SFIM (Smoothing FIltered Intensity Modulation ) Pan Sharpening Algorithm

adalah sebuah algorithm image fusion/pan-sharpening berbasis operasi aritmatika/map algebra, namun menggunakan prinsip fisis perjalanan gelombang elektromagnetik dalam penginderaan jauh.

Tidak seperti algoritma aritmatik lain seperti brovey yang menginjeksikan detil pankromatik melalui operasi multiplikasi yang pada akhirnya mengacaukan komposisi spektral citra multispektral, SFIM mengambil detil pankromatik tanpa menyentuh atribut spektral dari citra multispektral. Sehingga, nilai spektral dari citra multispektral tidak terdistorsi/teralterasi.

Tidak juga seperti algoritma berbasis transformasi seperti PCA sharpening atau IHS transform, SFIM tidak mengambil informasi intensitas, sehingga dia tidak tergantung pada julat spectral dari citra pankromatik, sehingga dapat digunakan untuk memfusikan saluran SWIR pada citra ASTER atau LANDSAT tanpa perlu khawatir informasi spektral teralterasi/terdistorsi terlalu jauh, walaupun tidak ada citra pankromatik yang direkam sampai spektrum SWIR.

Algoritma ini seperti Wavelet atau FFT based algorithms, dia mengambil informasi tekstural horisontal, vertikal dan diagonal dari citra pankromatik, namun dengan cara yang lebih sederhana (mean/low pass filter dan operasi aritmatika).

Satu lagi kelebihan SFIM, dia dapat mengkoreksi keterdapatan awan pada citra pankromatik, karena yang diambil informasi tekstural, bukan intensitas.

Prinsip algoritmanya adalah seperti berikut:

Berdasarkan prinsip paling dasar dan sederhana dalam teori  penginderaan jauh optik pasif,  DN atau Nilai pixel ditentukan oleh 2 komponen, yaitu Iradiansi matahari dan reflektansi obyek.

1, DN = iradiansi x reflektansi

Dalam kondisi waktu perekaman citra satelit yang tidak terlalu berbeda antara citra  multispektral dan pankromatik (kondisi atmosfer, sudut azimuth dan elevasi matahari),

pada citra multispektral:

2, DN_ms = IRADIANSI_ms x REFLEKTANSI_ms

pada citra pankromatik:

3, DN_pan = IRADIANSI_pan x REFLEKTANSI_pan

SFIM memerlukan satu data lagi, yaitu versi low pass filtered dari citra pankromatik. low pass filtered image ini dapat diperoleh dengan cara mengaplikasikan mean filter pada citra pankromatik.

4, DN_pan_lp = IRADIANSI_pan_lp x REFLEKTANSI_pan_lp

Setelah citra multispektral di co-registrasi dan diresampling resolusinya agar sama dengan citra pankromatik, Algoritma SFIM dapat diekspresikan sebagai berikut:

5, DN_sfim = (DN_ms x DN_pan) / DN_pan_lp

dengan kata lain:

6, DN_sfim = ((IRADIANSI_ms x REFLEKTANSI_ms) x (IRADIANSI_pan x REFLEKTANSI_pan)) / (IRADIANSI_pan_lp x REFLEKTANSI_pan_lp)

Sesuai dengan presumsi bahwa kondisi atmosfer, waktu perekaman dan sudut matahari tidak jauh berbeda dan ditambah resolusi radiometrik yang sama antara citra pankromatik dan muktispektral, maka :

7, IRADIANSI_ms equivalen dengan  IRADIANSI_pan dan IRADIANSI_pan_lp

Selain itu, karena operasi low pass/mean filter tidak mengubah atribut reflektansi citra, maka:

8,  REFLEKTANSI_pan  equivalen dengan  REFLEKTANSI_pan_lp

dengan demikian:

Persamaan 6:

DN_sfim = ((IRADIANSI_ms x REFLEKTANSI_ms) x (IRADIANSI_pan x REFLEKTANSI_pan)) / (IRADIANSI_pan_lp x REFLEKTANSI_pan_lp)

(IRADIANSI_ms dan  IRADIANSI_pan_lp saling membatalkan,
REFLEKTANSI_pan dan  REFLEKTANSI_pan_lp saling membatalkan)

sehingga:

7, DN_sfim = REFLEKTANSI_ms x IRADIANSI_pan

Persamaan 7 menyisakan komponen reflektansi dari citra multispektral dan komponen iradiansi dari citra pankromatik. Gabungan dua komponen ini membentuk citra fusi dengan informasi spektral (reflektansi) seperti citra multispektral, namun dengan kedetilan spasial (iradiansi) dari citra pankromatik

Contoh hasil Fusi dengan SFIM

1, FORMOSAT 2 (8m multispektral dan 2m pankromatik)


2, LANDSAT 7 ETM (30m multispektral dan 15m pankromatik)


3, Quickbird (2,4m multispektral dan 0,6m pankromatik)


4. SPOT-5 (10m multispektral dan 2,5m pankromatik supermode)


Contoh hasil koreksi awan dengan SFIM


Kunci kesuksesan dalam penerapan SFIM adalah jenis filter lowpass dan ukuran kernel yang digunakan. Berdasarkan pengujian yang saya lakukan, ukuran kernel lebih besar akan memberikan hasil fusi yang lebih baik, sebagaimana gambar berikut:


Menarik untuk dikaji, sampai berapa ukuran maksimum kernel yang dapat memberikan hasil optimal. :D

Dengan presumsi kesamaan kondisi iluminasi, maka SFIM akan bekerja maksimal pada sensor – sensor yang merekam pada mode multispektral dan pankromatik pada waktu yang bersamaan seperti LANDSAT 7 ETM, SPOT-4/5, IKONOS, Quickbird, Geoeye-1, Formosat-2, IRS/Cartosat, RapidEye, Worldview-2, ALOS AVNIR2/PRISM dan OrbView-3,

Sejauh yang saya tahu, Software yang sudah mengimplementasikan SFIM sebagai salah satu modul spatial enhancement adalah OSSIM 1,7 dan ER MAPPER 7,1. Namun bagi anda yang ingin mencoba algoritma ini melalui software ArcGIS 10, anda dapat mencoba Geoprocessing model buatan saya yang dicompile dalam bentuk toolbox. Penggunaannya hanya tinggal di-load melalui arcToolbox>add new toolbox. dan secara otomatis tool akan masuk ke dalam deretan tools di ArcToolbox. Saat ini model buatan saya baru men-support citra 4 band dengan resolusi radiometrik 8 BIT. Anda dapat mengembangkannya sendiri agar dapat mensupport lebih dari 4 band atau mensupport citra 16 BIT. Saya sangat mengharapkan kritik dan masukan atas model tersebut. Tool dapat diunduh di sini.:

Terimakasih sudah berkunjung. :D