کاهش نویز اسپیکل از تصاویر رادار دهانه مصنوعی) (SAR با استفاده از تبدیل کرولت

محورهای موضوعی : مهندسی الکترونیک

آمنه رجب پور بوشهری ¹ (دانشگاه آزاد اسلامی بوشهر، بوشهر، ایران)
احمد کشاورز ² (دانشگاه آزاد اسلامی بوشهر، بوشهر، ایران)

تاریخ دریافت : 1400/02/31 تاریخ پذیرش : 1400/02/31 تاریخ انتشار : 1396/10/01

کلید واژه: mirro– extended curvelet (ME–curvelet), اسپیکل, الگوریتم بهینه سازی توده ذرات (PSO), Mirro – extended curvelet (ME – curvelet) conversion, Speckle, Particle Mass Optimization Algorithm (PSO),

چکیده مقاله :

در این مقاله یک روش تطبیقی بر پایه تبدیل کرولت ، برای کاهش نویز اسپیکل معرفی شده است . نویز اسپیکل ناخالصی ضربی است که در این مقاله در ابتدا با یک گام پیش پردازش آن را به حالت جمعی تبدیل می کنیم . بعد از آن یک تابع بهره برای آستانه گذاری ضرایب کرولت معرفی می شود .که دارای 3 آستانه کلی می باشد . سپس یک تابع هدف که اساس کار آن همبستگی نویز تخمینی با لبه های تصویر خروجی است، پارامترهای بهینه در آستانه گذاری تابع بهره را به وسیله سرچ کردن با یک الگوریتم جستجو ی عمومی به نام الگوریتم بهینه سازی توده ذرات (particle swarm optimization) فراهم می کند . بعد از آن تابع هدف مناسب جهت سرچ الگوریتم PSO در نظر گرفته می شود و نتایج کاهش اسپیکل با روش ویولت سنجیده می شود .

چکیده انگلیسی:

In this paper, an adaptive method based on carroll conversion is introduced to reduce spike noise. Speckle noise is a multiplicative impurity that in this paper we first convert to mass with a preprocessing step. An interest function is then introduced to threshold the Coralt coefficients, which has three general thresholds. An objective function, based on an estimated noise correlation with the edges of the output image, then provides the optimal parameters in the threshold of the interest function by searching with a general search algorithm called the particle swarm optimization algorithm. The appropriate objective function is then considered for the PSO algorithm search and the results of speckle reduction are measured by the Violet method.