[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 308
نرخ پذیرش: 62.7
نرخ رد: 37.3
میانگین داوری: 209 روز
میانگین انتشار: 344 روز
..
:: دوره 6، شماره 4 - ( 12-1397 ) ::
جلد 6 شماره 4 صفحات 162-149 برگشت به فهرست نسخه ها
کاهش اسپکل در تصاویر رادار دریچه مصنوعی در حوزه‌ی موجک با استفاده از توزیع لاپلاس
رامین فرهادیانی* ، عبدالرضا صفری ، سعید همایونی
دانشگاه تهران
چکیده:   (2983 مشاهده)
اسپکل یک پدیده‏ی نویز مانند دانه‏ای است که به‌دلیل ویژگی همدوس بودن سیستم‏های تصویربرداری
SAR (Synthetic Aperture Radar) در آن‏ها پدیدار می‏شود. حضور پدیده‏ی اسپکل، تجزیه و تحلیل‏های انسانی و اتوماتیک را پیچیده می‏کند. بر همین اساس کاهش اسپکل در تصاویر SAR، یک مرحله‏ی پیش پردازشی مهم برای بسیاری از کاربردهای مرتبط با سنجش از دور است. کاهش اسپکل در تصاویر SAR، می‏تواند توسط چندمنظرسازی در زمان تشکیل تصویر و یا با استفاده از فیلترهای مکانی پس از تشکیل تصویر انجام شود. اما این روش‏ها دارای برخی محدودیت‏ها مانند کاهش قدرت تفکیک مکانی و از بین رفتن جزئیات تصویر هستند. برای غلبه بر این مشکلات‏، می‏توان از روش‏های مبتنی بر آنالیز چند تجزیه‏ای مانند تبدیل موجک استفاده نمود. در این مقاله، یک روش کاهش اسپکل در حوزه‏ی موجک با استفاده از نظریه‏ی بیزین و بر اساس برآوردگر MAP (Maximum a Posteriori) ارائه شده است. ضرایب بدون نویز موجک حاصل از تصویر لگاریتم گرفته شده و نویز در حوزه‏ی موجک، به‌ترتیب توسط توابع چگالی احتمال لاپلاس و گوسین مدل شدند. برای مقایسه‏، روش‏های انقباض ویزیو، سور و بیز به‌کار گرفته شدند. همچنین برای ارزیابی این روش‏ها، از دو نوع داده‏ی SAR شبیه‏سازی شده و واقعی استفاده شد. شاخص‏های ارزیابی برای داده‏ی SAR شبیه‏سازی شده، شاخص PSNR (Peak Signal-to-Noise Ratio) و شاخص حفظ لبه‏ی  بود، همچنین شاخص ENL (Equivalent Number of Looks) برای ارزیابی داده‏ی SAR واقعی استفاده شد. نتایج تجربی حاصل از کاهش اسپکل، نشان‏دهنده‏ی عملکرد برتر روش پیشنهادی در کاهش اسپکل و حفظ بهتر جزئیات تصویر SAR بود.
واژه‌های کلیدی: رادار با دریچه گشایش مصنوعی، کاهش اسپکل، تبدیل موجک، توزیع لاپلاس.
متن کامل [PDF 1789 kb]   (812 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: 1396/10/2 | پذیرش: 1397/2/31 | انتشار: 1397/12/29
فهرست منابع
1. [1] A. Moreira, P. Prats-Iraola, M. Younis, G. Krieger, I. Hajnsek, and K. P. Papathanassiou, "A tutorial on synthetic aperture radar," IEEE Geosci. Remote Sens. Mag., vol. 1, no. 1, pp. 6-43, 2013. [DOI:10.1109/MGRS.2013.2248301]
2. [2] F. Argenti, A. Lapini, T. Bianchi, and L. Alparone, "A tutorial on speckle reduction in synthetic aperture radar images," IEEE Geosci. Remote Sens. Mag., vol. 1, no. 3, pp. 6-35, 2013. [DOI:10.1109/MGRS.2013.2277512]
3. [3] J.-S. Lee, "Speckle suppression and analysis for synthetic aperture radar images," Opt. Eng., vol. 25, no. 5, p. 255636, 1986. [DOI:10.1117/12.7973877]
4. [4] V. S. Frost, J. A. Stiles, K. S. Shanmugan, and J. C. Holtzman, "A model for radar images and its application to adaptive digital filtering of multiplicative noise," IEEE Trans. Pattern Anal. Mach. intell., no. 2, pp. 157-166, 1982. [DOI:10.1109/TPAMI.1982.4767223]
5. [5] D. T. Kuan, A. A. Sawchuk, T. C. Strand, and P. Chavel, "Adaptive noise smoothing filter for images with signal-dependent noise," IEEE Trans. Pattern Anal. Mach. intell., no. 2, pp. 165-177, 1985. [DOI:10.1109/TPAMI.1985.4767641]
6. [6] C. Oliver and S. Quegan, Understanding synthetic aperture radar images. SciTech Publishing, 2004.
7. [7] S. G. Chang, B. Yu, and M. Vetterli, "Adaptive wavelet thresholding for image denoising and compression," IEEE Trans. Image Proc., vol. 9, no. 9, pp. 1532-1546, 2000. [DOI:10.1109/83.862633]
8. [8] B. Vidakovic, Statistical modeling by wavelets, vol. 503. John Wiley & Sons, 2009.
9. [9] S. G. Mallat, "A theory for multiresolution signal decomposition: the wavelet representation," IEEE Trans. Pattern Anal. Mach. intell., no. 7, pp. 674-693, 1989. [DOI:10.1109/34.192463]
10. [10] A. Achim, P. Tsakalides, and A. Bezerianos, "SAR image denoising via Bayesian wavelet shrinkage based on heavy-tailed modeling," IEEE Trans. Geosci. Remote Sens., vol. 41, no. 8, pp. 1773-1784, 2003. [DOI:10.1109/TGRS.2003.813488]
11. [11] S. Solbo and T. Eltoft, "Homomorphic wavelet-based statistical despeckling of SAR images," IEEE Trans. Geosci. Remote Sens., vol. 42, no. 4, pp. 711-721, 2004. [DOI:10.1109/TGRS.2003.821885]
12. [12] M. I. H. Bhuiyan, M. O. Ahmad, and M. N. S. Swamy, "A new homomorphic Bayesian wavelet-based MMAE filter for despeckling SAR images," in IEEE Int. Symp. on Circuits and Systems (ISCAS), 2005, pp. 4935-4938.
13. [13] [13] M. I. H. Bhuiyan, M. O. Ahmad, and M. N. S. Swamy, "Spatially adaptive wavelet-based method using the Cauchy prior for denoising the SAR images," IEEE Trans. Circuits Syst. Video Technol., vol. 17, no. 4, pp. 500-507, 2007. [DOI:10.1109/TCSVT.2006.888020]
14. [14] M. Amini, M. O. Ahmad, and M. N. S. Swamy, "SAR Image despeckling using vector-based hidden Markov model in wavelet domain," in IEEE Canadian Conf. on Electrical and Computer Eng. (CCECE), 2016, pp. 1-4. [DOI:10.1109/CCECE.2016.7726704]
15. [15] H. H. Arsenault and G. April, "Properties of speckle integrated with a finite aperture and logarithmically transformed," J. Opt. Soc. Amer., vol. 66, no. 11, pp. 1160-1163, 1976. [DOI:10.1364/JOSA.66.001160]
16. [16] J. W. Goodman, "Some fundamental properties of speckle," J. Opt. Soc. Amer., vol. 66, no. 11, pp. 1145-1150, 1976. [DOI:10.1364/JOSA.66.001145]
17. [17] [17] H. Xie, L. E. Pierce, and F. T. Ulaby, "Statistical properties of logarithmically transformed speckle," IEEE Trans. Geosci. Remote Sens., vol. 40, no. 3, pp. 721-727, 2002. [DOI:10.1109/TGRS.2002.1000333]
18. [18] D. Gleich and M. Datcu, "Gauss-Markov model for wavelet-based SAR image despeckling," IEEE Signal Process. Lett., vol. 13, no. 6, pp. 365-368, 2006. [DOI:10.1109/LSP.2006.871712]
19. [19] D. L. Donoho and J. M. Johnstone, "Ideal spatial adaptation by wavelet shrinkage," Biometrika, vol. 81, no. 3, pp. 425-455, 1994. [DOI:10.1093/biomet/81.3.425]
20. [20] L. Sendur and I. W. Selesnick, "Bivariate shrinkage functions for wavelet-based denoising exploiting interscale dependency," IEEE Trans. Signal Process., vol. 50, no. 11, pp. 2744-2756, 2002. [DOI:10.1109/TSP.2002.804091]
21. [21] L. Sendur and I. W. Selesnick, "Bivariate shrinkage with local variance estimation," IEEE Signal Process. Lett., vol. 9, no. 12, pp. 438-441, 2002. [DOI:10.1109/LSP.2002.806054]
22. [22] H. Xie, L. E. Pierce, and F. T. Ulaby, "SAR speckle reduction using wavelet denoising and Markov random field modeling," IEEE Trans. Geosci. Remote Sens., vol. 40, no. 10, pp. 2196-2212, 2002. [DOI:10.1109/TGRS.2002.802473]
23. [23] D. L. Donoho and I. M. Johnstone, "Adapting to unknown smoothness via wavelet shrinkage," J. Amer. Stat. Assoc., vol. 90, no. 432, pp. 1200-1224, 1995. [DOI:10.1080/01621459.1995.10476626]
24. [24] H. Guo, J. E. Odegard, M. Lang, R. A. Gopinath, I. W. Selesnick, and C. S. Burrus, "Wavelet based speckle reduction with application to SAR based ATD/R," in Proc. 1st Int. Conf. on Image Process., 1994, vol. 1, pp. 75-79.
25. [25] R. R. Coifman and D. L. Donoho, "Translation-invariant de-noising," in Wavelets and Statistics, Springer, 1995, pp. 125-150. [DOI:10.1007/978-1-4612-2544-7_9]
26. [26] F. Sattar, L. Floreby, G. Salomonsson, and B. Lovstrom, "Image enhancement based on a nonlinear multiscale method," IEEE Trans. Image Process., vol. 6, no. 6, pp. 888-895, 1997. [DOI:10.1109/83.585239]
27. [27] "German Aerospace Center." [Online]. Available: http://www.dlr.de/
28. [28] "European Space Agency." [Online]. Available: https://earth.esa.int/web/polsarpro/data-sources/sample- datasets.
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Farhadiani R, Safari A, Homayouni S. Speckle Reduction in Synthetic Aperture Radar Images in Wavelet Domain Using Laplace Distribution. jgit 2019; 6 (4) :149-162
URL: http://jgit.kntu.ac.ir/article-1-649-fa.html

فرهادیانی رامین، صفری عبدالرضا، همایونی سعید. کاهش اسپکل در تصاویر رادار دریچه مصنوعی در حوزه‌ی موجک با استفاده از توزیع لاپلاس. مهندسی فناوری اطلاعات مکانی. 1397; 6 (4) :149-162

URL: http://jgit.kntu.ac.ir/article-1-649-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 6، شماره 4 - ( 12-1397 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4642