fa استفاده از تبدیل PCA مکانی جهت ادغام تصاویر چند طیفی و تک رنگ مقالات پردازش تصویر Paper پژوهشي Research <a name="up">هدف نهایی ادغام تصاویر، بدست آوردن تصویری است که بطور همزمان دقت مکانی و طیفی بالایی داشته باشد. الگوریتم PCA استاندارد که بطور معمول در ادغام تصاویر بکار می‌رود، منجر به تخریب اطلاعات طیفی در تصویر ادغام شده می‌شود. در این مقاله، به منظور جلوگیری از نقطه ضعف الگوریتم PCA استاندارد، از تبدیل PCA مکانی به عنوان روشی نوین در ادغام تصاویر چند طیفی و تک رنگ استفاده می‌شود و استدلال خواهد شد که روش ارائه شده، دارای کارآیی بالاتری در حفظ اطلاعات طیفی و مکانی است. در انتهای مقاله یک روش ارزیابی نوین معرفی می‌شود و استدلال خواهد شد که این روش ارزیابی، کاراتر از روش متداول اطلاعات متقابل است. تصاویر ادغام شده، با استفاده از روش پیشنهادی و سایر روشهای رایج مانند: همبستگی خطی، ERGAS، SAM، UIQI، و اطلاعات متقابل ارزیابی خواهند شد و برتری الگوریتم پیشنهادی در حفظ اطلاعات مکانی و طیفی نسبت به سایر الگوریتمها نشان داده خواهد شد. </a> Obtaining of an image with high spectral and spatial resolution is the goal of image fusion. The PCA is a well-known pan-sharpening approach widely used for its efficiency and high spatial resolution. However, it can distort the spectral characteristics of the multispectral images. To avoid the weak points of the standard PCA technique, Spatial PCA transform has been proposed and the reasons of superiority of this method in maintaining of the spectral information are discussed in this paper. At the end of the paper, a new assessment is proposed and the advantage of this method relative to the conventional mutual information is argued. The proposed assessment and the other popular metrics such as: ERGAS, SAM, correlation coefficient UIQI, and mutual information are used to analyze the fusion result. These assessments show that the proposed method has the least color distortions and contains more spatial information. ادغام تصاویر، تصاویر تک‌رنگ، تصاویر چند طیفی، اطلاعات مکانی، اطلاعات طیفی، PCA استاندارد، PCA مکانی، موجک، کانتورلت. Image Fusion, Panchromatic Image, Multispectral Images, Spatial Information, Spectral Information, Standard PCA, Spatial PCA, Wavelet, Contourlet. 78 69 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-283-1&slc_lang=fa&sid=1 حمید رضا شاهدوستی hamidrezashahdoosti@gmail.com 1003194753284600675 1003194753284600675 Yes Hassan Ghassemian حسن قاسمیان ghassemimodares.ac.ir 1003194753284600676 1003194753284600676 No دانشگاه تربیت مدرس