|
|
روشی نوین به منظور کاهش نویز لکهای تصاویر رادارهای دهانه ترکیبی در حوزه موجک
|
|
|
|
|
نویسنده
|
امیرمزلقانی مریم ,سلیمی علیرضا
|
منبع
|
ماشين بينايي و پردازش تصوير - 1399 - دوره : 7 - شماره : 2 - صفحه:93 -104
|
|
|
چکیده
|
تصاویر رادارهای دهانه ترکیبی sar (synthetic aperture radar) کاربردهای فراوانی در زمینههای گوناگون دارند. اما وجود نویز ضرب شونده ای به نام نویز لکه ای پردازش این تصاویر را با مشکل مواجه میکنند. لذا کاهش نویز لکه ای از گام های ضروری پردازش تصاویر sar است. در این مقاله، روش بیزین نوینی به منظور کاهش نویز لکه ای تصاویر sarدر حوزه موجک ارائه می شود که بر مبنای استفاده از مدلسازی توام است. در روش پیشنهادی، ابتدا تبدیل لگاریتم و سپس تبدیل موجک به تصاویر sar اعمال می گردد. سپس مدلسازی ضرایب موجک با استفاده از توزیع گوسی معکوس نرمال nig (normal inverse gaussian) توامان انجام می شود. با توجه به اهمیت دقت مدلسازی آماری و وجود وابستگی میان ضرایب موجک، در مدل آماری ارائه شده وابستگیهای ضرایب موجک درون یک زیر باند در نظر گرفته شده و توزیع چند متغیره ضرایب موجک استفاده میشود. سپس به منظور حذف نویز تصاویر sar، تخمینگر بیزین کمترین خطای مربعات mmse (minimum mean square error) بر مبنای استفاده از مدل پیشنهادی طراحی میگردد. نتایج آزمایشات روی تصاویر شبیه سازی شده و تصاویر sar واقعی حاکی از کارایی بالای روش پیشنهادی است.
|
کلیدواژه
|
تصاویر رادارهای دهانه ترکیبی، تخمین کمترین مربعات، مدلسازی آماری توام، تبدیل موجک، نویز لکه ای
|
آدرس
|
دانشگاه صنعتی امیرکبیر, دانشکده مهندسی کامپیوتر و فن آوری اطلاعات, ایران, دانشگاه صنعتی امیرکبیر, ایران
|
پست الکترونیکی
|
ar.salimi@aut.ac.ir
|
|
|
|
|
|
|
|
|
A Novel Wavelet Domain Speckle Suppression Method for SAR Images
|
|
|
Authors
|
Salimi Alireza ,Amirmazlaghani Maryam
|
Abstract
|
Synthetic Aperture Radar (SAR) images have many applications in different fields. But, the existence of multiplicative noise called speckle is a problem in processing SAR images. So, speckle suppression is an essential step in processing SAR images. In this paper, a novel Bayesian wavelet domain speckle suppression method is proposed that is based on joint modeling. In the proposed method, first logarithm and then wavelet transform are applied to the SAR images. Normal Inverse Gaussian (NIG) distribution is used for statistical modeling of wavelet coefficients. Due to the importance of precise statistical modeling and the existence of dependency between wavelet coefficients, proposed method captures the dependencies of wavelet coefficients using joint modeling. Then, based on using the proposed model, a minimum mean square error (MMSE) estimator is designed to denoise SAR images. Experimental results using synthetic and real SAR images demonstrate the efficiency of the proposed method.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|