بخشی از مقاله
چکیده- روشهاي مختلف حذف نویز از تصاویر ماهوارهاي، می توانند مخرب بوده و اطلاعات مفیدي را نیز از تصاویر حذف نمایند. در این پژوهش روشهاي مختلف حذف نویز فلفل نمکی شامل فیلتر MF،AWF، SMF، AMF و fuzzy،Adaptive wiener filter، K-LLD و DBAIN به همراه روش پیشنهادي مبتنی بر PCA مکانی بر تصاویر نویز دار ماهوارهاي مقایسه گردید. سپس GUI کاهش نویز تصاویر ماهوارهاي معرفی میگردید و نتایج با استفاده از شاخصهاي آماري ریاضی همچون MSE و PSNR مورد ارزیابی و مقایسه قرار گرفته و روش پیشنهادي به عنوان روش بهینه براي موارد مختلف معرفی گردیده است.
. -1 مقدمه
کاهش زمان و حجم پردازش تصاویر دیجیتال یکی از مهمترین اهداف در سنجش از دور بوده و همواره مورد توجه بوده است. این هدف میتواند با روشهاي مختلفی نظیر تکنیکهاي متنوع پردازش تصاویر دیجیتال حاصل شود. البته همواره سعی بر این است دقت دادهها و کیفیت تصویر اصلی محفوظ بماند. همانطور که میدانیم حذف نویز در حوزهزمان و توسط مثلاً فیلتر میانه نیاز به زمان پردازش کمتري نسبت به حذف نویز در حوزه فرکانس با استفاده از تبدیل فوریه و زمان فرکانس مانند موجکها، دارد. فیلتر میانه با طول پنجره متغیر در مقایسه با سایر فیلترهاي خطی و غیر خطی، داراي عملکرد بهتري در حذف نویز و به خصوص نویزهاي ضربهاي است.
فیلتر میانه استاندارد از نوع فیلترهاي پایین گذر غیر خطی است، که جهت حذف SPN بکار میرود.[1] این فیلتر در مقایسه با سایر فیلترها در حذف این نویز به مراتب داراي عملکرد بهتري می باشد، بهطوري که تصویر بازبابی شده داراي حداقل تخریب میباشد. فیلترهاي AMF نیز نوع دیگري از فیلترهاي میانهاند که به نسبت داراي عملکردي بهتر از فیلترهاي میانه استاندارد میباشند. در این فیلتر ابعاد پنجره متغیر است.
بدین صورت که ابعاد پنجره متناسب با دادههاي آماري مشخصات تصویر تغییر مینمایدو معمولاً بر انواع دیگر با طول پنجره ثابت ترجیح داده میشوند. مقدار متوسط و پرش دو پارامتر آماري مهم در طراحی فیلترهاي منطبق میباشد. روشهاي مختلفی براي حذف نویز وجود دارد. فیلترهاي میانه استاندارد و فیلترهاي میانگین گیر به ترتیب جهت کم کردن SPN1 و RVIN2 استفاده میگردند. هر چند زمانی که یک تصویر داراي هر دو نوع نویز باشد نتیجه عملیات حذف نویز توسط تنها یک فیلتر باعث تخریب تصویر شده و نتیجه مورد انتظار را نخواهد داد.
-2 تصاویر سنجش از دور
سنجش از دور براي بدست آوردن اطلاعاتی در خصوص یک هدف مشخص و یا یک محدوده و یا یک پدیده خاص از جمله رد گیري منابع زمینی، کنترل سیل و آتش، پیش بینی محصولات کشاورزي، تهیه نقشههاي جغرافیایی، رشد جمعیت، آب و هوا و بسیاري موارد دیگر به کار میرود.
١-١- نویزهاي تصویر
بهطور کلی به هر اطلاعات ناخواستهاي که باعث تخریب تصویر شود نویز اطلاق میشود. نویزها از منابع مختلفی به وجود میآیند. راههاي مختلفی که براي بیان نویز در تصویر وجود دارد، به چگونگی تولید نویز بستگی دارد. تصاویر ماهوارهاي که شامل تصویر و نویز میباشد در برخی موارد قابل استفاده نبوده و جهت بازیابی تصویر میبایست از فیلترهاي مناسب و الگوریتمهاي مناسب و کارآمد استفاده گردد.
-3 انواع نویز تصاویر ماهوارهاي
سه نوع نویز رایج که در پردازش تصاویر ماهوارهاي مورد بحث قرار میگیرند به شرح ذیل میباشند:[3 ,2]
٢-١- نویز RVIN
این نویز که نویز نرمال و یا گاوسی نیز نامیده میشود به صورت اتفاقی به وجود آمده و DN تصویرها را تحت تأثیر قرار میدهد. تابع توزیع احتمال این نویز با رابطه - 1 - بیان میگردد؛ که µ و σ به ترتیب میانگین و پرش استاندارد هستند.
٣-١- نویز فلفل نمکی SPN
این نوع نویز که یکی از متداولترین نوع نویز است نیز به صورت اتفاقی به وجود آمده و باعث افزایش و یا کاهش DN هاي تصویر شده و در نتیجه آن برخی پیکسلها سفید و برخی سیاه خواهند شد.
-4 فیلترهاي مکانی ثابت
MF 2-1
فیلترMF3 یک فیلتر خطی، با کاربردي ساده و قابل مشاهده براي نرم کردن تصویر است .[4] در واقع این فیلتر اختلاف میان شدت دو پیکسل مجاور را کاهش میدهد و به همین دلیل جهت کاهش نویز تصاویر استفاده میشود. نحوه کار فیلتر به این صورت است که با توجه به طول پنجره انتخابی مقدار هر پیکسل را با متوسط مقدار پیکسلهاي اطراف و خود آن پیکسل جانشین میکند. بدین صورت که پیکسلی که اندازه آن بیش از مقدار پیکسلهاي اطراف است، کاهش یافته و یا برعکس افزایش می-یابد. عملیات انجام شده در یک پنجره با ابعاد دلخواه قابل محاسبه بوده و ابعاد پنجره نیز در کیفیت بازسازي تصویر اثر گذار است.
۵-١- SMF
فیلتر SMF4 از انواع فیلترهاي غیر خطی است و در صورتی توزیع مکانی نویز در تصویر نامتقارن باشد میزان شدت پیکسلها را تغییر میدهد؛ به عبارت دیگر در این فیلتر واریانس شدت پیکسلها کاهش خواهند یافت. این فیلتر همچنین از فیلترهاي حوزه مکان است و جهت انجام عمل حذف نویز از mask با ابعاد دلخواه جهت هر یک از پیکسلها در تصویر استفاده کرده و میانه شدت پیکسلهاي داخل پنجره را با شدت پیکسل وسط پنجره جانشین میکند.
در این روش یک همسایگی به نام g - s,t - از تصویر انتخاب میشود و سپس هر کدام از پیکسلهاي همسایه در وزنی ثابت ضرب میگردد و حاصل جمع به نقطه میانی منسوب میگردد. در رابطه - 4 - ، این میانگین گیري حسابی است و تمام وزنها برابر یک است. این روش همانند روش قبل است اما بجاي میانگین گیري حسابی از هندسی استفاده میشود. رابطه - 5 - ، میتوان این روش را تعریف نمود. میانگین هارمونیک، با رابطه - 6 - ، میانگین هارمونیک، مشخص میشود. در این جدول متغیرهاي m,n طول و عرض تصویر میباشند و خروجی تخمینی با استفاده از رابطه - 7 - ، از تصویر اصلی g با نویز قابل محاسبه میباشد.
AWF 3-4
عملکرد فیلتر AWF5 بر اساس مشخصات آماري دادههاي تصویر در داخل پنجره آن بوده و متغیر است . در واقع این نوع فیلترها نسبت به انواع non adaptive هوشمند محسوب شده و از کارایی بالاتري برخوردارند. هرچند از پیچیدگی بیشتري هم برخوردارمی باشند. در این نوع فیلتر میانگین و واریانس دو مشخصه آماري مهم براي طراحی مورد استفاده قرار میگیرد.
5-4 فیلتر AMF
فیلتر AMF6 براي برطرف کردن مشکلات پیش روي میانه استاندارد طراحی میشوند.[6 ,4] اختلاف این دو فیلتر در اندازه پنجره فیلتر است.در این فیلتر اندازه پنجره حول هر پیکسل متغیر و متناسب با میانه اندازه DN هاي تصویر در داخل پنجره است. به گونهاي که اگر مقدار میانه داخل پنجره یک ضربه باشد سایز پنجره افزایش خواهد یافت. عمل فیلترینگ و شبیهسازي توسط نرم افزار 2017b MATLAB انجام گردیده است. براي این تصویر مورد نظر نویزهاي یادشده به میزانهاي از %10 تا 60% اعمال و مورد مطالعه و بررسی قرار داده شد. جهت بازیابی تصویر از 5 نوع فیلتر MF، AWF، GF، SMF و AMF استفاده گردید .[7] در اینجا تمرکز شبیهسازي روي تصویر تک باند نمونه انجام گردیده است.
