Producing high resolution spectral bands from low resolution multi-bands images, using principal component analysis “PCA” technique

تعتبر دمج بیانات الصور من العملیات الخاصة بتوحید المعلومات المستحصلة من متحسسات متنوعة منصوبة على منصات مختلفة. في هذا البحث تم تقدیم طریقة دمج كفؤة لتوحید بیانات الصور، تستند على تقنیة تحلیل العناصر الأساسیة. یتضمن العنصر التحلیلي الأول على كمیة كبیرة من التغیرات في البیانات الطیفیة، بینما تتضمن العناصر الأخرى متغیرات طیفیة تتناقص بشكل انحداري منظم. العملیة الأولى في هذه التقنیة تتضمن أعادة تحجیم الصور الواطئة التحلیل (أي تكبیرها) لتتخذ حجم الصور العالیة التحلیل، بعدها یتم تطبیق تحویلة تحلیل العناصر الأساسیة. الخطوة التالیة تتضمن تطبیع أو تعییر الصور العالیة التحلیل لتستبدل محل العنصر التحلیلي الأول في میدان التحویل للعناصر الأساسیة. یتم بعدها إنتاج الصور المتعددة الحزم ذات القدرات التحلیلیة العالیة بتطبیق التحویل المعاكس على میدان العناصر المحورة. Image data fusion is the process of setting together information gathered by different heterogeneous sensors, mounted on different platforms. This research presents an effective multi-resolution image data fusion methodology, which is based on utilizing the Principal Component Analysis “PCA”. The first principal component “PCA1” involves much of the variability in the spectral data; while the reminder PCAs contain the remaining variability in a descend order. The low resolution multispectral bands are, firstly, resized (i.e. enlarged) into the high resolution “panchromatic” image size, then transformed into several PCAs. As first step the panchromatic image is normalized to have the same number of gray levels as the PCA1, then replacing the PCA1 of the low- resolution-multispectral image in the PCA transformed domain. The high-resolution-multispectral images are produced by inversely transform the modified PCA’s file.