근본적으로 여기서의 문제는 " '과학적으로 유효한'의 의미"입니다. 데이터에서 스펙트럼 모델링을 수행하려는 경우 분류 / 이미지 분할을 수행하는 경우와 대답이 다를 수 있습니다. Pansharpening (방법에 따라 다름)은 단순히 값의 범위를 상당히 적은 양으로 변경하므로 반사 범위 값을 가능성의 범위 밖에 두지 않아야합니다.
대체로 데이터를 사용할 응용 프로그램에 따라 다릅니다. 또한, pansharpening의 영향은 수행중인 모든 연구에서 부분적인 결과로 문서화 할 가치가 있습니다. 결과적으로 처리 시간보다 4 배 긴 4 배 많은 픽셀을 제외하고는 아무 것도 추가하지 않을 수 있습니다. 일부 경우에는 쇼 토퍼입니다.
편집 :이 주제에 관한 기사 데이터베이스는 크지 않지만 이미지 세분화에 pansharpend 데이터가 (합리적인 결과로) 사용되는 두 가지가 있습니다.
Shackelford, AK, & Davis, CH (2003). 도시 지역의 고해상도 다중 스펙트럼 데이터 분류를위한 퍼지 픽셀 기반 및 객체 기반의 결합 된 접근 방식입니다. 지구과학과 원격 탐사에 관한 IEEE 거래, 41 (10), 2354–2364. http://doi.org/10.1109/TGRS.2003.815972
Fernández, I., Aguilar, FJ, Aguilar, MA 및 Álvarez, MF (2014). 객체 기반 접근법을 통한 VHR 위성 및 항공 이미지를 사용하여 불 투수 표면 영역 분류에 대한 데이터 소스 및 교육 크기의 영향 응용 지구 관측 및 원격 감지에서 선정 된 주제의 IEEE 저널, 7 (12), 4681–4691.