SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2023 / Cilt: 38 - Sayı: 4

Spektral ayrıştırma ve komşu piksel ilişkisi temelli hiperspektral ve multispektral görüntülerin kaynaştırılması

Davut ÇEŞMECİ
Pages
2385–2396
Publication Date
2023-04-12
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Önerilen kaynaştırma yöntemi gerçek hiperspektral görüntüler üzerinde test edilmiştir ve deneysel çalışmalar literatürdeki çalışmalara göre başarımının daha yüksek olduğunu göstermektedir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Hiperspektral (HS) görüntüler yüksek spektral çözünürlüğe sahip oldukları halde, teknolojik kısıtlamalardan dolayı uzamsal çözünürlükleri düşüktür.
📊
Key Findings & Data:Literatürde Matris Ayrıştırması (MA) temelli görüntü kaynaştırmasında, komşu piksellerin etkisini dikkate alan bir çalışma ile karşılaşılmamıştır.
💡
Conclusion & Impact:Önerilen kaynaştırma yöntemi gerçek hiperspektral görüntüler üzerinde test edilmiştir ve deneysel çalışmalar literatürdeki çalışmalara göre başarımının daha yüksek olduğunu göstermektedir.
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Görüntü kaynaştırma · hiperspektral · multispektral

Özet

Hiperspektral (HS) görüntüler yüksek spektral çözünürlüğe sahip oldukları halde, teknolojik kısıtlamalardan dolayı uzamsal çözünürlükleri düşüktür. Sınıflandırma başarımının arttırılması veya daha detaylı içerik elde edilmesi gibi gereksinimlerin karşılanabilmesi için bu tip görüntülerin yüksek spektral çözünürlük yanında yüksek uzamsal çözünürlüğe de sahip olmaları faydalıdır. Bu nedenle, HS görüntülerin Multispektral (MS) görüntüler ile kaynaştırılması son yıllarda popülerliğini koruyan bir konu olarak çalışılmaktadır. Literatürde Matris Ayrıştırması (MA) temelli görüntü kaynaştırmasında, komşu piksellerin etkisini dikkate alan bir çalışma ile karşılaşılmamıştır. Bu nedenle, bu çalışmada spektral ayrıştırma ve uzamsal komşuluk etkisini dikkate alan yeni bir kaynaştırma yaklaşımı önerilmektedir. Öncelikle, spektral ayrıştırma kullanılarak hiperspektral görüntüden son eleman ve katışım oranları çıkarılmaktadır. Çıkarılan son elemalar, multispektral görüntü algılayıcısının spektral yanıtı kullanılarak multispektral spektral çözünürlüğüne taşınmaktadır. Daha sonra, multispektral görüntüdeki her bir piksel için, son elemanlar ile komşuluk piksellerinin katışım oranları kestirilmektedir. Son olarak, multispektral görüntüden kestirilen katışım haritası ile hiperspektral görüntünün son elemanları ve komşuluk pikselleri kullanılarak hem uzamsal hem de spektral çözünürlüğü yüksek görüntü elde edilmektedir. Önerilen kaynaştırma yöntemi gerçek hiperspektral görüntüler üzerinde test edilmiştir ve deneysel çalışmalar literatürdeki çalışmalara göre başarımının daha yüksek olduğunu göstermektedir.

🔖

Cite This Article

ÇEŞMECİ, D. (2023). Spektral ayrıştırma ve komşu piksel ilişkisi temelli hiperspektral ve multispektral görüntülerin kaynaştırılması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 38 - Sayı: 4, 2385–2396. https://ajindex.com/articles/886087

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (1)

  1. Hanbay, K., Hyperspectral image classification using convolutional neural network and twodimensional complex Gabor transform, J. Fac. Eng. Archit. Gazi Univ., vol. 35, no. 1, pp. 443–456, 2020. 2. Souza Jr, C., Firestone, L., Silva, L. M., Roberts, D. Mapping forest degradation in the Eastern Amazon from SPOT 4 through spectral mixture models, Remote Sens. Environment, vol. 87, no. 4, pp. 494–506, 2003. 3. Licciardi, G. A., Villa, A., Khan, M. M., Chanussot, J., Image fusion and spectral unmixing of hyperspectral images for spatial improvement of classification maps, in Proc. IEEE Int. Conf. Geosci. Remote Sens. (IGARSS), pp. 7290–729, 2012. 4. Simoes, M., Bioucas Dias, J., Almeida, L., Chanussot, J., A convex formulation for hyperspectral image superresolution via subspace-based regularization, IEEE Trans. Geosci. and Remote Sens., 2015. 5. Wei, Q., Bioucas Dias, J. M., Dobigeon, N., Tourneret, J.-Y., Hyperspectral and multispectral image fusion based on a sparse representation, IEEE Trans. Geosci. and Remote Sens., vol. 53, no. 7, pp. 3658– 3668, Sept. 2015. 6. Liu, J. G. Smoothing Filter-based Intensity Modulation: A spectral preserve image fusion technique for improving spatial details, International Journal of Remote Sensing, vol. 21, no. 18, pp. 3461–3472, Jan. 2000. 7. Laben, C. A., Brower, B. V., Process for enhancing the spatial resolution of multispectral imagery using pan-sharpening, Patent US 6 011 875 A, 2000. 8. Yokoya, N., Yairi, T., Iwasaki, A., Coupled nonnegative matrix factorization unmixing for hyperspectral and multispectral data fusion, IEEE Trans. Geosci. Remote Sens., vol. 50, no. 2, pp. 528–537, Feb. 2012. 9. Li, S., Dian, R., Fang, L., Bioucas-Dias, J. M., Fusing hyperspectral and multispectral images via coupled sparse tensor factorization, IEEE Transactions on Image Processing, vol. 27, no. 8, pp. 4118–4130, 2018. 10. Eismann, M. T., Resolution enhancement of hyperspectral imagery using maximum a posteriori estimation with a stochastic mixing model, Ph.D. dissertation, Univ. Daton, Dayton, OH, May 2004. 11. Thomas, C., Ranchin, T., Wald, L., Chanussot, J., Synthesis of multispectral images to high spatial resolution: a critical review of fusion methods based on remote sensing physics, IEEE Trans. Geosci. And Remote Sens., vol. 46, no. 5, pp. 1301–1312, May 2008. 12. Yokoya, N., Grohnfeldt, C., Chanussot, J., Hyperspectral and Multispectral Data Fusion: A comparative review of the recent literature, IEEE Geoscience and Remote Sen