این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۷، شماره ۲، صفحات ۹۳-۱۰۴
عنوان فارسی روشی نوین به منظور کاهش نویز لکه‌ای تصاویر رادارهای دهانه ترکیبی در حوزه موجک
چکیده فارسی مقاله تصاویر رادارهای دهانه ترکیبی SAR (Synthetic Aperture Radar) کاربردهای فراوانی در زمینه ­های گوناگون دارند. اما وجود نویز ضرب شونده ای به نام نویز لکه ای پردازش این تصاویر را با مشکل مواجه می­ کنند. لذا کاهش نویز لکه ای از گام­ های ضروری پردازش تصاویر SARاست. 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 وابستگی­ های ضرایب موجک درون یک زیر باند در نظر گرفته شده و توزیع چند متغیره ضرایب موجک استفاده می ­شود. سپس به منظور حذف نویز تصاویر SAR، تخمین­گر بیزین کمترین خطای مربعات MMSE (Minimum Mean Square Error) بر مبنای استفاده از مدل پیشنهادی طراحی می­ گردد. نتایج آزمایشات روی تصاویر شبیه سازی شده و تصاویر SAR واقعی حاکی از کارایی بالای روش پیشنهادی است.
کلیدواژه‌های فارسی مقاله تصاویر رادارهای دهانه ترکیبی، تخمین کمترین مربعات، مدلسازی آماری توام، تبدیل موجک، نویز لکه ای،
عنوان انگلیسی A Novel Wavelet Domain Speckle Suppression Method for SAR Images
چکیده انگلیسی مقاله 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.
کلیدواژه‌های انگلیسی مقاله تصاویر رادارهای دهانه ترکیبی, تخمین کمترین مربعات, مدلسازی آماری توام, تبدیل موجک, نویز لکه ای
نویسندگان مقاله مریم امیرمزلقانی |
دانشکده مهندسی کامپیوتر دانشگاه صنعتی امیرکبیر

علیرضا سلیمی |
دانشجوی کارشناسی ارشد دانشکده مهندسی کامپیوتر و فن آوری اطلاعات، دانشگاه صنعتی امیرکبیر

نشانی اینترنتی https://jmvip.sinaweb.net/article_110926_0f6f3d169c7e8006c2fba76738271488.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات