نويززدايي از تصوير رادار روزنه مجازي با استفاده از هموارسازي منطبق و نمايش تنك

SAR Image Denoising Using Adaptive Smoothing and Sparse Representation

به دليل كاربردهاي گسترده و نياز به تشخيص جزئيات صحنه از تصاوير رادار روزنه مجازي، موضوع بهبود كيفيت اين تصاوير پس از تشكيل، مورد توجه گسترده قرار گرفته است. با توجه به ماهيت تشكيل تصاوير رادار روزنه مجازي وجود نويز لكه به عنوان مهمترين عامل تخريب كيفيت اين تصاوير مي­باشد كه به‌صورت ضرب ­شونده مدل مي­شود. در اين مقاله روش‌ جديدي براي حذف نويز لكه ارائه مي­شود. استفاده از تخمين ­گر MAP با توجه به تابع توزيع نويز و ارائه مساله بهينه ­سازي محدب به‌صورت محلي، ايده اصلي اين مقاله است كه در آن تعديل‌سازهاي هموارسازي منطبق، نمايش تنك و نگاشتدر فضاي تصوير به‌كار گرفته مي­شود. ارائه مدل بهينه ­سازي به‌صورت محلي و استفاده از هموارسازي منطبق امكان حذف مناسب نويز، حفظ لبه­ هاي قوي و جلوگيري از هموارسازي بيش از اندازه تصاوير را فراهم مي­سازد. همچنين، استفاده از نمايش تنك باعث حفظ مناسب بافت­هاي تصوير و نگاشت در فضاي تصوير موجب تقويت الگوريتم در مقابل سطوح بالاي نويز مي­شود. به‌‌منظور حل مساله بهينه­ سازي روشي مبتني بر كمينه­ سازي تناوبي معرفي مي­شود. نتايج شبيه­ سازي، كارايي مناسب روش پيشنهادي در نويززدايي و حفظ جزئيات تصوير و ارائه نتايج بهتر نسبت به تعداد زيادي از روش­هاي موجود را نشان مي­دهد.

Due to extensive SAR applications and the need to recognize SAR image details, the issue of improving the quality of these images after formation has been widely considered. Due to the nature of SAR image formation, the multiplicative speckle noise is considered as the most important factor in the quality degradation of these images. In this paper, a new method for removing speckle noise is presented. The main ideas of this article are using MAP estimator in accordance with the noise distribution function and presentation of a local convex optimization problem along with employment of adaptive smoothing, sparse representation regularizations and projection to the feature space. The local optimization model and adaptive smoothing provide proper noise removal and strong edges preservation and prevent image over smoothing. Also using sparse representation leads to texture preservation, and projection to the feature space enhances the algorithm against high noise levels. In order to solve the optimization problem, a method based on alternating minimization is introduced. The simulation results show good performance of the proposed method in noise reduction and preservation of image details which is better than many existing methods.