كاهش اسپكل در تصاوير رادار دريچه مصنوعي در حوزه‌ي موجك با استفاده از توزيع لاپلاس

Speckle Reduction in Synthetic Aperture Radar Images in Wavelet Domain Using Laplace Distribution

اسپكل يك پديده ي نويز مانند دانه اي است كه به‌دليل ويژگي همدوس بودن سيستمهاي تصويربرداري SAR (Synthetic Aperture Radar) در آنها پديدار ميشود. حضور پديده ي اسپكل، تجزيه و تحليلهاي انساني و اتوماتيك را پيچيده ميكند. بر همين اساس كاهش اسپكل در تصاوير SAR، يك مرحله ي پيش پردازشي مهم براي بسياري از كاربردهاي مرتبط با سنجش از دور است. كاهش اسپكل در تصاوير SAR، ميتواند توسط چند منظرسازي در زمان تشكيل تصوير و يا با استفاده از فيلترهاي مكاني پس از تشكيل تصوير انجام شود. اما اين روشها داراي برخي محدوديتها مانند كاهش قدرت تفكيك مكاني و از بين رفتن جزئيات تصوير هستند. براي غلبه بر اين مشكلات، ميتوان از روش هاي مبتني بر آناليز چند تجزيهاي مانند تبديل موجك استفاده نمود. در اين مقاله، يك روش كاهش اسپكل در حوزه ي موجك با استفاده از نظريه ي بيزين و بر اساس برآوردگر MAP (Maximum a Posteriori) ارائه شده است. ضرايب بدون نويز موجك حاصل از تصوير لگاريتم گرفته شده و نويز در حوزه ي موجك، به‌ترتيب توسط توابع چگالي احتمال لاپلاس و گوسين مدل شدند. براي مقايسه، روشهاي انقباض ويزيو، سور و بيز به‌كار گرفته شدند. همچنين براي ارزيابي اين روشها، از دو نوع دادهي SAR شبيه سازي شده و واقعي استفاده شد. شاخصهاي ارزيابي براي دادهي SAR شبيه سازي شده، شاخص( PSNR (Peak Signal-to-Noise Ratio و شاخص حفظ لبه ي بود، همچنين شاخص ENL (Equivalent Number of Looks) براي ارزيابي داده ي SAR واقعي استفاده شد. نتايج تجربي حاصل از كاهش اسپكل، نشاندهندهي عملكرد برتر روش پيشنهادي در كاهش اسپكل و حفظ بهتر جزئيات تصوير SAR بود

Speckle is a granular noise-like phenomenon which appears in Synthetic Aperture Radar (SAR) images due to coherent properties of SAR systems. The presence of speckle complicates both human and automatic analysis of SAR images. As a result, speckle reduction is an important preprocessing step for many SAR remote sensing applications. Speckle reduction can be made through multi-looking during the image formation or using spatial filters as a preprocessing step. However, these methods have some limitations such as a decrease in spatial resolution or smoothening of details and edges. To overcome these problems, Multi-Resolution Analysis (MRA), such as wavelet transform, should be used. In this paper, a despeckling method based on the Bayesian theory and Maximum a Posteriori (MAP) estimator in the wavelet domain was proposed. The noise-free wavelet coefficients of the logarithmically transformed image and the noise in the wavelet domain were modeled based on the Laplace and Gaussian distributions respectively. VisuShrink, SureShrink, and BayesShrink methods were also implemented and applied to both simulated and real SAR data for comparison purpose and to assess the proposed method. PSNR and beta edge preserving index were used to evaluate the performance of simulated SAR data, while ENL was employed to evaluate the real SAR data. Experimental results of despeckling showed the superior performance of the proposed method in suppressing the speckle efficiently and preserving better the spatial details in the SAR image.