Kosmichna nauka i tehnologia. 12, 5/6, 1516.
Voloshin, V. I., Korchinsky, V. M., & Kharitono,v M. M. (2017). A Novel Method For Correction of Distortions and Improvement of Information Content in Sattelite-Acquired Multispecral Images. Advances and Challengers in Multispesonsor Data and Information Processing. P. 315-323.
Sangeetha, M., & Senthilrajan, H. (2016). Super Resolution. A Review. International Journal of Engineering Research & Technology. 4, 21, 15.
Smit, S. Tsifrovaya obrabotka signalov. (2012). Prakticheskoe rukovodstvo dlya inzhenerov i nauchnyih rabotnikov. M.: DODEKA-XXI.
Vaynshteyn, L. A., Vakman, D. E. (1983). Razdelenie chastot v teorii kolebaniy i voln: monografiya. M.: Nauka.
Zalmanzon, L. A. (1989). Preobrazovaniya Fure, Uodsha, Haara i ih primenenie v upravlenii, svyazi i drugih oblastyah: monografiya. M: Nauka.
Gabidulin, E. M., Pilipchuk, N. I. (2007). Lektsii po teorii informatsii. M.: MIFI.
Wang, Z., Bovik, A. K., Sheikh, H. R., Simoncelli, E. R. (2004). Image Quality Assessment: from Error Visibility to Structural Similarity. IEEE Transactions on Image Processing. 13, 4, 600-612.
Загрузки
Опубликован
Версии
- 2020-09-07 (2)
- 2020-09-06 (1)