Principle Component
เป็นวิธีการวิเคราะห์การองค์ประกอบหลักของข้อมูล (Principle Component Analysis; PCA)ของข้อมูล Multispectral โดยค่าองค์ประกอบหลักที่ 1 (PC-1) ที่วิเคราะห์ได้จะถูกแทนที่ด้วยข้อมูลภาพ Panchromatic โดยวิธีการ PCA นี้เป็นวิธีการที่ให้ผลดีในการนำไปใช้เพื่อต้องการผลของข้อมูลภาพออกมาให้มีค่าคุณลักษณะเชิงคลื่นใกล้เคียงกับข้อมูลภาพ Multispectral
Multiplicative
เป็นวิธีการที่ใช้หลักการในการเน้นคมชัดของข้อมูลภาพด้วยการคำนวณทางคณิตศาสตร์อย่างง่ายโดยการนำค่าการสะท้อนแสงของภาพ Multispectral คูณด้วยค่าการสะท้อนแสงของข้อมูลภาพ Panchromatic การทำ Pan-sharpened ด้วยวิธีMultiplicative นี้เป็นวิธีที่รวดเร็ว และใช้ทรัพยากรน้อยกว่าวิธีอื่นๆ โดยภาพรวมแล้วผลที่ได้จากการใช้วิธีนี้คือ วัตถุที่อยู่ในภาพจะสว่างขึ้น
โดยเฉพาะในบริเวณที่เป็นแหล่งชุมชนจะเห็นขอบเขตชัดขึ้น ในการคำนวณด้วยวิธีดังกล่าวจะใช้สูตร
ดังต่อไปนี้
DNmultispectral ×DNpanchromatic = DNNew
Brovey Transform
เป็นวิธีการที่ใช้หลักการในการหาอัตราส่วนของข้อมูลภาพทั้งสอง โดยวิธี Brovey Transformนี้จะพัฒนาเพื่อการเพิ่มความแตกต่างในการมองวัตถุภาพในบริเวณที่มีค่า Histogram ที่สูงและต่ำ (ในบริเวณที่มีค่า Histogram มีค่าต่ำ เช่น บริเวณที่มีเงา แหล่งน้ำ สำหรับในบริเวณที่มีค่า Histogram มีค่าสูง เช่น บริเวณที่เป็นแหล่งชุมชน) สำหรับวิธี Brovey Transform นี้ไม่ควรใช้หากต้องการให้ผล
ของข้อมูลภาพที่ออกมามีค่าคุณลักษณะเชิงคลื่น ใกล้เคียงกับข้อมูลภาพ Multispectral ในการคำนวณด้วยวิธีดังกล่าวจะใช้สูตรดังต่อไปนี้
High Pass Filtering (HPF) Technique
เป็นวิธีการหนึ่งที่ปรับปรุงวิธีโดยใช้หลักการของ Wavelet-base method ด้วยการใช้ HighPass Filter (HPF) ช่วยในการทำขบวนการ Fusion ของข้อมูล โดยขบวนการคำนวณของวิธีนี้จะประหยัดเวลาและเนื้อที่ของผลลัพธ์ของข้อมูล โดยขบวนการดังกล่าวเริ่มต้นจาก
-คำนวณอัตราส่วนของขนาด Pixel ของภาพ Panchromatic และข้อมูล Multispectral
-นำภาพ Panchromatic คำนวณด้วย High Pass Filtering ซึ่งขึ้นอยู่กับอัตราส่วนระหว่างขนาดภาพ
-ทำการสุ่มซ้ำข้อมูล (Resample) ข้อมูล Multispectral ให้มีขนาดเท่ากับภาพที่ผ่านขบวนการทำ High Pass filtering จากภาพ Panchromatic
-นำภาพที่ผ่านขบวนการทำ HPF Merge เข้ากับทุกแบนด์ของภาพ Multispectral โดยพิจารณาจากค่า Global Standard Deviation ของข้อมูลภาพ Multispectral ในแต่ละแบนด์
-ทำการ Stretching ข้อมูลใหม่ให้มีค่า Mean และค่า Standard Deviation ของภาพMultispectral
Gram-Schmidt Spectral Sharpening
เป็นวิธีการการสร้างข้อมูลภาพใหม่โดยการใช้ Algorithm Gram-Schmidt ให้กับข้อมูลภาพ Multispectral และข้อมูลภาพ Panchromatic จากนั้นนำข้อมูลภาพ Panchromatic ที่สร้างขึ้นใหม่ด้วย Algorithm Gram-Schmidt แทนที่ให้กับข้อมูลภาพ Multispectral ในแบนด์ที่ 1
IHS
ใช้หลักการดังนี้ เป็นการนำข้อมูลภาพ Multispectral ที่อยู่ในรูปแบบของระบบสี RGB (Red Green Blue) โดยนำภาพMultispectral ที่อยู่ในระบบสี RGB ทำการแปลงค่าให้อยู่ในระบบสี IHS(Intensity Hue Saturation) จากนั้นนำข้อมูลภาพ Panchromatic มาทำ Histogram Matching กับข้อมูลภาพ Multispectral ที่แปลงให้อยู่ในรูปแบบ IHS โดยใช้ค่า Intensity เป็นค่าอ้างอิง จากนั้นนำภาพ Panchromatic ไปแทนค่า Intensity ของภาพ Multispectral เมื่อแทนค่าแล้วจากนั้นจึงแปลงค่า IHS เป็น ค่า RGB
โอ้ว.. ดีครับ..
ตอบลบ