| Summary: | Para realizar a monitorização da superfície terrestre, diversos satélites e constelações de satélites orbitam a Terra. Diferentes satélites oferecem diferentes resoluções electromag- néticas, diferentes resoluções espaciais e diferentes resoluções temporais. Os algoritmos de fusão de imagens de satélite, combinam satélites de maior resolu- ção espacial e satélites com uma maior resolução temporal. Estes algoritmos permitem estimar imagens de satélites à melhor resolução espacial possível e com maior frequência, resolvendo problemas parciais de qualidade das imagens originais, e.g. contaminação por nuvens. As soluções existentes de fusão criam estimativas bastante exatas das zonas de observação, no entanto ainda têm problemas derivados das zonas heterogéneas. Tendo em conta que nenhuma das soluções analisadas utiliza informação adicional para melhorar os resultados das fusões, existe potencial exploratório. Neste documento foi proposto um novo algoritmo de fusão de imagens de satélite denominado LCBFM. Utiliza uma segmentação que agrupa os píxeis de acordo com o seu comportamento espectral temporal. Este algoritmo foi criado com base em dois estu- dos realizados ao longo desta tese. O primeiro destes consiste na análise do impacto de invariantes sobre os resultados da fusão de imagem. O segundo foi acerca de segmenta- ção temporal aplicada ao agrupamento de píxeis pelos seus comportamentos espectrais, incluindo uma análise de diferentes tipos de algoritmos de segmentação e distâncias. Para validar o nosso algoritmo, as imagens por este estimadas foram comparadas com as de outros algoritmos conhecidos na literatura, o STARFM, ESTARFM, STAIR e FSDAF. Para além destes foi comparado também com o ESTAIR, um algoritmo desenvolvido num trabalho anterior que obteve melhores resultados que os antecessores em que se baseou, e serviu como base para o nosso algoritmo. O LCBFM obtém resultados bastante bons e particularmente interessantes para regiões heterogéneas.
|
|---|