Farklı uydu görüntülerinin birleştirilmesi ile yüksek çözünürlük oluşturma yöntemleri

Abstract

Uydularla uzaktan algılamanın kullanım alanı ve uygulamaları son yıllarda, uydu ve bilgisayar tekolojilerindeki gelişmeye paralel olarak hızlı biçimde değişmiştir. Günümüz algılama sistemleri, yüksek çözünürlüklü görüntüleme yeteneğine sahiptirler, ancak bu sistemlerde dahi sistemin kendisinden kaynaklanan sınırlamalar mevcuttur. Konumsal çözünürlüğü yüksek olan veriler tek bandlı iken, spektral çözünürlüğü yüksek olan çok bandlı veriler ise konumda düşük çözünürlüğe sahiptir. Bir cisim veya bölgenin tanımlanması, özelliklerinin belirlenmesi için her iki çözünürlüğün de yüksek olması istenir. Bu sebeple farklı algılayıcılardan elde edilmiş farklı özellikleri içeren verilerin birlikte kullanılması ihtiyacı vardır. Bu ihtiyaç, konumsal çözünürlüğü yüksek görüntülerle, spektral çözünürlüğü yüksek görüntülerin birleştirilmesi problemini ortaya çıkarmıştır. Burada amaç, aynı bölgeye ait farklı görüntülerin özelliklerini birleştirip, hem konumsal hem de spektral çözünürlüğü yüksek görüntüler elde etmektir. Bu çalışmada hedeflenen, görüntü birleştirme problemine getirilmiş olan bazı çözümlerin incelenmesi, bu yöntemlerin farklı algılayıcı sistemlerden elde edilmiş görüntülere ve farklı çalışma alanlarına uygulanması, elde edilen sonuçların değerlendirilmesi ile yöntemler arasında karşılaştırma yapılmasıdır. Bu amaçla, iki ayrı çalışma bölgesinde SPOT, Landsat ve İRS uydularıyla elde edilmiş pankromatik ve çok bandlı görüntüler kullanılmıştır. Görüntü birleştirme algoritmalarındaki ilk adım, farklı sistemlerden elde edilen dolayısıyla farklı zaman ve geometriye sahip görüntülerin, örtüşen bölgelerinin piksel düzeyinde birbirleri ile çakıştmlmasıdır. Biri referans, diğeri giriş görüntüsü olmak üzere her iki görüntüde de yer kontrol noktaları (GCP) seçilerek oluşturulan konumsal dönüşüm modeli, giriş görüntüsüne uygulanarak çakıştırma işlemi gerçekleştirilir. Burada seçilen kontrol noktalarının doğruluğu, birleştirme yöntemlerinin başarımında önemli etkiye sahiptir. Geometrik olarak çakıştırılmış görüntüler üzerinde ilk olarak standart birleştirme yöntemi olarak kabul edilen IHS dönüşüm yöntemi incelenmiştir. Bu yöntemde, çok bandlı görüntülerin ifade edildiği RGB renk uzayından IHS renk uzayına dönüşüm yapılmakta ve yüksek çözünürlüklü tek bandlı görüntü, I bileşenin yerine konmaktadır. Ters dönüşüm sonucunda yüksek çözünürlük elde edilir, ancak spektral özellikler de bozulmuş olur. Bu, uzaktan algılama uygulamaları için istenmeyen bir durumdur. Bu problemin çözümü için önerilmiş olan diğer yöntemler wavelet dönüşümüne dayanmaktadır. Amaç, görüntüyü düşük çözünürlüklü bir alt görüntü ve yüksek çözünürlük bilgisini taşıyan detay işaretlerine ayrıştırmaktır. Böylece yüksek çözünürlüklü görüntüdeki bilginin, düşük çözünürlüklü görüntüye aktarılması mümkün olacaktır. Burada kullanılan wavelet dönüşümü " â trous" algoritması olarak bilinen yöntemdir. Yüksek çözünürlüklü pankromatik görüntünün detay bilgisini içeren ilk wavelet katsayıları, çok bandlı görüntüye iki şekilde aktarılabilir. İlki çok bandlı görüntünün wavelet katsayıları ile yer değiştirme yöntemi, ikincisi ise doğrudan toplama yöntemidir. Her iki yöntem de RGB veya I, parlaklık bileşenine uygulanabilir, böylece dört farklı yöntem ortaya çıkmaktadır. Bu yöntemlerin başarımların belirlenmesi için, oluşturulan yüksek çözünürlüklü görüntünün, aynı çözünürlüğe sahip gerçek görüntü ile karşılaştırılması gereklidir. Ancak problemin tanımı gereği, bu çözünürlükte çok bandlı veriler mevcut olmadığı için, karşılaştırma yapmanın tek yolu öncelikle mevcut verilerin çözünürlüğünü düşürmek, ardından bu görüntüleri kullanarak birleştirme yöntemlerini uygulamak ve gerçek görüntü ile karşılaştırmaktır. Karşılaştırma her band için korelasyon katsayısı hesaplanarak yapılır. İki ayrı çalışma bölgesinden alınan toplam beş görüntü çifti için yöntemler uygulanıp sonuçlar elde edildiğinde, wavelet dönüşümüne dayalı yöntemlerin IHS yöntemine göre daha yüksek korelasyon değerleri verdiği, dolayısıyla bu yöntemlerin spektral özellikleri daha iyi koruduğu belirlenmiştir. Bu yöntemler arasında bir karşılaştırma yapıldığında, pankromatik görüntünün detay bilgisi eklenirken, çok bandlı görüntünün tamamının saklandığı toplamsal yöntemlerin, yerdeğiştirme yöntemlerine göre daha iyi sonuçlar verdiği saptanmıştır. Eşzamanlı algılanmış verilerin sonuçlarına bakıldığında ise, yöntemler arasındaki farkın azaldığı yöntem seçiminin önemini yitirdiği görülür. Ancak, uygulamalarda kullanılan uydu görüntüleri genellikle farklı zamanlarda algılandıkları için, seçilecek birleştirme yöntemi önemli olacaktır. Bu çalışmadan çıkan sonuç, görüntülerin birleştirilmesi ile yüksek çözünürlük oluşturma yöntemlerinden IHS dönüşümü yerine toplamsal wavelet (AWI) yönteminin kullanılmasının spektral özelliklerin korunması anlamında daha iyi sonuç verdiğidir.

The use of satellite remote sensing and its applications have been improved in last a few years parallel to satellite and computer technology. Although, today's sensor systems have high resolution imaging capability, they have still constraints, because of the observation system itself. While data with high spatial resolution is one band only, the multispectral data with high spectral resolution has low spatial resolution. However, to verify the features of an object or an area, resolution in both should be high. So there is a need to use data from different instruments, which have different properties. This need brought up the problem of merging images with high spatial resolution and high spectral resolution. The goal is to merge different properties of images of same area and come up with a resulting image having both informations. In this study, the aim is to understand the methods proposed as a solution to the problem and to apply these on images from different sensors and also for different sites. Evaluating the results and comparing the methods is also intended. To accomplish these, panchromatic and multispectral images from SPOT, Landsat and IRS satellites have been used. The first step in image fusion is the registration of the overlapping regions of images from different instruments with different time and imaging geometries. In these two images, one is reference and the other is input, ground control points (GCPs) will be selected, so that a geometric transformation model between two can be generated. This model is applied to the input image in order to perform registration. The accuracy of the GCPs has significant influence on the success of different fusion methods. First method applied on the geometrically registered images is the standard fusion algorithm, Intensity-Hue-Saturation (IHS) transform method. In this algorithm multispectral image in RGB color space is transformed into IHS color space and I component is replaced by high-resolution panchromatic image for inverse transform. As a result high resolution in spatial domain is achieved, but spectral characteristics have been chanced, which is not good for remote sensing applications. There are other methods suggested based on wavelet transform. The aim is to decompose the image into subbands, which have the course resolution image and detail information. After decomposition it is possible to inject the high-resolution information to the multispectral image. Wavelet transform used in this study is known as "â trous" algorithm. First wavelet coefficients carrying detail information of the high- resolution image, can be transferred to the multispectral in two ways. First one is, substitution of wavelet coefficients of images and second one is adding the coefficients of panchromatic image directly to the multispectral image channels. Both can be applied to RGB or I components, which gives four different methods. XI In order to verify the success of methods, fused image with high spectral and spatial resolution should be compared to an original image with the same resolution. But the definition of the problem verifies that there is no multispectral image available with that spatial resolution. Only way to compare is, to reduce the resolution of both panchromatic and multispectral images first and to apply the methods to improve resolution and form a multispectral image having the same resolution with the original data. The comparison between the fused and the original image is carried out by calculating the correlation coefficients in each spectral band. The methods have been applied to five image pairs from 2 different sites. The results show that wavelet-based methods give higher correlation values than IHS transform, which means spectral quality is preserved to a higher degree. Additive methods give better results than substitution methods. When imaging is synchronous, the difference between the methods is less, which means the choice of method will lose its importance, but generally satellite images used in applications are acquired in different times, so fusion algorithm is important. As a result of this study, we can say that to improve resolution of satellite images by fusion, additive wavelet decomposition (AWI) is better than classical IHS transform method by means of spectral feature preservation.