دوره 19، شماره 1 - ( 3-1401 )                   جلد 19 شماره 1 صفحات 152-137 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Abedi Z, Yazdian-Dehkordi M. Extending SAR Image Despckling methods for ViSAR Denoising. JSDP 2022; 19 (1) :137-152
URL: http://jsdp.rcisp.ac.ir/article-1-1044-fa.html
عابدی زهرا، یزدیان دهکردی مهدی. توسعه روش‌های مبتنی بر رفع نویز اسپکل تصویر جهت رفع نویز ویدئو ویسار. پردازش علائم و داده‌ها 1401; 19 (1) :152-137

URL: http://jsdp.rcisp.ac.ir/article-1-1044-fa.html


دانشگاه یزد
چکیده:   (471 مشاهده)
رادارهای سار (SAR) یکی از ابزارهای تصویربرداری در شرایط مختلف آب‌ و هوایی در کاربردهای نقشه‌برداری، نظامی، منابع زمینی و عمرانی می‌باشند. در سال‌های اخیر یک رادار جدید، جهت ثبت ویدئو اشیا در حالت حرکت با توسعه رادارهای سار به نام ویدئوسار یا به‌اختصار ویسار (ViSAR) برای نظارت محیطی ارائه‌شده است. به مانند تصاویر سار، یکی از چالش‌های اساسی در داده ویسار نیز وجود نویز اسپکل است. در این مقاله با سفارشی‌سازی روش‌های رفع نویز تصویر برای رفع نویز ویدئو ویسار، سه رویکرد مختلف شامل "فریم به فریم"، "میانگین‌گیری" و "سه بعدی" ارائه و ارزیابی شده است. در رویکرد نخست، بدون توجه به بُعد زمان هر فریم از ویدئو به‌صورت مجزا رفع نویز شده و در رویکرد دوم، از میانگین‌گیری فریم‌های رفع‌ نویزشده در بُعد زمان استفاده شده‌است. در رویکرد سه بعدی، از بلاک‌های سه‌بعدی در بُعد مکان و زمان برای رفع نویز در ویدئو استفاده شده است. علاوه بر این رویکردها، راهکار جدیدی با نام ViSAR Incremental BM3D یا به اختصار ViSAR-IBM3D با توسعه روش مشهور رفع نویز تصویر SAR-BM3D نیز ارائه شده که توانسته است با تغیر ساختار این روش برای ویدئو، زمان اجرای کمتر و حفظ جزئیات بهتری را به همراه آورد. روش SAR-BM3D در گام نخست در فضای موجک تخمین اولیه از تصویر بدون نویز را محاسبه کرده و سپس در گام دوم به‌کمک تصویر نویزی و تخمین اولیه، تصویر رفع نویز شده نهایی را تخمین می‌زند. در روش ViSAR-IBM3D با بهره‌گیری از همبستگی بین فریم‌های متوالی ویدئو، از نتیجه فریم قبلی برای رفع نویز فریم جاری استفاده شده تا بتوان علاوه بر حفظ جزئیات و تمایز تصاویر، زمان اجرای الگوریتم را نیز بهبود بخشید. نتایج به‌دست‌آمده بر روی ویدئو با نویز شبیه‌سازی و همچنین ویدئو واقعی ویسار، کارایی رویکرد سه‌بعدی پیشنهادی نسبت با سایر رویکردها و همچنین کارایی بالاتر روش پیشنهادی ViSAR-IBM3D نسبت به روش‌های قبلی را نشان می‌دهد.
 
شماره‌ی مقاله: 11
متن کامل [PDF 1823 kb]   (195 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش تصویر
دریافت: 1398/4/13 | پذیرش: 1400/4/5 | انتشار: 1401/4/1 | انتشار الکترونیک: 1401/4/1

فهرست منابع
1. [1] "Pathfinder Airborne ISR Systems: What Is Synthetic Aperture Radar?," [Online]. Available: http://www.sandia.gov/radar/what_is_sar/index.html. [Accessed 1 July 2017].
2. [2] H. Yan, X. Mao, J. Zhang and D. Zhu, "Frame rate analysis of video synthetic aperture radar (ViSAR)," in International Symposium on Antennas and Propagation (ISAP), 2016.
3. [3] X. Song and W. Yu, "Processing video-SAR data with the fast backprojection method," IEEE Transactions on Aerospace and Electronic Systems, vol. 52, no. 6, pp. 2838--2848, 2016. [DOI:10.1109/TAES.2016.150581]
4. [4] T. Yamaoka, K. Suwa, T. Hara and Y. Nakano, "Radar video generated from synthetic aperture radar image," in IEEE International Geoscience and Remote Sensing Symposium (IGARSS), 2016. [DOI:10.1109/IGARSS.2016.7730701]
5. [5] A. Voisin, V. A. Krylov, G. Moser, S. B. Serpico and J. Zerubia, "Classification of very high resolution SAR images of urban areas using copulas and texture in a hierarchical Markov random field model," IEEE Geoscience and Remote Sensing Letters, vol. 10, no. 1, pp. 96-100, 2013. [DOI:10.1109/LGRS.2012.2193869]
6. [6] F. Baselice, G. Ferraioli and V. Pascazio, "Markovian change detection of urban areas using very high resolution complex SAR images," IEEE Geoscience and Remote Sensing Letters, vol. 11, no. 5, pp. 995-999, 2014. [DOI:10.1109/LGRS.2013.2284297]
7. [7] M. Pham, G. Mercier and J. Michel, "Change Detection Between SAR Images Using a Pointwise Approach and Graph Theory," IEEE Trans. Geoscience and Remote Sensing, vol. 54, no. 4, pp. 2020--2032, 2016. [DOI:10.1109/TGRS.2015.2493730]
8. [8] J. S. Lim, "Two-dimensional signal and image processing," Englewood Cliffs, NJ, Prentice Hall, 1990.
9. [9] V. S. Frost, J. A. Stiles, K. S. Shanmugan and J. C. Holtzman, "A model for radar images and its application to adaptive digital filtering of multiplicative noise," IEEE Transactions on pattern analysis and machine intelligence, vol. 4, no. 2, pp. 157-166, 1982. [DOI:10.1109/TPAMI.1982.4767223] [PMID]
10. [10] J.-S. Lee, "Digital image enhancement and noise filtering by use of local statistics," IEEE transactions on pattern analysis and machine intelligence, vol. 2, no. 2, pp. 165-168, 1980. [DOI:10.1109/TPAMI.1980.4766994] [PMID]
11. [11] D. T. Kuan, A. A. Sawchuk, T. C. Strand and P. Chavel, "Adaptive noise smoothing filter for images with signal-dependent noise," IEEE transactions on pattern analysis and machine intelligence, vol. 7, no. 2, pp. 165-177, 1985. [DOI:10.1109/TPAMI.1985.4767641] [PMID]
12. [12] S. Liu, M. Liu, P. Li, J. Zhao, Z. Zhu and X. Wang, "SAR Image Denoising via Sparse Representation in Shearlet Domain Based on Continuous Cycle Spinning," IEEE Transactions on Geoscience and Remote Sensing, vol. 55, no. 5, pp. 2985-2992, 2017. [DOI:10.1109/TGRS.2017.2657602]
13. [13] S. Parrilli, M. Poderico, C. V. Angelino and L. Verdoliva, "A nonlocal SAR image denoising algorithm based on LLMMSE wavelet shrinkage," IEEE Transactions on Geoscience and Remote Sensing, vol. 50, no. 2, pp. 606-616, 2012. [DOI:10.1109/TGRS.2011.2161586]
14. [14] I. W. Selesnick, R. G. Baraniuk and K. N. G., "The Dual-Tree Complex Wavelet Transform," IEEE Signal Processing Magazine, vol. 22, no. 6, pp. 123-151, 2005. [DOI:10.1109/MSP.2005.1550194]
15. [15] M. Mastriani and A. E. Giraldez, "Kalman-s Shrinkage for Wavelet-Based Despeckling of SAR Images," World Academy of ScienceEngineering and Technology, International Journal of Computer, Electrical, Automation, Control and Information Engineerin, vol. 2, no. 4, pp. 1213-1219, 2008.
16. [16] M. Nasri and H. Nezamabadi-pour, "Image denoising in the wavelet domain using a new adaptive thresholding function," Neurocomputing, vol. 72, no. 4, pp. 1012-1025, 2009. [DOI:10.1016/j.neucom.2008.04.016]
17. [17] X.-P. Zhang, "Space-scale adaptive noise reduction in images based on thresholding neural network," in IEEE International Conference on Acoustics, Speech, and Signal Processing. Proceedings, 2001.
18. [18] L. Xu, J. Li, Y. Shu and J. Peng, "SAR image denoising via clustering-based principal component analysis," IEEE transactions on geoscience and remote sensing, vol. 52, no. 11, pp. 6858-6869, 2014. [DOI:10.1109/TGRS.2014.2304298]
19. [19] B. Xu, Y. Cui, Z. Li, B. Zuo, J. Yang and J. Song, "Patch ordering-based SAR image despeckling via transform-domain filtering," IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 8, no. 4, pp. 1682-1695, 2014. [DOI:10.1109/JSTARS.2014.2375359]
20. [20] B. Kanoun, G. Ferraioli, V. Pascazio and G. Schirinzi, "Fast gpu-based enhanced wiener filter for despeckling sar data," Remote Sensing, vol. 11, no. 12, pp. 1473, 2019. [DOI:10.3390/rs11121473]
21. [21] K. Dabov, A. Foi, V. Katkovnik and K. Egiazarian, "Image denoising by sparse 3-D transform-domain collaborative filtering," IEEE Transactions on image processing, vol. 16, no. 8, pp. 2080--2095, 2007. [DOI:10.1109/TIP.2007.901238] [PMID]
22. [22] G. Chierchia, M. El Gheche, G. Scarpa and L. Verdoliva, "Multitemporal SAR Image Despeckling Based on Block-Matching and Collaborative Filtering," IEEE Transactions on Geoscience and Remote Sensing, vol. 55, no. 10, pp. 5467-5480, 2017. [DOI:10.1109/TGRS.2017.2707806]
23. [23] Z. Abedi, M. Yazdian-Dehkordi, "Evaluation of Image Denoising Methods for ViSAR Data", in 23th National CSI Computer Conference, Tehran, Iran, 2018 (In Persian).
24. [23] ز. عابدی و م. یزدیان دهکردی, "ارزیابی روش‌های كاهش نویز اسپکل برای داده‌های ویدئویی ViSAR," در بیست و سومین کنفرانس ملی سالانه انجمن کامپیوتر ایران, تهران, 1396.
25. [24] C. P. Loizou, C. S. Pattichis, C. I. Christodoulou, R. S. Istepanian, M. Pantziaris and A. Nicolaides, "Comparative evaluation of despeckle filtering in ultrasound imaging of the carotid artery," IEEE transactions on ultrasonics, ferroelectrics, and frequency control, vol. 52, no. 10, pp. 1653-1669, 2005. [DOI:10.1109/TUFFC.2005.1561621] [PMID]
26. [25] P. Courmontagne, "Speckle noise reduction: a review Advances in Seafloor-Mapping Sonar," 1 December 2007. [Online]. Available: http://departements.imt-atlantique.fr/data/iti/seafloor/presentations/ISEN_Courmontagne_Speckle_noise_reduction.pdf. [Accessed 1 December 2018].
27. [26] H. Xie, L. E. Pierce and F. T. Ulaby, "Statistical properties of logarithmically transformed speckle," IEEE Transactions on Geoscience and Remote Sensing, vol. 40, no. 3, pp. 721-727, 2002. [DOI:10.1109/TGRS.2002.1000333]
28. [27] T. Shu, D. Xie, B. Rothrock, S. Todorovic and S. Chun Zhu, "Joint inference of groups, events and human roles in aerial videos," in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2015.
29. [28] A. Bhattacharya, "Centre of Studies in Resources Engineering," 11 April 2013. [Online]. Available: http://www.csre.iitb.ac.i-n/~avikb/GNR647/Lec_11_Speckle.pdf. [Accessed 20 February 2019].
30. [29] H. Xie, L. E. Pierce and F. T. Ulaby, "Statistical Properties of Logarithmically Transformed Speckle," IEEE Transactions on Geoscience and Remote Sensing, vol. 40, no. 3, pp. 721-727, 2002. [DOI:10.1109/TGRS.2002.1000333]
31. [30] Z. {Wang, A. C. Bovik, H. R. Sheikh and E. P. Simoncelli, "Image quality assessment: from error visibility to structural similarity," IEEE transactions on image processing, vol. 13, no. 4, pp. 600-612, 2004. [DOI:10.1109/TIP.2003.819861] [PMID]
32. [31] X. Wang, L. Ge and X. Li, "Evaluation of Filters for Envisat Asar Speckle Suppression in Pasture Area," ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, pp. 341-346, 2012. [DOI:10.5194/isprsannals-I-7-341-2012]
33. [32] H. R. {Sheikh and A. C. Bovik, "Image information and visual quality," IEEE Transactions on image processing, vol. 15, no. 2, pp. 430-444, 2006. [DOI:10.1109/TIP.2005.859378] [PMID]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.