Resumen de Influencia de la calidad de imágenes fusionadas mediante el algoritmo Wavelet-à trous en el proceso de clasificación

Águeda Arquero Hidalgo , Consuelo Gonzalo Martín , E. Martínez Izquierdo, M. Lillo-Saavedra

• español

  Las características de las imágenes registradas por los sensores artificiales: resolución espacial y espectral, determinan las aplicaciones de las técnicas de Teledetección; existiendo un fuerte compromiso entre dichas características. De tal forma que aquellos sensores que proporcionan una alta resolución espacial, suelen presentar una menor resolución espectral y viceversa. Sin embargo, existe un amplio rango de aplicaciones de Teledetección, como puede ser la clasificación temática que requieren disponer de imágenes de satélite que combinen alta resolución espacial y espectral simultáneamente. Las técnicas de fusión de imágenes actualmente disponibles permiten mejorar la calidad de la información proporcionada, incluso por los sensores de última generación (IKONOS o QUICKBIRD), integrando la alta calidad espacial proporcionada por sus sensores pancromáticos con la alta resolución espectral correspondientes a los sensores multiespectrales (Wald, 2002). No obstante, estas técnicas mantienen el compromiso mencionado anteriormente, sin que la mayoría de los casos sea posible controlarlo. Ahora bien, estudios previos (Gonzalo, 2004), han mostrado que los algoritmos de fusión basados en técnicas multirresolución, permiten establecer distintos grados de compromiso entre la calidad espacial y espectral de las imágenes fusionadas, mediante una adecuada elección del número de degradaciones al que se someten las imágenes fuente. En este sentido, se plantea la cuestión de qué característica de las imágenes fusionadas, la espacial o la espectral, es más crítica en procesos como el de clasificación. Para resolver dicha cuestión, en este trabajo se propone, analizar cuantitativamente los resultados de clasificación de imágenes fusionadas con diferentes grados de compromiso espacial-espectral. Para ello, se ha utilizado como metodología de fusión la transformada Wavelet, calculada mediante el algoritmo à trous, y se han investigado imágenes fusionadas con diferentes niveles de degradación. Mientras que para el proceso de clasificación se ha empleado el algoritmo de Máxima Probabilidad (MLE, Maximum Likelihood Enhancement).

• English

  Some characteristics of the registered images by the satellite sensors, like spatial and spectral resolution, determine the applications of Remote Sensing techniques. There is a strong trade-off between them. Thus, those sensors that provide high spatial resolution, usually show low spectral resolution. Nevertheless, more Remote Sensing applications, like thematic classification, require to dispose satellite images which they combine spatial and spectral high resolution simultaneously. The available techniques of images fusion allow to improve the quality of the provided information, even by the last generation sensors (IKONOS or QUICKBIRD), integrating the high spatial quality provided by their panchromatic sensors with the high spectral resolution corresponding to the multispectral sensors (Wald, 2002). However, these techniques maintain the trade-off previously mentioned, being not possible to control it, in most of the cases. However, previous studies (Gonzalo, 2004), have shown that the fusion algorithms based on multiresolution techniques, allow to establish different degrees of trade-off between the spatial and spectral quality from the fused images, by means of a suitable election of degradation level for the original sources images. In this sense, the question to be considered is what characteristic of the fused images, the spatial or the spectral one, it is more critical in the classification process. In order to solve this question, in this work we propose, to analyse quantitatively the classification results of fused images with different degrees of spatial-spectral trade-off. For it, several fused images have been obtained through the Wavelet transformed, calculated by the à trous algorithm, varying the degradation level of the source images. Whereas for the classification process, the algorithm of Maximum Likelihood Enhancement (MLE) has been used.