文献

J-GLOBAL ID：201802229168869894   整理番号：18A1072815

マッチングモデルとマルチスケール変換に基づく新しいパンシャープニング枠組み【JST・京大機械翻訳】

A Novel Pan-Sharpening Framework Based on Matting Model and Multiscale Transform

著者 (5件)： Yang Yong (School of Information Technology, Jiangxi University of Finance and Economics, Nanchang 330032, China) ,  Wan Weiguo (School of Information Technology, Jiangxi University of Finance and Economics, Nanchang 330032, China) ,  Huang Shuying (School of Software and Communication Engineering, Jiangxi University of Finance and Economics, Nanchang 330032, China) ,  Lin Pan (Institute of Biomedical Engineering, Xi’an Jiaotong University, Xi’an 710049, China) ,  Que Yue (School of Information Technology, Jiangxi University of Finance and Economics, Nanchang 330032, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 9  号： 4  ページ： 391  発行年： 2017年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 汎色(PAN)画像から抽出された空間的詳細情報を組み合わせることにより,低空間分解能多重スペクトル(MS)画像を鮮鋭化することを目的とした。より多くのスペクトル情報を保存しながら,効果的な汎鋭化法は高空間分解能MS画像を生成しなければならない。従来の強度-色相飽和(IHS)と主成分分析(PCA)に基づくマルチスケール変換法とは異なり,本論文では,マッティングモデル(MM)とマルチスケール変換に基づく新しい汎鋭化フレームワークを提示した。まず,MS画像の強度成分(I)をアルファチャネルとして用い,スペクトル前景と背景を生成する。次に,適切なマルチスケール変換を用いて,PAN画像とアップサンプリングしたI成分を融合して,融合高分解能濃淡画像を得た。融合において,変換領域における低周波数と高周波数係数を融合するために,2つの先鋭融合規則を提案した。最後に,高分解能鮮鋭化MS画像を,融合濃淡画像をアップサンプリング前景と背景画像と線形に合成することによって得た。提案したフレームワークは汎鋭化分野における最初の研究である。多数の実験を種々の衛星データセットで試験した。主観的視覚的および客観的評価結果は,提案した方法がIHSおよびPCAベースのフレームワークよりも優れていることを示し,空間的品質およびスペクトル保全の両方に関して,他の最先端の汎化手法と同様に性能が優れていることを示した。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 品質 ,  色相 ,  スペクトル ,  視覚 ,  濃淡画像 ,  空間分解能 ,  主成分分析 ,  モデリング ,  高分解能 ,  線形性 ,  *画像
準シソーラス用語： 画像融合 ,  アップサンプリング ,  前景 ,  *マルチスケール , 【Automatic Indexing@JST】

著者キーワード (4件)： パンシャープニング ,  モデル化モデル ,  多重スケール変換 ,  画像融合

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (46件)：

• Zhang, H.; Huang, B. A new look at image fusion methods from a Bayesian perspective. Remote Sens. 2015, 7, 6828-6861.
• Aiazzi, B.; Alparone, L.; Baronti, S.; Carla, R.; Garzelli, A.; Santurri, L. Sensitivity of pansharpening methods to temporal and instrumental changes between multispectral and panchromatic data sets. IEEE Trans. Geosci. Remote Sens. 2017, 50, 308-319.
• Hou, L.; Zhang, X. Pansharpening image fusion using cross-channel correlation: A framelet-based approach. J. Math. Imaging Vis. 2016, 55, 36-49.
• Selva, M.; Aiazzi, B.; Butera, F.; Chiarantini, L.; Baronti, S. Hyper-sharpening: A first approach on SIM-GA data. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2015, 8, 3008-3024.
• Vivone, G.; Alparone, L.; Chanussot, J.; Mura, M.; Garzelli, A.; Licciardi, G.; Restaino, R.; Wald, L. A critical comparison among pansharpening algorithms. IEEE Trans. Geosci. Remote Sens. 2014, 53, 2565-2586.

タイトルに関連する用語 (5件)： マッチング ,  モデル ,  マルチ ,  スケール変換 ,  枠組み