Superauflösung von Fernerkundungsbildern mit variabler Pixel-linearer Rekonstruktion

In diesem Papier wird die Entwicklung und Anwendung einer Superauflösungsmethode beschrieben, die als Superauflösung mit variabler Pixel-linearer Rekonstruktion bekannt ist. Der Algorithmus kombiniert verschiedene Bilder mit niedrigerer Auflösung, um als Ergebnis ein Bild mit höherer Auflösung zu erhalten. Wir zeigen, dass er signifikante Verbesserungen der räumlichen Auflösung bei Satellitenbildern der Erdoberfläche ermöglicht, wodurch Objekte erkannt werden können, deren Größe der Grenzauflösung der Bilder mit niedrigerer Auflösung nahekommt. Der Algorithmus basiert auf dem von Fruchter und Hook entwickelten Algorithmus zur variablen Pixel-linearer Rekonstruktion, einem bekannten Verfahren in der Astronomie, das jedoch nie für Zwecke der Erdfernerkundung verwendet wurde. Der Algorithmus bewahrt die Photometrie, kann Eingangsbilder basierend auf der statistischen Signifikanz jedes Pixels gewichten und entfernt den Einfluss geometrischer Verzerrungen sowohl auf die Bildform als auch auf die Photometrie. In diesem Papier beschreiben wir seine Entwicklung für Fernerkundungszwecke, zeigen die Nützlichkeit des Algorithmus bei der Arbeit mit Bildern, die sich von astronomischen Bildern stark unterscheiden, und zeigen Anwendungen für: 1) eine Reihe von simulierten multispektralen Bildern, die aus einem realen Quickbird-Bild gewonnen wurden; und 2) eine Reihe von multispektralen realen Landsat Enhanced Thematic Mapper Plus (ETM+) Bildern. Diese Beispiele zeigen, dass der Algorithmus eine erhebliche Verbesserung der Grenzauflösung sowohl für simulierte als auch für reale Datensätze bietet, ohne den multispektralen Inhalt der Eingangsbilddaten mit niedriger Auflösung signifikant zu verändern, ohne das Rauschen zu verstärken und mit sehr wenigen Artefakten.