Universidad Nacional del Nordeste

Ctedra: Fotointerpretacin
Facultad de Ingeniera
PANSHARPENING
PANSHARPENING MEDIANTE IDRISI SELVA

Nstor Ivn Holsbach

Introduccin
Pansharpening es el proceso de combinar imgenes multiespectrales (MS) de baja resolucin con
imgenes pancromticas (PAN) de alta resolucin, creando una imagen de color realzada. Este
producto conserva la fidelidad del color original y permite mejorar la visualizacin e interpretacin.

El dato de imagen PAN puede ser fundido con la imagen MS adquiridas simultneamente por el
mismo sensor, o tambin, pueden ser usadas imgenes de diferentes sensores. Sin embargo, los
mejores resultados se obtienen cuando la imagen es recolectada simultneamente y las
resoluciones de los datos PAN y MS estn estrechamente relacionadas. Las caractersticas
espectrales del dato original sern conservadas en la imagen de alta resolucin resultante. Esto
significa que el anlisis como la clasificacin pueden ser hechas sobre la imagen pansharpened con
el beneficio agregado por la resolucin espacial ms alta. (Ver figura 1)

(A) (B) (C)

Figura 1. Ejemplo de pansharpening en imgenes Landsat ETM+. (A) imagen pancromtica (resolucin de
15m por pxel). (B) bandas 1 a 3 de la imagen multiespectral (resolucin de 30m por pxel). (C) proceso
aplicado a las bandas 1 a 3 obteniendo una imagen multiespectral de 15m de resolucin.

La aplicacin fundamental de esta tcnica es de gran inters para agricultura y medio ambiente
puesto que se necesita informacin fiable sobre el uso y cubierta del suelo, para la monitorizacin y
creacin de mapas de cobertura terrestre (Ver figura 2).

Adscripto: HOLSBACH, Nstor Ivn Ao 2017 1

Universidad Nacional del Nordeste

Ctedra: Fotointerpretacin
Facultad de Ingeniera
PANSHARPENING

Figura 2. Mapa de cobertura terrestre. (Fuente: V. Vijayaraj , C.G. O Hara & N.H. Younan
GeoResources Institute , Mississippi State University, 2005)

Existen varios mtodos que utiliza el pansharpening, los cuales se describen a continuacin:

La transformacin de espacio y color, convierte imgenes de color verdadero entre el

espacio de color RGB (rojo, verde, azul) y HLS (tonalidad, luminosidad, saturacin)
utilizando el mdulo COLSPACE y crea un compuesto mejorado de las imgenes
transformadas usando el mdulo COMPOSITE. Durante el proceso de retransformacin de
vuelta a RGB la imagen de ligereza se sustituye por la imagen pancromtica.
La transformacin de componentes principales, utiliza el anlisis de componentes
principales para transformar bandas multiespectrales en componentes y despus
retroproyecta estos componentes despus de reemplazar el primer componente por la
imagen pancromtica. El mdulo PCA se utiliza tanto para los procesos de transformacin
directa como inversa.
La transformacin de regresin local, utiliza una estadstica local en lugar de una
estadstica global. Se utiliza un filtro de correlacin local 3 x 3 para desarrollar la estadstica
entre la banda pancromtica y cada una de las bandas de entrada de resolucin ms baja
que se van a transformar.
La transformacin Brovey, se basa en el modelado espectral y se desarroll para
incrementar el contraste visual en los extremos alto y bajo del histograma de datos. Utiliza
un mtodo que multiplica cada pxel multiespectral remuestreado por la relacin de la
intensidad de pxel pancromtico correspondiente a la suma de todas las intensidades
multiespectrales. Asume que el rango espectral que abarca la imagen pancromtica es el
mismo que el que cubren los canales multiespectrales.

Adscripto: HOLSBACH, Nstor Ivn Ao 2017 2

Universidad Nacional del Nordeste

Ctedra: Fotointerpretacin
Facultad de Ingeniera
PANSHARPENING
La transformacin de fusin de imgenes de Esri, utiliza un promedio ponderado y la
banda infrarroja cercana adicional (opcional) para crear las bandas de salida fusionadas. El
resultado del promedio ponderado se utiliza para crear un valor de ajuste (ADJ) que
despus se utiliza en el clculo de los valores de salida. Los pesos de las bandas
multiespectrales dependen de la superposicin de las curvas de sensibilidad espectral de las
bandas multiespectrales con la banda pancromtica. Los pesos son relativos y se
normalizarn cuando se utilicen. La banda multiespectral con la mayor superposicin con la
banda pancromtica debera obtener el mayor peso. Una banda multiespectral que no se
superpone del todo con la banda pancromtica debe obtener un peso de 0. Al cambiar el
valor.
El mtodo de fusin de imgenes Gram-Schmidt, se basa en un algoritmo general de
vector ortogonalizacin, la ortogonalizacin de Gram-Schmidt. Este algoritmo se compone
en vectores (por ejemplo, 3 vectores en espacio 3D) que no son ortogonales y despus los
rota para que sean ortogonales. En caso de imgenes, cada banda (pancromtico, rojo,
verde, azul e infrarrojo) corresponde a un vector de alta dimensin (#dimensiones =
#pxeles).

El objetivo principal del presente trabajo es la aplicacin del proceso pansharpening para obtener
imgenes espectrales de mayor resolucin, para obtener un mapa con mayor nitidez de las zonas
inundadas por precipitaciones ocurridas en abril del 2002, en la ciudad de Saenz Pea, provincia del
Chaco.

Materiales y metodologa
Se trabaj con las imgenes satelitales del Landsat 7 ETM+, obtenidas de forma gratuita, de fecha 3
de abril de 2002. Las mismas corresponden a la escena de path 228 y row 78, de la ciudad de
Presidencia Roque Senz Pea, provincia del Chaco. Se utiliz el software Idrisi Selva, con el que
se realiz el procesamiento digital de las imgenes.

Para obtener el mapa de las zonas inundadas por precipitaciones se utiliz las bandas 3 (rojo), 4
(NIR), 5 (SWIR-1) y 8 (pancromtico). Las primeras tres bandas poseen un resolucin espacial de
30m por pxel y la ltima de 15m por pxel.

Como primer paso, se cargaron las imgenes en el programa Idrisi Selva, (Ver figura 3).

En la escena seleccionada para el trabajo, se observ que la zona de estudio se encuentra en el

cuadrante inferior derecho, por lo tanto, se realiz un recorte en todas las imgenes, focalizndose
en la ciudad, (Ver figura 4). Las dimensiones del cuadro se presentan en la tabla 1.

Adscripto: HOLSBACH, Nstor Ivn Ao 2017 3

Universidad Nacional del Nordeste

Ctedra: Fotointerpretacin
Facultad de Ingeniera
PANSHARPENING

Figura 3. Creacin del proyecto y carga de las imgenes en el software.

Figura 4. Creacin de una imagen de ceros con las medidas del cuadro para recortar a las bandas.

Tabla 1. Dimensiones del cuadro de recorte en metros

Adscripto: HOLSBACH, Nstor Ivn Ao 2017 4

Universidad Nacional del Nordeste

Ctedra: Fotointerpretacin
Facultad de Ingeniera
PANSHARPENING
Con la funcin WINDOW se recort a cada banda utilizada (ver figura 5), de tal forma, que se obtuvo
un sector de menores dimensiones para cada canal.

Figura 5. Creacin de imgenes de menores dimensiones.

Posteriormente, se utiliz la herramienta PANSHARPEN para fusionar las imgenes espectrales

junto con la pancromtica (Ver figura 6). Se probaron los tres mtodos que posee el programa y se
realiz una comparacin entre las imgenes compuestas obtenidas por cada uno.

Figura 6. Carga de datos en la herramienta PANSHARPEN.

Resultados
Con la utilizacin de la herramienta PANSHARPEN se pudo observar que efectivamente en las
imgenes procesadas se obtuvo un mayor nivel de detalle, como era de esperarse. Las imgenes
que se presentan a continuacin (Ver figura 7), son el resultado de la fusin de las MS con la PAN,
logrando la composicin de las mismas en falso color RGB 543, con una resolucin de 15m por
Adscripto: HOLSBACH, Nstor Ivn Ao 2017 5
Universidad Nacional del Nordeste

Ctedra: Fotointerpretacin
Facultad de Ingeniera
PANSHARPENING
pxel. Se coloc al lado de cada una la composicin realizada con las bandas 3, 4 y 5 de la MS de
30m de resolucin, para observar las diferencias.

Figura 7. Imgenes en falso color RGB543 por distintos mtodos. (A) Mtodo de transformacin de espacio
color. (B) Mtodo de transformacin de componentes principales. (C) Mtodo de transformacin por regresin
lineal.

Adscripto: HOLSBACH, Nstor Ivn Ao 2017 6

Universidad Nacional del Nordeste

Ctedra: Fotointerpretacin
Facultad de Ingeniera
PANSHARPENING
Cabe destacar que la imagen obtenida por el mtodo de transformacin de espacio y color, logra un
mayor nivel de detalle que los dems. Esto se determin de manera visual por el autor del presente
trabajo, efectuando un zoom sobre una zona de la ciudad. Las figuras 8 y 9 muestran el grado de
detalle que se logr por aplicar la tcnica PANSHARPENING. Por ejemplo, los crculos marcados
sobre las imgenes evidencian que en la figura 8, el reservorio posee una forma rectangular ms
definida que en la figura 9. Luego, la mancha de inundacin en la primera escena presenta una
textura ms rugosa, mientras que en la segunda, se ve ms difuso.

Figura 8. Imagen en falso color RGB543 obtenida por el mtodo de transformacin de color y espacio,
resolucin de 15m por pxel.

Figura 9. Imagen en falso color RGB543 obtenida mediante composicin de las MS de 30m de resolucin.

Adscripto: HOLSBACH, Nstor Ivn Ao 2017 7

Universidad Nacional del Nordeste

Ctedra: Fotointerpretacin
Facultad de Ingeniera
PANSHARPENING
Conclusiones
La fusin de imgenes multiespectrales y pancromticas resultan tiles para analizar informacin
geogrfica, fundamentalmente urbana, mediante la utilizacin de imgenes de diferente resolucin.

Particularmente si se observan las imgenes PAN y MS separadas no se podra apreciar con el

mismo nivel de precisin. Por lo tanto, el procedimiento de pansharpening resulta de gran ayuda
para la persona que debe interpretar entornos urbanos por ejemplo.

Bibliografa
Manual del software IDRISI SELVA
http://desktop.arcgis.com/es/arcmap/10.3/manage-data/raster-and-
images/fundamentals-of-panchromatic-sharpening.htm
http://decsai.ugr.es/~jmd/pansharpening/resumen.html
https://upcommons.upc.edu/bitstream/handle/2099/4751/RR223A.pdf
http://decsai.ugr.es/~jmd/pansharpening/software.html
http://www.scielo.cl/pdf/infotec/v19n5/art15.pdf
http://info.asprs.org/publications/pers/2008journal/february/2008_feb_193-200.pdf
https://scholar.google.com/citations?user=C61jjN4AAAAJ&hl=en
https://polipapers.upv.es/index.php/EGA/article/view/1006/1059

Adscripto: HOLSBACH, Nstor Ivn Ao 2017 8