بهبود وضوح مكاني تصاوير چندطيفي فضايي در نبود تصاوير با توان تفكيك مكاني بالاتر به كمك روش‌هاي تلفيق تصوير و يادگيري عميق

بهبود وضوح مكاني تصاوير چندطيفي يكي از پيش‌پردازش‌هاي رايج در استفاده‌ حداكثري از ظرفيت اين تصاوير در كاربردهاي سنجش‌ازدوري است. وجود تصاوير با وضوح مكاني بهتر در كنار تصاوير چندطيفي امكان انجام اين فرايند را از طريق روش‌هاي تلفيق تصاوير فراهم مي‌آورند. عدم اخذ همزمان تصاوير با وضوح مكاني بالاتر در يك سكوي فضايي، چالش‌هاي مربوط به هم‌مرجع‌سازي و عدم هم‌زماني را هنگام بكارگيري تصاوير ساير سنجنده‌هاي فضايي به فرايند تلفيق تصاوير تحميل مي‌سازد. در چنين شرايطي، توليد تصاوير به كمك روش‌هاي سوپررزولوشن از رويكردهاي جايگزين براي افزايش وضوح مكاني محسوب مي‌شوند. استفاده از شبكه‌هاي عصبي كانولوشني يكي از روش‌هاي موثر در اين حوزه بوده كه آموزش عميق آنها نيازمند وجود داده‌هاي آموزشي متعدد است. عموماً دسترسي به دو نسخه تصوير فضايي با توان تفكيك طيفي مشابه و وضوح مكاني متفاوت براي آموزش چنين شبكه‌هايي ميسر نيست. از اين رو، در اين تحقيق روند بهبود وضوح مكاني تصاوير چندطيفي از طريق روشي دو مرحله‌اي به اجرا رسيده است. در گام نخست از يك شبكه‌ عصبي كانولوشني براي توليد نسخه‌ واضح‌تر رنگي از باندهاي مرئي تصاوير چندطيفي استفاده شده كه آموزش تقويتي آن به كمك تصاوير بازآرايي شده از بستر گوگل-ارث تامين مي‌گردد. در گام دوم، تصوير با وضوح مكاني بهتر در نقش يك تصوير پانكروماتيك با تصوير چندطيفي تلفيق شده و محتواي طيفي به آن افزوده مي‌شود. نتايج نشان داد كه رويكرد پيشنهادي بدون نياز به تامين پرهزينه‌ داده‌هاي آموزشي ضمن تامين شرايط برابر در حفظ محتواي طيفي، توان بهبود وضوح مكاني تصاوير چندطيفي را تا 32/85 درصد بهتر از بهترين روش مقايسه‌اي دارد.