کاهش اثر اسپکل در تصاویر رادار با روزنه مصنوعی، بر مبنای فیلترینگ تطبیقی طیف اندازه در حوزه فرکانس

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 270

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIS-12-2_001

تاریخ نمایه سازی: 24 شهریور 1400

چکیده مقاله:

وجود اسپکل در تصاویر رادار با روزنه مصنوعی، به دلیل سیستم تصویربرداری همدوس، باعث ایجاد اثر دانه دانه ای در تصویر شده و برخی پردازش های شی گرا همانند قطعه بندی، خوشه بندی و یا شناسایی هدف را تحت تاثیر قرار می دهد. از این رو می توان اغلب الگوریتم های مورد استفاده در کاهش اثر اسپکل را در یکی از روش های مبتنی بر حوزه مکان، روش های مبتنی بر تبدیل و یا روش های وابسته به بهینه سازی طبقه بندی کرد. از جمله محدودیت های موجود در روش های مورد استفاده اغلب می توان به عدم حفظ بافت و ساختار تصویر و نیز وابستگی اجرای الگوریتم به یک یا چند پارامتر تنظیم کننده اشاره کرد که همین موضوع، استفاده از این روش ها را در کاربردهای عملی با چالش رو به رو می سازد. از این رو 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 بافت های ظریف تصویر، به طور قابل ملاحظه ای اثر اسپکل را کاهش می دهد. 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 روش های کانوولوشن مکانی که نیاز به تنظیم ابعاد کرنل دارد، مرتبه محاسباتی پایین تری خواهد داشت. نتایج ارزیابی نشان می دهد که الگوریتم پیشنهادی در مقایسه با فیلترهای مکانی تطبیقی، ضمن بهبود ۵۰ درصدی شاخص تعداد منظرهای معادل در تصاویر SAR، مقدار شاخص حفظ لبه را نیز به طور میانگین برای تصاویر SAR و شبیه سازی SAR حدودا ۵۰  و ۳۰ درصد بهبود می بخشد.

نویسندگان

حمید جنتی

دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی

محمدجواد ولدان زوج

استاد گروه فتوگرامتری و سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Argenti F. & Alparone, L., ۲۰۰۲, Speckle removal from SAR ...
  • Argenti, F., Lapini, A., Bianchi, T. & Alparone, L., ۲۰۱۳, ...
  • Aubert, G. & Aujol, J.F., ۲۰۰۸, A variational approach to ...
  • Bianchi, T., Argenti, F. & Alparone, L., ۲۰۰۸, Segmentation-based MAP ...
  • Deledalle, C.A, Denis, L. & Tupin, F., ۲۰۱۵, A. Reigber, ...
  • Deledalle, C.-A., Denis, L., Poggi, G., Tupin, F. & Verdoliva, ...
  • Franceschetti, G. & Lanari, R., ۱۹۹۹, Synthetic Aperture Radar (SAR), ...
  • Kang, M., Yun, S. & Woo, H., ۲۰۱۳, Two-level convex ...
  • Lee, J.-S, ۱۹۸۳, Digital image smoothing and the sigma filter, ...
  • Lee, J.-S. Wen, J.-H. ,Ainsworth, T. L., Chen, K.-S. & ...
  • Li, Y., Gong, H., Feng, D. & Zhang, Y., ۲۰۱۱, ...
  • Liu, S., Liu, M., Li, P., Zhao, J., Zhu, Z. ...
  • Lopes, A., Touzi, R. & Nezry, E., ۱۹۹۰, Adaptive speckle ...
  • Martino, G.D. & Poggi, G., ۲۰۱۶, Scattering-Based SARBM۳D, IEEE journal ...
  • Martino, G.D. & Riccio, D., ۲۰۱۴, Benchmarking Framework for SAR ...
  • Nezry, E., Lopes, A. & Touzi, R., ۱۹۹۲, Detection of ...
  • Nugroho, H. A., Triyani, Y., Rahmawaty, M., Ardiyanto, I. & ...
  • Oliver, C. & Quegan, S., ۲۰۰۴, Understanding Synthetic Aperture Radar ...
  • Parrilli, S., Poderico, M., Angelino, C.V. & Verdoliva, L., ۲۰۱۲, ...
  • Ranjani, J.J. & Thiruvengadam, S.J., ۲۰۱۰, Dual-Tree complex wavelet trans-form ...
  • Solbo, S. & Eltoft, T., ۲۰۰۴, Homomorphic wavelet-based statistical despeck-ling ...
  • Torralba, A. & Oliva, A., ۲۰۰۳, Statistics of natural image ...
  • Touzi, R., Lopes, A. & Bousquet, P., ۱۹۸۸, A statistical ...
  • Wang, Y., Yang, J., Yin, W. & Zhang, Y., ۲۰۰۸, ...
  • Xu, B., Cui, Y., Li, Z. & Yang, J., ۲۰۱۵, ...
  • Zhang, W., Liu, F., Jiao, L., Hou, B., Wang, S. ...
  • نمایش کامل مراجع