ارزیابی موجک های جدایی پذیر، ایستا و دو درختی مختلط برای کاهش نویز اسپکل بر اساس آستانه گیری بیزین و آستانه گیری BiShrink

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 150

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JIPET-9-36_003

تاریخ نمایه سازی: 2 شهریور 1400

Abstract:

وجود اسپکل به عنوان نویز ضرب شونده در تصاویر پرکاربرد اولتراسوند و رادار، باعث کاهش میزان درک تصویر می شود. بنابراین، کاهش اسپکل قبل از پردازش هایی به مانند بخش بندی، لبه یابی، تشخیص و رهگیری هدف، ضروری است. بطور کلی کاهش نویز در دو حوزه مکان و یا تبدیل انجام می شود که در این مقاله تمرکز ما حوزه تبدیل است. روش بیزین و روش BiShrink که روش دو متغیره بیزین می باشد، در حوزه ی تبدیل موجک جدایی پذیر، موجک ایستا و موجک دو درختی مختلط پیاده سازی می شود و با استفاده از آستانه گیری، به مقابله با نویز اسپکل پرداخته می شود. بر اساس نتایج تجربی حاصل از شبیه سازی، تبدیل موجک دو درختی مختلط به دلیل تفکیک بخش حقیقی و مجازی در حذف نویز اسپکل عملکرد بهتری دارد. همچنین روش BiShrink نسبت به روش بیزین کارآمدتر است. برای مقایسه عملکرد روش های مختلف از تصاویر تست استاندارد لنا و بارابارا و تصویر واقعی SAR استفاده شده و معیارهای کمی MSE ، PSNR ، SSIM ، ENL و NV بکار گرفته شده است. همچنین به منظور ارزیابی میزان تنک بودن ضرایب، هیستوگرام آنها نمایش داده شده و انحراف معیار متوسط برای همه زیرباندها محاسبه شده است.

Keywords:

روش بیزین , روش Bishrink , تبدیلات موجک جدایی پذیر , ایستا و دو درختی مختلط

Authors

نیکو فرهنگی

کارشناس ارشد - گروه برق مخابرات، دانشکده فنی و مهندسی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

صدیقه غفرانی

دانشیار - گروه برق مخابرات، دانشکده فنی و مهندسی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • B. Hou, X. Zhang, X. Bu, H. Feng, “SAR image ...
  • N. Kingsbury, “The dual-tree complex wavelet transform: a new efficient ...
  • E.P. Simoncelli, "Bayesian denoising of visual images in the wavelet ...
  • X.H. Wang, R.Sh. Istepanian, Y.H. Song, “Microarray image enhancement by ...
  • M.C. Motwani, M.C. Gadiya, R.C. Motwani, F.C. Harris, "Survey of ...
  • Z. Vahabi, F. Almasgang, "Denoising in wavelet packet domain via ...
  • H.A. Chipman, E.D. Kolaczyk, R.E. McCulloch, "Adaptive bayesian wavelet shrinkage", ...
  • A. Achim, P. Tsakalides, A. Bezerianos, “SAR image denoising via ...
  • S. Jafari, S. Ghofrani, M. Sheikhan, “Comparing undecimated wavelet, nonsubsampled ...
  • N. Farhangi, S. Ghofrani, “Using bayesshrink, Bishrink, Weighted bayesshrink, and ...
  • Z. De-xiang, W. Xiao-pei, G. Qing-wei, G. Xiao-jing, "SAR image ...
  • Q. Guo, S. Yu, X. Chen, C. Liu, W. Wei, ...
  • I.W. Selesnick, “Bivariate shrinkage functions for wavelet-based denoising exploiting interscale ...
  • D.-X. Zhang, Q.-W. Gao, X.-P. Wu, “Bayesian based speckle suppression ...
  • F. Lenzen, “Statistical regularization and denoising”, Chapter ۱, ۲۰۰۶ ...
  • A. Hyvärinen, “Sparse code shrinkage: Denoising of nongaussian data by ...
  • S. Xing, Q. Xu, D. Ma, “Speckle denoising based on ...
  • H. Cao, W. Tian, C. Deng, "Shearlet-based image denoising using ...
  • D. Min, Z. Jiuwen, M. Yide, “Image denoising via bivariate ...
  • M. Alioghli Fazel, S. Homayouni, V. Akbari, M. Mahdian Pari, ...
  • S. Yin, L. Cao, Y. Ling, G. Jin, “Image denoising ...
  • Z. Wang, A.C. Bovik, H.R. Sheikh, E.P. Simoncelli, “Image quality ...
  • S. Jafari, S. Ghofrani, "Using two coefficients modeling of nonsubsampled ...
  • J. Zhang, T.M. Le, S. Ong, T.Q. Nguyen, “No-reference image ...
  • نمایش کامل مراجع