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 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 سنجش‌ازدور 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.