Классические и новые методы повышения разрешения мультиспектральных изображений - История изменений

Nadiopt в 10:48, 27 августа 2013

2013-08-27T10:48:16Z

← Предыдущая версия		Версия от 12:48, 27 августа 2013
Строка 45:		Строка 45:
	PAN=∑<sub>i</sub>α<sub>i</sub>MS<sub>i</sub>,		PAN=∑<sub>i</sub>α<sub>i</sub>MS<sub>i</sub>,
	благодаря (?) физической неотрицательности коэффициента α<sub>i</sub>. Необходимо заметить, что хотя этот метод снижает искажения спектра, местные различия между мультиспектральными и панхроматическими снимками могут остаться <ref name="Thomas"/>.<br />		благодаря (?) физической неотрицательности коэффициента α<sub>i</sub>. Необходимо заметить, что хотя этот метод снижает искажения спектра, местные различия между мультиспектральными и панхроматическими снимками могут остаться <ref name="Thomas"/>.<br />
	Еще один метод группы CS - это метод замены главной компоненты (PCS), который опирается на математическое преобразование методом анализа главных компонент (PCA). Преобразование, известное также как преобразование Karhunen-Loéve или Hotelling, широко используется в обработке сигналов, статистике и многих других областях. Это преобразование создает новый набор повернутых координатных осей, в которых спектральные компоненты нового изображения не коррелируют. Наибольшая дисперсия сопоставляется с первым компонентом, у каждого из последующих дисперсия уменьшается. Сумма дисперсий по всем компонентам равна общей дисперсии исходного изображения. Алгоритм PCA и вычисления матрицы преобразования показаны в работе <ref name="gonz"/>. Теоретически, первая главная компонента, PC1, собирает информацию, которая является общей для всех диапазонов, используемых в качестве входных данных в PCA, т. е. пространственную информацию, в то время как спектральную информацию, специфичную для каждого диапазона, захватывают другие компоненты <ref>''J Zhou, DL Civco, JA Silander'', A wavelet transform method to merge Landsat TM and SPOT panchromatic data. Int J Remote Sens 19(4), 743–757 (1998)</ref>,<ref name="chav2"/>.		Еще один метод группы CS - это метод замены главной компоненты (PCS), который опирается на математическое преобразование методом анализа главных компонент (PCA). Преобразование, известное также как преобразование Karhunen-Loéve или Hotelling, широко используется в обработке сигналов, статистике и многих других областях. Это преобразование создает новый набор повернутых координатных осей, в которых спектральные компоненты нового изображения не коррелируют. Наибольшая дисперсия сопоставляется с первым компонентом, у каждого из последующих дисперсия уменьшается. Сумма дисперсий по всем компонентам равна общей дисперсии исходного изображения. Алгоритм PCA и вычисления матрицы преобразования показаны в работе <ref name="gonz"/>. Теоретически, первая главная компонента, PC1, собирает информацию, которая является общей для всех диапазонов, используемых в качестве входных данных в PCA, т. е. пространственную информацию, в то время как спектральную информацию, специфичную для каждого диапазона, захватывают другие компоненты <ref>''J Zhou, DL Civco, JA Silander'', A wavelet transform method to merge Landsat TM and SPOT panchromatic data. Int J Remote Sens 19(4), 743–757 (1998)</ref>,<ref name="chav2"/>. Это делает PCS адекватным методом слияния мультиспектральных и панхроматических изображений. PCS аналогичен методу IHS, с тем основным преимуществом, что можно обрабатывать произвольное число диапазонов. Однако некоторые детали пространственной информации не могут быть отображены первой компонентой - это зависит от степени корреляции и спектрального контраста, существующих между диапазонами <ref name="chav2"/>. В результате образуются те же проблемы, что и у метода IHS.
	= Список литературы =		= Список литературы =
	<references>		<references>
	<references/>		<references/>

Nadiopt в 10:41, 27 августа 2013

2013-08-27T10:41:57Z

← Предыдущая версия		Версия от 12:41, 27 августа 2013
Строка 20:		Строка 20:
	= Классификация методов паншарпенинга =		= Классификация методов паншарпенинга =
	После того снимок прошел предварительную обработку, описанную выше, проводится собственно сам паншерпенинг. В литературе описано множество методов, разработанных в течение последних двух десятилетий, и даже приведено большое количество терминов, используемых для обозначения слияния изображений. В 1980 году Вонг и соавторы <ref> ''FH Wong, R Orth'', Registration of SEASAT/LANDSAT composite images to UTM coordinates. Proceedings of the Sixth Canadian Syinposium on Remote Sensing, 161–164 (1980) </ref> предложили метод слияния каналов Landsat MSS и радарного снимка Seasat. Метод основывался на модуляции интенсивности каждого пикселя каналов MSS со значением соответствующего пикселя изображения радарного снимка и поэтому так и был назван - слияние изображений методом ''модуляции интенсивности (IM)''. Другие ученые оценивали методы паншарпенинга изображений с разных сенсоров с точки зрения корегистрации <ref> ''P Rebillard, PT Nguyen'', An exploration of co-registered SIR-A, SEASAT and Landsat images. Proceeidngs International Symposium on RS of Environment, RS for Exploration Geology, 109–118 (1982)</ref>, повышения разрешения <ref>''R Simard'', Improved spatial and altimetric information from SPOT composite imagery. Proceedings International Symposium of Photogrammetry and Remote Sensing), 434–440 (1982)</ref> или совместного анализа данных <ref> ''EP Crist'', Comparison of coincident Landsat-4 MSS and TM data over an agricultural region. Proceedings of the 50th Annual Meeting ASP-ACSM Symposium, ASPRS, 508–517 (1984)</ref>.<br />		После того снимок прошел предварительную обработку, описанную выше, проводится собственно сам паншерпенинг. В литературе описано множество методов, разработанных в течение последних двух десятилетий, и даже приведено большое количество терминов, используемых для обозначения слияния изображений. В 1980 году Вонг и соавторы <ref> ''FH Wong, R Orth'', Registration of SEASAT/LANDSAT composite images to UTM coordinates. Proceedings of the Sixth Canadian Syinposium on Remote Sensing, 161–164 (1980) </ref> предложили метод слияния каналов Landsat MSS и радарного снимка Seasat. Метод основывался на модуляции интенсивности каждого пикселя каналов MSS со значением соответствующего пикселя изображения радарного снимка и поэтому так и был назван - слияние изображений методом ''модуляции интенсивности (IM)''. Другие ученые оценивали методы паншарпенинга изображений с разных сенсоров с точки зрения корегистрации <ref> ''P Rebillard, PT Nguyen'', An exploration of co-registered SIR-A, SEASAT and Landsat images. Proceeidngs International Symposium on RS of Environment, RS for Exploration Geology, 109–118 (1982)</ref>, повышения разрешения <ref>''R Simard'', Improved spatial and altimetric information from SPOT composite imagery. Proceedings International Symposium of Photogrammetry and Remote Sensing), 434–440 (1982)</ref> или совместного анализа данных <ref> ''EP Crist'', Comparison of coincident Landsat-4 MSS and TM data over an agricultural region. Proceedings of the 50th Annual Meeting ASP-ACSM Symposium, ASPRS, 508–517 (1984)</ref>.<br />
	После запуска французской спутниковой системы SPOT в феврале 1986 года появилась возможность применения мультиспектральных снимков высокого разрешения для нужд землепользования и анализа почвенно-растительного покрова. Клише и соавт. <ref>''G Cliche, F Bonn, P Teillet'', Integration of the SPOT panchromatic channel into its multispectral mode for image sharpness enhancement. Photogramm Eng Remote Sens 51(3), 311–316 (1985)</ref>, который работал с моделированными данными SPOT еще до запуска аппарата, показал, что смоделированные спектрозональные 10-метровые изображения могут быть получены путем слияния каждого из диапазонов SPOT MS (XS) с панхроматическим SPOT PAN с использованием трех различных методов модуляции интенсивности. Уэлч и соавт.<ref>''R Welch, M Ehlers'', Merging multiresolution SPOT HRV and landsat TM data. Photogramm Eng Remote Sens 53(3), 301–303 (1987)</ref> использовал термин "слияние (merge)", а не "интеграция", и предложил слияние данных PAN и SPOT XS с использованием ''IHS-преобразований''. Данный метод был ранее предложен Гайдном и соавторами <ref>''R Haydn, GW Dalke, J Henkel'', Application of the IHS color transform to the processing of multisensor data and image enhancement. lnternational Symposium on Remote Sensing of Arid and Semi-Arid Lands, 599–616 (1982)</ref> для слияния Landsat MSS со снимком Return Beam Vidicon (RBV, аппарат на борту [http://en.wikipedia.org/wiki/Landsat_1 Landsat1]) и снимка Landsat MSS с данными [http://en.wikipedia.org/wiki/Heat_Capacity_Mapping_Mission Heat Capacity Mapping Mission]. В 1988 году Чавес и соавт. <ref name="chav1">''PS Chavez, JA Bowell Jr.'', Comparison of the spectral information content of Landsat Thematic Mapper and SPOT for three different sites in the Phoenix, Arizona region. Photogramm Eng Remote Sens 54(12), 1699–1708 (1988)</ref> использовали панхроматические данные SPOT для повышения разрешения Landsat TM с помощью ''высокочастотной фильтрации'' (high-pass filtering, HPF) данных SPOT PAN перед его слиянием с данными TM. Анализ так называемых классических методов, которые включают в себя IHS, HPF, ''преобразование Brovey'' (BT) <ref> ''AR Gillespie, AB Kahle, RE Walker'', Color enhancement of highly correlated images. II. Channel Ratio and "Chromaticity" Transformation Techniques. Remote Sensing Of Environment 22, 343–365 (1987)</ref> и ''замену главной компоненты''(PCS) <ref> ''PS Chavez, AY Kwarteng'', Extracting spectral contrast in Landsat thematic mapper image data using selective principal component analysis. Photogramm Eng Remote Sens 55(3), 339–348 (1989)</ref>, <ref> ''P Chavez, S Sides, J Anderson'', Comparison of three different methods to merge multiresolution and multispectral data: Landsat TM and SPOT panchromatic. Photogramm Eng Remote Sens 57(3), 295–303 (1991)</ref>, можно найти в <ref> ''C Pohl, JLV Genderen'', Multi-sensor image fusion in remote sensing: Concepts, methods, and applications. Int J Remote Sens 19(5), 823–854 (1998)</ref>.<br />		После запуска французской спутниковой системы SPOT в феврале 1986 года появилась возможность применения мультиспектральных снимков высокого разрешения для нужд землепользования и анализа почвенно-растительного покрова. Клише и соавт. <ref>''G Cliche, F Bonn, P Teillet'', Integration of the SPOT panchromatic channel into its multispectral mode for image sharpness enhancement. Photogramm Eng Remote Sens 51(3), 311–316 (1985)</ref>, который работал с моделированными данными SPOT еще до запуска аппарата, показал, что смоделированные спектрозональные 10-метровые изображения могут быть получены путем слияния каждого из диапазонов SPOT MS (XS) с панхроматическим SPOT PAN с использованием трех различных методов модуляции интенсивности. Уэлч и соавт.<ref>''R Welch, M Ehlers'', Merging multiresolution SPOT HRV and landsat TM data. Photogramm Eng Remote Sens 53(3), 301–303 (1987)</ref> использовал термин "слияние (merge)", а не "интеграция", и предложил слияние данных PAN и SPOT XS с использованием ''IHS-преобразований''. Данный метод был ранее предложен Гайдном и соавторами <ref>''R Haydn, GW Dalke, J Henkel'', Application of the IHS color transform to the processing of multisensor data and image enhancement. lnternational Symposium on Remote Sensing of Arid and Semi-Arid Lands, 599–616 (1982)</ref> для слияния Landsat MSS со снимком Return Beam Vidicon (RBV, аппарат на борту [http://en.wikipedia.org/wiki/Landsat_1 Landsat1]) и снимка Landsat MSS с данными [http://en.wikipedia.org/wiki/Heat_Capacity_Mapping_Mission Heat Capacity Mapping Mission]. В 1988 году Чавес и соавт. <ref name="chav1">''PS Chavez, JA Bowell Jr.'', Comparison of the spectral information content of Landsat Thematic Mapper and SPOT for three different sites in the Phoenix, Arizona region. Photogramm Eng Remote Sens 54(12), 1699–1708 (1988)</ref> использовали панхроматические данные SPOT для повышения разрешения Landsat TM с помощью ''высокочастотной фильтрации'' (high-pass filtering, HPF) данных SPOT PAN перед его слиянием с данными TM. Анализ так называемых классических методов, которые включают в себя IHS, HPF, ''преобразование Brovey'' (BT) <ref> ''AR Gillespie, AB Kahle, RE Walker'', Color enhancement of highly correlated images. II. Channel Ratio and "Chromaticity" Transformation Techniques. Remote Sensing Of Environment 22, 343–365 (1987)</ref> и ''замену главной компоненты''(PCS) <ref name="chav2"> ''PS Chavez, AY Kwarteng'', Extracting spectral contrast in Landsat thematic mapper image data using selective principal component analysis. Photogramm Eng Remote Sens 55(3), 339–348 (1989)</ref>, <ref> ''P Chavez, S Sides, J Anderson'', Comparison of three different methods to merge multiresolution and multispectral data: Landsat TM and SPOT panchromatic. Photogramm Eng Remote Sens 57(3), 295–303 (1991)</ref>, можно найти в <ref> ''C Pohl, JLV Genderen'', Multi-sensor image fusion in remote sensing: Concepts, methods, and applications. Int J Remote Sens 19(5), 823–854 (1998)</ref>.<br />
	В 1987 году Прайс <ref> ''JC Price'', Combining panchromatic and multispectral imagery from dual resolution satellite instruments. Remote Sensing Of Environment 21, 119–128 (1987) </ref> разработал методику слияния, основанную на ''статистических свойствах изображений''. Методика пригодна для комбинации двух изображений различного пространственного разрешения сенсора SPOT High Resolution Visible (HRV). Кроме метода Прайса описаны и другие методы, основанные на статистических свойствах изображений, например, ''пространственно адаптивные методы'' <ref>''J Park, M Kang'', Spatially adaptive multi-resolution multispectral image fusion. Int J Remote Sensing 25(23), 5491–5508 (2004)</ref> и ''методы на основе алгоритма Байеса'' <ref> ''NDA Mascarenhas, GJF Banon, ALB Candeias'', Multispectral image data fusion under a Bayesian approach. Int J Remote Sensing 17, 1457–1471 (1996)</ref>, <ref> ''M Vega, J Mateos, R Molina, A Katsaggelos'', Super-resolution of multispectral images. The Computer Journal 1, 1–15 (2008)</ref>.<br />		В 1987 году Прайс <ref> ''JC Price'', Combining panchromatic and multispectral imagery from dual resolution satellite instruments. Remote Sensing Of Environment 21, 119–128 (1987) </ref> разработал методику слияния, основанную на ''статистических свойствах изображений''. Методика пригодна для комбинации двух изображений различного пространственного разрешения сенсора SPOT High Resolution Visible (HRV). Кроме метода Прайса описаны и другие методы, основанные на статистических свойствах изображений, например, ''пространственно адаптивные методы'' <ref>''J Park, M Kang'', Spatially adaptive multi-resolution multispectral image fusion. Int J Remote Sensing 25(23), 5491–5508 (2004)</ref> и ''методы на основе алгоритма Байеса'' <ref> ''NDA Mascarenhas, GJF Banon, ALB Candeias'', Multispectral image data fusion under a Bayesian approach. Int J Remote Sensing 17, 1457–1471 (1996)</ref>, <ref> ''M Vega, J Mateos, R Molina, A Katsaggelos'', Super-resolution of multispectral images. The Computer Journal 1, 1–15 (2008)</ref>.<br />
	Сравнительно недавно появились методы слияния изображений с использованием ''обобщенной пирамиды Лапласа (GLP)''<ref>''B Aiazzi, L Alparone, S Baronti, A Garzelli'', Context-driven fusion of high spatial and spectral resolution images based on oversampled multiresolution analysis. IEEE Trans Geosc Remote Sens 40(10), 2300–2312 (2002)</ref>,<ref>''A Garzelli, F Nencini'', Interband structure modeling for pan-sharpening of very high-resolution multispectral images. Information Fusion 6, 213–224 (2005)</ref>, ''дискретного вейвлет-преобразования'' <ref>''SG Mallat'', A theory for multiresolution signal decomposition: The wavelet representation. IEEE Transactions On Pattern Analysis And Machine Intelligence 11(7), 674–693 (1989)</ref>,<ref>''J Zhou, DL Civco, JA Silander'', A wavelet transform method to merge Landsat TM and SPOT panchromatic data. Int J Remote Sens 19(4), 743–757 (1998)</ref> и ''преобразования contourlet(?)'' <ref> ''AL da Cunha, J Zhou, MN Do'', The nonsubsampled contourlet transform: Theory, design, and applications. IEEE Trans. Image Process 15(10), 3089–3101 (2006)</ref>, <ref> ''M Gonzalo, C Lillo-Saavedra'', Multispectral images fusion by a joint multidirectional and multiresolution representation. Int J Remote Sens 28(18), 4065–4079 (2007)</ref>, <ref>''I Amro, J Mateos'', Multispectral image pansharpening based on the contourlet transform. Journal of Physics Conference Series 206(1), 1–3 (2010) </ref>. Основной идеей этих методов является извлечение из изображения с более высоким разрешением пространственной информации, отсутствующей на снимке с низким разрешением, чтобы затем внедрить ее в результирующее изображение.<br />		Сравнительно недавно появились методы слияния изображений с использованием ''обобщенной пирамиды Лапласа (GLP)''<ref>''B Aiazzi, L Alparone, S Baronti, A Garzelli'', Context-driven fusion of high spatial and spectral resolution images based on oversampled multiresolution analysis. IEEE Trans Geosc Remote Sens 40(10), 2300–2312 (2002)</ref>,<ref>''A Garzelli, F Nencini'', Interband structure modeling for pan-sharpening of very high-resolution multispectral images. Information Fusion 6, 213–224 (2005)</ref>, ''дискретного вейвлет-преобразования'' <ref>''SG Mallat'', A theory for multiresolution signal decomposition: The wavelet representation. IEEE Transactions On Pattern Analysis And Machine Intelligence 11(7), 674–693 (1989)</ref>,<ref>''J Zhou, DL Civco, JA Silander'', A wavelet transform method to merge Landsat TM and SPOT panchromatic data. Int J Remote Sens 19(4), 743–757 (1998)</ref> и ''преобразования contourlet(?)'' <ref> ''AL da Cunha, J Zhou, MN Do'', The nonsubsampled contourlet transform: Theory, design, and applications. IEEE Trans. Image Process 15(10), 3089–3101 (2006)</ref>, <ref> ''M Gonzalo, C Lillo-Saavedra'', Multispectral images fusion by a joint multidirectional and multiresolution representation. Int J Remote Sens 28(18), 4065–4079 (2007)</ref>, <ref>''I Amro, J Mateos'', Multispectral image pansharpening based on the contourlet transform. Journal of Physics Conference Series 206(1), 1–3 (2010) </ref>. Основной идеей этих методов является извлечение из изображения с более высоким разрешением пространственной информации, отсутствующей на снимке с низким разрешением, чтобы затем внедрить ее в результирующее изображение.<br />
Строка 45:		Строка 45:
	PAN=∑<sub>i</sub>α<sub>i</sub>MS<sub>i</sub>,		PAN=∑<sub>i</sub>α<sub>i</sub>MS<sub>i</sub>,
	благодаря (?) физической неотрицательности коэффициента α<sub>i</sub>. Необходимо заметить, что хотя этот метод снижает искажения спектра, местные различия между мультиспектральными и панхроматическими снимками могут остаться <ref name="Thomas"/>.<br />		благодаря (?) физической неотрицательности коэффициента α<sub>i</sub>. Необходимо заметить, что хотя этот метод снижает искажения спектра, местные различия между мультиспектральными и панхроматическими снимками могут остаться <ref name="Thomas"/>.<br />
	Еще один метод группы CS - это метод замены главной компоненты (PCS), который опирается на математическое преобразование методом анализа главных компонент (PCA). Преобразование, известное также как преобразование Karhunen-Loéve или Hotelling, широко используется в обработке сигналов, статистике и многих других областях.		Еще один метод группы CS - это метод замены главной компоненты (PCS), который опирается на математическое преобразование методом анализа главных компонент (PCA). Преобразование, известное также как преобразование Karhunen-Loéve или Hotelling, широко используется в обработке сигналов, статистике и многих других областях. Это преобразование создает новый набор повернутых координатных осей, в которых спектральные компоненты нового изображения не коррелируют. Наибольшая дисперсия сопоставляется с первым компонентом, у каждого из последующих дисперсия уменьшается. Сумма дисперсий по всем компонентам равна общей дисперсии исходного изображения. Алгоритм PCA и вычисления матрицы преобразования показаны в работе <ref name="gonz"/>. Теоретически, первая главная компонента, PC1, собирает информацию, которая является общей для всех диапазонов, используемых в качестве входных данных в PCA, т. е. пространственную информацию, в то время как спектральную информацию, специфичную для каждого диапазона, захватывают другие компоненты <ref>''J Zhou, DL Civco, JA Silander'', A wavelet transform method to merge Landsat TM and SPOT panchromatic data. Int J Remote Sens 19(4), 743–757 (1998)</ref>,<ref name="chav2"/>.
	= Список литературы =		= Список литературы =
	<references>		<references>
	<references/>		<references/>

Nadiopt в 06:52, 24 августа 2013

2013-08-24T06:52:36Z

← Предыдущая версия		Версия от 08:52, 24 августа 2013
Строка 45:		Строка 45:
	PAN=∑<sub>i</sub>α<sub>i</sub>MS<sub>i</sub>,		PAN=∑<sub>i</sub>α<sub>i</sub>MS<sub>i</sub>,
	благодаря (?) физической неотрицательности коэффициента α<sub>i</sub>. Необходимо заметить, что хотя этот метод снижает искажения спектра, местные различия между мультиспектральными и панхроматическими снимками могут остаться <ref name="Thomas"/>.<br />		благодаря (?) физической неотрицательности коэффициента α<sub>i</sub>. Необходимо заметить, что хотя этот метод снижает искажения спектра, местные различия между мультиспектральными и панхроматическими снимками могут остаться <ref name="Thomas"/>.<br />
	Еще один метод ~~в группе~~ CS - это метод замены главной компоненты (PCS), который опирается на математическое преобразование методом анализа главных компонент (PCA). Преобразование, известное также как преобразование Karhunen-Loéve или Hotelling, широко используется в обработке сигналов, статистике и многих других областях.		Еще один метод группы CS - это метод замены главной компоненты (PCS), который опирается на математическое преобразование методом анализа главных компонент (PCA). Преобразование, известное также как преобразование Karhunen-Loéve или Hotelling, широко используется в обработке сигналов, статистике и многих других областях.
	= Список литературы =		= Список литературы =
	<references>		<references>
	<references/>		<references/>

Nadiopt в 06:36, 24 августа 2013

2013-08-24T06:36:04Z

← Предыдущая версия		Версия от 08:36, 24 августа 2013
Строка 44:		Строка 44:
	Основным недостатком метода является участие в синтезе только трех диапазонов. Ту и соавт. <ref name="Tu"/> предложили обобщенное IHS преобразование, которое преодолевает ограничения размерности. В любом случае, поскольку спектральный отклик I, синтезированный из канала мультиспектрального изображения, как правило, не соответствует радиометрическим характеристикам панхроматического изображения, прошедшего согласование гистограммы <ref name="Aiazzi"/>, когда результат паншарпенинга отображается в цветовой композиции, при изменениях цвета (?) могут появляться большие спектральные искажения. Для того, чтобы свести к минимуму искажения спектра при IHS, Ту и соавт. <ref name="Tu2"> ''TM Tu, PS Huang, CL Hung, CP Chang'', A fast intensity-hue-saturation fusion technique with spectral adjustment for IKONOS imagery. IEEE Geoscience And Remote Sensing Letters 1(4), 309–312 (2004)</ref> предложили новый метод адаптивного IHS для изображений IKONOS, в котором интенсивность диапазона приближается к интенсивности панхроматического изображения, насколько это возможно. Эта технология получила развитие в работе Рахмани и соавт. <ref name="rah"/> для любых изображений путем определения максимально аппроксимирующих коэффициентов α<sub>i</sub><br/>		Основным недостатком метода является участие в синтезе только трех диапазонов. Ту и соавт. <ref name="Tu"/> предложили обобщенное IHS преобразование, которое преодолевает ограничения размерности. В любом случае, поскольку спектральный отклик I, синтезированный из канала мультиспектрального изображения, как правило, не соответствует радиометрическим характеристикам панхроматического изображения, прошедшего согласование гистограммы <ref name="Aiazzi"/>, когда результат паншарпенинга отображается в цветовой композиции, при изменениях цвета (?) могут появляться большие спектральные искажения. Для того, чтобы свести к минимуму искажения спектра при IHS, Ту и соавт. <ref name="Tu2"> ''TM Tu, PS Huang, CL Hung, CP Chang'', A fast intensity-hue-saturation fusion technique with spectral adjustment for IKONOS imagery. IEEE Geoscience And Remote Sensing Letters 1(4), 309–312 (2004)</ref> предложили новый метод адаптивного IHS для изображений IKONOS, в котором интенсивность диапазона приближается к интенсивности панхроматического изображения, насколько это возможно. Эта технология получила развитие в работе Рахмани и соавт. <ref name="rah"/> для любых изображений путем определения максимально аппроксимирующих коэффициентов α<sub>i</sub><br/>
	PAN=∑<sub>i</sub>α<sub>i</sub>MS<sub>i</sub>,		PAN=∑<sub>i</sub>α<sub>i</sub>MS<sub>i</sub>,
	благодаря (?) физической неотрицательности коэффициента α<sub>i</sub>. Необходимо заметить, что хотя этот метод снижает искажения спектра, местные различия между мультиспектральными и панхроматическими снимками могут остаться <ref name="Thomas"/>.		благодаря (?) физической неотрицательности коэффициента α<sub>i</sub>. Необходимо заметить, что хотя этот метод снижает искажения спектра, местные различия между мультиспектральными и панхроматическими снимками могут остаться <ref name="Thomas"/>.<br />
			Еще один метод в группе CS - это метод замены главной компоненты (PCS), который опирается на математическое преобразование методом анализа главных компонент (PCA). Преобразование, известное также как преобразование Karhunen-Loéve или Hotelling, широко используется в обработке сигналов, статистике и многих других областях.
	= Список литературы =		= Список литературы =
	<references>		<references>
	<references/>		<references/>

Nadiopt: замена PAN и MS

2013-08-24T06:19:03Z

замена PAN и MS

Внесённые изменения

Nadiopt в 06:12, 24 августа 2013

2013-08-24T06:12:05Z

← Предыдущая версия		Версия от 08:12, 24 августа 2013
Строка 44:		Строка 44:
	Основным недостатком метода является участие в синтезе только трех диапазонов. Ту и соавт. <ref name="Tu"/> предложили обобщенное IHS преобразование, которое преодолевает ограничения размерности. В любом случае, поскольку спектральный отклик I, синтезированный из канала мультиспектрального изображения, как правило, не соответствует радиометрическим характеристикам PAN-изображения, прошедшего согласование гистограммы <ref name="Aiazzi"/>, когда результат паншарпенинга отображается в цветовой композиции, при изменениях цвета (?) могут появляться большие спектральные искажения. Для того, чтобы свести к минимуму искажения спектра при IHS, Ту и соавт. <ref name="Tu2"> ''TM Tu, PS Huang, CL Hung, CP Chang'', A fast intensity-hue-saturation fusion technique with spectral adjustment for IKONOS imagery. IEEE Geoscience And Remote Sensing Letters 1(4), 309–312 (2004)</ref> предложили новый метод адаптивного IHS для изображений IKONOS, в котором интенсивность диапазона приближается к интенсивности панхроматического изображения, насколько это возможно. Эта технология получила развитие в работе Рахмани и соавт. <ref name="rah"/> для любых изображений путем определения максимально аппроксимирующих коэффициентов α<sub>i</sub><br/>		Основным недостатком метода является участие в синтезе только трех диапазонов. Ту и соавт. <ref name="Tu"/> предложили обобщенное IHS преобразование, которое преодолевает ограничения размерности. В любом случае, поскольку спектральный отклик I, синтезированный из канала мультиспектрального изображения, как правило, не соответствует радиометрическим характеристикам PAN-изображения, прошедшего согласование гистограммы <ref name="Aiazzi"/>, когда результат паншарпенинга отображается в цветовой композиции, при изменениях цвета (?) могут появляться большие спектральные искажения. Для того, чтобы свести к минимуму искажения спектра при IHS, Ту и соавт. <ref name="Tu2"> ''TM Tu, PS Huang, CL Hung, CP Chang'', A fast intensity-hue-saturation fusion technique with spectral adjustment for IKONOS imagery. IEEE Geoscience And Remote Sensing Letters 1(4), 309–312 (2004)</ref> предложили новый метод адаптивного IHS для изображений IKONOS, в котором интенсивность диапазона приближается к интенсивности панхроматического изображения, насколько это возможно. Эта технология получила развитие в работе Рахмани и соавт. <ref name="rah"/> для любых изображений путем определения максимально аппроксимирующих коэффициентов α<sub>i</sub><br/>
	PAN=∑<sub>i</sub>α<sub>i</sub>MS<sub>i</sub>,		PAN=∑<sub>i</sub>α<sub>i</sub>MS<sub>i</sub>,
	благодаря (?) физической неотрицательности коэффициента α<sub>i</sub>~~<br/>~~		благодаря (?) физической неотрицательности коэффициента α<sub>i</sub>. Необходимо заметить, что хотя этот метод снижает искажения спектра, местные различия между мультиспектральными и панхроматическими снимками может остаться.
	= Список литературы =		= Список литературы =
	<references>		<references>
	<references/>		<references/>

Nadiopt: закончен абзац про IHS

2013-08-24T06:10:45Z

закончен абзац про IHS

← Предыдущая версия		Версия от 08:10, 24 августа 2013
Строка 40:		Строка 40:
	# Обратное преобразование компонентов для получения результирующего изображения.<br />		# Обратное преобразование компонентов для получения результирующего изображения.<br />
	Группа CS включает в себя многие популярные методы паншарпенинга, такие как IHS, PCS и метод Грам-Шмидта (GS) <ref name="shef"/>, <ref> ''W Dou, Y Chen, X Li, DZ Sui'', A general framework for component substitution image fusion: An implementation using the fast image fusion method. Computers & Geosciences 33, 219–228 (2007)</ref>, основанные на различных трансформациях мультиспектрального изображения. CS методы привлекательны тем, что они быстры и просты в реализации и в большинстве случаев обеспечивают паншарпенинг изображений с хорошими визуальными/геометрическими качествами <ref> ''B Aiazzi, S Baronti, M Selva'', Improving component substitution pansharpening through multivariate regression of MS + Pan data. IEEE Trans Geosc Remote Sens 45(10), 3230–3239 (2007)</ref>. Тем не менее, результаты, полученные с помощью этих методов, сильно зависят от соотношения между диапазонами, а поскольку преобразование применяется ко всему изображению, она не принимает во внимание местные различия между панхроматическим и мультиспектральным изображением <ref>''C Thomas, T Ranchin, L Wald, J Chanussot'', Synthesis of multispectral images to high spatial resolution: A critical review of fusion methods based on remote sensing physics. IEEE Trans Geosci Remote Sens 46, 1301–1312 (2008)</ref>, <ref> ''L Alparone, B Aiazzi, SBA Garzelli, F Nencini'', A critical review of fusion methods for true colour display of very high resolution images of urban areas. 1st EARSeL Workshop of the SIG Urban Remote Sensing, Humboldt-Universität zu Berlin (2006)</ref>.<br />		Группа CS включает в себя многие популярные методы паншарпенинга, такие как IHS, PCS и метод Грам-Шмидта (GS) <ref name="shef"/>, <ref> ''W Dou, Y Chen, X Li, DZ Sui'', A general framework for component substitution image fusion: An implementation using the fast image fusion method. Computers & Geosciences 33, 219–228 (2007)</ref>, основанные на различных трансформациях мультиспектрального изображения. CS методы привлекательны тем, что они быстры и просты в реализации и в большинстве случаев обеспечивают паншарпенинг изображений с хорошими визуальными/геометрическими качествами <ref> ''B Aiazzi, S Baronti, M Selva'', Improving component substitution pansharpening through multivariate regression of MS + Pan data. IEEE Trans Geosc Remote Sens 45(10), 3230–3239 (2007)</ref>. Тем не менее, результаты, полученные с помощью этих методов, сильно зависят от соотношения между диапазонами, а поскольку преобразование применяется ко всему изображению, она не принимает во внимание местные различия между панхроматическим и мультиспектральным изображением <ref>''C Thomas, T Ranchin, L Wald, J Chanussot'', Synthesis of multispectral images to high spatial resolution: A critical review of fusion methods based on remote sensing physics. IEEE Trans Geosci Remote Sens 46, 1301–1312 (2008)</ref>, <ref> ''L Alparone, B Aiazzi, SBA Garzelli, F Nencini'', A critical review of fusion methods for true colour display of very high resolution images of urban areas. 1st EARSeL Workshop of the SIG Urban Remote Sensing, Humboldt-Universität zu Berlin (2006)</ref>.<br />
	Единственный тип преобразования не всегда способен дать оптимальный компонент, необходимый для замены, и поэтому трудно выбрать подходящий метод спектрального преобразования для различных наборов данных. Поэтому современные методы включают статистические тесты или различные взвешивающие коэффициенты для адаптивного выбора оптимального компонента для замены и преобразования. Это приводит к новому подходу, известному как адаптивная замена компонента <ref> ''S Rahmani, M Strait, D Merkurjev, M Moeller, T Wittman'', An adaptive HIS pan-sharpening method. IEEE Geoscience And Remote Sensing Letters 7(3), 746–750 (2010)</ref>, <ref> ''VP Shah, NH Younan, RL King'', An efficient pan-sharpening method via a combined adaptive PCA approach and contourlets. IEEE Trans Geosc Remote Sens 46(5), 1323–1335 (2008)</ref>,<ref>''B Aiazzi, S Baronti, M Selva, L Alparone'', Enhanced Gram-Schmidt spectral sharpening based on multivariate regression of MS and pan data. IEEE International Conference on Geoscience and Remote Sensing Symposium, IGARSS 2006, 3806–3809 (2006)</ref>.<br />		Единственный тип преобразования не всегда способен дать оптимальный компонент, необходимый для замены, и поэтому трудно выбрать подходящий метод спектрального преобразования для различных наборов данных. Поэтому современные методы включают статистические тесты или различные взвешивающие коэффициенты для адаптивного выбора оптимального компонента для замены и преобразования. Это приводит к новому подходу, известному как адаптивная замена компонента <ref name="rah"> ''S Rahmani, M Strait, D Merkurjev, M Moeller, T Wittman'', An adaptive HIS pan-sharpening method. IEEE Geoscience And Remote Sensing Letters 7(3), 746–750 (2010)</ref>, <ref> ''VP Shah, NH Younan, RL King'', An efficient pan-sharpening method via a combined adaptive PCA approach and contourlets. IEEE Trans Geosc Remote Sens 46(5), 1323–1335 (2008)</ref>,<ref>''B Aiazzi, S Baronti, M Selva, L Alparone'', Enhanced Gram-Schmidt spectral sharpening based on multivariate regression of MS and pan data. IEEE International Conference on Geoscience and Remote Sensing Symposium, IGARSS 2006, 3806–3809 (2006)</ref>.<br />
	IHS-метод паншарпенинга является одним из классических методов группы 3.1 <ref name="chav1"/>, <ref> ''WJ Carper, TM Lillesand, RW Kiefer'', The use of Intensity-Hue-Saturation transform for merging SPOT panchromatic and multispectral image data. Photogramm Eng Remote Sens 56(4), 459–467 (1990)</ref>. Он использует цветовое пространство IHS, которое часто выбирают из-за тенденции визуальной когнитивной системы человека воспринимать интенсивность (I), оттенок (H) и насыщенность (S) компонентов как систему примерно ортогональных осей. IHS преобразование первоначально было применено к RGB True Color, но для задач дистанционного зондирования и в демонстрационных целях, произвольные диапазоны собираются в RGB-изображение, и получаются композиты в ложном цвете <ref name="wang2"/>. Способность IHS эффективно отделить пространственную информацию (диапазон I) от спектральной информации (диапазоны H и S) делают его очень перспективным для паншарпенинга <ref name="gonz"/>. Существуют различные модели IHS преобразования, отличающиеся методом, используемым для вычисления значения интенсивности. Наиболее часто используется гексагон Смита (Smith's hexacone) и триангуляционные модели <ref>''V Vijayaraj'', A quantitative analysis of pansharpened images. Master's thesis, Mississippi State Univ (2004).</ref>. Пример изображения, полученного IHS-методом, показан на [http://asp.eurasipjournals.com/content/2011/1/79/figure/F2 \| рисунке].<br/>		IHS-метод паншарпенинга является одним из классических методов группы 3.1 <ref name="chav1"/>, <ref> ''WJ Carper, TM Lillesand, RW Kiefer'', The use of Intensity-Hue-Saturation transform for merging SPOT panchromatic and multispectral image data. Photogramm Eng Remote Sens 56(4), 459–467 (1990)</ref>. Он использует цветовое пространство IHS, которое часто выбирают из-за тенденции визуальной когнитивной системы человека воспринимать интенсивность (I), оттенок (H) и насыщенность (S) компонентов как систему примерно ортогональных осей. IHS преобразование первоначально было применено к RGB True Color, но для задач дистанционного зондирования и в демонстрационных целях, произвольные диапазоны собираются в RGB-изображение, и получаются композиты в ложном цвете <ref name="wang2"/>. Способность IHS эффективно отделить пространственную информацию (диапазон I) от спектральной информации (диапазоны H и S) делают его очень перспективным для паншарпенинга <ref name="gonz"/>. Существуют различные модели IHS преобразования, отличающиеся методом, используемым для вычисления значения интенсивности. Наиболее часто используется гексагон Смита (Smith's hexacone) и триангуляционные модели <ref>''V Vijayaraj'', A quantitative analysis of pansharpened images. Master's thesis, Mississippi State Univ (2004).</ref>. Пример изображения, полученного IHS-методом, показан на [http://asp.eurasipjournals.com/content/2011/1/79/figure/F2 \| рисунке].<br/>
	Основным недостатком метода является участие в синтезе только трех диапазонов. Ту и соавт. <ref name="Tu"/> предложили обобщенное IHS преобразование, которое преодолевает ограничения размерности. В любом случае, поскольку спектральный отклик I, синтезированный из канала мультиспектрального изображения, как правило, не соответствует радиометрическим характеристикам PAN-изображения, прошедшего согласование гистограммы <ref name="Aiazzi"/>, когда результат паншарпенинга отображается в цветовой композиции, при изменениях цвета (?) могут появляться большие спектральные искажения . Для того, чтобы свести к минимуму искажения спектра при IHS, Ту и соавт. <ref name="Tu2"> ''TM Tu, PS Huang, CL Hung, CP Chang'', A fast intensity-hue-saturation fusion technique with spectral adjustment for IKONOS imagery. IEEE Geoscience And Remote Sensing Letters 1(4), 309–312 (2004)</ref> предложили новый метод адаптивного IHS для изображений IKONOS, в котором интенсивность диапазона приближается ~~PAN~~ изображения ~~для~~ , насколько это возможно. Эта ~~адаптивная IHS был продлен~~ Рахмани и соавт. ~~[52]~~ для ~~решения~~ любых изображений путем определения коэффициентов щ, ~~которые максимально приближают~~		Основным недостатком метода является участие в синтезе только трех диапазонов. Ту и соавт. <ref name="Tu"/> предложили обобщенное IHS преобразование, которое преодолевает ограничения размерности. В любом случае, поскольку спектральный отклик I, синтезированный из канала мультиспектрального изображения, как правило, не соответствует радиометрическим характеристикам PAN-изображения, прошедшего согласование гистограммы <ref name="Aiazzi"/>, когда результат паншарпенинга отображается в цветовой композиции, при изменениях цвета (?) могут появляться большие спектральные искажения. Для того, чтобы свести к минимуму искажения спектра при IHS, Ту и соавт. <ref name="Tu2"> ''TM Tu, PS Huang, CL Hung, CP Chang'', A fast intensity-hue-saturation fusion technique with spectral adjustment for IKONOS imagery. IEEE Geoscience And Remote Sensing Letters 1(4), 309–312 (2004)</ref> предложили новый метод адаптивного IHS для изображений IKONOS, в котором интенсивность диапазона приближается к интенсивности панхроматического изображения, насколько это возможно. Эта технология получила развитие в работе Рахмани и соавт. <ref name="rah"/> для любых изображений путем определения максимально аппроксимирующих коэффициентов α<sub>i</sub><br/>
			PAN=∑<sub>i</sub>α<sub>i</sub>MS<sub>i</sub>,
			благодаря (?) физической неотрицательности коэффициента α<sub>i</sub><br/>
	= Список литературы =		= Список литературы =
	<references>		<references>
	<references/>		<references/>

Nadiopt: абзац про адаптивные IHC, доперевести

2013-08-15T09:24:54Z

абзац про адаптивные IHC, доперевести

← Предыдущая версия		Версия от 11:24, 15 августа 2013
Строка 40:		Строка 40:
	# Обратное преобразование компонентов для получения результирующего изображения.<br />		# Обратное преобразование компонентов для получения результирующего изображения.<br />
	Группа CS включает в себя многие популярные методы паншарпенинга, такие как IHS, PCS и метод Грам-Шмидта (GS) <ref name="shef"/>, <ref> ''W Dou, Y Chen, X Li, DZ Sui'', A general framework for component substitution image fusion: An implementation using the fast image fusion method. Computers & Geosciences 33, 219–228 (2007)</ref>, основанные на различных трансформациях мультиспектрального изображения. CS методы привлекательны тем, что они быстры и просты в реализации и в большинстве случаев обеспечивают паншарпенинг изображений с хорошими визуальными/геометрическими качествами <ref> ''B Aiazzi, S Baronti, M Selva'', Improving component substitution pansharpening through multivariate regression of MS + Pan data. IEEE Trans Geosc Remote Sens 45(10), 3230–3239 (2007)</ref>. Тем не менее, результаты, полученные с помощью этих методов, сильно зависят от соотношения между диапазонами, а поскольку преобразование применяется ко всему изображению, она не принимает во внимание местные различия между панхроматическим и мультиспектральным изображением <ref>''C Thomas, T Ranchin, L Wald, J Chanussot'', Synthesis of multispectral images to high spatial resolution: A critical review of fusion methods based on remote sensing physics. IEEE Trans Geosci Remote Sens 46, 1301–1312 (2008)</ref>, <ref> ''L Alparone, B Aiazzi, SBA Garzelli, F Nencini'', A critical review of fusion methods for true colour display of very high resolution images of urban areas. 1st EARSeL Workshop of the SIG Urban Remote Sensing, Humboldt-Universität zu Berlin (2006)</ref>.<br />		Группа CS включает в себя многие популярные методы паншарпенинга, такие как IHS, PCS и метод Грам-Шмидта (GS) <ref name="shef"/>, <ref> ''W Dou, Y Chen, X Li, DZ Sui'', A general framework for component substitution image fusion: An implementation using the fast image fusion method. Computers & Geosciences 33, 219–228 (2007)</ref>, основанные на различных трансформациях мультиспектрального изображения. CS методы привлекательны тем, что они быстры и просты в реализации и в большинстве случаев обеспечивают паншарпенинг изображений с хорошими визуальными/геометрическими качествами <ref> ''B Aiazzi, S Baronti, M Selva'', Improving component substitution pansharpening through multivariate regression of MS + Pan data. IEEE Trans Geosc Remote Sens 45(10), 3230–3239 (2007)</ref>. Тем не менее, результаты, полученные с помощью этих методов, сильно зависят от соотношения между диапазонами, а поскольку преобразование применяется ко всему изображению, она не принимает во внимание местные различия между панхроматическим и мультиспектральным изображением <ref>''C Thomas, T Ranchin, L Wald, J Chanussot'', Synthesis of multispectral images to high spatial resolution: A critical review of fusion methods based on remote sensing physics. IEEE Trans Geosci Remote Sens 46, 1301–1312 (2008)</ref>, <ref> ''L Alparone, B Aiazzi, SBA Garzelli, F Nencini'', A critical review of fusion methods for true colour display of very high resolution images of urban areas. 1st EARSeL Workshop of the SIG Urban Remote Sensing, Humboldt-Universität zu Berlin (2006)</ref>.<br />
	Единственный тип преобразования не всегда способен ~~получить~~ оптимальный компонент, необходимый для замены, и поэтому трудно выбрать подходящий метод спектрального преобразования для различных наборов данных. Поэтому современные методы включают статистические тесты или различные взвешивающие коэффициенты для адаптивного выбора оптимального компонента для замены и преобразования. Это приводит к новому подходу, известному как адаптивная замена компонента <ref> ''S Rahmani, M Strait, D Merkurjev, M Moeller, T Wittman'', An adaptive HIS pan-sharpening method. IEEE Geoscience And Remote Sensing Letters 7(3), 746–750 (2010)</ref>, <ref> ''VP Shah, NH Younan, RL King'', An efficient pan-sharpening method via a combined adaptive PCA approach and contourlets. IEEE Trans Geosc Remote Sens 46(5), 1323–1335 (2008)</ref>,<ref>''B Aiazzi, S Baronti, M Selva, L Alparone'', Enhanced Gram-Schmidt spectral sharpening based on multivariate regression of MS and pan data. IEEE International Conference on Geoscience and Remote Sensing Symposium, IGARSS 2006, 3806–3809 (2006)</ref>.<br />		Единственный тип преобразования не всегда способен дать оптимальный компонент, необходимый для замены, и поэтому трудно выбрать подходящий метод спектрального преобразования для различных наборов данных. Поэтому современные методы включают статистические тесты или различные взвешивающие коэффициенты для адаптивного выбора оптимального компонента для замены и преобразования. Это приводит к новому подходу, известному как адаптивная замена компонента <ref> ''S Rahmani, M Strait, D Merkurjev, M Moeller, T Wittman'', An adaptive HIS pan-sharpening method. IEEE Geoscience And Remote Sensing Letters 7(3), 746–750 (2010)</ref>, <ref> ''VP Shah, NH Younan, RL King'', An efficient pan-sharpening method via a combined adaptive PCA approach and contourlets. IEEE Trans Geosc Remote Sens 46(5), 1323–1335 (2008)</ref>,<ref>''B Aiazzi, S Baronti, M Selva, L Alparone'', Enhanced Gram-Schmidt spectral sharpening based on multivariate regression of MS and pan data. IEEE International Conference on Geoscience and Remote Sensing Symposium, IGARSS 2006, 3806–3809 (2006)</ref>.<br />
	IHS-метод паншарпенинга является одним из классических методов группы 3.1 <ref name="chav1"/>, <ref> ''WJ Carper, TM Lillesand, RW Kiefer'', The use of Intensity-Hue-Saturation transform for merging SPOT panchromatic and multispectral image data. Photogramm Eng Remote Sens 56(4), 459–467 (1990)</ref>. Он использует цветовое пространство IHS, которое часто выбирают из-за тенденции визуальной когнитивной системы человека воспринимать интенсивность (I), оттенок (H) и насыщенность (S) компонентов как систему примерно ортогональных осей. IHS преобразование первоначально было применено к RGB True Color, но для задач дистанционного зондирования и в демонстрационных целях, произвольные диапазоны собираются в RGB-изображение, и получаются композиты в ложном цвете <ref name="wang2"/>. Способность IHS эффективно отделить пространственную информацию (диапазон I) от спектральной информации (диапазоны H и S) делают его очень перспективным для паншарпенинга <ref name="gonz"/>. Существуют различные модели IHS преобразования, отличающиеся методом, используемым для вычисления значения интенсивности. Наиболее часто используется гексагон Смита (Smith's hexacone) и триангуляционные модели <ref>''V Vijayaraj'', A quantitative analysis of pansharpened images. Master's thesis, Mississippi State Univ (2004).</ref>. Пример изображения, полученного IHS-методом, показан на [http://asp.eurasipjournals.com/content/2011/1/79/figure/F2 \| рисунке].		IHS-метод паншарпенинга является одним из классических методов группы 3.1 <ref name="chav1"/>, <ref> ''WJ Carper, TM Lillesand, RW Kiefer'', The use of Intensity-Hue-Saturation transform for merging SPOT panchromatic and multispectral image data. Photogramm Eng Remote Sens 56(4), 459–467 (1990)</ref>. Он использует цветовое пространство IHS, которое часто выбирают из-за тенденции визуальной когнитивной системы человека воспринимать интенсивность (I), оттенок (H) и насыщенность (S) компонентов как систему примерно ортогональных осей. IHS преобразование первоначально было применено к RGB True Color, но для задач дистанционного зондирования и в демонстрационных целях, произвольные диапазоны собираются в RGB-изображение, и получаются композиты в ложном цвете <ref name="wang2"/>. Способность IHS эффективно отделить пространственную информацию (диапазон I) от спектральной информации (диапазоны H и S) делают его очень перспективным для паншарпенинга <ref name="gonz"/>. Существуют различные модели IHS преобразования, отличающиеся методом, используемым для вычисления значения интенсивности. Наиболее часто используется гексагон Смита (Smith's hexacone) и триангуляционные модели <ref>''V Vijayaraj'', A quantitative analysis of pansharpened images. Master's thesis, Mississippi State Univ (2004).</ref>. Пример изображения, полученного IHS-методом, показан на [http://asp.eurasipjournals.com/content/2011/1/79/figure/F2 \| рисунке].<br/>
			Основным недостатком метода является участие в синтезе только трех диапазонов. Ту и соавт. <ref name="Tu"/> предложили обобщенное IHS преобразование, которое преодолевает ограничения размерности. В любом случае, поскольку спектральный отклик I, синтезированный из канала мультиспектрального изображения, как правило, не соответствует радиометрическим характеристикам PAN-изображения, прошедшего согласование гистограммы <ref name="Aiazzi"/>, когда результат паншарпенинга отображается в цветовой композиции, при изменениях цвета (?) могут появляться большие спектральные искажения . Для того, чтобы свести к минимуму искажения спектра при IHS, Ту и соавт. <ref name="Tu2"> ''TM Tu, PS Huang, CL Hung, CP Chang'', A fast intensity-hue-saturation fusion technique with spectral adjustment for IKONOS imagery. IEEE Geoscience And Remote Sensing Letters 1(4), 309–312 (2004)</ref> предложили новый метод адаптивного IHS для изображений IKONOS, в котором интенсивность диапазона приближается PAN изображения для , насколько это возможно. Эта адаптивная IHS был продлен Рахмани и соавт. [52] для решения любых изображений путем определения коэффициентов щ, которые максимально приближают
	= Список литературы =		= Список литературы =
	<references>		<references>
	<references/>		<references/>

Nadiopt: абзац про IHC

2013-08-15T08:57:27Z

абзац про IHC

Внесённые изменения

Nadiopt: абзац про адаптивную замену

2013-08-15T08:14:22Z

абзац про адаптивную замену

← Предыдущая версия		Версия от 10:14, 15 августа 2013
Строка 39:		Строка 39:
	# Замена компонента на прошедшее обработку в предыдущем пункте PAN-изображение.		# Замена компонента на прошедшее обработку в предыдущем пункте PAN-изображение.
	# Обратное преобразование компонентов для получения результирующего изображения.<br />		# Обратное преобразование компонентов для получения результирующего изображения.<br />
	Группа CS включает в себя многие популярные методы паншарпенинга, такие как IHS, PCS и метод Грам-Шмидта (GS) <ref name="shef"/>, <ref> ''W Dou, Y Chen, X Li, DZ Sui'', A general framework for component substitution image fusion: An implementation using the fast image fusion method. Computers & Geosciences 33, 219–228 (2007)</ref>, основанные на ~~различной трансформации~~ мультиспектрального изображения. CS методы привлекательны тем, что они быстры и просты в реализации и в большинстве случаев обеспечивают паншарпенинг изображений с хорошими визуальными/геометрическими качествами <ref> ''B Aiazzi, S Baronti, M Selva'', Improving component substitution pansharpening through multivariate regression of MS + Pan data. IEEE Trans Geosc Remote Sens 45(10), 3230–3239 (2007)</ref>. Тем не менее, результаты, полученные с помощью этих методов, сильно зависят от соотношения между диапазонами, а поскольку преобразование применяется ко всему изображению, она не принимает во внимание местные различия между панхроматическим и мультиспектральным изображением <ref>''C Thomas, T Ranchin, L Wald, J Chanussot'', Synthesis of multispectral images to high spatial resolution: A critical review of fusion methods based on remote sensing physics. IEEE Trans Geosci Remote Sens 46, 1301–1312 (2008)</ref>, <ref> ''L Alparone, B Aiazzi, SBA Garzelli, F Nencini'', A critical review of fusion methods for true colour display of very high resolution images of urban areas. 1st EARSeL Workshop of the SIG Urban Remote Sensing, Humboldt-Universität zu Berlin (2006)</ref>.		Группа CS включает в себя многие популярные методы паншарпенинга, такие как IHS, PCS и метод Грам-Шмидта (GS) <ref name="shef"/>, <ref> ''W Dou, Y Chen, X Li, DZ Sui'', A general framework for component substitution image fusion: An implementation using the fast image fusion method. Computers & Geosciences 33, 219–228 (2007)</ref>, основанные на различных трансформациях мультиспектрального изображения. CS методы привлекательны тем, что они быстры и просты в реализации и в большинстве случаев обеспечивают паншарпенинг изображений с хорошими визуальными/геометрическими качествами <ref> ''B Aiazzi, S Baronti, M Selva'', Improving component substitution pansharpening through multivariate regression of MS + Pan data. IEEE Trans Geosc Remote Sens 45(10), 3230–3239 (2007)</ref>. Тем не менее, результаты, полученные с помощью этих методов, сильно зависят от соотношения между диапазонами, а поскольку преобразование применяется ко всему изображению, она не принимает во внимание местные различия между панхроматическим и мультиспектральным изображением <ref>''C Thomas, T Ranchin, L Wald, J Chanussot'', Synthesis of multispectral images to high spatial resolution: A critical review of fusion methods based on remote sensing physics. IEEE Trans Geosci Remote Sens 46, 1301–1312 (2008)</ref>, <ref> ''L Alparone, B Aiazzi, SBA Garzelli, F Nencini'', A critical review of fusion methods for true colour display of very high resolution images of urban areas. 1st EARSeL Workshop of the SIG Urban Remote Sensing, Humboldt-Universität zu Berlin (2006)</ref>.<br />
			Единственный тип преобразования не всегда способен получить оптимальный компонент, необходимый для замены, и поэтому трудно выбрать подходящий метод спектрального преобразования для различных наборов данных. Поэтому современные методы включают статистические тесты или различные взвешивающие коэффициенты для адаптивного выбора оптимального компонента для замены и преобразования. Это приводит к новому подходу, известному как адаптивная замена компонента <ref> ''S Rahmani, M Strait, D Merkurjev, M Moeller, T Wittman'', An adaptive HIS pan-sharpening method. IEEE Geoscience And Remote Sensing Letters 7(3), 746–750 (2010)</ref>, <ref> ''VP Shah, NH Younan, RL King'', An efficient pan-sharpening method via a combined adaptive PCA approach and contourlets. IEEE Trans Geosc Remote Sens 46(5), 1323–1335 (2008)</ref>,<ref>''B Aiazzi, S Baronti, M Selva, L Alparone'', Enhanced Gram-Schmidt spectral sharpening based on multivariate regression of MS and pan data. IEEE International Conference on Geoscience and Remote Sensing Symposium, IGARSS 2006, 3806–3809 (2006)</ref>.
	= Список литературы =		= Список литературы =
	<references>		<references>
	<references/>		<references/>