ارزیابی عملکرد تبدیل curvelet در کاهش نویز speckle تصاویر sar

تصاویر راداری به دلیل مزایایی از جمله توانایی اخذ تصویر در تمامی شرایط آب و هوایی و در تمامی ساعات شبانه روز و اخذ اطلاعات متفاوت با تصاویر مرئی در بسیاری از مطالعات مانند هیدرولوژی، خاک، شناسایی کشتی، تشخیص لکه های نفتی و غیره کاربرد دارند. با وجود مزایای یادشده، وجود نویز لکه اخذ اطلاعات از این تصاویر را دچار مشکل می کند. در نتیجه کاهش اثر این نویز همواره مورد توجه محققین بوده است. در این مطالعه کاهش اثر این نویز بر اساس تبدیل کرولت مورد بحث و بررسی قرار گرفت. زیرا تبدیل کرولت توانایی تغییر پخش انرژی سیگنال و نویز و نمایش بیشتر انرژی سیگنال در تعداد ضرایب محدود را دارد. بعلاوه این تبدیل در حفظ و نمایش لبه ها توانمند است. این دو ویژگی امکان حذف نویز و درعین حال حفظ لبه را توسط این تبدیل محتمل می سازد. در نتیجه کاهش نویز لکه بر اساس تبدیل کرولت هدف اصلی این مطالعه قرار گرفت. بدین منظور جهت توسعه روشی کارآمد برای تمامی تصاویر راداری بدون اطلاعات قبلی از نویز و توزیع آن روش آستانه گذاری ضرایب کرولت جهت کاهش نویز تصاویر راداری انتخاب شد. در این روش، ابتدا نویز ضرب شونده لکه توسط تبدیل لگاریتمی به نویز افزایشی تبدیل شده و تصویر حاصل به فضای کرولت منتقل می گردد. سپس تابع آستانه گذار و حد آستانه تعیین شده و ضرایب کرولت جهت حذف انرژی نویز آستانه گذاری می شوند. در انتها نیز تبدیل معکوس کرولت و تبدیل نمایی اعمال و تصویر فیلتر شده حاصل می شود. در این مطالعه توابع مختلفی مانند توابع سخت، نرم، zhang 1998، zhang 2001 و nasri جهت آستانه گذاری ضرایب کرولت به منظور حذف انرژی نویز مورد بررسی قرار گرفتند. بعلاوه به جهت اهمیت تعیین حد آستانه در تصویر خروجی فیلتر از سه روش متفاوت جهت تعیین این مقدار استفاده شد. در روش اول که روش متداول مورد استفاده دیگر محققین است و از آن به عنوان روش starck یاد می شود، حد آستانه توسط انحراف معیار نویز و متوسط توزیع انرژی نویز در هر زیرباند ضرایب کرولت تعیین می شود. در روش دوم پیشنهادی از ویژگی های آماری ضرایب کرولت جهت انطباق حد آستانه با شرایط متفاوت زیرباندها استفاده می شود که به این جهت از این روش به عنوان روش انطباقی یاد می شود. در روش سوم با عنوان شبکه عصبی آستانه گذار، برای اولین بار با ترکیب مفهوم شبکه عصبی و حذف نویز لکه در حوزه کرولت با استفاده از آموزش با نظارت و بدون نظارت این حد آستانه تعیین می شود. به منظور بررسی نتایج فیلترهای پیشنهادی با فیلترهای متداول از جمله frost، gamma، kuan، lee و آستانه گذاری سخت و نرم موجک هار با یک سطح تجزیه از معیارهای متفاوتی استفاده شد. معیارهای مورد استفاده را می توان در سه معیار کلی حفظ لبه، حفظ خصوصیات رادیومتریکی و کاهش نویز تصاویر راداری دسته بندی کرد. فیلترهای مبتنی بر تبدیل کرولت در تمامی معیارهای مورد بررسی به نتایج بهتری دست یافته اند (به عنوان مثال معیار میانگین مربعات خطا 78/16%، معیار s/mse که معادل معیار سیگنال به نویز است 113%، معیار میانگین نویز 5/23%، معیار انحراف معیار نویز 7/30% و معیار تعداد دید معادل 26/43% بهبودیافته اند). از میان توابع آستانه گذار نیز، توابع نرم، zhang 1998 و garrote به نتایج بهتری دست یافتند. همچنین روش های پیشنهادی تعیین حد آستانه یعنی روش انطباقی و شبکه عصبی آستانه گذار نیز در تعیین حد آستانه به نتایج بهتری نسبت به روش starck دست یافتند.