A Non‐Dominated Sorting Genetic Algorithm‐II‐based approach to optimize the spectral and spatial quality of component substitution‐based pansharpened images

Abstract

Summary Pansharpening aims to fuse a lower‐resolution multispectral (MS) image and a higher‐resolution panchromatic image, resulting in an image with the color quality of the former and spatial detail quality of the latter. Of all, the component substitution (CS)‐based pansharpening methods have drawn attentions with their ability to produce sharp images. Despite their success in sharpening the images, these methods deteriorate the color features of the input MS images due of the uncertainty in the calculation of the intensity component used by them. Previous studies showed that attempts to preserve the color features tend to cause spatial detail loss to a certain extent. This, of course, reveals the necessity of a compromise between the spectral and spatial fidelity of the pansharpened images produced by the CS‐based techniques. This study proposed using the multi‐objective Non‐Dominated Sorting Genetic Algorithm‐II metaheuristic algorithm with the CS‐based methods to optimize the intensity component to find the best compromise between the spectral and spatial fidelity of the pansharpened images. The proposed framework was applied on two commonly used pansharpening techniques, Gram‐Schmidt and Synthetic Variable Ratio. It was found that the proposed methods managed to find the best balance between the color and spatial fidelity.

Çok bantlı görüntülerde pan-keskinleştirme üzerine bir inceleme

“…Standart GS yöntemi bu pankromatik görüntüyü girdi çok bantlı görüntünün bantlarının ortalaması şeklinde hesaplamaktadır. Kullanıcı tarafından başka bir düşük çözünürlüklü pankromatik görüntü tanımlamak da mümkün olmakla beraber bu pankromatik görüntü, girdi pankromatik görüntünün alçak geçirgen (low-pass) bir filtre ile filtrelenmesi ile de elde edilebilir (Yilmaz, 2021). Elde edilen düşük çözünürlüklü pankromatik görüntü ve girdi çok bantlı görüntünün bantları vektöre dönüştürülür.…”

“…MTF-GLP yöntemi, MTF filtresi aracılığıyla indirgenen pankromatik görüntüyü girdi pankromatik görüntüden çıkartarak uzamsal bilgileri elde eder. Bu yaklaşım düşük renk frekansına sahip alanlarda renk özelliklerinin korunmasını sağlamaktadır (Yilmaz, 2021). MTF-GLP-HPM yöntemi, aşağı yönlü ölçeklemeden önce MTF' den faydalanır ve bir yandan girdi çok bantlı görüntünün spektral özelliklerini korurken diğer yandan, uzamsal ayrıntıları enjekte etmek için uzamsal özelliklerin çarpımına dayanan bir HPM enjeksiyon yaklaşımı kullanır (Xing vd., 2018;Yilmaz, 2021).…”

“…Bu yaklaşım düşük renk frekansına sahip alanlarda renk özelliklerinin korunmasını sağlamaktadır (Yilmaz, 2021). MTF-GLP-HPM yöntemi, aşağı yönlü ölçeklemeden önce MTF' den faydalanır ve bir yandan girdi çok bantlı görüntünün spektral özelliklerini korurken diğer yandan, uzamsal ayrıntıları enjekte etmek için uzamsal özelliklerin çarpımına dayanan bir HPM enjeksiyon yaklaşımı kullanır (Xing vd., 2018;Yilmaz, 2021). Bu enjeksiyon yaklaşımının uzamsal detay içeriğini belli oranda koruduğu gözlemlenmiştir (Yilmaz, 2021).…”

“…MTF-GLP-HPM yöntemi, aşağı yönlü ölçeklemeden önce MTF' den faydalanır ve bir yandan girdi çok bantlı görüntünün spektral özelliklerini korurken diğer yandan, uzamsal ayrıntıları enjekte etmek için uzamsal özelliklerin çarpımına dayanan bir HPM enjeksiyon yaklaşımı kullanır (Xing vd., 2018;Yilmaz, 2021). Bu enjeksiyon yaklaşımının uzamsal detay içeriğini belli oranda koruduğu gözlemlenmiştir (Yilmaz, 2021). Şekil 5 dalgacık dönüşümü tabanlı pan-keskinleştirme yöntemlerinin çalışma prensibini genel olarak özetlemektedir.…”

“…Serifoglu Yilmaz (2020), SOS algoritmasının çok amaçlı versiyonu olan ve Pareto analizini (Censor, 1977) kullanan Çok Amaçlı SOS (Multi-Objective SOS -MOSOS) algoritması ile SVR ve IHS-DWT yöntemlerini hem spektral hem de uzamsal detay yapılarını koruyabilmeleri için optimize etmiştir. Yilmaz (2021) ise Domine Edilemeyen Sıralamalı GA-II (Non-Dominated Sorting Genetic…”