Optimization of Fusion Method for GF-2 Satellite Remote Sensing Images based on the Classification Effect

Abstract

Con el lanzamiento exitoso de los satelites de la serie GF de China es mas importante estudiar la calidad de los datos de imagen, la adaptabilidad del metodo de procesamiento y el metodo de extraccion de informacion. Los datos pancromaticos y multiespectrales que se basan en los datos de imagenes GF-2 del satelite de teleobservacion de alta resolucion en el submetro chino, se fusionaron mediante PCA, Pansharp, Gram-Schmidt y NNDiffuse. Luego, la calidad de las imagenes de fusion se evaluo de manera subjetiva y objetiva. Para evaluar la aplicabilidad de diferentes algoritmos de clasificacion a la clasificacion, se utilizo el algoritmo de clasificacion orientado a objetos que se basa en el algoritmo de aprendizaje automatico, como KNN, SVM y arboles aleatorios para clasificar las diferentes imagenes de fusion de GF-2. Los resultados mostraron que: (1) El mejor efecto visual de la imagen de fusion GF-2 fue la imagen de fusion Pansharp; los resultados de la evaluacion cuantitativa mostraron que el brillo y la retencion de informacion de la imagen de fusion Gram-Schmidt fueron los mejores, mientras que la imagen de fusion Pansharp tuvo la mayor correlacion con la imagen multiespectral original; la imagen de fusion NNDiffuse tuvo la mayor claridad, y el efecto de evaluacion cuantitativa de la imagen de fusion PCA fue el peor; (2) De acuerdo con el analisis de aplicabilidad de las imagenes de fusion basadas en diferentes algoritmos de clasificacion con caracteristicas de extraccion de informacion, se pudo ver que se uso el metodo de fusion NNDiffuse para la fusion de datos de imagenes GF-2, y la clasificacion de las imagenes de fusion fue mas apropiada utilizando el algoritmo de clasificacion KNN o Random Trees.