توسعه روش‌های مبتنی بر رفع نویز اسپکل تصویر جهت رفع نویز ویدئو ویسار

رادارهای سار (sar) یکی از ابزارهای تصویربرداری در شرایط مختلف آب‌ و هوایی در کاربردهای نقشه‌برداری، نظامی، منابع زمینی و عمرانی می‌باشند. در سال‌های اخیر یک رادار جدید، جهت ثبت ویدئو اشیا در حالت حرکت با توسعه رادارهای سار به نام ویدئوسار یا به‌اختصار ویسار (visar) برای نظارت محیطی ارائه‌شده است. به مانند تصاویر سار، یکی از چالش‌های اساسی در داده ویسار نیز وجود نویز اسپکل است. در این مقاله با سفارشی‌سازی روش‌های رفع نویز تصویر برای رفع نویز ویدئو ویسار، سه رویکرد مختلف شامل فریم به فریم ، میانگین‌گیری و سه بعدی ارائه و ارزیابی شده است. در رویکرد نخست، بدون توجه به بُعد زمان هر فریم از ویدئو به‌صورت مجزا رفع نویز شده و در رویکرد دوم، از میانگین‌گیری فریم‌های رفع‌ نویزشده در بُعد زمان استفاده شده‌است. در رویکرد سه بعدی، از بلاک‌های سه‌بعدی در بُعد مکان و زمان برای رفع نویز در ویدئو استفاده شده است. علاوه بر این رویکردها، راهکار جدیدی با نام visar incremental bm3d یا به اختصار visaribm3d با توسعه روش مشهور رفع نویز تصویر sarbm3d نیز ارائه شده که توانسته است با تغیر ساختار این روش برای ویدئو، زمان اجرای کمتر و حفظ جزئیات بهتری را به همراه آورد. روش sarbm3d در گام نخست در فضای موجک تخمین اولیه از تصویر بدون نویز را محاسبه کرده و سپس در گام دوم به‌کمک تصویر نویزی و تخمین اولیه، تصویر رفع نویز شده نهایی را تخمین می‌زند. در روش visaribm3d با بهره‌گیری از همبستگی بین فریم‌های متوالی ویدئو، از نتیجه فریم قبلی برای رفع نویز فریم جاری استفاده شده تا بتوان علاوه بر حفظ جزئیات و تمایز تصاویر، زمان اجرای الگوریتم را نیز بهبود بخشید. نتایج به‌دست‌آمده بر روی ویدئو با نویز شبیه‌سازی و همچنین ویدئو واقعی ویسار، کارایی رویکرد سه‌بعدی پیشنهادی نسبت با سایر رویکردها و همچنین کارایی بالاتر روش پیشنهادی visaribm3d نسبت به روش‌های قبلی را نشان می‌دهد.

Extending SAR Image Despckling methods for ViSAR Denoising

Synthetic Aperture Radar (SAR) is widely used in different weather conditions for various applications such as mapping, remote sensing, urban, civil, and military monitoring. Recently, a new radar sensor called Video SAR (ViSAR) has been developed to capture sequential frames from moving objects for environmental monitoring applications such as image or video segmentation, classification and change detection. Same as SAR images, the major problem of ViSAR is the presence of speckle noise. In this paper, the performance of several imagebased denoising methods is studied for despeckling of ViSAR frames through ldquo;FramebyFrame rdquo;, ldquo;Averaging rdquo; and ldquo;3D rdquo; schemes. In ldquo;FramebyFrame rdquo; scheme, each video frame is denoised independently of the other frames; whereas, in ldquo;Averaging rdquo; scheme, the denoised images are averaged along a time window. In ldquo;3D rdquo; scheme, denoising is performed on 3D blocks in spacetime (xyt) domain. In addition to these schemes, a novel extension on SARBM3D method, called ViSAR Incremental BM3D (ViSARIBM3D) approach is proposed for video denoising. The SARBM3D method performs denoising in two steps. At the first step, it uses wavelet denoising to primitively denoise the original image; in the next step, this image in combination with the original image are used to estimate the final denoised image. The main challenge of SARBM3D method is high time complexity especially for video frames. Here, in ViSARIBM3D, we benefit from the correlation between the frames of video and utilize the denoised images in previous frame to despeckle the current frame. The proposed method can remarkably reduce the time complexity and improve preserving the details and the contrast of the denoised frames. The experimental results evaluated on realworld ViSAR video as well as video with simulated noises show that the proposed 3D filtering scheme and the proposed ViSARIBM3D method achieve better denoising performance than the other ones.