ارائه یک روش جدید و موثر به منظور بهبود کیفیت تصاویر SAR بر مبنای استخراج وابستگی های بین مقیاسی در حوزه موجک
محل انتشار: فصلنامه علوم زمین، دوره: 19، شماره: 76
سال انتشار: 1389
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 157
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GSJ-19-76_002
تاریخ نمایه سازی: 18 بهمن 1400
چکیده مقاله:
با وجود کاربرد موثر تصاویر SAR در استخراج خطواره ها و گسل ها، تهیه مدل رقومی زمین و تعیین جابه جایی ها و تغییر شکل زمین در اثر زلزله، این تصاویر به دلیل وجود نوفه ای ضرب شونده به نام اسپکل (Speckle noise) از کیفیت رادیومتریک پایینی برخوردار هستند. بنابراین بهبود کیفیت این تصاویر به منظور استفاده بهینه از آنها در کاربردهای سنجش از دور، از اهمیت ویژه ای برخوردار است. در این مقاله یک روش جدید و موثر به منظور بهبود کیفیت تصاویر SAR ارائه شده است. در این روش، ابتدا تصویر لگاریتمی SAR توسط تبدیل موجک (Wavelet) مختلط دو شاخه تجزیه می شود. آنگاه به منظور استخراج صحیح وابستگی های بین مقیاسی، مولفه سیگنال ضرایب موجک در مقیاس های مجاور به صورت موثری توسط توزیع دو بعدی همسانگرد (Isotropic)پایدار مدل می شود، در حالی که مولفه نوفه توسط یک توزیع گوسی دو بعدی همسانگرد تقریب زده خواهد شد. سپس یک تخمینگر دو متغیره بیز (Bivariate Bayesian estimator) برای جداسازی بهینه سیگنال از نوفه در فضای موجک طراحی می شود. مقایسه های کیفی و کمی روش پیشنهادی با چندین روش جدید کاهش نوفه اسپکل درتصاویر SAR، نشان از عملکرد بهینه این الگوریتم دارد.
کلیدواژه ها:
نوفه اسپکل ، تصاویر SAR ، تبدیل موجک مختلط دو شاخه ، تخمینگر دومتغیره بیز ، توزیع دو متغیره همسانگرد پایدار
نویسندگان
محمد فروزانفر
دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
حمید ابریشمی مقدم
دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
مریم دهقانی
دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
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 :