الگوریتم حذف speckle با قابلیت حفظ لبه برای تصاویر سنجش ازدور رادار روزنه ترکیبی با استفاده از تبدیل چندمقیاسه ی curvelet و آستانه گذاری وفقی

Authors

منیره کوشش

غلامرضا اکبری زاده

abstract

چکیده: تبدیل کرولت (curvelet)، نوع جدیدی از الگوریتم آنالیز چندمقیاسه بوده که برای پردازش تصاویر sar بسیار مناسب است. این تبدیل، جزو تبدیل­های هندسی محسوب می­شود که برای رفع مشکلات اساسی تبدیل­های ویولت (موجک) و گابور در تشخیص لبه­ها و منحنی­ها توسعه پیدا کرد. تبدیل curvelet را می­توان در جهت رسیدن به بخش­بندی بهتر و شناسایی اهداف در تصاویر ماهواره­ای sar با دقت بسیار بالا به کار برد. در این مقاله هدف اصلی، تمرکز بر حذف speckle از تصاویر  sarاست که مهم­ترین مرحله از پردازش تصاویر sar است. به دلیل نتایج عالی تبدیل curvelet در تجزیه­و­تحلیل لبه­های منحنی شکل و دقت بالای آن برای تقریب و توصیف پراکندگی­ها و جهت­ها در مقایسه با تبدیل موجک مناسب است. در این مقاله با استفاده از تبدیل کرولت گسسته سریع (fdct) بر مبنای پیچش، با در نظر گرفتن آستانه وفقی، یک روش جدید برای کاهش نویز speckle و نرمالیزه کردن تصاویر سنجش ازدور sar ارائه شده است؛ به­گونه­ای که بین دو تبدیل کرولت سریع بر پایهusfft  و wrapping مقایسه­ای انجام خواهد شد. با استفاده از نتایج، روشی جدید برای بهره­برداری بهتر این نوع تصاویر معرفی می­شود. سپس برای کاهش نویز از تصاویر sar از تبدیل curvelet گسسته سریع (fdct) استفاده می­شود و ضرایب curvelet کاهش می­یابد. سپس با استفاده از الگوریتم پیشنهادی می­توان ضرایب curvelet را استخراج کرد. این ضرایب تحت تأثیر آستانه نرم قرار گرفته و این امر منجر به کاهش یا حذف نویز در تصاویر sar خواهد شد. در مرحله آخر الگوریتم پیشنهادی، شبیه­سازی شده و نتایج آزمایش­ها بحث خواهد شد. نتایج شبیه­سازی نشان می­دهد که روش پیشنهادی در مقایسه با سایر روش­های قبلی کارایی بهتری دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

الگوریتم حذف Speckle با قابلیت حفظ لبه برای تصاویر سنجش‌ازدور رادار روزنه ترکیبی با استفاده از تبدیل چندمقیاسه‌ی Curvelet و آستانه‌گذاری وفقی

چکیده: تبدیل کرولت (Curvelet)، نوع جدیدی از الگوریتم آنالیز چندمقیاسه بوده که برای پردازش تصاویر SAR بسیار مناسب است. این تبدیل، جزو تبدیل­های هندسی محسوب می­شود که برای رفع مشکلات اساسی تبدیل­های ویولت (موجک) و گابور در تشخیص لبه­ها و منحنی­ها توسعه پیدا کرد. تبدیل Curvelet را می­توان در جهت رسیدن به بخش­بندی بهتر و شناسایی اهداف در تصاویر ماهواره­ای SAR با دقت بسیار بالا به کار برد. در این مق...

full text

کاهش نویز لکه تصاویر رادار با روزنه ترکیبی بر اساس آستانه گذاری نرم ضرایب تبدیل کرولت

نویز لکه در تصاویر راداری منجر به کاهش کسب اطلاعات از این تصاویر می شود. هدف این مطالعه کاهش نویز لکه تصاویر رادار به وسیله ی آستانه گذاری نرم ضرایب کرولت با تاکید بر حفظ لبه است. در الگوریتم پیشنهادی ابتدا نویز ضربی لکه با استفاده از تبدیل لگاریتمی به نویز افزایشی تبدیل شده و سپس تصویر حاصل با استفاده از تبدیل کرولت به فضای کرولت منتقل و ضرایب کرولت بر اساس آستانه گذاری نرم و حدآستانه تطبیقی م...

full text

الگوریتم حد آستانه گذاری کمینه خطا برای آشکارسازی نظارت نشده تغییرات با استفاده از تصاویر پلاریمتری رادار با روزنه مجازی

در این مقاله، یک روش نظارت نشده برای آشکارسازی تغییرات با استفاده از تصاویر پلاریمتری رادار با روزنه ترکیبی ارائه گردیده است. آماره آزمون ویشارت تصحیح یافته متقارن، به منظور ارزیابی برابری دو ماتریس کواریانس چندمنظر مربوط به دو تصویر پلاریمتری sar در دو زمان مختلف بکار گرفته شده تا تصویر تک باندی خروجی آن در یک الگوریتم نظارت نشده حد آستانه گذاری قرار گیرد و در نهایت نقشه تغییر/عدم تغییر بدست آ...

full text

تلفیق تصاویر رادار با روزنه مجازی و اپتیک با استفاده از تبدیل کرولت

ماهواره­ های سنجش از دور، داده­هایی با خصوصیات طیفی و مکانی مختلفی از سطح زمین جمع­آوری می­کنند که هرکدام بخشی از خصوصیات عوارض را نمایان می­سازند. گاهاً اطلاعات بدست آمده از یک سنجنده به تنهایی پاسخگوی نیازهای مورد نظر ما نیست. با وجود اینکه داده­های چند طیفی[1] اطلاعات غنی طیفی را از عوارض مختلف به ما می­دهد، اما به‌طور قابل توجهی تحت تأثیر عوامل محیطی مانند دود، مه، ابر و میزان نور خورشید قرا...

full text

بهبود وضوح تصاویر رادار روزنه ی مصنوعی با استفاده از الگوریتم داپلر-فاصله و تبدیل فوریه ی کسری

الگوریتم داپلرفاصله داده های خام رادار روزنه­ی مصنوعی را برای تولید تصویر نهایی پردازش می­کند. این الگوریتم فیلترینگ منطبق(اعمال فیلتر تطبیقی)را در حوزه­ی تبدیل فوریه برای سمت و فاصله اجرا می­کند. برای صرفه­جویی در زمان و تصحیح جابجایی سلول فاصله، تبدیل فوریه­ی سریع در حوزه­ی فرکانس- سمت و زمان- فاصله استفاده می­شود. این حوزه، حوزه­ی داپلر - فاصله نامیده می شود وتصحیح جابه­جایی سلول فاصله در ای...

full text

کاهش نویز لکه تصاویر رادار با روزنه ترکیبی بر اساس آستانه‌گذاری نرم ضرایب تبدیل کرولت

نویز لکه در تصاویر راداری منجر به کاهش کسب اطلاعات از این تصاویر می‌شود. هدف این مطالعه کاهش نویز لکه تصاویر رادار به وسیله‌ی آستانه‌گذاری نرم ضرایب کرولت با تاکید بر حفظ لبه است. در الگوریتم پیشنهادی ابتدا نویز ضربی لکه با استفاده از تبدیل لگاریتمی به نویز افزایشی تبدیل‌شده و سپس تصویر حاصل با استفاده از تبدیل کرولت به فضای کرولت منتقل و ضرایب کرولت بر اساس آستانه‌گذاری نرم و حدآستانه تطبیقی م...

full text

My Resources

Save resource for easier access later


Journal title:
مجله مهندسی برق دانشگاه تبریز

Publisher: رئیس دانشکده مهندسی برق و کامپیوتر

ISSN

volume 45

issue 4 2015

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023