MAP-Schätzung zur Verbesserung der Auflösung hyperspektraler Bilder unter Verwendung eines Hilfsensors

In dieser Arbeit wird ein neuartiger Maximum-a-Posteriori-Schätzer vorgestellt, um die räumliche Auflösung eines Bildes mit ko-registerierten hochauflösenden Bildern von einem Hilfsensor zu verbessern. Hier konzentrieren wir uns auf die Verwendung von hochauflösenden panchromatischen Daten zur Verbesserung hyperspektraler Bilder. Das entwickelte Schätzframework ermöglicht jedoch eine beliebige Anzahl von Spektralbändern im primären und im Hilfsbild. Die vorgeschlagene Technik ist geeignet für Anwendungen, bei denen eine gewisse Korrelation, sei sie lokal oder global, zwischen dem Hilfsbild und dem zu verbessernden Bild besteht. Um lokalisierte Korrelationen auszunutzen, wird ein räumlich variierendes statistisches Modell verwendet, das auf Vektorquantisierung basiert. Ein weiterer wichtiger Aspekt des vorgeschlagenen Algorithmus ist, dass er die Verwendung eines genauen Beobachtungsmodells ermöglicht, das die "wahre" Szene mit den niedrigauflösenden Beobachtungen in Beziehung setzt. Experimentelle Ergebnisse mit hyperspektralen Daten, die vom luftgestützten sichtbaren-infraroten Bildspectrometer abgeleitet sind, werden präsentiert, um die Wirksamkeit des vorgeschlagenen Schätzers zu demonstrieren.