La fusión de datos en teledetección

F.

Description

Resumen
En los últimos 10 años ha aparecido un conjunto de metodologías para realizar operaciones de fusión de datos, entendida ésta como un proceso en el que, partiendo de imágenes de diferente resolución espacial, espectral y radiométrica, se obtienen productos complementarios. En este trabajo se presenta este nuevo campo de investigación en Teledetección, se exponen las técnicas más importantes en la actualidad, sus aplicaciones, y se evalúan las posibilidades futuras que ofrece.
Abstract
The concept of data fusion is a set of processes to achieve complementary outputs from different radiometric, spectral and spatial resolution images. In the last 10 years a set of methodologies have appear to get it. In this work this new field of research in RS is presented, showing the most interesting techniques nowadays, the applications and evaluating the future possibilities of it.

Sujets

• Data fusion

Informations

• Publié par: erevistas
• Publié le: 01 janvier 2001
• Nombre de lectures: 30
• Langue: Español

Extrait

Revista de Teledetección. 2001
La fusión de datos en teledetección
1 2F. J. Tapiador y J. L. Casanova
Correo electrónico: [e-mail]
1 Departamento de Geografía. Universidad de Birmingham, Reino Unido
2 Laboratorio de Teledetección de la Universidad de Valladolid (LATUV)


RESUMEN ABSTRACT
En los últimos 10 años ha aparecido un conjunto de The concept of data fusion is a set of processes to
metodologías para realizar operaciones de fusión achieve complementary outputs from different
de datos, entendida ésta como un proceso en el que, radiometric, spectral and spatial resolution images.
partiendo de imágenes de diferente resolución In the last 10 years a set of methodologies have
espacial, espectral y radiométrica, se obtienen appear to get it. In this work this new field of re-
productos complementarios.En este trabajo se search in RS is presented, showing the most inter-
presenta este nuevo campo de investigación en esting techniques nowadays, the applications and
Teledetección, se exponen las técnicas más impor- evaluating the future possibilities of it.
tantes en la actualidad, sus aplicaciones, y se eva-
lúan las posibilidades futuras que ofrece.

PALABRAS CLAVE: Fusión de datos KEY WORDS: Data fusion



ción espectral, como es el caso de las imágenes INTRODUCCIÓN. TERMINOLOGIA
NOAA.
La fusión de datos es un conjunto de técnicas di- Las aplicaciones de estas técnicas se centran en
versas, cuyo común denominador es la mejora de aquellos trabajos que requieren mejorar de alguna
ciertas características de los datos de teledetección manera la discriminación de cubiertas a la mejor
(resolución, cobertura, etc.) a partir de conjuntos resolución espacial posible. Es el caso de extraer
de datos que, por sí solos, carecen de ellas. Un información de tipo ‘usos del suelo’ a resolución 5
ejemplo es la mejora de la resolución espacial de metros utilizando imágenes LANDSAT de 30 m.
las imágenes pancromáticas SPOT (10 m. de reso- La resolución LANDSAT, para estudios como el
lución espacial, 1 canal) con las multiespectrales planeamiento urbanístico, es insuficiente, mientras
SPOT (3 canales, 20 m. de resolución espacial), que las imágenes de 5 metros de, por ejemplo, el
consiguiendo imágenes multiespectrales, de tres sensor IRS-1D sólo nos proporciona información
canales, a una resolución de 10 metros. Otros de fisiográfica, en su canal pancromático. En trabajos
los métodos que se engloban bajo el epígrafe de de ordenación del territorio en los que se ha apli-
fusión de datos son la integración de información cado esta técnica (Directrices de Ordenación Terri-
vectorial y ráster, de información procedente de torial del Área Funcional de Segovia, por ejem-
diferentes sensores, de datos GPS con cartografía plo), se ha comprobado como es imprescindible
catastral, o bases de datos tradicionales. En la contar con la mejor resolución disponible, debido a
actualidad existe un cierto debate sobre la la necesidad de plasmar de manera precisa sobre el
terminología a emplear, encontrándose en la territorio una serie de políticas que tienen en cuen-
bibliografía algunos intentos de normalización ta la heterogeneidad del territorio.
(Wald 1999, Pohl y Touron 2000, Diemer y Hill
2000). MÉTODOS DE FUSIÓN DE DATOS
APLICACIONES DE LA FUSIÓN DE
En los últimos años se han desarrollado no me-DATOS
nos de una docena de métodos para realizar la
La fusión de datos se viene utilizando en Obser- mejora de la resolución espacial de algunos senso-
vación de la Tierra, pero también en Astronomía res. Algunas de las metodologías empleadas son
(para mejorar imágenes tomadas con diferentes las siguientes:
sensores y con objeto de restaurar imágenes defec-
El método IHS tuosas), y en otros ámbitos del tratamiento digital
de imágenes. En Teledetección, la línea de investi- El método IHS (acrónimo de Intensidad, Brillo y
gación con mayor número de trabajos en la actua- Saturación) se basa en la transformación de la
lidad se inscribe en el campo de la mejora de la imagen desde el espacio de color RGB hasta otro
resolución espacial de las imágenes de alta resolu- en el que los ejes son, precisamente, la intensidad,
el brillo y la saturación. El modelo de transforma-
Nº 15 – Junio 2001 1 de 6 F. J. Tapiador y J. L. Casanova
ción varía de unos autores a otros. Para imágenes guna banda de la multiespectral, o por una combi-
de satélite, es usual utilizar el descrito por Pohl y nación de la primera y segunda componentes prin-
Van Genderen (1998), cuyas ecuaciones, notando cipales. El segundo paso consiste en realizar la
como I, v y v a la intesidad, el brillo y la satura- transformación inversa para recomponer la ima-1 2
ción, respectivamente; y R, G, B al espacio de gen, dando como resultado una imagen fusionada.
color usual, son: Formalmente, si tenemos un conjunto de imáge-
nes {In}, con n([1,N], sea Cov la matriz varianza-
  covarianza del conjunto. C es simétrica, luego
 1 1 1
  puede diagonalizarse de la siguiente manera (teo-
 3 3 3     rema de Jordan): I R    
1 1 2     v1 = − G
     6 6 6
v2 B       λ .. 0 1    1 1  − 0 t    M CM = ... .. ...
2 2   
  0 .. λ n 
1
H = pudiendo ordenarse los autovalores li , y siendo  v2  M la matriz unitaria cuyas columnas son los auto-tan
 v1 vectores:  
V= (v , ..., v ), siendo v = (v , ...v ) los auto- 1 n i 1,i n,k
1 vectores correspondientes a l . i
2 2 2 S=(v1 + v2 )
Para cada autovector k, la k-ésima componente
C se calcula: no estando H definida si v =0, esto es, si R+G= 1 k
2B. Para este caso se adoptan soluciones estándar.
nLa transformación inversa se realiza mediante el
C = v Isistema: k ∑ i,j p
i=1ν1=S·cos(H)
ν2=S·sin(H) Nótese que para la implantación efectiva del mé-
todo basta calcular el primer autovalor, su autovec-
  tor correspondiente, y la primera componente  1 1 1
  principal. La imagen resultante, la primera compo-  3 6 2    R I nente principal, es una imagen que retiene gran      
1 1 2    G = − v1 parte de la información que contienen las bandas
    3 6 2
B v2      de partida. La lógica del método es insertar esta
   1 2 − 0 información como la componente intensidad, ya
 3 6  que el brillo y la saturación no nos aportan infor- 
mación fisiográfica. Una de las limitaciones del
método reside en que la primera componente prin-El método es uno de lo más usados. Su limita-
cipal no recoge toda la varianza, dependiendo la ción fundamental radica en la distorsión que pro-
calidad final de la imagen –a efectos de conserva-voca en las características espectrales de la imagen
ción de la respuesta espectral- del grado de varian-original, pero tiene como ventajas su sencillez
za retenida. A partir de valores del 95%, poco conceptual, lo intuitiva que resulta la transforma-
usuales por otra parte, se pueden encontrar correla-ción y la rapidez con que pueden llevarse a cabo
ciones significativas que dan cuenta de la fiabili-las operaciones.
dad del método. Sin embargo, la utilización de dos
El método PCS componentes principales suele ofrecer resultados
más ajustados, al retener usualmente más de un Este método (Principal Component Substitution)
97% de la varianza total entre las dos. es descrito por varios autores (Göpfert 1987, Al-
bert et al. 1988, Albertz y Tauch 1991, Chavez et Contribución espectral relativa
al. 1991, Ehlers 1991, Shettigara 1992, Kaufmann
Bajo esta denominación se encuadran varios mé-y Buchroithner 1994, Zhang 1997), siendo otro de
todos, como el algoritmo de Brovey o el P+XS (vs. los más utilizados. Puede atribuirse a Göpfert
Wald 1999) que realizan la fusión mediante opera-(Göpfert 1987). Su fundamento teórico es muy
ciones al