نویززدایی از تصویر رادار روزنه مجازی با استفاده از هموارسازی منطبق و نمایش تنک

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 353

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_RADAR-7-1_001

تاریخ نمایه سازی: 25 خرداد 1399

چکیده مقاله:

به دلیل کاربردهای گسترده و نیاز به تشخیص جزئیات صحنه از تصاویر رادار روزنه مجازی، موضوع بهبود کیفیت این تصاویر پس از تشکیل، مورد توجه گسترده قرار گرفته است. با توجه به ماهیت تشکیل تصاویر رادار روزنه مجازی وجود نویز لکه به عنوان مهمترین عامل تخریب کیفیت این تصاویر می­باشد که به صورت ضرب­شونده مدل می­شود. در این مقاله روش جدیدی برای حذف نویز لکه ارائه می­شود. استفاده از تخمین­گر MAP با توجه به تابع توزیع نویز و ارائه مساله بهینه­سازی محدب به صورت محلی، ایده اصلی این مقاله است که در آنتعدیل سازهای هموارسازی منطبق، نمایش تنک و نگاشتدر فضای تصویر به کار گرفته می­شود. ارائه مدل بهینه­سازی به صورت محلی و استفاده از هموارسازی منطبق امکان حذف مناسب نویز، حفظ لبه­های قوی و جلوگیری از هموارسازی بیش از اندازه تصاویر را فراهم می­سازد. همچنین، استفاده از نمایش تنک باعث حفظ مناسب بافت­های تصویر و نگاشت در فضای تصویر موجب تقویت الگوریتم در مقابل سطوح بالای نویز می­شود. به منظور حل مساله بهینه­سازی روشی مبتنی بر کمینه­سازی تناوبی معرفی می­شود. نتایج شبیه­سازی، کارایی مناسب روش پیشنهادی در نویززدایی و حفظ جزئیات تصویر و ارائه نتایج بهتر نسبت به تعداد زیادی از روش­های موجود را نشان می­دهد.

نویسندگان

ناصر کریمی

گروه مخابرات، دانشکده برق، پردیس فنی و مهندسی، دانشگاه یزد، یزد، ایران

محمدرضا تابان

دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • I. G. Cumming and F. H. Wong, Digital Processing of ...
  • J. Goodman, Speckle Phenomena in Optics: Theory and Applications, Roberts ...
  • A.Shafiee, E. Yazidian, and M. beheshti, Speckle noise reduction and ...
  • A. Schmitt, Multiscale and Multidirectional Multilooking for SAR Image Enhancement, ...
  • D. Kuan, A. Sawchuk, T. Strand, and P. Chavel, Adaptive ...
  • J.-S. Lee, Digital image enhancement and noise filtering by use ...
  • F. Argenti and L. Alparone, Speckle removal from SAR images ...
  • H. Xie, L. E. Pierce, and F. T. Ulaby, SAR ...
  • G. Aubert and J.-F. Aujol, A variational approach to removing ...
  • J. M. Bioucas-Dias and M. A. Figueiredo, Multiplicative noise removal ...
  • J. Shi and S. Osher, A nonlinear inverse scale space ...
  • S. Durand, J. Fadili, and M. Nikolova, Multiplicative noise removal ...
  • N. Karimi, H. Amindavar, R. L. Kirlin and A. Rajabi, ...
  • C. He, L. Liu, L. Xu, M. Liu, and M. ...
  • N. Karimi and M. Taban, Nonparametric blind SAR image super ...
  • Jing Dong, Zifa Han, Yuxin Zhao, Wenwu Wang, Ales Prochazka, ...
  • Hh Sh. Li, G. Wang, and X. Zhao, Multiplicative noise ...
  • Y. Hao , X. Feng, and J. Xu, Multiplicative noise ...
  • Y.-M. Huang, L. Moisan, M. K. Ng, and T. Zeng, ...
  • Y. Dong and T. Zeng T, A convex variational model ...
  • H. Song, L. Qing, Y. Wu, and X. He, Adaptive ...
  • F. Argenti, A. Lapini, T. Bianchi, L. Alparone, A tutorial ...
  • B. Scholkopf, A. Smola, and K.-R. Muller, Nonlinear component analysis ...
  • S. Mika, B. Schlkopf, A. Smola, K.-R. Mller, M. Scholz, ...
  • S. Boyd , N. Parikh , E. Chu , B. ...
  • T. Goldstein and S. Osher, The split Bergman algorithm for ...
  • J. Tropp, Greed is good: algorithmic results for sparse approximation, ...
  • M. Aharon, M. Elad, and A. Bruckstein, K-svd: an algorithm ...
  • Zhou Wang, A. C. Bovik, H. R. Sheikh, and E. ...
  • نمایش کامل مراجع