بخشی از مقاله
چکیده
در این مقاله روشهایی برای حذف نویز خال خالی که در تصاویر راداری اعم از رادارهای دریایی به دلیل وجود نوسانات در فاز سیگنالهای بازگشتی ایجاد میگردد پیشنهاد گردیده است. حضور نویزخالخالی ، تفسیر و آنالیز تصویر را پیچیده تر می کند و باعث کاهش دسترسی به اطلاعات تصویر×می شود لذا انتخاب الگوریتم مناسب برای کاهش نویز خالخالی حائز اهمیت است. در این مقاله فیلترهای مختلفی همچون: میانگین، فراست، لی و گاما-مپ جهت حذف نویز خالخالی مورد بررسی قرار گرفته اند.
برای ارزیابی این فیلترها که بر روی تصاویری از رادار دریایی صورت گرفته است، از شاخص های ENL و SNR استفاده شده است. با توجه به نتایج به دست آمده فیلتر گاما-مپ هم از نظر کیفیت تصویر و هم از نظر زمان عملکرد در میان فیلترها، بهترین کارایی را داشته است. و بهترین گزینه برای حذف نویز خال خالی از تصاویر رادار دریایی می باشد، از نظر کیفیت فیلتر لی در جایگاه دوم قرار دارد ولی از نظر زمان اجرای الگوریتم از فیلتر گاما-مپ و فیلترهای میانگین زمان عملکرد بیشتری را نیاز دارد. فیلترهای میانگین با ماسک 7*7 و 5*5 به ترتیب از لحاظ عملکرد در جایگاه سوم و چهارم قرار دارند و از نظر زمان عملکرد به ترتیب بعد از فیلتر گاما-مپ در جایگاه دوم و سوم می باشند.
.1 مقدمه
همواره نتصاویر دیجیتال با انواع زیادی از نویزها از جمله نویز ضربه، نمک فلفلی، خال خالی و غیره تخریب میگردند. تا کنون کارهای زیادی برای حذف انواع نویز در تصاویر دیجیتال صورت گرفته است از جمله فیلتر [1] MDF1، فیلتر [2] HMF 2، فیلتر [3] AMF3، فیلتر [4] FEMF4، فیلتر [5] DBA 5، که عمدتا برای حذف نویز ضربه مورد استفاده قرار گرفته اند. عامل اصلی که باعث کاهش کیفیت تصاویر رادار میشود نویز خال خالی موجود در تصاویر رادار میباشد.
رفع این مشکل نیاز به پردازش های قابل انعطاف وپیشرفت های دارد که هر یک می تواند در مراحل مختلف انجام گیرد. یکی از این روش ها که معمولا در ایستگاه های گیرنده تصاویر راداری در زمان اخذ تصویر انجام میشود پردازش Multilooking میباشد، این روش میتواند تا اندازه ای مقدار نویز خال خالی را کاهش دهد اما مشکل عمده این روش این است که باعث کاهش قابل ملاحظهای در قدرت تفکیک مکانی میشود و بدلیل اینکه این پردازش قابل انجام توسط کاربران نیست در این مورد بیشتر بحث نمیشود.
روش دیگر که معمولا بیشتر مورد اقبال کاربران است روش فیلترینگ میباشد. فیلترهایی که معمولا در بهبود کیفیت رادیومتریک تصاویرراداری استفاده میشود بیشتر برای دو هدف به کار گرفته میشوند: کاهش نویز خال خالی و همچنین تشخیص لبهها. فیلترهای زیادی را برای کاهش نویز خال خالی میتوان بکار برد که معمولا در دو گروه طبقه بندی میشوند: فیلترهای غیر تطبیقی مانند فیلترهای1FFT و فیلترهای تطبیقی همانند فیلترهای لی، فراست، گاما-مپ. فیلتر های زیادی برای کاهش نویز خال خالی ابداع شده است که هر کدام دارای مزایا ومعایبی هستند، در این میان فیلتر های غیر تطبیقی مانند فیلتر FFT به دلیل اینکه پارامترهای فیلتر را برای کل تصویر در نظر می گیرد همچنین بدلیل در نظر نگرفتن ویژگیهای محلی تصویر و تصادفی و ضرب شونده بودن نویز خال خالی مناسب نمیباشند. برخلاف فیلتر FFT فیلتر های تطبیقی کارایی زیادی در از بین بردن نویز خال خالی دارند.
.2 ساختار کلی
در این مقاله در بخش سوم فیلترهای معمول برای کاهش نویز خال خالی معرفی و مورد بررسی قرار می گیرد . در بخش بعد معیارهای ارزیابی معرفی خواهند شد. سپس در بخش پنجم این فیلترها بر روی تصاویر راداری اعمال میگردد و نتایج هر کدام توس معیارهای ارزیابی مقایسه می گردند. و نهایتا در بخش ششم نتیجه گیری بیان گردیده است.
.3 الگوریتم های فیلترینگ نویز خال خالی 30 mm
-1 فیلتر میانگین فیلتر میانگین یک فیلتر متوسط گیری ساده است که پیکسل مرکزی را با مقدار میانگین پیکسل ها در یک پنجره جایگزین می کند. این فیلتر توانایی خوبی در هموار کردن نویز دارد. با این وجود، یکسان برخورد کردن عمل متوسط گیری باعث می شود که یک کاهش رزولوشن در اطراف لبه های تیز داشته باشیم. برای کم کردن این مشکل معمولا از پنجره های کرنل با ابعاد 5×5 یا 7×7 استفاده می شود. بنابراین استفاده از این فیلتر جهت حذف نویز خال خالی توصیه نمیشود خصوصا زمانی که مقادیر پیکسل های خروجی برای کاربر بسیار مهم باشد.[1]
-2 فیلتر لی
این فیلترها از توزیع آماری مقادیر DN پیکسل های داخل پنجره فیلتر برای تخمین مقدار پیکسل مرکزی پنجره فیلتر استفاده میکند، و برای نویز تصویر توزیع گاوسین در نظر می گیرند. در این فیلتر اگر واریانس در یک منطقه بالا باشد - نزدیک لبه ها - هموار کردن اعمال نخواهد شد، و اگر واریانس در یک منطقه پایین یا ثابت باشد هموار کردن اعمال می شود. فیلتر لی بر اساس مدل نویز خال خالی ضرب شونده است. این فیلتر از فرض توزیع گوسی برای نویز در تصویر SARاستفاده می کند. ابتدا تصویر SAR را با یک مدل خطی تقریب زده و سپس خطای میانگین کمترین مربعات به آن اعمال می شود .
-3 فیلترگامامپ
فیلتر 1 MAP بر اساس مدل نویز ضربی میباشد. این فیلتر مدل توزیع گاما را برای نویز در نظر می گیرد. تحت این فرض می توان محاسبه فیلتر گامامپ را انجام داد.>8@
-4 فیلتر فراست
فیلتر فراست جمع وزن دار مقادیر پیکسلی داخل پنجره nxn فیلتر را به عنوان مقدار خروجی در نظر میگیرد، بطوری که فاکتور وزن با افزایش فاصله از پیکسل مرکزی، کاهش می یابد. فیلتر فراست نسبت به فیلترهای لی و کوان متمایز است از این لحاظ که بازتاب حاصله از سطح، با کانولوشن تصویر مشاهده شده و پاسخ ضربه سیستم SAR تخمین زده می شود.
.4شاخص های ارزیابی فیلترها
برای ارزیابی کمی عملکرد فیلترها و مقایسه با سایر فیلترها از شاخص تعداد دیدهای معادل - ENL - ، و نسبت سیگنال به نویز SNR، استفاده شده است.
2-4 نسبت سیگنال به نویز3
نسبت توان سیگنال اصلی به توان نویز را SNR می نامیم. هر چه این نسبت بیشتر باشد کیفیت تصویر بهتر خواهد بود.[10] نسبت سیگنال به نویز معیاری جهت نمایش میزان سیگنال مفید در مقابل سیگنال مزاحم یا نویز در سیستم های الکتریکی میباشد. این عدد در واقع میزان قدرت نویز یک سیستم الکتریکی را در مقابل قدرت خود سیگنال نمایش می دهد. در مورد تصویر، نویز بر روی تصویر ایجاد شده به صورت دانههای برفک مشخص خواهد شد و موجب پایین آمدن قابلیت تشخیص در تصویر نمایش داده شده بر روی صفحه نمایش خواهد شد. واحد نشان دهنده نسبت سیگنال به نویز دسی بل4 است.
