OCENA PRZYDATNOŚCI RÓŻNYCH METOD INTEGRACJI OBRAZÓW PANCHROMATYCZNYCH I WIELOSPEKTRALNYCH W ODNIESIENIU DO ZOBRAZOWAŃ WORLDVIEW-2

Transkrypt

1 Archiwum Fotogrametrii, Kartografii i Teledetecji Vol. 4, 01, s ISBN OCENA PRZYDATNOŚCI RÓŻNYCH METOD INTEGRACJI OBRAZÓW PANCHROMATYCZNYCH I WIELOSPEKTRALNYCH W ODNIESIENIU DO ZOBRAZOWAŃ WORLDVIEW- ASSESSMENT OF DIFFERENT IMAGE FUSION METHODS ON EXAMPLE WORLDVIEW- IMAGES Katarzyna Osińsa-Sota Załad Fotogrametrii, Teledetecji i Systemów Informacji Przestrzennej, Wydział Geodezji i Kartografii, Politechnia Warszawsa SŁOWA KLUCZOWE: WorldView-, integracja obrazów, ocena jaości integracji obrazów STRESZCZENIE: W niniejszym opracowaniu zaprezentowano wynii prac związanych z omplesową oceną jaości ogólnodostępnych algorytmów integracji obrazów wielospetralnych i panchromatycznych w odniesieniu do obrazów rejestrowanych przez system WorldView-. Jest to jedyny system o bardzo wysoiej rozdzielczości przestrzennej umożliwiający rejestrację obrazów w 8 zaresach promieniowania. Zaresy te dają więsze możliwości zastosowania niż ma to miejsce w przypadu danych 4-anałowych, np. w szczegółowych analizach upraw i zasiewów, czy badaniach wód. Ponieważ na wynii analiz ilościowych ma wpływ zastosowana metoda integracji danych panchromatycznych PAN i wielospetralnych MS cennym jest doonanie oceny jaości algorytmów zaimplementowanych w różnych paietach oprogramowania omercyjnego (ERDAS Imagine, PCI Geomatica, ENVI). Ocena jaości wyniów integracji obrazów PAN i MS wyonana została pod względem jaości spetralnej, ja i jaości przestrzennej. Do oreślenia jaości spetralnej i przestrzennej obrazów przetworzonych wyorzystano m.in. analizę orelacji, RMSE, wsaźnii jaości Q, nq%, ERGAS i DPP. Najlepsze wynii zarówno pod względem jaości spetralnej, ja i przestrzennej uzysano za pomocą trzech metod: Zhanga (PCI Geomatica), Grama-Schmidta (ENVI) i Ehlersa (ERDAS Imagine). 1. WPROWADZENIE Ostatnie lata to intensywny rozwój wysoorozdzielczych techni satelitarnych. Na orbity oołoziemsie wprowadzono satelity nowej generacji, tóre obecnie umożliwiają doonywanie rejestracji obrazów o piselu wielości mniejszej niż m. Są to jedna monochromatyczne dane panchromatyczne, niosące informacje w jednym stosunowo szeroim zaresie spetralnym. Ich niewątpliwym atutem jest wysoa rozdzielczość przestrzenna, ale aby ja najlepiej wyorzystać potencjał interpretacyjny wysoorozdzielczych obrazów satelitarnych stosuje się procedury przetwarzania cyfrowego pozwalające na doonanie integracji (z ang. fusion, merge) wysoorozdzielczego obrazu panchromatycznego (PAN) z obrazem wielospetralnym (MS) o niższej rozdzielczości przestrzennej, ale więszej rozdzielczości spetralnej. W efecie uzysuje się obraz wielospetralny o bardzo wysoiej rozdzielczości przestrzennej. Metod pozwalających na 31

2 Katarzyna Osińsa-Sota doonanie tego rodzaju integracji danych jest bardzo wiele, ale mimo to nieustannie trwają prace nad stworzeniem coraz lepszych algorytmów. Część z istniejących algorytmów umożliwia uzysanie dobrego materiału w sensie wizualnym, ale nie pozwala na zachowanie walorów spetralnych źródłowego obrazu wielospetralnego, co np. znacznie utrudnia wyonanie lasycznej lasyfiacji cyfrowej czy powoduje błędy w obliczanych wartościach wsaźniów teledetecyjnych (np. NDVI). Problemem przy łączeniu danych o różnej rozdzielczości przestrzennej i spetralnej jest zachowanie zarówno sładowej spetralnej, ja i przestrzennej. Wiele algorytmów integracji danych obrazowych powstało jeszcze w latach 80-tych XX wieu, iedy to na orbicie pojawił się system satelitarny SPOT. Wraz z pojawieniem się nowych systemów o bardzo wysoiej rozdzielczości przestrzennej (IKONOS, QuicBird) powstała onieczność dostosowania już istniejących algorytmów oraz opracowanie nowych. Wyniało to z fatu, iż obrazy panchromatyczne rejestrowane z tych systemów obejmowały również zares blisiej podczerwieni. Na rynu jest szereg paietów oprogramowania (ERDAS Imagine, PCI Geomatica, ENVI, IDRISI), tóre umożliwiają integrację danych satelitarnych. Zwyle użytownicy orzystają z tychże algorytmów i nie do ońca zdają sobie sprawę z tego jaiej jaości obraz uzysują. W ramach niniejszej pracy postawiono sobie za cel przetestowanie i ocenę algorytmów integracji obrazów PAN i MS, w dostępnych paietach oprogramowania.. CHARAKTERYSTYKA OBRAZÓW SATELITARNYCH WORLDVIEW- Satelita WorldView- został umieszczony na orbicie oołobiegunowej, heliosychronicznej w dniu 8 październia 009 r. Orbita przebiega na wysoości 770 m nad powierzchnią Ziemi. Ores obiegu wynosi 100 min. Obrazy rejestrowane są o godz. 10:30 czasu loalnego, a dzięi możliwości wychylenia do 45 o istnieje możliwość uzysania obrazów tego samego fragmentu powierzchni Ziemi nawet codziennie. Pas sanowania wynosi 16.4 m, a wielość nominalna sceny satelitarnej m. Satelita WorldView- rejestruje obrazy w dwóch trybach: panchromatycznym (PAN) i wielospetralnym (MS) z piselem wielości odpowiednio m i m, ale produty obrazowe udostępniane są z piselem wielości m (PAN) i m (MS). W wariancie panchromatycznym obrazy pozysiwane są w zaresie fal o długości nm. W trybie wielospetralnym satelita WorldView- rejestruje 8 zaresów spetralnych o długościach fal: nm (coastal), nm (blue), nm (green), nm (yellow), nm (red), nm (red edge), nm (near IR1), nm (near IR). Rozdzielczość radiometryczna pozysiwanych obrazów wynosi 11 bitów, ale najczęściej udostępniane są jao dane 8-bitowe. 3. METODY OCENY JAKOŚCI INTEGRACJI DANYCH OBRAZOWYCH Jaość obrazów uzysanych w wyniu integracji obrazu panchromatycznego o wyższej rozdzielczości przestrzennej i obrazu wielospetralnego o niższej rozdzielczości przestrzennej można ocenić w sposób wizualny albo formalny przy zastosowaniu wsaźniów statystycznych. 3

3 Ocena przydatności różnych metod integracji obrazów panchromatycznych i wielospetralnych w odniesieniu do zobrazowań WorldView-. W ocenie wizualnej operator porównuje ompozycję barwną, stworzoną na podstawie nowopowstałego obrazu wielospetralnego o podwyższonej rozdzielczości przestrzennej z analogiczną ompozycję barwną, utworzoną na podstawie źródłowego obrazu wielospetralnego oraz z obrazem panchromatycznym. Analiza wizualna oncentruje się przede wszystim na oreśleniu stopnia zachowania barw względem źródłowego obrazu wielospetralnego oraz na ocenie stopnia wzmocnienia przestrzennego obrazu. Ocena wizualna zawsze jest oceną subietywną, zależną od preferencji, doświadczenia i odczucia osoby oceniającej dany obraz. W tym przypadu ocena doonana przez różne osoby może dać odmienne rezultaty. Czasami stosuje się technię oceny wizualnej zwaną Mean Opinion Score (MOS), w tórej obliczana jest wartość średnia z ocen testów subietywnych prowadzonych przez wiele osób, od profesjonalnych interpretatorów począwszy a na amatorach sończywszy. Ocena formalna jest oceną obietywną, niezależną od operatora. W literaturze światowej można spotać różnego rodzaju propozycje formalnej oceny jaości wyniów integracji danych o różnej rozdzielczości przestrzennej i spetralnej. Ta mnogość proponowanych wsaźniów i parametrów pozwala na ich dobór do oreślonych celów Metody oceny jaości spetralnej Jedną z metod proponowanych do oceny jaości spetralnej dwóch ocenianych obrazów jest obliczenie różnic w wartościach piseli w ażdym anale spetralnym oddzielnie pomiędzy wyniiem integracji obrazów PAN+MS i oryginalnym obrazem wielospetralnym. Wówczas miarą jaości spetralnej wyniu integracji obrazu wielospetralnego z obrazem panchromatycznym mierzoną oddzielnie dla ażdego anału spetralnego może będzie średnia różnica pomiędzy wartościami piseli obrazu PAN+MS i obrazu MS (Chaves et al., 1991): n m 1 DN PMS,i,j MS (1),i,j CR i1 j1 gdzie: R liczba wierszy w obrazie o wyższej rozdzielczości przestrzennej, C liczba olumn w obrazie o wyższej rozdzielczości przestrzennej, MS,i,j wartość pisela w i-tym wierszu i j-tej olumnie -tego anału spetralnego źródłowego obrazu wielospetralnego, PMS,i,j wartość pisela w i-tym wierszu i j-tej olumnie -tego anału spetralnego obrazu wielospetralnego o podwyższonej rozdzielczości przestrzennej. Kolejny wsaźni, wyorzystywany m.in. Eshtehardi et al. (007) to znormalizowana różnica bezwzględna pomiędzy wartościami piseli obrazu PAN+MS a wartościami odpowiadających im piseli w obrazie oryginalnym (ang. Deviation Index, wsaźni znieształcenia spetralnego): C R 1 PMS,i,j MS,i,j DI () C R MS i1 j1 Najczęściej obecnie stosowanym a zarazem podstawowym parametrem, tóry pozwala ocenić w sposób globalny jaość wyniu połączenia obrazów wielospetralnego i panchromatycznego jest średni błąd wadratowy RMSE wyrażony dla -tego zaresu spetralnego w następujący sposób (Wald et al., 1997; Beaulieu et al., 004):,i, j 33

4 Katarzyna Osińsa-Sota 1 RMSE (3) C R (MS,i,j PMS,i,j) C R i1 j1 W tym miejscu należy nadmienić, że nietórzy autorzy stosują inny wzór na RMSE, co powoduje, iż wartości wsaźnia ERGAS mogą być nieporównywalne pomiędzy różnymi autorami. Wald et al. (1997) proponują do globalnej oceny jaości rezultatów łączenia danych PAN i MS wsaźni ERGAS (fr. Erreur Relative Globale Adimensionelle de Synthèse) bezwymiarowy całowity błąd względny wyniu integracji PAN+MS: n h 1 RMSE ERGAS spectral 100 (4) l n 1 Według autorów wartość ERGAS mniejsza od 3 świadczy o satysfacjonującej jaości uzysanego wyniu integracji obrazów PAN i MS w sensie zachowania spójności spetralnej w porównaniu z oryginalnym obrazem wielospetralnym. Ranchin i Wald (000) zaproponowali do oceny jaości spetralnej wyniów integracji obrazów PAN i MS parametr nazwany RASE (ang. Relative Average Spectral Error), tóry przedstawia średni błąd względny dla dowolnej liczby anałów spetralnych: n 1 1 RASE % 100 RMSE (5) n Kolejną propozycją oceny jaości spetralnej obrazów wyniowych integracji danych panchromatycznych i wielospetralnych jest współczynni nq% (ang. newquantity), zaproponowany przez Wald a (000), tóry jest uproszczoną formą wsaźnia ERGAS: sr 1 nq% n n 1 RMSE (6) Wang i Bovi (00) zaproponowali do oceny jaości spetralnej wyniów łączenia danych PAN i MS wsaźni jaości zwany wsaźniiem Q (czasami można spotać oreślenie wsaźni jaości UIQI (ang. Universal Image Quality Index), tóry oblicza się dla ażdego zaresu spetralnego oddzielnie: Q (7) MS,PMS MS PMS MS MS PMS ( MS) ( PMS) MS gdzie: MS wartość średnia w -tym anale spetralnym obrazu MS, PMS wartość średnia w -tym anale spetralnym obrazu przetworzonego, MS wariancja w -tym anale spetralnym obrazu oryginalnego, PMS wariancja w -tym anale spetralnym obrazu typu przetworzonego, MS,PMS owariancja między -tym anałem spetralnym oryginalnego obrazu wielospetralnego a -tym anałem spetralnym obrazu przetworzonego. Ten wsaźni rozwinięto w wyniu modelowania wszystich możliwych znieształceń obrazu. Stanowi on ombinację trzech najważniejszych czynniów PMS PMS 34

5 Ocena przydatności różnych metod integracji obrazów panchromatycznych i wielospetralnych w odniesieniu do zobrazowań WorldView-. włączając w to stratę orelacji, znieształcenia radiometrii i znieształcenia ontrastu (Wang i Bovi, 00). Pierwsza sładowa mówi o orelacji między obrazem wielospetralnym i wyniiem integracji obrazów panchromatycznego oraz wielospetralnego, drugi jest miarą blisości średniej jasności obrazów, zaś trzeci jest miarą podobieństwa ontrastu dwóch analizowanych obrazów. Ja widać uwzględnia on ila różnych parametrów statystycznych charateryzujących zestaw danych a wartość średnia tego wsaźnia według autorów stanowi pozwala na ocenę globalną uzysanych wyniów. Interesujące podejście do oceny jaości spetralnej obrazu PAN+MS zaproponował Wald (00). Proponuje on aby oreślić średnie znieształcenie spetralne w odniesieniu do piseli obrazu wielospetralnego, tzw. Deviation Per Pixel. Porównywane są tu wartości odpowiadających sobie piseli: obrazu wielospetralnego i zdegradowanego obrazu będącego wyniiem integracji obrazów PAN i MS. W wyniu odjęcia obrazów od siebie uzysiwana jest informacja o znieształceniu spetralnym w obrębie pojedynczego pisela. Miarą tego znieształcenia jest średnia różnica pomiędzy wartościami piseli źródłowego obrazu wielospetralnego i wartościami piseli zdegradowanego obrazu PAN+MS. 3.. Metody oceny jaości przestrzennej Do oceny jaości przestrzennej wyniów integracji danych obrazowych PAN+MS wyorzystuje się jedynie ila sposobów. Najbardziej popularną metodą doonania oceny jaości przestrzennej jest wyorzystanie filtracji górnoprzepustowej oraz obliczenie orelacji (r HP ) pomiędzy podanymi wcześniej filtracji górnoprzepustowej oryginalnym obrazem wielospetralnym a wyniiem przetworzenia (Chavez et al., 1991, Zhoua et al., 1998). Filtracja górnoprzepustowa uwydatnia informację o wysoiej częstotliwości, czyli uwypula rawędzie. Stąd wysoa orelacja pomiędzy przefiltrowanym obrazem panchromatycznym oraz przefiltrowanym obrazem PAN+MS świadczy o znacznej zaadaptowaniu informacji przestrzennej, tórą zawiera obraz panchromatyczny. Pirowsi (006) zaproponował parametr AIL%, czyli Average Laplacian Index, będący rozwinięciem podejścia zaproponowanego m.in. przez Zhoua et al. (1998). Jest on średnią arytmetyczną współczynniów determinacji orelacji r w wyrażonych w %, tzw. HP IL% - Laplacian Index: 3 1 AIL % IL % (8) 3 1 IL % 100% (9) r HP Autor wychodzi z założenia, że wartość parametru IL% można interpretować jao stopień obecności rawędzi na obrazie typu PAN+MS w stosunu do znajdujących się rawędzi w anale panchromatycznym. Zatem średnia z trzech taich parametrów obliczonych dla ażdego z anałów spetralnych wchodzących w sład ompozycji barwnej jest miarą średniego wzmocnienia przestrzennego danej ompozycji barwnej. Idąc tą myślą można ten sam wsaźni zastosować taże dla dowolnej liczby anałów spetralnych. 35

6 Katarzyna Osińsa-Sota Kierując się analogiczną zasadą ja w przypadu wsaźnia ERGAS, opisującego jaość spetralną, Lillo-Saavedra et al. (005) wsazują, iż o jaości przestrzennej obrazu PAN+MS może świadczyć analogicznie zdefiniowany wsaźni ERGAS spatial : K PAN h 1 RMSE ERGAS spatial 100 (10) PAN l 1 1 RMSE (11) C R PAN (PAN PMS) CR i1 j1 gdzie PAN jest obrazem otrzymanym w wyniu dopasowania obrazu panchromatycznego do obrazu wyniowego obrazu PAN+MS. W nietórych pracach autorzy wyorzystują do oceny jaości przestrzennej wielość, jaą jest entropia (Lillo-Saavedra et al., 005; Han et al., 008). Entropia może przedstawić uśrednioną informację o obrazie i odzwierciedlić jaa informacja szczegółowa została włączona do obrazu PAN+MS. Ogólnie rzecz ujmując, więsza entropia obrazu PAN+MS świadczy o bardziej obfitej informacji obrazu i wyższej jaości wyniu integracji obrazów panchromatycznego i wielospetralnego. 4. METODYKA PRACY Głównym celem niniejszej pracy było oreślenie przydatności poszczególnych metod integracji danych obrazowych w odniesieniu do obrazów, rejestrowanych przez instrumenty satelity WorldView-, tóre charateryzują się więszą niż w przypadu innych wysoorozdzielczych systemów satelitarnych liczbą pozysiwanych anałów spetralnych oraz szerszy zares rejestrowanego promieniowania eletromagnetycznego. Rys. 1. Obraz satelitarny WorldView- zarejestrowany dla obszaru Warszawy w dniu 4 sierpnia 011 r. oraz obszar poddany analizie 36

7 Ocena przydatności różnych metod integracji obrazów panchromatycznych i wielospetralnych w odniesieniu do zobrazowań WorldView-. Analizę przeprowadzono dla obrazu satelitarnego WorldView-, tóry został zarejestrowany w dniu 4 sierpnia 011 rou. Swoim zasięgiem obejmuje on obszar południowej Warszawy (dzielnice Ursynów, Wilanów, Wawer, rys. 1). Jest to teren o zróżnicowanym rajobrazie, od rolniczego poprzez leśny a sończywszy na terenach zabudowanych o bardzo różnorodnym typie zabudowy (osiedla domów jednorodzinnych, zabudowa bloowa luźna, zabudowa wielomiejsa). Ze względu na wielość pliów obliczeniowych obszar sceny satelitarnej ograniczono do wielości o piseli (obraz panchromatyczny). Wybrano go ta, aby swoim zasięgiem objął teren ja najbardziej zróżnicowany pod względem porycia i użytowania terenu (rys. 1). Analizie poddano metody zaimplementowane w trzech ogólnodostępnych oprogramowaniach: ERDAS Imagine, PCI Geomatica oraz ENVI. Do dalszych prac wybrano tylo te metody, tóre umożliwiają integrację danych wieloanałowych. Były to następujące metody: PC (ERDAS Imagine), Modified IHS (ERDAS Imagine), transformacja falowa WT-PC (ERDAS), transformacja falowa WT-Single Band (ERDAS Imagine), Ehlersa (ERDAS Imagine), HPF (ERDAS Imagine), PC Spectral Sharpening (ENVI 4.8), CN Spectral Sharpening (ENVI 4.8), Gram-Schmidt Sensor (ENVI 4.8, ENVI 5.0), Gram-Schmidt Average (ENVI 4.8), Gram-Schmidt Lower PAN (ENVI 4.8) i metoda Zhanga (tzw. pansharpen, PCI Geomatica). Opisy poszczególnych metod można znaleźć w podręczniach użytownia oraz w literaturze (m.in. Aiazzi et al., 006, 007; Carper et al., 1990; Chavers et al., 1991; Eshteradi et al., 007; Garzelli et al., 004; Mróz i Szumiło, 005; Osińsa-Sota, 011; Price, 1987; Wang i Li, 1999; Zhang, 1999, 00, 004). Oazało się jedna, że w przypadu analizowanych obrazów WorldView- nie wszystie testowane metody działają w pełni poprawnie. Metoda PC Spectral Sharpening (ENVI 4.8 i 5.0) zastosowana dla wszystich 8 zaresów spetralnych dała niepoprawny wyni i dlatego przetestowano działanie tej metody dla mniejszej liczby anałów spetralnych. Po wyeliminowaniu anału 8 uzysano prawidłowy obraz i ten właśnie obraz poddano ocenie. Do oceny jaości spetralnej wyniów integracji danych obrazowych PAN i MS zastosowano: współczynni orelacji (AIL% spectral obliczany analogicznie ja w przypadu AIL%), wsaźnii znieształcenia spetralnego DI i DPP, średni błąd wadratowy RMSE spectral, bezwymiarowy całowity błąd względny ERGAS spectral, wsaźnii nq% oraz Q. W odniesieniu do oceny jaości przestrzennej zastosowano współczynni orelacji r HP oraz wsaźnii AIL% oraz RMSE spatial i ERGAS spatial. Są to parametry stosowane najczęściej do oceny jaości wyniów integracji danych obrazowych, tóre uwzględniają najwięszą liczbę czynniów. Ponadto, obliczone zostały współczynnii orelacji między obrazem wielospetralnym i obrazem po wzmocnieniu przestrzennym. Należy również nadmienić, że w przypadu oprogramowania ERDAS Imagine ze względu na inną, niż w więszości paietów oprogramowania (m.in. ENVI, PCI Geomatica, IDRISI), definicję początu uładu współrzędnych obrazowych (w środu pisela) wystąpił problem polegający na tym, że obrazy po integracji były mniejszego rozmiaru (rys. ), co wpływa na dalsze analizy statystyczne. 37

8 Katarzyna Osińsa-Sota Rys.. Obraz wielospetralny (pod spodem) i obraz po integracji obrazu panchromatycznego oraz wielospetralnego, uzysany za pomocą oprogramowania ERDAS Imagine (na wierzchu) Analizując uzysany wyni można stwierdzić, iż program ERDAS Imagine jao począte nowo tworzonego obrazu przyjmuje środe pisela obrazu wielospetralnego. Dla przeciętnego użytownia jest to mało istotna westia, nie mniej jedna tego rodzaju podejście powoduje onieczność ponownego próbowania obrazu panchromatycznego przed doonaniem integracji PAN i MS i wpływa na dalsze przetworzenia i analizy. Aby tego uninąć obraz wielospetralny został dostosowany do wielości matrycy obrazu panchromatycznego (pisel został podzielony na pisele o wymiarach m). Zabieg ten wyeliminował efet zmniejszenia wymiarów obrazu, będącego wyniiem łączenia obrazów PAN i MS. 5. ANALIZA WYNIKÓW 5.1. Ocena jaości spetralnej Poza oceną formalną, statystyczną uzysanych wyniów integracji obrazów panchromatycznych i wielospetralnych doonano taże oceny wizualnej. Zestawienie uzysanych wyniów, w postaci ompozycji w barwach naturalnych (RGB 53) przedstawiono na rys. 3. Porównując otrzymane obrazy wyniowe trudno jednoznacznie stwierdzić, za pomocą tórego z algorytmów otrzymywane są produty o najlepszej jaości spetralnej i przestrzennej. Kolorystya wszystich obrazów jest bardzo zbliżona i zgodna z olorystyą oryginalnego obrazu wielospetralnego. W przypadu metody CN Spectral Sharpening uwidoczniły się błędy w postaci różnoolorowych plam na bardzo jasnych obietach (ściany budynów, dachy). Pod względem jaości przestrzennej najsłabsze rezultaty (obrazy o najniższej ostrości) dały metody: WT-Single Band i HPF. Do najlepszych metod w tym względzie należą natomiast: algorytm Zhanga, metoda Grama- Schmidta, metoda PC Spectral Sharpening i metoda WT-PC. Ocena wizualna jest jedna oceną subietywną i dotyczy onretnego zestawu anałów, tworzących analizowaną ompozycję barwną. Stąd jej ułomność w stosunu do metod formalnych, tóre dają informację na temat jaości całej sceny satelitarnej. Porównując uzysane wartości różnych wsaźniów jaości spetralnej dla poszczególnych anałów (Tab. 1 i ) można zauważyć, że w przypadu nietórych metod (np. PCA, CN Spectral Sharpening) najwięsze znieształcenia spetralne występują w przypadu zaresów promieniowania widzialnego. W przypadu metody Zhanga, Ehlersa czy Grama-Schmidta tego rodzaju sytuacja nie występuje. 38

9 Ocena przydatności różnych metod integracji obrazów panchromatycznych i wielospetralnych w odniesieniu do zobrazowań WorldView-. MS Rys. 3. Zestawienie wyniów integracji danych obrazowych WorldView-, uzysanych różnymi metodami (ompozycja RGB 53) Gram-Schmidt Lower PAN Metoda Zhanga Gram-Schmidt Sensor Gram-Schmidt Average PC Spectral Sharpening CN Spectral Sharpening Metoda Ehlersa HPF WT-PC WT-Single Band PC Modified IHS 39

10 40 Katarzyna Osińsa-Sota Tabela 1. Zestawienie wartości wsaźnia znieształcenia spetralnego DPP dla poszczególnych anałów spetralnych METODA DPP śr. PC (ERDAS) Modified IHS (ERDAS) WT-PC (ERDAS) WT-Single Band (ERDAS) Ehlers a (ERDAS) HPF (ERDAS) PC Spectral Sharpening (ENVI) CN Spectral Sharpening (ENVI) Gram-Schmidt Sensor (ENVI) Gram-Schmidt Average (ENVI) Gram-Schmidt Lower PAN (ENVI) Zhang a (PCI) Tabela. Zestawienie wartości RMSE spectral dla poszczególnych anałów spetralnych METODA RMSE śr PC (ERDAS) Modified IHS (ERDAS) WT-PC (ERDAS) WT-Single Band (ERDAS) Ehlers a (ERDAS) HPF (ERDAS) PC Spectral Sharpening (ENVI) CN Spectral Sharpening (ENVI) Gram-Schmidt Sensor (ENVI) Gram-Schmidt Average (ENVI) Gram-Schmidt Lower PAN (ENVI) Zhang a (PCI) Aby było możliwe porównanie poszczególnych wsaźniów jaości w odniesieniu do całego obrazu (wszystich anałów łącznie), w przypadu wsaźniów obliczanych dla ażdego anału oddzielnie, obliczono wartość całowitą ażdego ze wsaźniów stosując wzór: n 1 W W (1) n Analizując różne wsaźnii opisujące jaość spetralną obrazu wyniowego widać wyraźnie, że w zależności od zastosowanego wsaźnia uzysuje się inny raning metod (Tab. 4). Np. obliczając wsaźni nq% czy ERGAS spectral oazuje się, że właściwości spetralne najlepiej zachowują metody: WT-PC i WT-Single Band, metoda Ehlersa, zaś przy wyorzystaniu wsaźnia DPP najlepszą jest metoda Zhanga. Wynia to m.in. z fatu, iż część wsaźniów (np. DPP, DI, RMSE) obliczana jest na zasadzie porównania pixel to 1

11 Ocena przydatności różnych metod integracji obrazów panchromatycznych i wielospetralnych w odniesieniu do zobrazowań WorldView-. pixel, natomiast inne wyorzystują parametry statystyczne o charaterze globalnym (wartość średnia, odchylenie standardowe, współczynnii orelacji). Widać więc, iż w celu doonania rzetelnej oceny jaości algorytmów integracji danych należy stosować różnorodne wsaźnii i metody. W wyniu analizy wszystich obliczonych wsaźniów jaości spetralnej można stwierdzić, że metody: Zhanga, Grama-Schmidta, Ehlersa, WT-Single Band oraz Modified IHS dają obrazy o radiometrii najbliższej oryginalnego obrazu wielospetralnego. Najsłabiej wypadają tu algorytmy: PC, CN Spectral Sharpening, PC Spectral Sharpening. 5.. Ocena jaości przestrzennej Pod względem jaości przestrzennej czyli absorpcji szczegółów z obrazu panchromatycznego najwyżej ocenione zostały (Tab. 3 i 4): metoda Zhanga, metoda Gramma-Schmidta we wszystich wariantach, metoda PC Spectral Sharpenning oraz metoda Ehlersa. Najsłabsze wzmocnienie przestrzenne uzysane w przypadu obrazów przetworzonych metodami (Tab. 5 i 6): WT-PC oraz WT-Single Band, CN Spectral Sharpenning oraz PC. W przypadu metod PC i CN Spectral Sharpenning o wyniu decydują zaresy blisiej podczerwieni (anały 7 i 8), dla tórych wartości orelacji r HP między obrazem panchromatycznym po filtracji górnoprzepustowej a wyniami integracji danych PAN oraz MS, poddanymi filtracji górnoprzepustowej są bardzo nisie, zaś RMSE spatial i ERGAS spatial wysoie. Analizując tabelę 3 można zauważyć, że podobne wzmocnienie przestrzenne dla poszczególnych anałów, niezależnie od rejestrowanego zaresu promieniowania, dały: metoda Zhanga, metoda Grama-Schmidta w wariantach Lower PAN i Average, metoda Ehlersa, algorytmy HPF i Modified IHS. Metoda PC Spectral Sharpening, mimo wysoiej ogólnej wartości wszystich wsaźniów jaości przestrzennej, nie zachowuje podobnego wzmocnienia przestrzennego we wszystich anałach spetralnych. Bardzo nisa wartość np. orelacji r HP występuje w przypadu zaresu blisiej podczerwieni (anał 7). Tabela 3. Korelacja (r HP ) między obrazem panchromatycznym po filtracji górnoprzepustowej a wyniami integracji danych PAN i MS, poddanymi filtracji górnoprzepustowej METODA r HPśr. PC (ERDAS) Modified IHS (ERDAS) WT-PC (ERDAS) WT-Single Band (ERDAS) Ehlers a (ERDAS) HPF (ERDAS) PC Spectral Sharpening (ENVI) CN Spectral Sharpening (ENVI) Gram-Schmidt Sensor (ENVI) Gram-Schmidt Average (ENVI) Gram-Schmidt Lower PAN (ENVI) Zhang a (PCI)

12 Katarzyna Osińsa-Sota Tabela 4. Zestawienie wartości analizowanych wsaźniów Jaość spetralna Jaość przestrzenna METODA AIL% spec. DI Q spec. DPP ΔDN spec. PC (ERDAS) Mod. IHS (ERDAS) WT-PC (ERDAS) WT-Single (ERDAS) Ehlers a (ERDAS) HPF (ERDAS) PC Spectral (ENVI) CN Spectral (ENVI) G-S Sensor (ENVI) G-S Average (ENVI) G-S Low PAN(ENVI) Zhang a (PCI) RMSEspec. ERGAS spec. nq% rhpśr. AIL% RMSEspat. ERGASspat. 6. PODSUMOWANIE W wyniu przeprowadzonych analiz można stwierdzić, że metodami, tóre najlepiej zachowują właściwości spetralne źródłowego obrazu wielospetralnego przy jednocześnie najmocniejszym wzmocnieniu przestrzennym oazały się: metoda Zhanga (zaimplementowana w PCI Geomatica), metoda Gramma-Schmidta (zaimplementowana w ENVI) oraz metoda Ehlersa (zaimplementowana w ERDAS Imagine). Pozostałe metody albo dobrze zachowują radiometrię źródłowego obrazu wielospetralnego (np. WT-PC), albo dają obrazy o dużym wzmocnieniu przestrzennym. Wymienione powyżej metody dają gwarancję uzysania obrazów o najwyższej jaości spetralnej i przestrzennej. Wynii uzysane w przypadu obrazów z satelity WorldView- potwierdzają wcześniejsze badania (Osińsa-Sota, 006), w tórych oceniano jaość spetralną i przestrzenną metod integracji obrazów panchromatycznego i wielospetralnego z satelity QuicBird. Wówczas najlepszymi metodami integracji danych obrazowych oazały się metoda Zhanga i metoda Grama-Schmidta 1. Wyonana analiza potwierdza uniwersalność działania obu metod niezależnie od danych wejściowych. 7. LITERATURA Aiazzi B., Baronti S., Selva M., Alparone L., 006. Enhanced Gram-Schmidt Spectral Sharpening based Multivariate Regression of MS and Pan Data. IEEE Transactions on Geoscience and Remote Sensing, s Metoda Ehlersa została zaimplementowana w późniejszych wersjach programu ERDAS Imagine. 4

13 Ocena przydatności różnych metod integracji obrazów panchromatycznych i wielospetralnych w odniesieniu do zobrazowań WorldView-. Aiazzi B., Baronti S., Selva M., 007. MS+Pan Image Fusion by an Enhanced Gram- Schmidt Spectral Sharpening. New Developments and Challenges in Remote Sensing, Z. Bochene (ed.), 007 Millpress, Rotterdam. Beaulieu M., Foucher S., Gagnon L., 003. Multi-Spectral Image Resolution Refinement using Stationary Wavelet Transform. Proceedings IGARS003, Toulouse. Carper W., Lillesand T., Kiefer R., The Use of Intensity-Hue-Saturation Transformations for Merging SPOT Panchromatic and Multispectral Image Data. Photogrammetric Engineering of Remote Sensing, Vol. 56, No. 4, s Chaves, P.S., Sides, C., Anderson, J.A., Comparison of Tree Different Methods to Merge Multiresolution and Mulstispectral Data: Landsat TM and SPOT Panchromatic. Photogrammetric Engineering & Remote Sensing, vol. 57, No. 3, s Ehlers M., Klonus S., Åstrand P.J., 008. Quality Assessment for Multi-Sensor Multi-Date Image Fusion. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVII. Part B4., Beijing 008. Eshtehardi A., Ebadi H., Valadan Zoej M.J., Mohammadzadeh A., 007. Image Fusion of LANDSAT ETM+ and SPOT Satellite Images using HIS, BROVEY and PCA. Conference on Information Extraction from SAR and Optical Data, with Emphasis on Developing Countries, May 007, Istanbul. Garzelli, A., Nencini, F., Alparone, L., Aiazzi, B., Baronti. S., 004. Pan-sharpening of Multispectral Images: a Critical Review and Comparison. IEEE Geoscience and Remote Sensing Letters, vol.1, No. 1, s Han S.H., Kang J.M., 004. Image Fusion of LANDSAT and Korean Satellite KOMPSAT. XX ISPRS Congress, Vol. XXXV, Commission I, WG I/3, Istambul 004. Lillo-Saavedra, M., Gonzalo. C., Arquero, A., Martinez, E., 005. Fusion of multispectral and panchromatic satellite sensor imagery based on tailored filtering in Fourier domain. International Journal of Remote Sensing, vol. 6, No. 6, s Mróz M., Szumiło M., 005. Metody i podejścia stosowane w integrującym przetwarzaniu obrazów teledetecyjnych pozysanych za pomocą różnych sensorów. Acta Scientiarum Polonorum, seria: Geodezja i Kartografia, Wrocław, 4 (1), s Osińsa-Sota K., 006. Potencjał interpretacyjny zdjęć wysoorozdzielczych wpływ metody łączenia danych MS i PAN na wartość interpretacyjną zdjęć VHR. Materiały z sesji nauowej 85-lecia Wydziału Geodezji i Kartografii. Osińsa-Sota K., 011. Integracja obrazów panchromatycznych i wielospetralnych, Opracowanie w ramach Programu Operacyjnego Kapitał Ludzi: Zadanie 3 - Opracowanie programów oraz materiałów dydatycznych i nauowych dla studiów dotorancich z zaresu techni satelitarnych, Wydział Geodezji i Kartografii. Pirowsi T., 006. Integracja danych teledetecyjnych pochodzących z różnych sensorów propozycja omplesowej oceny scalonych obrazów. Geoinformatica Polonica, 8, Kraów Price J. C., Combining Panchromatic and Multispectral Imagery from dual Resolution Satellite Instruments. Remote Sensing of Environment, 1, s Ranchin T., Wald L., 000. Fusion of High Spatial and Spectral Resolution Images: the ARSIS Concept and its Implementation. Photogrammetric Engineering & Remote Sensing, 66, s Wald, L., Some Terms of Reference in Data Fusion. IEEE Transaction on Geosciences and Remote Sensing, vol. 37, No. 3, s Wald, L., 00. Data fusion - Definitions and architectures - Fusion of images of different spatial resolutions. École demines de Paris. 43

14 Katarzyna Osińsa-Sota Wald, L., Ranchin T., Mangolini M., Fusion of Satellite Images of Different Spatial Resolutions: Assessing in quality of resulting images. Photogrammetric Engineering & Remote Sensing, vol. 63, No. 6, s Wang Z., Li D., A Image Fusion Method: Improve the Spatial Resolution While Preserve the Color. Asian Conference on Remote Sensing. Zhang Y., 1999, A new merging method and its spectral and spatial effects, International Journal of Remote Sensing, vol. 0, No. 10, Zhang, Y., 00, Problems in the Fusion of Commercial High-resolution Satellite Images as well as LANDSAT 7 Images and Initial Solutions, International Archives of Photogrammetry and Remote Sensing (IASPRS), vol. 34, part 4, GeoSpatial Theory. Processing and Applications, Ottawa, July 00. Zhang, Y., 00, A New Automatic Approach for Effectively Fusing Landsat 7 images and IKONOS Images, IEEE/IGARSS 0, Toronto, Canada, June 4-8, 00. Zhang, Y., 004, Understanding Image Fusion, Photogrammetric Engineering & Remote Sensing, June 004, Zhoua, J., Civco. D.L., Silander. J.A., 1998, A Wavelet Transform Method to Merge Landsat TM and SPOT Panchromatic Data, International Journal of Remote Sensing, vol. 19, No. 4, ASSESSMENT OF DIFFERENT IMAGE FUSION METHODS ON EXAMPLE WORLDVIEW- IMAGES KEY WORDS: WorldView-, image fusion, spectral quality, spatial quality Summary This paper presents the results of complex evaluation of the quality of image fusion algorithms, which are implemented in different software. All analysis were made for WorldView- satellite image. It is the only a very high resolution satellite system, which acquires image in 8 spectral bands. These spectral bands give the larger possibility of applying application than is inthe case of image with 4-bands data, such as the assessment of carbon stocs in forests and inland water investigation. However, the results of quantitative analyzes depend on the applied image fusion algorithm, it is important to assess the quality of the resultsed obtained using different algorithms implemented in various commercial software pacages (ERDAS Imagine, PCI Geomatica, ENVI). Evaluation of quality of the image fusion results has been made in terms of spectral and spatial quality. To determine the spectral and spatial quality of the processed images, used in such the correlation coefficient, RMSE, quality index Q, new quality index nq%, ERGAS, Deviation Index (DI) and Deviation Per Pixel (DPP) were used. The best results, both in terms of the spectral and spatial quality, were given by give three methods: Zhang algorithm (PCI Geomatica), Gram-Schmidt transformation (ENVI) and Ehlers algorithm (ERDAS Imagine). Dane autora: Dr hab. inż. Katarzyna Osińsa-Sota os@gi.pwedu.pl telefon: fax: