[論文レビュー] Image Fusion Techniques in Remote Sensing

Reham Gharbia, Ahmad Taher Azar+2 more|arXiv (Cornell University)|Mar 11, 2014

Advanced Image Fusion Techniques参考文献 35被引用数 13

ひとこと要約

本論文は、リモートセンシング分野におけるピクセルレベルの画像融合技術をレビューしており、HIS、Brovey、PCA、ウェーブレット変換などの手法を用いて、高空間分解能のパンクロマチック（Pan）画像と、低空間分解能のマルチスプライタル（MS）画像を統合する方法に焦点を当てている。これらの手法の原理、利点、制限を評価し、GISおよびリモートセンシング応用分野向けに、空間的・スペクトル的忠実度が向上した融合画像の生成を目的としている。

ABSTRACT

Remote sensing image fusion is an effective way to use a large volume of data from multisensor images. Most earth satellites such as SPOT, Landsat 7, IKONOS and QuickBird provide both panchromatic (Pan) images at a higher spatial resolution and multispectral (MS) images at a lower spatial resolution and many remote sensing applications require both high spatial and high spectral resolutions, especially for GIS based applications. An effective image fusion technique can produce such remotely sensed images. Image fusion is the combination of two or more different images to form a new image by using a certain algorithm to obtain more and better information about an object or a study area than. The image fusion is performed at three different processing levels which are pixel level, feature level and decision level according to the stage at which the fusion takes place. There are many image fusion methods that can be used to produce high resolution multispectral images from a high resolution pan image and low resolution multispectral images. This paper explores the major remote sensing data fusion techniques at pixel level and reviews the concept, principals, limitations and advantages for each technique. This paper focused on traditional techniques like intensity hue-saturation- (HIS), Brovey, principal component analysis (PCA) and Wavelet.

研究の動機と目的

• リモートセンシング応用を対象に、主なピクセルレベルの画像融合技術を分析・比較すること。
• HIS、Brovey、PCA、ウェーブレット変換などの従来の融合手法の強みと限界を特定すること。
• GISベースのリモートセンシングタスクに不可欠な高分解能マルチスプライタル画像の開発を支援すること。
• ピクセルレベルにおける融合の原則、アルゴリズム、性能のトレードオフに関する包括的な概要を提供すること。

提案手法

• パノプティカル（Pan）画像とMS画像を統合するために、強度-色相-彩度（IHS）変換を適用し、強度成分を高分解能のPanデータに置き換える。
• Brovey変換を実装し、パンクロマチック画素値とマルチスプライタル画素値の比を用いて、マルチスプライタルバンドをスケーリングする。
• 主成分分析（PCA）を用いてマルチスプライタルデータを直交成分に分解し、最初の主成分をパンクロマチック画像に置き換える。
• 離散ウェーブレット変換（DWT）を用いて画像をサブバンドに分解し、低周波成分を高分解能のパンクロマチックデータに置き換える。
• 定義された数学的演算を用いて変換された成分を統合することで、ピクセルレベルでの融合を実現し、スペクトル的および空間的特性を保持する。
• 視覚的品質とSNR、Q、ERGASなどの定量的指標に基づいて融合結果を評価するが、要約では具体的な数値は報告されていない。

実験結果

リサーチクエスチョン

• RQ1 従来のピクセルレベルの融合手法は、融合画像におけるスペクトル的および空間的情報をどの程度保持しているか？
• RQ2 HIS、Brovey、PCA、ウェーブレットベースの融合手法がリモートセンシング応用において有する根本的な制限は何か？
• RQ3 どの融合手法が、マルチスプライタル画像の空間分解能を向上させつつ、スペクトル忠実度を最もよく維持できるか？
• RQ4 各融合手法の数学的原理が、得られる融合画像の品質および利用可能性にどのように影響するか？
• RQ5 異なる融合アルゴリズム間で、計算の複雑さと画像品質のトレードオフはどのようなものか？

主な発見

• HIS法は空間分解能の向上に効果的であるが、強度成分の置き換えにより、スペクトル特性の歪みが生じる傾向がある。
• Brovey変換はスペクトルコンテンツを比較的よく保持するが、色のアーチファクトを生じやすく、入力のダイナミックレンジに敏感である。
• PCAベースの融合はHISやBroveyよりもスペクトルの整合性をよりよく維持するが、成分置換のため、不自然な画像アーチファクトを生じる可能性がある。
• ウェーブレットベースの融合は、マルチスケールサブバンドで処理することで、空間的およびスペクトル的特性の優れた保持を実現し、エッジやテクスチャの保持が優れている。
• すべての手法は、画像コンテンツやセンサー特性に応じて、不同程度の成功を示しており、最適な手法は一様に存在しない。
• 本論文は、融合性能がアルゴリズムの選択と応用分野の要件に大きく依存しており、一般にウェーブレット手法が従来手法を上回る忠実度を示すと結論づけている。