بهبود توان تفکیک مکانی باندهای حرارتی در تصاویر چند طیفی با استفاده از روش کانتورلت

باندهای مادون قرمز حرارتی در کاربردهای مختلف به خصوص محاسبه دمای سطح اهمیت فراوانی دارند. این باندها توان تفکیک مکانی پایینی داشته و تشخیص عوارض در آن ها به سختی همراه است. هدف این مقاله بهبود توان تفکیک مکانی باندهای حرارتی است. یکی از روش های کارا برای تولید باندهای حرارتی با توان تفکیک مکانی بهینه، ادغام این باندها با باندهایی با رزولوشن مکانی بالاتر نظیر باندهای مرئی می باشد. ادغام تصاویر در حقیقت برای تلفیق اطلاعات با رزولوشن های مکانی مختلف برای ایجاد تصویری با جزئیات ساختاری و بافتی بیشتر نسبت به تصاویر منبع استفاده می گردد، به طوری که این تصویر برای درک هر چه بهتر محیط توسط انسان و فرآیندهای مختلف پردازش تصویر همانند طبقه بندی، قطعه بندی، استخراج ویژگی و تشخیص اشیا مناسب تر گردد. آنالیزهای چند ریزه ساز همانند موجک، هرم لاپلاسی، کانتورلت، کرولت از روش های موثر برای ادغام تصاویر در سطح پیکسل است. ما در این مقاله از تبدیل کانتورلت به دلیل دارا بودن مزیت هایی نظیر خاصیت ناهمسانگرد توابع پایه، تشخیص جهت های مختلف و انحناهای هموار استفاده خواهیم کرد. این تبدیل به دلیل وجود مرحله نمونه برداری امکان نشت فرکانس داشته، در نتیجه در باند ادغام شده شاهد مصنوعاتی خواهیم بود. برای رفع این مشکل از انواع دیگر این تبدیل به نام های کانتورلت بدون کاهش بعد و کانتورلت با محلی سازی فرکانس های شارپ استفاده کرده و نتایج را با تبدیل های موجک گسسته، موجک ایستا و هرم لاپلاسی مقایسه می نماییم. از باندهای مرئی و حرارتی ماهواره لندست 8 استفاده خواهیم کرد. با وجود فقدان پوشش طیفی میان باندهای مرئی و حرارتی، پارامترهای ارزیابی طیفی و مکانی نظیر cc، rmse، ag، uiqi و ... نشان می دهد که باند ادغام شده ی حرارتی توسط روش کانتورلت با محلی سازی فرکانس های شارپ در حالی که جزئیات بصری و مکانی آن را بهبود داده اند، مقادیر طیف تابندگی را نیز در حد خوبی حفظ کرده اند.

Spatial Resolution Enhancement of Thermal Bands in Multi-Spectral Images Using Contourlet Method

Thermal infrared bands contain important information for various applications. Their spatial resolution is relatively low, and it is hard to determining the location of the targets in these bands. The aim of this study is to enhance spatial resolution of thermal bands. Image fusion is one of the efficient methods that are employed to enhance spatial resolution of thermal bands by fusing these data with high spatial resolution visible bands. Image fusion aims to integrate images with different spatial and spectral resolution, such that the synthesized image is more suitable for human visual perception or further processing, such as image classification, segmentation, texture feature extraction, object recognition, etc. We chose pixel level image fusion and added details and spatial information taken from the visible band to the thermal infrared band. Multiresolution analysis (e.g. wavelet, laplacian pyramid, contourlet, curvelet, etc) is an effective pixel level fusion approach. In this paper, the contourlet transform in image fusion due to its advantages, high directionality and anisotropy is used. Because of the downsampling and upsampling, the contourlet transform lacks of shift invariance and results in artifacts. Therefore, we use the other kinds of contourlet transform, nonsubsampled and sharp frequency localization contourlet transform, and then, the image fusion performance of six multiresolution transforms, including the discrete wavelet, stationary wavelet, laplacian pyramid, contourlet, nonsubsampled and sharp frequency localization contourlet transform are compared. The methods have been tested using thermal infrared and visible landsat8 data. The spectral and spatial quality assessment parameters (e.g. CC, SAM, ERGAS, SNR, RMSE, AG, UIQI, etc) show that the sharp frequency localization and the nonsubsampled contourlet transforms perform better than the discrete wavelet and the original contourlet transforms in terms of preserving radiance spectral information and increasing spatial details The experimental results show that the discrete wavelet and the contourlet transform are the worse than the other transformations. Therefore, the shift invariant property is of great importance for image fusion. The results of our comparative analysis show that in spite of the lack of a spectral overlap between the visible and the thermal infrared bands, the final fused thermal image keep its spectral characteristics while the spatial resolution is enhanced. It can be concluded that the sharp frequency localization contourlet transform with redundancy factor of 2.33 is the best technique for fusion of the visible and the thermal infrared bands. Finally, the effect of decomposition levels, on fusion performance result by sharp frequency localization contourlet transform with redundancy factor of 2.33 was investigated. It also can be concluded the appropriate setting for the number of decomposition levels is four.