نویززدایی از تصویر رادار روزنه مجازی با استفاده از هموارسازی منطبق و نمایش تنک

به دلیل کاربردهای گسترده و نیاز به تشخیص جزئیات صحنه از تصاویر رادار روزنه مجازی، موضوع بهبود کیفیت این تصاویر پس از تشکیل، مورد توجه گسترده قرار گرفته است. با توجه به ماهیت تشکیل تصاویر رادار روزنه مجازی وجود نویز لکه به عنوان مهمترین عامل تخریب کیفیت این تصاویر می باشد که به‌صورت ضرب شونده مدل می شود. در این مقاله روش‌ جدیدی برای حذف نویز لکه ارائه می شود. استفاده از تخمین گر map با توجه به تابع توزیع نویز و ارائه مساله بهینه سازی محدب به‌صورت محلی، ایده اصلی این مقاله است که در آنتعدیل‌سازهای هموارسازی منطبق، نمایش تنک و نگاشتدر فضای تصویر به‌کار گرفته می شود. ارائه مدل بهینه سازی به‌صورت محلی و استفاده از هموارسازی منطبق امکان حذف مناسب نویز، حفظ لبه های قوی و جلوگیری از هموارسازی بیش از اندازه تصاویر را فراهم می سازد. همچنین، استفاده از نمایش تنک باعث حفظ مناسب بافت های تصویر و نگاشت در فضای تصویر موجب تقویت الگوریتم در مقابل سطوح بالای نویز می شود. به‌‌منظور حل مساله بهینه سازی روشی مبتنی بر کمینه سازی تناوبی معرفی می شود. نتایج شبیه سازی، کارایی مناسب روش پیشنهادی در نویززدایی و حفظ جزئیات تصویر و ارائه نتایج بهتر نسبت به تعداد زیادی از روش های موجود را نشان می دهد.

SAR Image Denoising Using Adaptive Smoothing and Sparse Representation

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.