Comparación E Implementación En Matlab de La Fusion de Imágenes Satelitales Ikonos Usando Redes Neuronales Y Acp

Este artículo tiene como objetivos implementar y evaluar en Matlab dos metodologías que permiten mejorar la resolución espacial sin pérdida significativa de la resolución espectral de una imagen multiespectral (MULTI) y pancromática (PAN) Ikonos. En el primer método se usa el algoritmo Análisis de Componentes Principales. A partir de la imagen MULTI se obtienen las componentes principales CP1, CP2 y CP3. Luego se ajusta la CP1 a la imagen PAN obteniendo ACP1-PAN, para ser remplazada por la componente CP1, luego se realiza inversa de componentes principales con los componentes ACP1-PAN, CP2 y CP3 obteniendo así la imagen fusionada N-MULTIACP. En la segunda metodología se usa redes neuronales, alexnet, darknet19 y vgg19 usando las dos imágenes MULTI y PAN para generar tres imágenes fusionadas N-MULTIA, N-MULTID y , NMULTIV. Finalmente se presentan los resultados de los dos métodos usando los índices: Coeficiente de Correlación, ERGAS, RASE y Qu para su evaluación. Se obtiene que el método de ACP es mejor espacialmente y las imágenes obtenidas usando redes neuronales degrada en menor valor la riqueza espectral.