Satellite image fusion with multi-scale wavelet analysis: Preserving Spatial Information and Minimizing Artifacts (PSIMA)
Notice bibliographique
Résumé
Image fusion is the combination of two or more different images to form a new image that contains enhanced information. Consistent with specific application goals, a variety of image products arises from the many available fusion algorithms. However, there is no universal, quantitative performance measure to estimate image fusion quality. The essential objective of image fusion is that nearly all of the original application-specific information should be preserved, and artifacts should be minimized in the final product. <p> The wavelet transform, a well-known and solid mathematical tool, has already been applied to multi-sensor image fusion. The wavelet transform allows the decomposition of an image into its constituent spatial scale layers. Most image fusion techniques, including wavelet analysis, require that the input images of different spatial resolutions and sample sizes first be re-sampled to achieve spatial registration. The re-sampling could cause a loss of spatial information or might introduce artifacts in the final fused image, especially when the resolutions of the input images are significantly different. <p> In this paper, as a further development of the application of wavelet analysis to image fusion, we propose a new scheme for multi-resolution image fusion, Preserving Spatial Information and Minimizing Artifacts (PSIMA) with multi-scale wavelet analysis. With the PSIMA scheme, the images are fused in almost their original pixel size. Therefore, the finest spatial information of the input images can be preserved and artifacts minimized in the final fused product. We demonstrate the PSIMA scheme using RADARSAT-1 ScanSAR and NOAA AVHRR images. The results show that the PSIMA scheme is superior to conventional wavelet analysis for image fusion in terms of spatial information preservation and artifact rejection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».