حذف نویز لکه از تصاویر sar بر پایه ترکیب روش آستانه‌گذاری با تخمین‌زن‌های بیزین mmse/map در حوزه تبدیل کانتورلت

در آنتن گیرنده سیستم ­sar تداخل تصادفی بازتاب‌های متفرق‌شده حاصل از برخورد امواج الکترومغناطیسی با هدف، که به‌صورت همدوس باهم جمع می‌شوند، باعث ایجاد نویز لکه در تصویر می‌گردد. نویز لکه در تصویرsar که غالباً به‌صورت ضرب‌شونده مدل‌سازی می‌شود، باعث کاهش کیفیت تصاویر می‌گردد. در این مقاله در ابتدا روش‌های کاهش نویز لکه مبتنی بر آستانه‌گذاری و نظریه تخمین در حوزه تبدیل کانتورلت فاقد زیرنمونه‌برداری(nsct)، که از پیچیدگی پایین و سرعت پیاده‌سازی بالایی برخوردار هستند، معرفی شده‌اند. در روش‌های آستانه‌گذاری مرسوم ضرایب تبدیل زیر یک آستانه به صفر نگاشته می‌شوند و این درحالی است که ممکن است اطلاعات مفیدی از تصویر در این ضرایب وجود داشته باشد. در ادامه با هدف بهره‌گیری هم‌زمان از مزیت سادگی روش آستانه‌گذاری و دقت بالای فیلترهای بیزین، ایده استفاده از یک روش ترکیبی حذف لکه ارائه شده است که براساس آن ضرایب nsct با دامنه کوچک‌تر از آستانه با کمک فیلترهای mmse/map تخمین زده شده‌اند. مقایسه کارایی روش حذف لکه ارائه‌شده با سایر روش‌های مشابه براساس اندیس‌های معتبر آماری روی تصاویر صحنه هدف با نویز مصنوعی و واقعی به‌طور جداگانه، مورد آزمایش و بحث قرار گرفته است. نتایج ارائه‌شده کارایی بهتر الگوریتم ارائه‌شده در مقایسه با الگوریتم‌های آستانه‌گذاری و فیلترهای  mmse/map، را نشان می‌دهد.

SAR Despeckling using a Combination of Thresholding and MMSE/MAP Bayesian Estimation in Contourlet Transform Domain

In the receiver antenna of SAR system electromagnetic waves backscattered from the target surface, add together coherently and random interference of these waves causes the speckle noise in reconstructed SAR images. Speckle may be modeled as a multiplicative noise which degrades the quality of SAR images. In this paper, we first present a review of lowcomplexity and highspeed despeakling algorithms which are developed based on thresholding and Bayesian estimation in nonsubsampled contourlet transform (NSCT) domain. In usual thresholding methods when input amplitudes fall below a given threshold they are mapped to zero, however such amplitudes may contain useful information about image details. In order to simultaneously gain the lowcomplexity property of thresholding and high precision of Bayesian estimators, we then suggest a new thresholding method in which smallamplitude NSCT coefficients are estimated using LMMSE/MAP filters. The performance of despeckling filters is quantitatively evaluated on both simulated data and real SAR image using statistical indexes. The results illustrate the superior performance of the proposed algorithm in comparison with usual thresholding and Bayesian MMSE/MAP filters.