Application of spectral enhancement methods using optical and radar data
DOI:
https://doi.org/10.5564/mjgg.v62i46.4233Keywords:
Decorrelation method, Brovey transform, Gram-Schmidt transformation, Optical data, Radar dataAbstract
ABSTRACT: Spectral enhancement methods are crucial for identifying objects and features in primary remotely sensed data and accurately determining the differences between them. This study aims to perform spectral enhancement using three techniques: the decorrelation method, Brovey transform, and Gram-Schmidt transformation from the ENVI system on both optical and radar satellite data. The study area includes Khatgal village and a densely forested region in the southern part of Khuvsgul Lake, encompassing various land cover classes such as coniferous forest, settlement, dry plain, mountain soil, and water. In the analysis, four different band combinations of multisource data channels from Sentinel-1 and Sentinel-2 satellites were utilized. The decorrelation method generally proves to be more effective in highlighting objects in optical data compared to radar data. Conversely, the Brovey transform enhances objects differently, depending on the wavelength characteristics of the two sources. Although the brightness of objects in both optical and radar data resulting from the Gram-Schmidt transformation may not be very sharp, the classes are generally well distinguished. Overall, the results of the study indicate that each of the selected methods highlights objects in the image with distinct characteristics, suggesting that the outcome of each method can provide a valuable, unique source of information for thematic interpretation.
Оптикийн ба радарын мэдээнд спектр тодролын аргуудыг ашиглах нь
ХУРААНГУЙ: Зайнаас тандсан анхдагч дүрс өгөгдлүүд дээр дүрслэгдсэн биет, юмсыг тодруулах, биес хоорондын ялгааг нарийвчлан тодорхойлоход спектр тодролын аргууд зайлшгүй шаардлагатай болдог. Энэхүү судалгаа нь оптикийн ба радарын хиймэл дагуулуудын мэдээн дээр ENVI системийн спектр тодролын декорреляцын арга, Бровейн шилжүүлэлт, Грам-Шмидтийн хувиргалт зэрэг алгоритмуудыг ашиглан спектрийн сайжруулалт хийж, үр дүнгүүдийг харьцуулах үндсэн зорилготой. Судалгааны талбайгаар Хөвсгөл нуурын урд хэсгийн Хатгал тосгон болон их ой бүхий газар нутгийг сонгосон бөгөөд газрын бүрхэвчийн хувьд, шилмүүст ой, суурин газар, хуурай сайр, уулын хээр, ус гэсэн ангиллууд зонхилно. Дүн шинжилгээнд, Sentinel-1 ба Sentinel-2 дагуулуудын олон эх сурвалжийн мэдээний сувгуудын 4 өөр янзын хоршлолыг ашиглав. Декорреляцын арга нь оптикийн мэдээн дээрх биет юмсыг нийтэд нь маш сайн тодруулан радарын мэдээтэй харьцуулахад илүү үр дүнтэй байгаа бол Бровейн шилжүүлэлтийн хувьд, 2 өөр эх сурвалжийн мэдээн дээр тухайн долгионы онцлог шинжээс шалтгаалан биет юмсыг өөр өөрөөр сайжруулж байна. Грам-Шмидтийн хувиргалтын дүнд үүссэн оптикийн болон радарын мэдээн дээрх юмсын тодрол хурц тод биш боловч ангиуд ерөнхийдөө сайн ялгагдаж байна. Судалгааны үр дүнгээс харахад, сонгосон арга тус бүр нь дүрс мэдээн дээрх биет, юмсыг өөр өөрийн онцлогтойгоор тодруулж байсан бөгөөд энэ нь эдгээр үр дүнгүүд, сэдэвчилсэн тайлал хийхэд өөр өөр мэдээллийн эх сурвалж болох боломжтойг харуулж байна.
Түлхүүр үгс: Декорреляцийн арга, Бровейн шилжүүлэлт, Грам-Шмидтийн хувиргалт, Оптикийн мэдээ, Радарын мэдээ
Downloads
183
References
[1] Д. Амарсайхан, Орчин үеийн газарзүйн мэдээллийн систем, тандан судлалын зарчмууд. 32.8 хэв. хуудас, Улаанбаатар, 2019.
[2] A. Cohen, D. Amarsaikhan, and de Leeuw, “Application of GER-II data for geomorphological study,” in Proc. 13th Asian Conf. Remote Sensing, Ulaanbaatar, Mongolia, pp. E-5-1–E-5-6, 1992.
[3] P. M. Mather and B. Koh, Computer Processing of Remotely-Sensed Images: An Introduction, 4th ed., Chichester, UK: Wiley-Blackwell, 2011.
[4] R. Harris, “Spectral and spatial image processing for remote sensing,” Int. J. Remote Sens., vol. 1, no. 4, pp. 361–375, 1980, https://doi.org/10.1080/01431168008948248.
[5] A. M. Rakshit and V. L. Swaminathan, “Application of digitally processed and enhanced LANDSAT imagery for geological mapping and mineral targeting in the Singhbhum Precambrian mineralized belt, Bihar-Orissa,” Int. J. Remote Sens., vol. 6, nos. 3–4, pp. 457–471, 1985, https://doi.org/10.1080/01431168508948468.
[6] J. Krishnamurthy, P. Manavalan, and V. Saivasan, “Application of digital enhancement techniques for groundwater exploration in a hard-rock terrain,” Int. J. Remote Sens., vol. 13, no. 15, pp. 2925–2942, 1992, https://doi.org/10.1080/01431169208904091.
[7] D. Amarsaikhan and B. Enkhtuvshin, “An application of remote sensing and GIS technique in Mongolia,” in Proc. European ‘International Space Year’ Symp., Munich, Germany, pp. 387–390, 1992.
[8] D. Amarsaikhan, M. Ganzorig, and W. Nieuwenhuis, “A modification of the priori probabilities in the maximum likelihood classification,” in Proc. 15th Asian Conf. Remote Sensing, Bangalore, India, pp. I-7-1–I-7-4, 1992.
[9] Д. Амарсайхан, М. Ганзориг, and О. Цолмонгэрэл, “Спектр тодролыг сайжруулах аргуудыг харьцуулсан дүнгээс,” ШУА-ийн Информатикийн Хүрээлэнгийн Эрдэм Шинжилгээний Бүтээл, pp. 35–39, 1997.
[10] D. Amarsaikhan, S. Jargalan, D. Khashbat, and others, “Investigation of geo-structure of the Khan Bogd massive using optical and microwave RS,” in eProc. Asian Conf. Remote Sensing, Ulaanbaatar, Mongolia, 2022.
[11] J. Harman, “Using decorrelation stretch to enhance rock art images,” Amer. Rock Art Res. Assoc. Annu. Meeting, https://www.dstretch.com/AlgorithmDescription.pdf.
[12] P. Vonghirandecha, S. Kansomkeat, and P. Bhurayanontachai et al., “Decorrelation stretch for enhancing colour fundus photographs affected by cataracts,” Comput. Methods Biomech. Biomed. Eng.: Imaging & Visualization, vol. 11, no. 7, 2022. https://doi.org/10.1080/21681163.2023.2274948.
[13] J. Dong, D. Zhuang, Y. Huang, and J. Fu, “Survey of multispectral image fusion techniques in remote sensing applications,” 2011. https://doi.org/10.5772/10548.
[14] D. Amarsaikhan and N. Ganchuluun, “Fusion and classification of multisource images for update of forest GIS,” in Image Fusion: Principles, Technology and Applications, New York, USA: Nova Science Publishers, pp. 83–121, 2015.
[15] B. Yan and Y. Kong, “A fusion method of SAR image and optical image based on NSCT and Gram-Schmidt transform,” in Proc. IGARSS 2020 – IEEE Int. Geosci. and Remote Sensing Symp., Waikoloa, HI, USA, pp. 2332–2335, 2020. https://doi.org/10.1109/IGARSS39084.2020.9323158.
[16] S. Singh and K. C. Tiwari, “Exploring the optimal combination of image fusion and classification techniques,” Remote Sens. Appl.: Soc. Environ., art. no. 100642, 2021. https://doi.org/10.1016/j.rsase.2021.100642.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Munkh-Erdene Altangerel, Enkhmanlai Amarsaikhan, Amarsaikhan Damdinsuren, Enkhjargal Damdinsuren, Tsogzol Gurjav
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright on any research article in the Mongolian Journal of Geography and Geoecology is retained by the author(s).
The authors grant the Mongolian Journal of Geography and Geoecology a license to publish the article and identify itself as the original publisher.
Articles in the Mongolian Journal of Geography and Geoecology are Open Access articles published under a Creative Commons Attribution 4.0 International License CC BY.
This license permits use, distribution and reproduction in any medium, provided the original work is properly cited.
