Abstract    Image fusion is a method for obtaining a highly informative image by merging the relative information of an object obtained from two or more image sources of the same scene. The satellite cameras give a single band panchromatic (PAN) image with high spatial information and multispectral (MS) image with more spectral information. The problem exists today is either PAN or MS image is available from satellite camera. In many remote sensing applications, there is a need for enhancement of the MS image with more spatial resolution for further analysis. In this work, a new fusion technique is proposed in order to get a combined image by integrating PAN image and MS image. PAN and MS images are decomposed using non subsampled contourlet transform (NSCT). Then, the fourth order correlation coefficient (FOCC) is found between the low frequency components of both images. If FOCC is greater than an optimum threshold value, then the corresponding higher frequency components of the PAN image are injected into the respective locations of the MS image. Otherwise MS image components are retained. For calculating the optimum threshold value, n number of test fused images are formed by using n arbitrary threshold values. FOCC between the PAN image and the test fused images are plotted for various threshold values. Similarly, hamming distance of FFT based spectral histogram curves between the MS image and the above test fused images are plotted. The point of intersection of these two curves gives the optimum threshold value. The fused image is obtained using inverse NSCT. The evaluation shows that the proposed work gives better improved results than the other existing methods.

Keywords    Image fusion, Nonsubsampled Contourlet Transform , Multispectral Image , Panchromatic Image . Image fusion, Nonsubsampled Contourlet Transform , Multispectral Image , Panchromatic Image .

چکیده    فیوژن تصویر روشی برای به دست آوردن یک تصویر بسیار پرمعنی با ادغام اطلاعات نسبی از یک شیء به دست آمده از دو یا چند منبع تصویر از همان صحنه است. دوربین های ماهواره ای یک تصویر پانکروماتیک تک باند (PAN) با اطلاعات مکانی بالا و تصویر چند طیفی (MS) با اطلاعات طیفی می دهند. مشکلی که امروز وجود دارد این است که تصویر MS یا PAN از دوربین ماهواره ای در دسترس است. در بسیاری از کاربردهای سنجش از دور، یک نیاز برای بهبود تصویر MS با رزولوشن فضایی بالاتر برای تجزیه و تحلیل بیشتر وجود دارد. در این کار، یک روش فیوژن جدید به منظور به دست آوردن یک تصویر ترکیبی با یکپارچه سازی تصویر PAN و تصویر MS ارائه شده است. تصاویر PAN و MS با استفاده از NSCTتجزیه می شود. پس از آن، ضریب همبستگی مرتبه چهارم (FOCC) بین اجزای فرکانس کم از هر دو تصویر پیدا می شود. اگر FOCC از یک مقدار آستانه مطلوب بیشتر باشد، اجزای فرکانس بالاتر تصویر PAN مربوطه به مکان های مربوطه از تصویر MS تزریق می شوند. در غیر این صورت اجزای تصویر MS حفظ می شوند. برای محاسبه مقدار آستانه مطلوب، n تعداد تصویر ترکیب شده تست با استفاده از n مقدار آستانه دلخواه تشکیل می شود. FOCC بین تصویر PAN و تصاویر فیوژن تست برای مقادیر مختلف آستانه رسم می شود. به طور مشابه، فاصله همینگ از منحنی هیستوگرام طیفی که بر اساس FFTاست بین تصویر MS و تصاویر ترکیب شده تست بالا رسم می شود. نقطه تقاطع این دو منحنی مقدار آستانه مطلوب را می دهد. تصویر ترکیب شده است با استفاده از معکوس NSCT به دست می آید. ارزیابی نشان می دهد که کار پیشنهادی نتایج بهبود یافته ای بهتر از سایر روش های موجود می دهد.

References       1.     Thomas, C., Ranchin, T., Wald, L. and Chanussot, J., "Synthesis of multispectral images to high spatial resolution: A critical review of fusion methods based on remote sensing physics", Geoscience and Remote Sensing, IEEE Transactions on,  Vol. 46, No. 5, (2008), 1301-1312. 2.     Guo, Q., Chen, S., Leung, H. and Liu, S., "Covariance intersection based image fusion technique with application to pansharpening in remote sensing", Information Sciences,  Vol. 180, No. 18, (2010), 3434-3443. 3.     Ling, Y., Ehlers, M., Usery, E.L. and Madden, M., "Fft-enhanced ihs transform method for fusing high-resolution satellite images", ISPRS Journal of photogrammetry and Remote Sensing,  Vol. 61, No. 6, (2007), 381-392. 4.     Tu, T.-M., Huang, P.S., Hung, C.-L. and Chang, C.-P., "A fast intensity-hue-saturation fusion technique with spectral adjustment for ikonos imagery", Geoscience and Remote Sensing Letters, IEEE,  Vol. 1, No. 4, (2004), 309-312. 5.     Gonzalez-Audícana, M., Saleta, J.L., Catalán, R.G. and García, R., "Fusion of multispectral and panchromatic images using improved ihs and pca mergers based on wavelet decomposition", Geoscience and Remote Sensing, IEEE Transactions on,  Vol. 42, No. 6, (2004), 1291-1299. 6.     Tu, T.-M., Lee, Y.-C., Chang, C.-P. and Huang, P.S., "Adjustable intensity-hue-saturation and brovey transform fusion technique for ikonos/quickbird imagery", Optical Engineering,  Vol. 44, No. 11, (2005), 116201-116210. 7.     Yao, W. and Han, M., "Improved gihsa for image fusion based on parameter optimization", International Journal of Remote Sensing,  Vol. 31, No. 10, (2010), 2717-2728. 8.     Ranchin, T. and Wald, L., "Fusion of high spatial and spectral resolution images: The arsis concept and its implementation", Photogrammetric Engineering and Remote Sensing,  Vol. 66, No. 1, (2000), 49-61. 9.     Amolins, K., Zhang, Y. and Dare, P., "Wavelet based image fusion techniques—an introduction, review and comparison", ISPRS Journal of photogrammetry and Remote Sensing,  Vol. 62, No. 4, (2007), 249-263. 10.   Kim, Y., Lee, C., Han, D., Kim, Y. and Kim, Y., "Improved additive-wavelet image fusion", Geoscience and Remote Sensing Letters, IEEE,  Vol. 8, No. 2, (2011), 263-267. 11.   Choi, M., Kim, R.Y., Nam, M.-R. and Kim, H.O., "Fusion of multispectral and panchromatic satellite images using the curvelet transform", Geoscience and Remote Sensing Letters, IEEE,  Vol. 2, No. 2, (2005), 136-140. 12.   Yang, S., Wang, M. and Jiao, L., "Fusion of multispectral and panchromatic images based on support value transform and adaptive principal component analysis", Information Fusion,  Vol. 13, No. 3, (2012), 177-184. 13.   Saeedi, J. and Faez, K., "A new pan-sharpening method using multiobjective particle swarm optimization and the shiftable contourlet transform", ISPRS Journal of photogrammetry and Remote Sensing,  Vol. 66, No. 3, (2011), 365-381. 14.   Da Cunha, A.L., Zhou, J. and Do, M.N., "The nonsubsampled contourlet transform: Theory, design, and applications", Image Processing, IEEE Transactions on,  Vol. 15, No. 10, (2006), 3089-3101. 15.   Wang, N., Ma, Y., Wang, W. and Zhou, S., "An image fusion method based on nsct and dual-channel pcnn model", Journal of Networks,  Vol. 9, No. 2, (2014), 501-506. 16.   Choi, J., Yu, K. and Kim, Y., "A new adaptive component-substitution-based satellite image fusion by using partial replacement", Geoscience and Remote Sensing, IEEE Transactions on,  Vol. 49, No. 1, (2011), 295-309. 17.   Mahyari, A.G. and Yazdi, M., "Panchromatic and multispectral image fusion based on maximization of both spectral and spatial similarities", Geoscience and Remote Sensing, IEEE Transactions on,  Vol. 49, No. 6, (2011), 1976-1985. 18.   Zhu, X.X. and Bamler, R., "A sparse image fusion algorithm with application to pan-sharpening", Geoscience and Remote Sensing, IEEE Transactions on,  Vol. 51, No. 5, (2013), 2827-2836. 19.   Li, S. and Yang, B., "A new pan-sharpening method using a compressed sensing technique", Geoscience and Remote Sensing, IEEE Transactions on,  Vol. 49, No. 2, (2011), 738-746. 20.   Amro, I., Mateos, J., Vega, M., Molina, R. and Katsaggelos, A.K., "A survey of classical methods and new trends in pansharpening of multispectral images", EURASIP J. Adv. Sig. Proc.,  Vol. 2011, No., (2011), 79.