Implementación de la Transformada Rápida de Haar con una imagen original Ikonos para la fusión de imágenes: evaluación cualitativa
DOI:
https://doi.org/10.17533/udea.redin.15003Palabras clave:
fusión de imágenes, transformada rápida de Wavelet Haar (FHWT), transformación RGB-IHS, algoritmo de Mallat, imágenes del IKONOS, transformada WaveletResumen
Este artículo presenta la transformada rápida de Wavelet Haar (FHWT, de la sigla en inglés) algoritmo que se aplica a la fusión de imágenes satelitales. FHWT es aplicado en un par de imágenes, una imagen multiespectral y una imagen pancromática Ikonos, usando el toolbox de procesamiento digital de imágenes y el toolbox de wavelet suministrados por MatLab®. Los resultados de la fusión son analizados y evaluados cuantitativa. En lo que corresponde a los resultados cuantitativos de la fusión, se utilizan, en primer lugar, el algoritmo de correlación matemática estadística para analizar la ganancia espectral y espacial de las imágenes fusionadas. Posteriormente, tres sub-imágenes de las imágenes fusionadas son binarizadas con el fin de identificar su precisión espacial, y son evaluadas a través del coeficiente kappa. Los resultados demuestran que FHWT supera a las otras wavelets estudiadas (rbio6.8, bior6.8, db7, dmey y haar) al fusionar las imágenes. Por otra parte, las imágenes fusionadas con la FHWT mantienen la resolución espectral respecto a la imagen multiespectral original, mientras presentan una ganancia importante en la resolución espacial.
Descargas
Citas
E. Chuvieco. Teledetección Ambiental. 3a ed. Ed. Arial S. A. 1996. Barcelona, España. pp. 1-568.
C. Pinilla. Elementos de Teledetección. 1ª ed. Ed. Ra-Ma. Madrid, España. 1995. pp. 313.
K. Castleman. Digital Image Processing. 3a ed. Ed. Prentice-Hall. 1979. Nueva Jersey. USA. pp. 1- 651.
R. González, R. Woods. Tratamiento Digital de Imágenes. 1ª ed. Ed. Diaz de Santos S. A. Wilmington, Estados Unidos. 1996. pp. 1-773.
L. Alparone, L. Wald, J. Chanussot, C. Thomas, P. Gamba, L. Bruce. “Comparison of Pansharpening Algorithms: Outcome of the 2006 GRS-S Data Fusion Contest”. IEEE Transactions on Geoscience and Remote Sensing. Vol. 45. 2007. pp. 3012-3021. DOI: https://doi.org/10.1109/TGRS.2007.904923
C. Pohl, J. Van Genderen. “Multisensor Image Fusion in Remote Sensing: Concepts, Methods and Applications”. International Journal of Remote Sensing. Vol. 19. 1998. pp. 823-854. DOI: https://doi.org/10.1080/014311698215748
M. Gónzalez, R. García, J. Herrero. “Fusion of Multispectral and Panchromatic Images New Methods Based on Wavelet Transforms – Evaluation of Crop Classification Accuracy”. T. Benes (editor). Geoinformation for European-wide Integration. 1ª ed. Ed. Millpress. Rotterdam, Netherlands. 2003. pp. 265-272.
M. Gónzalez, J. Saleta, R. García-C., R. García. “Fusion of Multispectral and Panchromatic Images Using Improved IHS and PCA Merges Based on Wavelet Decomposition”. International Journal of Remote Sensing. Vol. 26. 2005. pp. 595-614.
C. Gonzalo, M. Lillo. “Fusión de Imágenes QuickBird Mediante una Representación Conjunta Multirresolución–Multidireccional”. IEEE Latin America Transactions. Vol. 5. 2007. pp. 32-37. DOI: https://doi.org/10.1109/T-LA.2007.4444530
J. Nuñez, X. Otazu, O. Fors, A. Prades, V. Pala, R. Arbiol. “Multiresolution-Based Image Fusion With Additive Wavelet Decomposition”. IEEE Transactions on Geoscience and Remote Sensing. Vol. 37.1999. pp. 1204 -1211. DOI: https://doi.org/10.1109/36.763274
R. Riyahi, C. Kleinn, H. Fuchs. “Comparison of Different Image Fusion Techniques for Individual Tree Crown Identification Using Quickbird Image”. International Society for Photogrammetry and Remote Sensing, High- Resolution Earth Imaging for Geospatial Information. Vol. XXXVIII-1-4-7/W5. 2009. pp. 1-4.
Y. Zhang. “Understanding Image Fusion”. Photogrammetric Engineering & Remote Sensing. Vol. 70. 2004. pp. 657-661.
L. Wald. “Some Terms of Reference in Data Fusion”. IEEE Trans Geoscience and. Remote Sensing. Vol. 37. 1999. pp. 1190-1193. DOI: https://doi.org/10.1109/36.763269
MATLAB®. Image Processing Toolbox User’s Guide Vesion 2. For Use with MATLAB®. 1998.
M. Misiti, Y. Misiti, G. Oppenheim, J. M. Poggi. The Wavelet Toolbox. For Use MATLAB®. 1996.
S. Mallat. “A Theory for Multiresolution Signal Decomposition: the Wavelet Representation”. IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 11. 1989. pp. 674-693. DOI: https://doi.org/10.1109/34.192463
I. Daubechies. “Orthonormal Basis of Compactly Supported Wavelets”. Communications on pure applied mathematics. Vol. 41. 1988. pp. 909-996. DOI: https://doi.org/10.1002/cpa.3160410705
M. Gónzalez, X. Otazu, O. Fors, A. Seco. “Comparison Between Mallat’s and the ‘à trous’ Discrete Wavelet Transform Based Algorithms for the Fusion of Multispectral and Panchromatic Images”. IEEE Transactions on Geosciences and Remote Sensing. Vol. 42. 2005. pp. 1291-1297.
Y. Nievergelt. Wavelets made easy. 1ª ed. Ed. Birkhäuser. Boston, USA. 1999. pp. 1-297. DOI: https://doi.org/10.1007/978-1-4612-0573-9
I. Daubechies. Ten Lectures on Wavelet. 1ª ed. Ed. SIAM. Philadelphia, USA. 1992. pp.1-377. DOI: https://doi.org/10.1137/1.9781611970104
S. Mallat. A Wavelet Tour of Signal Processing. 3a ed. Ed. Elsevier. Philadelphia, USA. 2009. pp 1-832.
J. Jensen. Introductory Digital Image Processing: A Remote Sensing Perspective. 3rd ed. Ed. Prentice Hall. New Jersey, USA. 1996. pp. 1-554.
R. Medina, L. Joyanes, C. Pinilla. Evaluación de la Transformada de Wavelet para Fusión de Imágenes Satelitales. In conference record of 8th latin american and Caribbean conference for engineering and technology: innovation and development for the Americas: engineering, education, research and development. Arequipa, Perú. 2010. pp. 1-2.
R. Medina, L. Joyanes, C. Pinilla. Algoritmos Matemático para la Fusión de Imágenes Satelitales. In V Simposio Internacional de Sistemas de Información e Ingeniería de Software en la Sociedad del Conocimiento. 1a ed. Ed. @LibroText. Bogotá Colombia. 2010. pp. 83-94.
S. Murray. Estadística. 2ª ed. Ed. Mc Graw Hill. Madrid, España. 1999. pp. 1-556
N. Otsu. “A Threshold Selection Method From Gray Level Histograms”. IEEE Transaction On Systems, Man and Cybernetics. Vol. 9. 1979. pp. 62-66. DOI: https://doi.org/10.1109/TSMC.1979.4310076
S. Al-Amri, N. Kalyankar, S. Khamitkar. “Image Segmentation by Threshold Techniques”. Journal of Computing. Vol. 2. 2010. pp 83-87.
J. Cohen. “A Coefficient of Agreement for Nominal Scales”. Educational and Psychological Measurement. Vol. 20. 1960. pp. 27-46. DOI: https://doi.org/10.1177/001316446002000104
R. Medina, I. Lizarazo. Fusión de Imágenes Satelitales Usando la Transformada De Wavelet. 1ª ed. Ed. Fondo de Publicaciones Universidad Distrital Francisco José de Caldas. Bogotá DC., Colombia. 2004. pp. 1-196.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Revista Facultad de Ingeniería
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter