Алгоритмы предварительного увеличения разрешения гиперспектральных изображений для задач паншарпенинга

Одним из путей получения гиперспектральных изображений высокого разрешения является слияние (merging) гиперспектральных изображений низкого разрешения с панхроматическим изображением высокого разрешения, или паншарпенинг.
На пути решения задачи паншарпенинга первым шагом к решению является предварительное увеличение разрешения гиперспектрального изображения для совпадения разрешений в каналах гиперспектрального изображения и панхроматическом изображении (upscaling). Следующий шаг – слияние такого гиперспектрального изображения с панхроматическим – улучшает качество изображения с высоким пространственным разрешением за счет достоверной информации об интенсивности пикселей из панхроматического изображения. Целью настоящего исследования является модификация и создание методов паншарпенинга. На текущем этапе исследования предложены методы предварительного увеличения разрешения гиперспектральных изображений.
Алгоритмы предварительного увеличения разрешения гиперспектральных изображений основаны на преобразовании одного пикселя исходного изображения в несколько пикселей нового изображения. В простейшем случае один пиксель преобразуется в четыре, причем интенсивность во всех четырех пикселях равна интенсивности исходного. Если на этапе предварительного увеличения разрешения производить еще и субпиксельный анализ, с помощью которого учитывать информацию об интенсивностях соседних с рассматриваемым пикселей, последующее слияние гиперспектрального изображения с панхроматическим даст лучшие результаты.
В исследовании предложены алгоритмы предварительного увеличения разрешения гиперспектральных изображений на основе информации об интенсивности исходного пикселя, интенсивности ближних пикселей (пиксели, границы которых соприкасаются и с границами исходного пикселя, и с границами нового пикселя) и дальних пикселей (пиксели, границы которых соприкасаются с границами исходного пикселя, но не соприкасаются с границами нового), а также на основе интенсивности пикселей из ближайших каналов. При этом все методы можно разделить на 2 группы: статические и динамические. В статических методах веса при интенсивностях пикселей являются неизменными. В динамических методах эти веса рассчитываются в зависимости от значимости точек. Значимость может быть определена величиной энергии точек (сумма квадратов модулей производных по направлениям изображения). Таким образом, было разработано 6 методов предварительного увеличения разрешения гиперспектральных изображений для задач паншарпенинга. Методы были реализованы во фреймворке С++ Qt.
Одним из путей проверки разработанных методов является следующий алгоритм:
1. Получение панхроматического изображения из гиперспектрального изображения высокого разрешения;
2. Уменьшение разрешения гиперспектрального изображения;
3. Предварительное увеличение разрешения изображения, полученного на предыдущем этапе, одним из шести разработанных методов;
4. Слияние гиперспектрального изображения, полученного в пункте 3, с панхроматическим изображением, полученным в пункте 1;
5. Сравнение гиперспектрального изображения, полученного в пункте 4, с исходным.
Уменьшение разрешения гиперспектрального изображения производится методом усреднения интенсивностей соседних пикселей при их объединении (в качестве более универсального метода используется усреднение с весами, соответствующими значимости пикселей). Пункт 4 осуществляется путем применения метода гиперсферического цветового увеличения разрешения (HCS Resolution Merge). Пункт 5 реализуется вычислением ошибок при сравнении двух гиперкубов. Чем больше величина ошибки, тем менее точный алгоритм предварительного увеличения изображения при паншарпенинге используется.
В результате применения описанного алгоритма проверки на данных Aviris среди разработанных методов можно выделить статический и динамический алгоритмы, основанные на ближних и дальних пикселях. В результате использования данных алгоритмов предварительного увеличения изображений качество получаемого изображения увеличивается на 10-15%, в зависимости от изображения, по сравнению со стандартным методом предварительного увеличения.