연구에서는 분해능비가 1:8이상의 분해능차이를 가진 전색화상과 다스펙트르화상을 융합하여 스펙트르정보를 보존하면서 공간분해능이 높은 위성화상을 생성하기 위하여 지지벡토르기(SVM)와 마르꼬브우연마당(MRF)을 리용하는 개선된 그람슈미트전색선예화융합방법을 제기하였다.
연구결과는 다음과 같다.
(1) 새로 제기한 SVM를 리용하는 그람슈미트전색선예화융합(GS_SVM)방법이 그람슈미트융합(GS)방법과 그의 변종들인 GSA, GS_MLR방법보다 우월하였다.
(2) MRF에 기초한 모형기초융합방법을 추가처리하면 융합화상의 질을 개선할수 있다는것을 보여주었다.
(3) GS_SVM와 MRF를 리용한 모형기초융합방법을 결합한 융합방법은 분해능비가 1:8이상인 경우에도 전색선예화융합화상을 효과적으로 생성할수 있다.
이 연구는 전색화상과 다스펙트르화상의 분해능비가 큰 경우에도 효과적으로 전색선예화융합을 진행할수 있게 하므로 저분해능의 다중스펙트르화상의 공간분해능을 제고하여 토지리용/토지피복류형의 분류를 효과적으로 진행할수 있게 하는데 일정한 기여를 한 연구자료로 된다.
이상의 연구결과는 잡지 《Journal of the Indian Society of Remote Sensing》에 《Improving Gram–Schmidt Adaptive Pansharpening Method Using Support Vector Regression and Markov Random Field》(https://doi.org/10.1007/s12524-024-01934-x)의 제목으로 출판되였다.
