Abstract
Pansharpening algorithms are important methods for overcoming the technical limitations of satellite sensors. However, most approaches to pansharpening have tended either to distort the spectral characteristics of the original multispectral image or reduce the visual sharpness of the panchromatic image. In this paper, we propose a pansharpening algorithm that uses both a global and a local context-adaptive parameter based on component substitution. The purpose of this algorithm is to produce fused images with spectral information similar to that of multispectral data while preserving spatial sharpness better than other algorithms such as the Gram–Schmidt algorithm, Additive Wavelet Luminance Proportional algorithm, and algorithms developed in our previous work. The proposed parameter is calculated using the spatial and spectral characteristics of an image. It is derived from a spatial correlation between each multispectral band and adjusted-intensity image based on Laplacian filtering and statistical ratios, and the parameter is subsequently adaptively adjusted using image entropy to optimize the fusion quality in terms of the sensor and image characteristics. An experiment using IKONOS-2, QuickBird-2, and Geoeye-1 imagery demonstrated that a global context-adaptive parameter model is effective for spatial enhancement and that a local context-adaptive model is useful for image visualization and spectral information preservation.
Les algorithmes de fusion d'images sont d'une grande importance pour palier les limitations techniques des capteurs satellitaires. Cependant, la plupart des approches utilisées en fusion d'images ont eu tendance à déformer les caractéristiques spectrales de l'image multispectrale d'origine ou à réduire la finesse visuelle de l'image panchromatique. Dans cet article, on propose un algorithme de fusion d'images utilisant un paramètre adapté au contexte global et local basé sur la substitution des composantes. L'objectif de cet algorithme est de produire des images fusionnées avec une information spectrale similaire à celle des données multispectrales tout en préservant une finesse spatiale supérieure à celle des autres algorithmes tels que l'algorithme Gram–Schmidt, l'algorithme «Additive Wavelet Luminance Proportional» et les algorithmes développés dans nos recherches antérieures. Le paramètre proposé est calculé en utilisant les caractéristiques spatiales et spectrales de l'image. Ce dernier est dérivé d'une corrélation spatiale entre chaque bande multispectrale et l'image ajustée pour l'intensité basé sur le filtrage laplacien et les ratios statistiques puis, le paramètre est ensuite ajusté de façon adaptative à l'aide de l'entropie de l'image pour optimiser la qualité de la fusion en termes des caractéristiques du capteur et de l'image. Une expérience utilisant des images d'IKONOS-2, de QuickBird-2 et de Geoeye-1 a démontré qu'un modèle de paramètre adapté au contexte global est efficace pour le rehaussement spatial et qu'un modèle adapté au contexte local est utile pour la visualisation des images et la préservation de l'information spectrale.
[Traduit par la Rédaction]
Acknowledgements
This work was supported by National Research Foundation of Korea (NRF) grant funded by the Korea government (MEST) (No. 20100027762).