Cómo mejorar la nitidez de las imágenes usando el método de mejora de pan Gram-Schmidt – Una receta

Resumen. Desde su publicación en 1998 (Laben y Brower, 2000), el método de mejora de pan Gram-Schmidt se ha convertido en uno de los algoritmos más populares para mejorar la nitidez de imágenes multispectrales (MS). Supera a la mayoría de los otros métodos de mejora de pan tanto en la maximización de la nitidez de la imagen como en la minimización de la distorsión del color. Sin embargo, también es más complejo y computacionalmente costoso que la mayoría de los otros métodos, ya que requiere transformar hacia adelante y hacia atrás toda la imagen. Otra complicación es la falta de una receta clara sobre cómo calcular los pesos MS a Pan dependientes del sensor que se necesitan para calcular la banda panorámica simulada de baja resolución. Estimarlos a partir de las curvas de sensibilidad espectral del sensor (de diferentes maneras), o utilizar regresión lineal o métodos de mínimos cuadrados son candidatos típicos que pueden incluir otros grados de libertad, como añadir un desplazamiento constante o no. Como resultado, la mayoría de las empresas y proveedores de datos lo hacen de manera algo diferente. Aquí presentamos una solución a ambos problemas. Los coeficientes de transformación se pueden calcular directamente y por adelantado a partir de la matriz de covarianza MS y los pesos MS a Pan. Una vez que se calcula y almacena la matriz de covarianza MS junto con las estadísticas de la imagen, cualquier pequeña sección de la imagen se puede mejorar al instante, sin necesidad de calcular nada más sobre toda la imagen. De manera similar, los pesos óptimos de MS a Pan se pueden calcular directamente a partir de la matriz completa de covarianza MS-Pan, garantizando la calidad y consistencia óptimas de la imagen.