fa کاهش اسپکل در تصاویر راداری با دریچه‌ ی گشایش مصنوعی در حوزه‌ ی موجک با بکارگیری وابستگی‌‌ های درون‌ مقیاسی و بین‌ مقیاسی فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">تصاویر راداری با دریچه&rlm;ی&rlm; گشایش مصنوعی (</span></span><span dir="LTR">SAR</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">) به طور ذاتی متاثر از پدیده&rlm;&rlm;ای نویز مانند به نام اسپکل هستند که ماهیت تمامی سیستم&rlm;های همدوس است. حضور اسپکل در تصویر </span></span><span dir="LTR">SAR</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> سبب کاهش عملکرد کاربردهایی نظیر طبقه&rlm;بندی، قطعه&rlm;بندی، تشخیص تغییرات و مانند آنها می&rlm;شود، در نتیجه لازم است تا اثر آن کاهش یابد. به طور کلی، دو روش عمده برای کاهش اسپکل در تصاویر </span></span><span dir="LTR">SAR</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> وجود دارد، روش چندمنظر&rlm;سازی در زمان تشکیل تصویر و روش&rlm;های مبتنی بر فیلترهای مکانی پس از تشکیل تصویر</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> و در مرحله پیش پردازش.</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> چندمنظر&rlm;سازی تصویر سبب کاهش قدرت تفکیک مکانی آن می&rlm;شود، همچنین عملکرد فیلتر&rlm;های مکانی وابسته به اندازه و جهت پنجره&rlm;ی مورد استفاده در آنها است. برای غلبه بر این محدودیت&rlm;ها، می&rlm;توان از روش&rlm;های مبتنی بر آنالیز چند تجزیه&rlm;ای مانند تبدیل موجک استفاده نمود. در این مقاله، با در نظر گرفتن وابستگی درون&rlm;مقیاسی و بین&rlm;مقیاسی ضرایب موجک و با به کارگیری برآوردگر </span></span><span dir="LTR">Maximum a Posteriori (MAP)</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">، روشی برای کاهش نویز ضرایب موجک ارائه شده است. توزیع نویز در حوزه&rlm;ی موجک و ضرایب بدون نویز موجک به ترتیب، توابع چگالی احتمال گوسین دوتایی و توزیع لاپلاس متقارن مدور دوتایی در نظر گرفته شدند. روش پیشنهادی، با فیلتر&rlm;های مکانی </span></span><span dir="LTR">Lee</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> و </span></span><span dir="LTR">Frost</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> و همچنین روش&rlm;های حدآستانه&rlm;گذاری </span></span><span dir="LTR">VisuShrink</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">، </span></span><span dir="LTR">SureShrink</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> و </span></span><span dir="LTR">BayesShrink</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> مقایسه</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> شد. برای ارزیابی کمی این روش&rlm;ها از شاخص&rlm; </span></span><span dir="LTR">PSNR</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> و شاخص حفظ لبه&rlm;ی </span></span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">&nbsp;برای داده&rlm;ی شبیه&rlm;سازی شده و از شاخص </span></span><span dir="LTR">ENL</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> برای داده&rlm;ی واقعی استفاده شد. با توجه به مقادیر به دست آمده برای شاخص&rlm;های </span></span><span dir="LTR">PSNR</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> و </span></span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">&nbsp;در تصاویر شبیه&rlm;سازی شده، روش پیشنهادی در کاهش اسپکل و حفظ لبه&rlm;های تصویر نسبت به فیلترهای مکانی و روشهای حدآستانه&rlm;گذاری در حوزه&rlm;ی موجک دارای برتری نسبی بود.</span></span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">همچنین بر اساس شاخص </span></span><span dir="LTR">ENL</span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> در تصاویر واقعی، می&rlm;توان گفت که روش پیشنهادی برتری قابل ملاحظه&rlm;ای نسبت به سایر روش&rlm;ها در کاهش اسپکل از مناطق همگن از خود نشان داد.</span></span><br> &nbsp;</div> <div style="text-align: justify;">Synthetic Aperture Radar (SAR) images are inherently affected by a multiplicative noise-like phenomenon called speckle, which is indeed the nature of all coherent systems. Speckle decreases the performance of almost all the information extraction methods such as classification, segmentation, and change detection, therefore speckle must be suppressed. Despeckling can be applied by the multilooking method when the image is formed or by spatial filters after the image formation. However, multilooking decreases the spatial resolution. Moreover, the performance of spatial filters depends on the size and the orientation of used window&rsquo;s kernel. To overcome these limitations, Multi-Resolution Analysis (MRA), e.g., Wavelet Transform (WT), can be used. In this article, based on the intra-scale and inter-scale dependencies of wavelet coefficients and by employing the Maximum a Posteriori (MAP) estimator, a method for denoising the wavelet coefficients was proposed. Distributions of noise and noise-free wavelet coefficients in wavelet domain were considered as bivariate Gaussian and bivariate circular symmetric Laplace PDFs, respectively. For comparison analysis, Lee and Frost filters were used, also several classical thresholding methods such as VisuShrink, SureShrink, and BayesShrink were employed. Peak Signal-to-Noise Ratio (PSNR) and edge-preserving index beta were used to evaluate the simulated SAR data. Also, Equivalent Number of Looks (ENL) was employed for real SAR data. Experimental results showed that the proposed despeckling method performed more efficiently to suppress the speckle and preserve the edges than others. For instance, the PSNR and beta values that computed for 16 looks simulated SAR data were equal to 30.42 and 0.734, respectively. Also, the ENL values for region 1 of Noerdlinger and San Francisco images corresponded to <span dir="RTL">71.12</span> and <span dir="RTL">34.57</span>, respectively.</div> رادار با دریچه ‌ی گشایش مصنوعی, اسپکل, تبدیل موجک, برآوردگر MAP Synthetic Aperture Radar, Speckle, Wavelet Transform, Maximum a Posteriori Estimator 57 70 http://jgst.issgeac.ir/browse.php?a_code=A-10-684-1&slc_lang=fa&sid=1 R. Farhadiani رامین فرهادیانی r.farhadiani@gmail.com 10031947532846007640 10031947532846007640 Yes بدون سازمان A. Safari عبدالرضا صفری asafari@ut.ac.ir 10031947532846007641 10031947532846007641 No بدون سازمان S. Homayouni سعید همایونی saeid.homayouni@uOttawa.ca 10031947532846007642 10031947532846007642 No بدون سازمان