نویز نقطه ای
Speckle یک "نویز" دانه ای است که ذاتا وجود دارد و کیفیت رادار فعال، رادار دیافراگم مصنوعی (SAR)، سونوگرافی پزشکی و توموگرافی انسجام نوری را کاهش می دهد. میزان وسیعی از سطوح، مصنوعی یا طبیعی، در مقیاس طول موج به طور یکنواحت قرار می گیرد. تصاویر بدست امده از این سطوح با استفاده از سیستم های تصویربرداری یکپارچه مانند لیزر، SAR و سونوگرافی از یک پدیده مشترک به نام Sلکه دار شدن رنج می برند. Speckle، در هر دو مورد، عمدتا به دلیل دخالت موج بازگشتی در دیافراگم مبدل است.اگر ما تابع انعکاسی مان را به عنوان یک آرایه از پرپخش کننده ها مدل کنیم منشاء این نویز مشخص می شود. با توجه به وضوح محدود، در هر زمان ما توزیع پراکنده در سلول های جدا دریافت می کنیم. این سیگنال های پراکنده به طور مختصر اضافه می شوند به عبارت دیگر، آنها بسته به مراحل وابسته به هر شکل موج پراکنده، به طور سازنده و یا مخرب اضافه می شوند. مویز نقطه ای نتیجه حاصل از این الگوهای تداخل سازنده و مخرب است که به عنوان نقاط روشن و تاریک در تصویر نشان داده شده است [۱] نویز Speckle در رادار متعارف ناشی از نوسانات تصادفی در سیگنال برگشت از یک جسم که بزرگتر از یک عامل پردازش تصویر نیست نتیجه می دهد و سطح متوسط خاکستری یک منطقه محلی را افزایش می دهد. [۲] نویز Speckle در SAR به طور کلی جدی است، باعث مشکلات برای تفسیر تصویر می شود. [۳] [۴] این به دلیل پردازش منسجم سیگنال های پشتی از چند هدف توزیع شده است. به عنوان مثال، در oceanographic SAR، سیگنال هایی از پراکنده های اولیه ، امواج گرانشی-مویرگی و به عنوان یک تصویر پایه در زیر تصویر امواج دریا بوجود می آیند. [۵]لکه همچنین می تواند اطلاعات مفیدی را نشان دهد، به خصوص هنگامی که آن را به لکه های لیزر و پدیده پویایی دینامیکی مرتبط می کند، جایی که تغییرات الگوی ظاهری در زمان می تواند اندازه گیری فعالیت سطح باشد.
کاهش نویز لکه ای[ویرایش]
روش های متعددی برای از بین بردن نویز با استفاده از مدل های مختلف ریاضی استفاده می شود. [۶] یک روش، برای مثال، پردازش چندگانه ( پردازش چندرسانه ای ) را به کار می گیرد، به طوری که میانگینی از نویز که به وسیله بررسی از یک رادار تکی بدست می اید. [۷] [۸] این میانگین،متوسط گسسته ی نماهای مختلف می باشد. [۸] یک روش دوم شامل استفاده از فیلترهای تطبیقی و غیر انطباقی در پردازش سیگنال (که در آن فیلترهای تطبیقی وزن خود را در سطح تصویر نسبا به سطح نویز تطبیق می دهند و فیلتر های غیر انطباق وزن یکسان در کل تصویر را اعمال می کنند). چنین فیلتری همچنین اطلاعات تصویر واقعی را نیز حذف می کند، به ویژه اطلاعات با فرکانس بالا، و کاربرد فیلتر کردن و انتخاب نوع فیلتر یک معتوضه ای را دربر دارد. فیلتر انعطاف پذیر در حفظ لبه ها و جزئیات در مناطق با بافت بالا (مانند جنگل ها یا مناطق شهری) بهتر است. فیلتر غیر انطباقی ساده تر عمل می کند و قدرت محاسبه کمتری نیاز دارد. [۹][۱۰] دو نوع فیلتر غیر انطباقی وجود دارد: یک بر اساس میانگین و یک بر اساس میانه (در یک ناحیه مستطیل شکل پیکسل های تصویر). دومین مورد در حفظ لبه در هنگام از بین بردن نویز، از اولی بهتر است. فرم های مختلفی از فیلتر تطبیقی، از جمله فیلتر لی ، فیلتر فریزر و فیلتر فیلتر گاما حداکثر A-Posteriori (RGMAP) وجود دارد . هرچند تمام ان ها براساس سه فرضیه اساسی در مدل ریاضشان پایه گذاری می شوند: [۱۱]
- نویز Speckle در SAR که یک نویز multiplicative است ، یعنی به طور مستقیم با سطح خاکستری محلی در هر منطقه تناسب دارد. [۱۲]
- سیگنال و نویز از لحاظ آماری مستقل از یکدیگر هستند. [۱۲]
- میانگین و واریانس نمونه یک پیکسل واحد برابر با میانگین و واریانس محدوده محلی است که در آن پیکسل محور قرار دارد. [۱۲]
فیلتر Lee، مدل چنندگانه را به یک مدل افزایشی تبدیل می کند، و به همین دلیل باعث کاهش مشکل تشخیص نویز خفیف با یک مورد قابل ردیابی می شود. [۱۳]
تحلیل ویولت[ویرایش]
اخیرا کاربرد مبدل موج کوتاه باعث پیشرفت قابل توجهی در تحلیل تصویر شده است. دلیل اصلی استفاده از پردازش چند گانه ، این واقعیت است که بسیاری از سیگنال های طبیعی، هنگامی که به موج کوتاه تجزیه می شوند، به طور قابل توجهی ساده شده و می توانند توسط توزیع های شناخته شده مدل شوند. علاوه بر این، تجزیه موج کوتاه می تواند نویز و سیگنال را در مقیاس ها و جهت های مختلف جدا کند. بنابراین، سیگنال اصلی در هر مقیاس و جهت می تواند بازیابی شود و جزئیات مفید از بین نمی روند. [۱۴] اولین روش های کاهش نویز با مقیاس چندگانه ، بر اساس آستانه ی ضرایب زیر باند جزئی بود. [۱۵] روش های آستانه سازی موج کوتاه دارای نقایصی هستند: (i) انتخاب آستانه به صورت ad hoc صورت می گیرد، فرض کنید که اجزای سیگنال و نویز مطابق با توزیع های شناخته شده خود، صرف نظر از مقیاس و جهت آنها باشد. و (2) روش اخطار به طور کلی منجر به برخی از مصنوعات در تصویر denoised شده است. برای رفع این معایب، برآورد کننده های غیر خطی براساس نظریه Bayes توسعه یافتند. [۱۶]
همچنین نگاه کنید[ویرایش]
منابع[ویرایش]
- ↑ M. Forouzanfar و H. Abrishami-Moghaddam، کاهش سونوگرافی در دامنه موجک مجتمع، در اصول تنوع و طراحی موج فرایند، م. ویکس، E. Mokole، S. Blunt، R. Schneible، و V. Amuso (eds. )، SciTech Publishing، 2010، بخش B - قسمت پنجم: سنجش از دور، ص. 558-77.
- ↑ Brandt Tso & Paul Mather (2009). Classification Methods for Remotely Sensed Data (2nd ed.). CRC Press. pp. 37–38. ISBN 9781420090727.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ Brandt Tso & Paul Mather (2009). Classification Methods for Remotely Sensed Data (2nd ed.). CRC Press. pp. 37–38. ISBN 9781420090727.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ Giorgio Franceschetti & Riccardo Lanari (1999). Synthetic aperture radar processing. Electronic engineering systems series. CRC Press. pp. 145 et seq. ISBN 9780849378997.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ Mikhail B. Kanevsky (2008). Radar imaging of the ocean waves. Elsevier. p. 138. ISBN 9780444532091.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ Mikhail B. Kanevsky (2008). Radar imaging of the ocean waves. Elsevier. p. 138. ISBN 9780444532091.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ Brandt Tso & Paul Mather (2009). Classification Methods for Remotely Sensed Data (2nd ed.). CRC Press. pp. 37–38. ISBN 9781420090727.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ ۸٫۰ ۸٫۱ Giorgio Franceschetti & Riccardo Lanari (1999). Synthetic aperture radar processing. Electronic engineering systems series. CRC Press. pp. 145 et seq. ISBN 9780849378997.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ Brandt Tso & Paul Mather (2009). Classification Methods for Remotely Sensed Data (2nd ed.). CRC Press. pp. 37–38. ISBN 9781420090727.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ Giorgio Franceschetti & Riccardo Lanari (1999). Synthetic aperture radar processing. Electronic engineering systems series. CRC Press. pp. 145 et seq. ISBN 9780849378997.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ Brandt Tso & Paul Mather (2009). Classification Methods for Remotely Sensed Data (2nd ed.). CRC Press. pp. 37–38. ISBN 9781420090727.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ ۱۲٫۰ ۱۲٫۱ ۱۲٫۲ Brandt Tso & Paul Mather (2009). Classification Methods for Remotely Sensed Data (2nd ed.). CRC Press. pp. 37–38. ISBN 9781420090727.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ Piero Zamperoni (1995). "Image Enhancement". In Peter W. Hawkes. Advances in imaging and electron physics. 92. Academic Press. p. 13. ISBN 9780120147342.صفحه پودمان:Citation/CS1/en/styles.css محتوایی ندارد.
- ↑ M. Forouzanfar، H. Abrishami-Moghaddam، M. Gity، "یک الگوریتم جدید بیزی متعدد چند منظوره برای کاهش ضخامت در تصاویر اولتراسوند پزشکی،" سیگنال، تصویر و پردازش تصویر، Springer، جلد. 4، ص. 359-75، سپتامبر 2010
- ↑ مالات، س.: یک تور ویولت در پردازش سیگنال. دانشگاه علمی، لندن (1998)
- ↑ M. Forouzanfar، H. Abrishami-Moghaddam، M. Gity، "یک الگوریتم جدید بیزی متعدد چند منظوره برای کاهش ضخامت در تصاویر اولتراسوند پزشکی،" سیگنال، تصویر و پردازش تصویر، Springer، جلد. 4، ص. 359-75، سپتامبر 2010
This article "نویز نقطه ای" is from Wikipedia. The list of its authors can be seen in its historical and/or the page Edithistory:نویز نقطه ای. Articles copied from Draft Namespace on Wikipedia could be seen on the Draft Namespace of Wikipedia and not main one.
