ارزیابی تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا

مناطق شهری جهان دارای ویژگی های پیچیده فیزیکی هندسی عناصر مختلف می باشند، که به سرعت درحال گسترشند. داشتن دانش دقیق از خصوصیات کاربری، تشخیص وشناسایی عوارض از ضروریات مدیریت برنامه ریزی سامان دهی بهینه نواحی شهری و محیط زیست می باشد. تلفیق تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می تواند کمک موثری به شناسایی، استخراج و تولید نقشه از عناصر سازنده یک محیط شهری را فراهم نماید. هدف از تحقیق حاضر، ارزیابی روش های تلفیق تصاویر در تصاویر فراطیفی و تصاویر با قدرت تفکیک مکانی بالا می باشد. در این راستا داده فراطیفی مربوط به سنجنده هایپریون، در ابتدا از لحاظ باندهای غیرقابل استفاده و نوارهای بد قائم تصحیح شد.سپس از ماژول flaash جهت تصحیح اتمسفری این داده استفاده شد.در ادامه تصویر هایپریون با باند پانکروماتیک سنجنده ali تصحیح هندسی شده و با استفاده از عملیات نمونه برداری مجدد به پیکسل سایز 10 متر تبدیل شد. نهایتا با استفاده از الگوریتم های گرام اشمیت و pc spectral و ihs با تصویر ali تلفیق شد. سپس با استفاده از باند پانکروماتیک تصویر orb view دوباره تصحیح هندسی و نمونه برداری مجدد شده و به پیکسل سایز 1.5 متر تبدیل شد.در نهایت دوباره با روش های ذکر شده عملیات تلفیق با باند پانکروماتیک orb view انجام شد، نتایج تلفیق نشان داد روش گرام اشمیت بهترین عملکرد را از نظر طیفی و مکانی داشت.

assessment fusion of hyperspectral and high resolution imagery

The urban areas of the world have complex physicalgeometric characteristics of various elements, which are rapidly expanding. Having accurate knowledge of user characteristics, identifying and detection complications from planning management needs, optimizing urban and environmental settings. Combining hyperspace images and high resolution spatial images can provide effective assistance in detection, extracting and producing maps of the elements of a city environment. The purpose of this study is to evaluate the fusion of hyperspectral and high resolution imagery. In this regard, hyperspectral data related to the Hyperion sensor were first corrected in terms of nonusable bands and inferior bands. After the FLAASH module, the atmospheric correction of this data was used. In the following, the image of the Hyperion with a panicramatic band of the ALI sensor is geometric correction and The resampling operation was converted to a 10meter pixel. Finally, using the algorithms of Grim Schmidt and Pc Spectral and IHS, the image was combined with the image of ALI. Then, using the Panchromatic Band, the Orb View image was regeometric correction and resampling, and converted to a 1.5pixel pixel. Finally, the combined operations with the Orb View Panchromatic Band again were carried out, the combined results showed that the Gram method Schmidt had the best performance spectral and spatial.