ارائه روشی برای شناسایی پیکسل‌های مشکوک به وجود نوفه تغییر بیت در تصاویر ماهواره لندست

وجود انواع نوفه در تصاویر لندست، استخراج اطلاعات صحیح را دشوار و بعضا غیر ممکن می سازد. یکی از این نوفه ها، نوفه ضربه ای تغییر بیت است که در حین انتقال داده ها به زمین با تغییر یکی از بیت های پیکسل به وجود می آید، به گونه ای که اگر این بیت در مراتب بالاتر باشد، تغییر ممکن است به دفعات از سیگنال اصلی نیز بزرگتر باشد. در این پژوهش یک روش نوین برای شناسایی و رفع نوفه تغییر بیت در تصاویر اخذ شده توسط ماهواره های لندست ارائه شده است. در این روش از یک آشکارساز فازی برای شناسایی پیکسل های آلوده به نوفه استفاده شده است. پس از شناسایی این پیکسل ها و مقایسه رقم دیجیتال آن با رقم دیجیتال پیکسل های مجاور، بیت های تغییر یافته شناسایی و اصلاح شده اند. بزرگترین مزیت این روش این است که فرایند رفع نوفه تنها بر روی پیکسل های آلوده تاثیر می گذارد. برای سنجش نتایج حاصل از اصلاح تصاویر واقعی و شبیه سازی شده برای نوفه تغییر بیت و همچنین مقایسه روش ارائه شده در این پژوهش با روش های پرکاربرد پیشین از پارامترهای آماری تصاویر و شاخص های میانگین مربعات خطا و شاخص اندازه گیری شباهت ساختاری استفاده شده است. بررسی بصری تصاویر اصلاح شده و کاهش در انحراف معیار پس از اصلاح تصاویر واقعی نشان دهنده کاهش نوفه می باشد. همچنین بیشترین مقدار به دست آمده برای شاخص شاخص اندازه گیری شباهت ساختاری برابر 0.9 می باشد که پس از اجرای روش پیشنهاد شده در این مقاله بر روی تصویر شبیه سازی شده به دست آمد. همچنین مقدار میانگین مربعات خطای به دست آمده برای روش پیشنهاد شده در این پژوهش برابر 101.82 می باشد که نشان دهنده عملکرد مناسب این روش نسبت به روش های پرکاربرد پیشین می باشد.

Introducing a Method for Detection of the Suspected Bit_Flip Noise Affected Pixels in Landsat Images

Presence of different noises in Landsat images renders the extraction of descent information hard or sometimes impossible. One of these noises is BitFlip noise that happens when the signals are transferring from satellite to the other platforms and/or ground stations. During this transferring process, one bit might be affected and altered (e.g. 1 to 0 or 0 to 1). Clearly if the position of this bit is in higher bit values, then the change might be as large as the signal itself. This for dark pixels might be even few orders of magnitudes larger. In this work, a novel method for detection of affected bit and its correction is introduced. In this method, first we used a fuzzy detector method to identify the noise affected pixels. Then the pixels DN values were compared with the neighboring pixels and as results the affected pixels and the degree of affection were calculated. Since the change must be of the order of 2n, the proper value will be identified and corrected accordingly. The method was compared with the other wellknown methods using statistical parameters such as SSIM and PSNR. The value for SSIM and PSNR were 0.9 and 28db respectively which were much better compared to other methods.