AMELIORATING THE SPATIAL RESOLUTION OF HYPERION HYPERSPECTRAL DATA. THE CASE OF ANTIPAROS ISLAND
Περίληψη
In this study seven fusion techniques and more especially the Ehlers, Gram-Schmidt, High Pass Filter, Local Mean Matching (LMM), Local Mean and Variance Matching (LMVM), Pansharp and PCA, were used for the fusion of Hyperion hyperspectral data with ALI panchromatic data. The panchromatic data have a spatial resolution of 10m while the hyperspectral data have a spatial resolution of 30m. All the fusion techniques are designed for use with classical multispectral data. Thus, it is quite interesting to investigate the assessment of the common used fusion algorithms with the hyperspectral data. The study area is Antiparos Island in the Aegean Sea.
Λεπτομέρειες άρθρου
- Πώς να δημιουργήσετε Αναφορές
-
Nikolakopoulos, K., Gioti, E., Skianis, G., & Vaiopoulos, D. (2010). AMELIORATING THE SPATIAL RESOLUTION OF HYPERION HYPERSPECTRAL DATA. THE CASE OF ANTIPAROS ISLAND. Δελτίο της Ελληνικής Γεωλογικής Εταιρείας, 43(3), 1627–1636. https://doi.org/10.12681/bgsg.11337
- Ενότητα
- Γ.Σ.Π. στις Γεωεπιστήμες
Αυτή η εργασία είναι αδειοδοτημένη υπό το CC Αναφορά Δημιουργού – Μη Εμπορική Χρήση 4.0.
Οι συγγραφείς θα πρέπει να είναι σύμφωνοι με τα παρακάτω: Οι συγγραφείς των άρθρων που δημοσιεύονται στο περιοδικό διατηρούν τα δικαιώματα πνευματικής ιδιοκτησίας επί των άρθρων τους, δίνοντας στο περιοδικό το δικαίωμα της πρώτης δημοσίευσης. Άρθρα που δημοσιεύονται στο περιοδικό διατίθενται με άδεια Creative Commons 4.0 Non Commercial και σύμφωνα με την οποία μπορούν να χρησιμοποιούνται ελεύθερα, με αναφορά στο/στη συγγραφέα και στην πρώτη δημοσίευση για μη κερδοσκοπικούς σκοπούς. Οι συγγραφείς μπορούν να: Μοιραστούν — αντιγράψουν και αναδιανέμουν το υλικό με κάθε μέσο και τρόπο, Προσαρμόσουν — αναμείξουν, τροποποιήσουν και δημιουργήσουν πάνω στο υλικό.
Λήψεις
Τα δεδομένα λήψης δεν είναι ακόμη διαθέσιμα.
Αναφορές
Aiazzi B., Alparone L., Baronti S. & Garzelli A., 2002. Context-Driven fusion of high spatial and spectral
resolution images based on oversampled multiresolution analysis, IEEE Transactions On Geoscience
And Remote Sensing, vol. 40, No. 10, October 2002, p. 2300-2312.
Chavez, P.S. Jr., Sides, S.C., Anderson, J.A., 1991. Comparison of three different methods to merge multiresolution
and multispectral data : Landsat TM and SPOT Panchromatic, Photogrammetric Engineering
and Remote Sensing, Vol. 57, N° 3, pp. 295-303.
De Bethune S., Muller F.,, Donnay J.P., 1998. Fusion Of Multispectral And Panchromatic Images By
Local Mean And Variance Matching Filtering Techniques, Fusion of Earth Data, Sophia Antipolis,
France, 28-30 January 1998.
Ehlers M., 2004. Spectral characteristics preserving image fusion based on Fourier domain filtering, Proc.
of SPIE Vol. 5574 p. 1-13.
Ehlers M., Klonus S., Astrand P.J., 2008. Quality assessment for multi-sensor multi-date image fusion,
Proc. XXIth Int. Congr. ISPRS, Beijing, China p. 499-506.
Envi, 2008. Envi User’s Guide Version 4.5 2008,p 1152.
Erdas, 2008. Erdas Field Guide p. 770.
Joly, G., 1986. Traitements des fichiers images, Collection Télédetection satellitaire, No. 3, Paradigme,
Caen, 137 p.
Laporterie-Dejean F., De Boissezon H., Flouzat G., & Lefevre-Fonollosa M., 2005. Thematic and statistical
evaluations of five panchromatic/multispectral fusion methods on simulated pleiades-hr images,
Information Fusion, vol. 6, no. 3, pp. 193–212.
Laben, C. A., Brower B. V., 2000. Process for Enhancing the Spatial Resolution of Multispectral Imagery
Using Pan-Sharpening, US Patent 6,011,875.
Ling Y., Ehlers M., Usery L., Madden M., 2007. FFT-enhanced IHS transform method for fusing high resolution
satellite images, ISPRS Journal of Photogrammetry & Remote Sensing 61, 381-392.
Nikolakopoulos K., 2003. Comparative study of fusing ETM data with five different techniques for the
XLIII, No 3 – 1636
broader area of Pyrgos, Greece, Proc of SPIE, Vol. 5238, p. 84-95.
Nikolakopoulos K., 2005. Comparison of six fusion techniques for SPOT5 data, ΙΕΕΕ 2005 International
Geoscience and Remote Sensing Symposium, Seoul Korea 25-29 July 2005. Vol. 4, p. 2811- 2814.
Nikolakopoulos K., 2008. Comparison of Nine Fusion Techniques for Very High Resolution Optical Data,
Photogrammetric Engineering & Remote Sensing, Vol. 74 No 5, May 2008, pp.647-659.
Skianis, G., Nikolakopoulos, K., 2009. The entropy as a measure of the performance of the NDVI vegetation
index-a pilot study with an ALOS digital image. Proc. of ‘ALOS PI 2008 Symposium”, Island
of Rhodes, Greece 3–7 November 2008, ESA SP-664, January 2009. Unpaginated CDRom.
Vaiopoulos D., Nikolakopoulos K., Skianis G., 2001. A comparative study of resolution merge techniques
and their efficiency in processing images of urban areas. IEEE/ISPRS Joint Workshop on Remote
Sensing and Data Fusion over Urban Areas, Rome, Italy, November 8-9th, 2001,p. 270-274.
Wald, L., Ranchin, Th., Mangolini, M., 1997. Fusion of satellite images of different spatial resolutions:
Assessing the quality of resulting images, Photogrammetric Engineering and Remote Sensing, Vol.
,N° 6, pp. 691-699.
Wang Z., Ziou D., Armenakis C., Li D., and Li Q., 2005. A comparative analysis of image fusion methods,
IEEE Transactions on Geoscience and Remote Sensing, vol. 43, no. 6, pp. 1391–1402.
Zhang, Y., 1999. A new merging method and its spectral and spatial effects, International Journal of Remote
Sensing, vol. 20, pp. 2003-2014.
