Speckle Reduction Of SAR Images Research Articles

Speckle reduction in SAR images based on an adaptive filtering in the frequency domain

وجود اسپکل در تصاویر رادار با روزنه مصنوعی، به دلیل سیستم تصویربرداری همدوس، باعث ایجاد اثر دانه دانه‌ای در تصویر شده و برخی پردازش‌های شی‌گرا همانند قطعه‌بندی، خوشه‌بندی و یا شناسایی هدف را تحت تاثیر قرار می‌دهد. از این‌رو می‌توان اغلب الگوریتم‌های مورد استفاده در کاهش اثر اسپکل را در یکی از روش‌های مبتنی بر حوزه مکان، روش‌های مبتنی بر تبدیل و یا روش‌های وابسته به بهینه‌سازی طبقه‌بندی کرد. از جمله محدودیت‌های موجود در روش‌های مورد استفاده اغلب می‌توان به عدم حفظ بافت و ساختار تصویر و نیز وابستگی‌ اجرای الگوریتم به یک یا چند پارامتر تنظیم‌کننده اشاره کرد که همین موضوع، استفاده از این روش‌ها را در کاربردهای عملی با چالش رو به رو می‌سازد. از این‌رو در پژوهش حاضر، با در نظر گرفتن رفتار فرکانسی تصاویر SAR، روشی بر مبنای فیلترینگ تطبیقی طیف اندازه در حوزه فرکانس ارائه شده است. ایده اصلی روش پیشنهادی تخصیص یک مدل تحلیلی بر مبنای رفتار فرکانسی تصویر SAR، به طیف اندازه تبدیل فوریه آن و بازیابی خروجی با اثر اسپکل کاهش یافته است. روش پیشنهادی ضمن حفظ بافت‌های ظریف تصویر، به طور قابل ملاحظه‌ای اثر اسپکل را کاهش می‌دهد. علاوه بر آن الگوریتم پیشنهادی به صورت خودکار اجرا شده و نیازی به برآورد پارامترهای تنظیمی ندارد. همچنین در تصاویر با پیچیدگی بافت زیاد و در روش‌های کانوولوشن مکانی که نیاز به تنظیم ابعاد کرنل دارد، مرتبه محاسباتی پایین‌تری خواهد داشت. نتایج ارزیابی نشان می‌دهد که الگوریتم پیشنهادی در مقایسه با فیلترهای مکانی تطبیقی، ضمن بهبود 50 درصدی شاخص تعداد منظرهای معادل در تصاویر SAR، مقدار شاخص حفظ لبه را نیز به طور میانگین برای تصاویر SAR و شبیه‌سازی SAR حدودا 50 و 30 درصد بهبود می‌بخشد.

Speckle reduction in SAR images based on an adaptive filtering in the frequency domain

وجود اسپکل در تصاویر رادار با روزنه مصنوعی، به دلیل سیستم تصویربرداری همدوس، باعث ایجاد اثر دانه دانه‌ای در تصویر شده و برخی پردازش‌های شی‌گرا همانند قطعه‌بندی، خوشه‌بندی و یا شناسایی هدف را تحت تاثیر قرار می‌دهد. از این‌رو می‌توان اغلب الگوریتم‌های مورد استفاده در کاهش اثر اسپکل را در یکی از روش‌های مبتنی بر حوزه مکان، روش‌های مبتنی بر تبدیل و یا روش‌های وابسته به بهینه‌سازی طبقه‌بندی کرد. از جمله محدودیت‌های موجود در روش‌های مورد استفاده اغلب می‌توان به عدم حفظ بافت و ساختار تصویر و نیز وابستگی‌ اجرای الگوریتم به یک یا چند پارامتر تنظیم‌کننده اشاره کرد که همین موضوع، استفاده از این روش‌ها را در کاربردهای عملی با چالش رو به رو می‌سازد. از این‌رو در پژوهش حاضر، با در نظر گرفتن رفتار فرکانسی تصاویر SAR، روشی بر مبنای فیلترینگ تطبیقی طیف اندازه در حوزه فرکانس ارائه شده است. ایده اصلی روش پیشنهادی تخصیص یک مدل تحلیلی بر مبنای رفتار فرکانسی تصویر SAR، به طیف اندازه تبدیل فوریه آن و بازیابی خروجی با اثر اسپکل کاهش یافته است. روش پیشنهادی ضمن حفظ بافت‌های ظریف تصویر، به طور قابل ملاحظه‌ای اثر اسپکل را کاهش می‌دهد. علاوه بر آن الگوریتم پیشنهادی به صورت خودکار اجرا شده و نیازی به برآورد پارامترهای تنظیمی ندارد. همچنین در تصاویر با پیچیدگی بافت زیاد و در روش‌های کانوولوشن مکانی که نیاز به تنظیم ابعاد کرنل دارد، مرتبه محاسباتی پایین‌تری خواهد داشت. نتایج ارزیابی نشان می‌دهد که الگوریتم پیشنهادی در مقایسه با فیلترهای مکانی تطبیقی، ضمن بهبود 50 درصدی شاخص تعداد منظرهای معادل در تصاویر SAR، مقدار شاخص حفظ لبه را نیز به طور میانگین برای تصاویر SAR و شبیه‌سازی SAR حدودا 50 و 30 درصد بهبود می‌بخشد.

Speckle Noise Reduction in SAR Images Using Fuzzy Inference System

In recent years, image processing has played a vital role in major research areas. In this article, a new approach using a fuzzy inference system is proposed for speckle reduction in SAR images. In general, SAR images are predominantly used to monitor coastal regions to detect oil spills, ship wake, sea shores and climate changes. In this article, a gamma distribution model is used in a fuzzy inference system to remove speckle noise from SAR images. The performance of the proposed model is tested using fuzzy inference systems, such as mamdani and sugeno. The experimental results proved the efficiency of the proposed system through objective metrics.

SAR Image Speckle Reduction Method based on Bandelet Transform Domain of Total Variation

SAR Image Speckle Reduction Method based on Bandelet Transform Domain of Total Variation

Almost translation invariant wavelet transformations for speckle reduction of sar images

Two wavelet transformations are used for speckle reduction and enhancement of synthetic aperture radar (SAR) images. First, a discrete wavelet transformation (DWT) based on oversampled filter banks is used. The oversampled DWT is called a double-density DWT (DD-DWT) and is based on a single-scaling function (low pass) and two distinct wavelet functions (high pass). Second, a discrete wavelet transformation based on two dual real wavelet trees is applied. Each tree produces a set of real DWTs, which together form the complex wavelet transformation (CWT), i.e., a transformation with both real and imaginary parts. Both of these DWTs are almost translation invariant and are useful for speckle reduction through their subband images, and the speckle reduction is obtained by thresholding the subband image coefficients of the digitized SAR images. A thresholding method based on the use of nonlinear functions, which are adapted for each selected subband, is used. The nonlinear functions are based on sigmoid functions. The denoising method presented shows great promise for speckle removal and, hence, can provide good detection performance for SAR-based recognition.

Speckle Suppress for SAR Images Based on Pyramidal Morphology Algorithm

A Pyramidal Morphology Algorithm is developed for speckle reduction of SAR images in this paper. For reducing the loss of information in the pyramidal algorithm for morphology processing, in this modified algorithm, the sub-images are processed parallel in the downs sampling operation and the sub-images are reconstructed in the upsampling operation. It can be applied to image filtering parallel. After analysis the computer simulations show that these two kinds of filters are both effective in speckle reduction of SAR images. The modified parallel algorithm does better than the original algorithm and Lee filter on some characteristics.

Speckle Reduction of SAR Images for Small Feature Extraction.

A new, quantitative and consistent measure of contrast is proposed as a way to evaluate the preservation of small features in SAR images. A despeckling filter should reduce speckle yet preserve very small features of interest to facilitate the subsequent automatic extraction of very small or thin features from a SAR image. With this measure and the speckle index defined by Lee et al., we evaluated 9 despeckling filters using both 19 bright and 19 dark features with varying intensities and contrasts in observed images. We found that the SFP filters developed by the authors is best for extracting bright features. For dark features, the Sigma filter is best, with special situations in which the Enhanced SFP filter performs better.

Two adaptive filters for speckle reduction in SAR images by using the variance ratio

Abstract This paper presents some experimental results on the properties of image speckle along with two adaptive filters that are useful for speckle reduction. An investigation of available SIR-B digital image data over Australia shows that speckle is non-while Gaussian noise and fits a multiplicative noise model in which the noise, uncorrelated with signal, has a mean of 1 and a constant standard deviation. The non-uniform spectrum can be represented by an empirical formula. Based on these results, two adaptive filters have been designed, a moving average filter and a combined moving median filter. In both of these, variance ratios are used to govern the filter parameters. The filters have been applied to some SIR-B image segments, showing good results in both smoothing speckle and maintaining edges.