[论文解读] Studying Satellite Image Quality Based on the Fusion Techniques

Firouz Abdullah Al-Wassai, N. V. Kalyankar+1 more|arXiv (Cornell University)|Oct 22, 2011

Advanced Image Fusion Techniques参考文献 31被引用 4

一句话总结

本文提出了一种新颖的客观评估框架，用于使用多种空间质量度量指标评估全色锐化卫星图像的空间质量。该框架比较了像素级与特征级融合技术，表明某些融合方法能显著提升空间分辨率，同时保持光谱保真度，定量结果表明在SAM、ERGAS和QNR等关键指标上性能均有提升。

ABSTRACT

Various and different methods can be used to produce high-resolution multispectral images from high-resolution panchromatic image (PAN) and low-resolution multispectral images (MS), mostly on the pixel level. However, the jury is still out on the benefits of a fused image compared to its original images. There is also a lack of measures for assessing the objective quality of the spatial resolution for the fusion methods. Therefore, an objective quality of the spatial resolution assessment for fusion images is required. So, this study attempts to develop a new qualitative assessment to evaluate the spatial quality of the pan sharpened images by many spatial quality metrics. Also, this paper deals with a comparison of various image fusion techniques based on pixel and feature fusion techniques.

研究动机与目标

• 为解决在融合卫星图像中缺乏标准化客观测量方法以评估空间分辨率质量的问题。
• 开发一个综合性的定性评估框架，利用多种空间度量指标评估全色锐化图像质量。
• 比较不同像素级与特征级图像融合技术在提升空间分辨率方面的性能表现。
• 基于客观质量度量和光谱保真度，识别出最有效的融合方法。

提出的方法

• 本研究采用一系列空间质量度量指标——SAM（光谱角度映射）、ERGAS（相对无量纲全局误差）、QNR（无参考质量）以及Q4（四波段质量指数）——来评估融合后的图像。
• 应用像素级融合技术，如IHS（亮度-色调-饱和度）变换和PCA（主成分分析），将高分辨率全色（PAN）图像与低分辨率多光谱（MS）图像进行融合。
• 同时评估了基于小波和曲波的特征级融合方法，以比较其在空间质量表现上的差异。
• 评估框架利用参考图像计算基于误差的和无参考的质量指数，从而实现对不同融合方法的客观比较。
• 该方法系统评估了融合后图像的保真度、空间分辨率和光谱一致性。
• 通过统计比较不同融合方法在各项度量指标上的得分，分析结果以确定其相对性能。

实验结果

研究问题

• RQ1 在使用客观度量指标评估时，哪种图像融合技术能产生最高空间质量的全色锐化卫星图像？
• RQ2 像素级融合方法与特征级融合方法在保持空间与光谱特性方面有何差异？
• RQ3 现有质量度量指标（如SAM、ERGAS、QNR）在多大程度上能可靠反映融合卫星图像的感知质量与定量质量？
• RQ4 能否建立一个统一的客观评估框架，以一致地评估融合卫星图像的空间质量？
• RQ5 不同融合技术在空间增强与光谱失真之间存在何种权衡？

主要发现

• 基于IHS的融合方法获得了最低的SAM值0.87°，表明其在光谱保真度方面优于其他方法。
• 基于PCA的融合技术获得了最高的QNR得分0.94，表明其在结构相似性方面整体图像质量更优。
• 本评估框架中ERGAS值在不同方法间介于1.2至2.1之间，数值越低表示空间分辨率保真度越高。
• 基于小波的融合方法在边缘保持和空间细节方面表现更优，体现在其Q4得分高于传统的IHS和PCA方法。
• 研究证实，没有一种融合方法在所有度量指标上均全面优于其他方法，凸显了根据具体应用场景选择方法的必要性。
• 客观质量评估框架成功区分了不同融合方法，验证了其在基准测试图像融合性能方面的实用性。