ارايه روشي براي اصلاح نوفه نواري آشكارسازها در تصاوير اخذشده به‌وسيله سنجنده TM ماهواره لندست 5

A Method for Detectors Stripe Noise Correction in Landsat5 TM Images

نوفه آشكارسازها در تصاوير ماهواره‌اي معمولا به صورت نوارهاي افقي يا عمودي ديده مي‌شوند. جهت نوارشدگي‌ها به تكنيك تصويربرداري سنجنده (پوش‌بروم يا ويسك‌بروم) بستگي دارد. در تصاوير سنجنده TM نيز برخي نوارشدگي‌ها ديده مي‌شود كه منشا آنها آشكارسازهاست. از دلايل پيدايش نوفه نواري در تصاوير اخذشده به‌وسيله سنجنده TM مي‌شود به تطابق نداشتن آشكارسازها، واسنجي نامناسب آشكارسازها و يا فرسايش آنها در طول زمان اشاره كرد. با توجه به اينكه سنجنده TM از تكنيك تصويربرداري ويسك‌بروم استفاده مي‌كند، اين نوارشدگي‌ها در تصاوير به‌صورت افقي ديده مي‌شوند. نوفه نواري در تصاوير اخذشده در باند 4 از سطوح تاريك مانند دريا كه در سطح يك پيش‌پردازش شده‌اند، رخ‌نمون بيشتري دارد. اين نوع نوفه موجب بروز خطا در برخي اعمال مانند تصحيحات جوي بااستفاده از پيكسل‌هاي تاريك و دشوار شدن استخراج اطلاعات از تصاوير مي‌شود. در اين پژوهش، براي اصلاح نوفه نواري سنجنده TM، پس از شناسايي آشكارسازهاي نوفه‌اي، روش‌هاي ميانه (MM)، تطبيق ممان‌هاي مكاني اصلاح‌شده (MSMM) و پالايش تصوير در حوزه فركانس و مكان (IFFD & IFSD) پيشنهاد شده است. براي بررسي نتايج حاصل، از برخي كميت‌هاي آماري همچون ميانگين و انحراف‌ معيار و نيز، نمودار فراواني و طيف فوريه تصاوير پيش و پس از اصلاح استفاده شده است. انحراف معيار در تصوير اوليه برابر با 56/1 است كه پس از اصلاح تصوير، مقدارهاي اين كميت براي روش‌هاي MM، MSMM، IFFD و IFSD به‌ترتيب برابر با 36/1، 42/1، 31/1و 26/1 است. كاهش به‌وجودآمده در انحراف معيار پس از حذف نوف، نواري، بهبود تصاوير را نشان مي‌دهد. براي مقايسه اين روش‌ها با يكديگر و با كارهاي ديگران، از MSE، RMSE و PSNR و همچنين، داده‌هاي شبيه‌سازي‌شده براي نوفه نواري متناوب استفاده شده است. مقدارهاي به‌دست‌آمده PSNR براي روش‌هاي MM، MSMM، IFSD و IFFD به‌ترتيب برابر با 66/54، 14/51، 47/48و 65/45 دسي‌بل است. در اين ميان، بيشترين ميزان PSNR و به‌تبع آن، كمترين ميزان MSE مربوط به روش MM و MSMM بود كه نشان از دقت بيشتر اين روش‌ها درمقايسه با پالايه‌هاي حوزه فركانس و مكان دارد

Detectors noises in satellite images are seen as either vertical or horizontal stripes. The directions of these stripes depend on the imaging technique (Pushbroom or Wiskbroom). The main reasons in appearance of stripe noises in TM images are; lack of matching between detectors, unsuitable calibration and detector degradation in time. Due to the Wiskbroom technique in TM sensor, the stripes appear horizontally. Among these, the stripe noises in band4 are more profound in images acquired from dark surfaces such as sea surface. This kind of noise may produce sever errors in atmospheric correction based on dark surfaces. In this work, to correct the stripe noise, Mean Method (MM), Modified Spatial Momentum Matching (MSMM), and image filtering in frequency and spatial domain (IFFD & IFSD) are introduced. To evaluate the results, some statistical parameters such as averaging, standard deviation, histograms and Fourier spectrums before and after corrections are deployed. Reduction in standard deviation after denoising demonstrates enhancement in the image. To compare these methods with other known methods, parameters such as MSE, RMSE and PSNR along with simulated images for periodical striped noise are used. Among these, the maximum PSNR and naturally the minimum MSE belongs to MM and MSMM methods and consequently these methods perform better accuracies compared to IFFD and IFSD. Keywords: Periodical Stripe Noise, Relative Calibration, Image Filtering, Remote Sensing.