پديد آورندگان :
فرهادياني، رامين دانشگاه تهران - پرديس دانشكده هاي فني - دانشكده مهندسي نقشه برداري و اطلاعات مكاني , صفري، عبدالرضا دانشگاه تهران - پرديس دانشكده هاي فني - دانشكده مهندسي نقشه برداري و اطلاعات مكاني , همايوني، سعيد دانشگاه آتاوا - محيط زيست و ژئوماتيك - گروه جغرافيا، كانادا
كليدواژه :
رادار با دريچه ي گشايش مصنوعي , برآوردگر MAP , اسپكل , تبديل موجك
چكيده فارسي :
تصاوير راداري با دريچه ي گشايش مصنوعي (SAR) به طور ذاتي متاثر از پديده اي نويز مانند به نام اسپكل هستند كه ماهيت تمامي سيستمهاي هم دوس است. حضور اسپكل در تصوير SAR سبب كاهش عملكرد كاربردهايي نظير طبقه بندي، قطعه بندي، تشخيص تغييرات و مانند آنها ميشود، در نتيجه لازم است تا اثر آن كاهش يابد. به طور كلي، دو روش عمده براي كاهش اسپكل در تصاوير SAR وجود دارد، روش چندمنظرسازي در زمان تشكيل تصوير و روشهاي مبتني بر فيلترهاي مكاني پس از تشكيل تصوير و در مرحله پيش پردازش. چندمنظرسازي تصوير سبب كاهش قدرت تفكيك مكاني آن ميشود، همچنين عملكرد فيلترهاي مكاني وابسته به اندازه و جهت پنجرهي مورد استفاده در آنها است. براي غلبه بر اين محدوديتها، ميتوان از روشهاي مبتني بر آناليز چند تجزيهاي مانند تبديل موجك استفاده نمود. در اين مقاله، با در نظر گرفتن وابستگي درون مقياسي و بين مقياسي ضرايب موجك و با به كارگيري برآوردگر Maximum a Posteriori (MAP)، روشي براي كاهش نويز ضرايب موجك ارائه شده است. توزيع نويز در حوزهي موجك و ضرايب بدون نويز موجك به ترتيب، توابع چگالي احتمال گوسين دوتايي و توزيع لاپلاس متقارن مدور دوتايي در نظر گرفته شدند. روش پيشنهادي، با فيلترهاي مكاني Lee و Frost و همچنين روشهاي حدآستانه گذاري VisuShrink، SureShrink و BayesShrink مقايسه شد. براي ارزيابي كمي اين روشها از شاخص PSNR و شاخص حفظ لبه ي براي دادهي شبيه سازي شده و از شاخص ENL براي داده ي واقعي استفاده شد. با توجه به مقادير به دست آمده براي شاخصهاي PSNR و در تصاوير شبيه سازي شده، روش پيشنهادي در كاهش اسپكل و حفظ لبه هاي تصوير نسبت به فيلترهاي مكاني و روش هاي حدآستانه گذاري در حوزه ي موجك داراي برتري نسبي بود. همچنين بر اساس شاخص ENL در تصاوير واقعي، ميتوان گفت كه روش پيشنهادي برتري قابل ملاحظه اي نسبت به ساير روشها در كاهش اسپكل از مناطق همگن از خود نشان داد
چكيده لاتين :
Synthetic Aperture Radar (SAR) images are inherently affected by a multiplicative noise-like phenomenon called speckle, which is indeed the nature of all coherent systems. Speckle decreases the performance of almost all the information extraction methods such as classification, segmentation, and change detection, therefore speckle must be suppressed. Despeckling can be applied by the multilooking method when the image is formed or by spatial filters after the image formation. However, multilooking decreases the spatial resolution. Moreover, the performance of spatial filters depends on the size and the orientation of used window’s kernel. To overcome these limitations, Multi-Resolution Analysis (MRA), e.g., Wavelet Transform (WT), can be used. In this article, based on the intra-scale and inter-scale dependencies of wavelet coefficients and by employing the Maximum a Posteriori (MAP) estimator, a method for denoising the wavelet coefficients was proposed. Distributions of noise and noise-free wavelet coefficients in wavelet domain were considered as bivariate Gaussian and bivariate circular symmetric Laplace PDFs, respectively. For comparison analysis, Lee and Frost filters were used, also several classical thresholding methods such as VisuShrink, SureShrink, and BayesShrink were employed. Peak Signal-to-Noise Ratio (PSNR) and edge-preserving index beta were used to evaluate the simulated SAR data. Also, Equivalent Number of Looks (ENL) was employed for real SAR data. Experimental results showed that the proposed despeckling method performed more efficiently to suppress the speckle and preserve the edges than others. For instance, the PSNR and beta values that computed for 16 looks simulated SAR data were equal to 30.42 and 0.734, respectively. Also, the ENL values for region 1 of Noerdlinger and San Francisco images corresponded to 71.12 and 34.57, respectively.
