Спекл - это гранулированная помеха, которая по своей сути существует и ухудшает качество активного радара , радара с синтезированной апертурой (SAR), медицинского ультразвука и изображений оптической когерентной томографии .
Подавляющее большинство поверхностей, синтетических или натуральных, чрезвычайно шероховатые по длине волны. Изображения, полученные с этих поверхностей с помощью систем когерентной визуализации, таких как лазер, SAR и ультразвук, страдают от общего явления интерференции, называемого спеклами. Происхождение этого явления можно увидеть, если мы смоделируем нашу функцию отражательной способности как массив рассеивателей. Из-за конечного разрешения в любой момент мы получаем от распределения рассеивателей в пределах ячейки разрешения. Эти рассеянные сигналы складываются когерентно; то есть они складываются конструктивно и деструктивно в зависимости от относительных фаз каждой рассеянной формы волны. Пятна возникают в результате этих структур конструктивной и деструктивной интерференции, которые показаны на изображении в виде ярких и темных точек [1]
Хотя спекл-шум обычно называют «спекл-шумом», он не является шумом в его общепринятом смысле нежелательной модификации полезного сигнала. Скорее, колеблется сам сигнал, потому что рассеиватели не идентичны для каждой ячейки, и сигнал очень чувствителен к небольшим изменениям рассеивателей. [2]
Пятна в обычном радаре увеличивают средний уровень серого в локальной области. [3]
Пятна в SAR обычно серьезны, вызывая трудности при интерпретации изображений. [3] [4] Это вызвано когерентной обработкой сигналов обратного рассеяния от нескольких распределенных целей. Например, в океанографии РСА спекл вызывается сигналами элементарных рассеивателей, гравитационно-капиллярной рябью и проявляется в виде изображения пьедестала под изображением морских волн. [5] [6]
Спекл также может представлять некоторую полезную информацию, особенно когда он связан с лазерным спеклом и с феноменом динамического спекла , когда изменения спекл-структуры во времени могут быть мерой активности поверхности.
Уменьшение пятен
Для устранения пятен используется несколько различных методов, основанных на различных математических моделях явления. [5] Один из методов, например, использует обработку множественных взглядов (также известную как обработка множественных взглядов), усреднение пятен путем выполнения нескольких «взглядов» на цель за один проход радара. [3] [4] Среднее - это некогерентное среднее для образов. [4]
Второй метод включает использование адаптивных и неадаптивных фильтров при обработке сигнала (где адаптивные фильтры адаптируют свои веса по изображению к уровню спеклов, а неадаптивные фильтры применяют одинаковые веса равномерно по всему изображению). Такая фильтрация также исключает фактическую информацию об изображении, в частности высокочастотную информацию, а применимость фильтрации и выбор типа фильтра требует компромиссов. Адаптивная фильтрация спеклов лучше сохраняет края и детали в областях с высокой текстурой (таких как леса или городские районы). Неадаптивная фильтрация проще в реализации и требует меньше вычислительной мощности. [3] [4]
Существует две формы неадаптивной фильтрации спеклов: одна на основе среднего значения, а другая - на основе медианы (в пределах заданной прямоугольной области пикселей на изображении). Последний лучше сохраняет края и устраняет шипы, чем первый. Есть много форм адаптивной фильтрации спекла, [7] , включая Ли фильтр , на фильтр Frost , и фильтр Рафинированных Гамма Максимум-А-апостериорный (RGMAP) . Однако все они полагаются на три основных допущения в своих математических моделях: [3]
- Спекл в SAR является мультипликативным , т.е. он прямо пропорционален локальному уровню серого в любой области. [3]
- Сигнал и спекл статистически независимы друг от друга. [3]
- Среднее значение выборки и дисперсия одного пикселя равны среднему значению и дисперсии локальной области, центрированной на этом пикселе. [3]
Фильтр Ли преобразует мультипликативную модель в аддитивную, тем самым сводя проблему обработки спеклов к известному разрешимому случаю. [8]
Вейвлет-анализ
В последнее время использование вейвлет-преобразования привело к значительным успехам в анализе изображений. Основная причина использования многомасштабной обработки заключается в том, что многие естественные сигналы при разложении на вейвлет-основы значительно упрощаются и могут моделироваться с помощью известных распределений. Кроме того, вейвлет-разложение может разделять сигналы разных масштабов и ориентации. Таким образом, исходный сигнал любого масштаба и направления может быть восстановлен, а полезные детали не будут потеряны. [9]
Первые методы многомасштабного уменьшения спеклов были основаны на пороговой обработке коэффициентов детализации поддиапазонов. [10] Методы определения пороговых значений вейвлетов имеют некоторые недостатки: (i) выбор порогового значения производится специальным образом, предполагая, что полезные и нежелательные компоненты сигнала подчиняются своим известным распределениям, независимо от их масштаба и ориентации; и (ii) процедура определения порога обычно приводит к некоторым артефактам в шумоподавленном изображении. Для устранения этих недостатков были разработаны нелинейные оценки, основанные на теории Байеса. [9] [11]
Смотрите также
Рекомендации
- ^ М. Форузанфар и Х. Абришами-Могхаддам, Уменьшение ультразвуковых пятен в области сложных вейвлетов, в Принципах разнообразия форм волн и дизайна, М. Викс, Э. Моколе, С. Блант, Р. Шнайбле и В. Амусо (ред. .), SciTech Publishing, 2010, Раздел B - Часть V: Дистанционное зондирование, стр. 558-77.
- ^ Морейра, Альберто; Пратс-Ираола, По; Юнис, Марван; Кригер, Герхард; Хайнсек, Ирена; Папатанассиу, Константинос П. (2013). "Учебное пособие по радарам с синтезированной апертурой" (PDF) . Журнал IEEE Geoscience and Remote Sensing Magazine . 1 : 6–43. DOI : 10.1109 / MGRS.2013.2248301 . S2CID 7487291 .
- ^ Б с д е е г ч Брандт Цо и Пол Мазер (2009). Методы классификации данных дистанционного зондирования (2-е изд.). CRC Press . С. 37–38. ISBN 9781420090727.
- ^ а б в г Джорджио Франческетти и Риккардо Ланари (1999). Обработка радара с синтетической апертурой . Серия электронных инженерных систем. CRC Press. стр. 145 и след. ISBN 9780849378997.
- ^ а б Каневский Михаил Борисович (2008). Радиолокационная съемка океанских волн . Эльзевир . п. 138. ISBN 9780444532091.
- ^ Александр Я. Пасмуров и Юлий С. Зиновьев (2005). Радиолокационная съемка и голография . Серия радаров, гидролокаторов и навигации IEE. 19 . ИЭПП. п. 175. ISBN 9780863415029.
- ^ Argenti, F .; Лапини, А .; Bianchi, T .; Альпароне, Л. (сентябрь 2013 г.). "Учебное пособие по уменьшению пятен на радиолокационных изображениях с синтезированной апертурой". Журнал IEEE Geoscience and Remote Sensing Magazine . 1 (3): 6–35. DOI : 10.1109 / MGRS.2013.2277512 . S2CID 38021146 .
- ^ Пьеро Замперони (1995). «Улучшение изображения». В Питере У. Хоуксе; Вениамин Казан; Том Малви (ред.). Достижения в области визуализации и электронной физики . 92 . Академическая пресса . п. 13. ISBN 9780120147342.
- ^ a b М. Форузанфар, Х. Абришами-Могхаддам и М. Гити, «Новый многомасштабный байесовский алгоритм для уменьшения спеклов в медицинских ультразвуковых изображениях», Обработка сигналов, изображений и видео, Springer, vol. 4, стр. 359-75, сентябрь 2010 г.
- ^ Маллат, С .: Вейвлет-тур по обработке сигналов. Academic Press, Лондон (1998)
- ^ Argenti, F .; Bianchi, T .; Лапини, А .; Альпароне, Л. (январь 2012 г.). «Быстрое удаление пятен MAP на основе лапласовско-гауссовского моделирования вейвлет-коэффициентов». Письма IEEE по наукам о Земле и дистанционному зондированию . 9 (1): 13–17. DOI : 10,1109 / LGRS.2011.2158798 . S2CID 25396128 .
дальнейшее чтение
- Ченг Хуа и Тянь Цзиньвэнь (2009). «Уменьшение пятен на радиолокационных изображениях с синтезированной апертурой на основе нечеткой логики». Первый международный семинар по образованию технологий и вычислительной техники, Ухань, провинция Хубэй, Китай, 07-08 марта 2009 . 1 . С. 933–937. DOI : 10.1109 / ETCS.2009.212 .
- Forouzanfar, M., Abrishami-Moghaddam, H., and Dehghani, M., (2007) «Уменьшение пятен на медицинских ультразвуковых изображениях с использованием нового многомасштабного двумерного байесовского метода на основе MMSE», IEEE 15-я конференция приложений обработки сигналов и связи. (SIU'07), Турция, июнь 2007 г., стр. 1–4.
- Седеф Кент; Осман Нури Осан и Толга Энсари (2004). «Уменьшение пятен на радиолокационных изображениях с синтезированной апертурой с использованием вейвлет-фильтрации». В ITG; VDE; ФГАН; DLR; EADS и Astrium (ред.). EUSAR 2004 - Труды - 5-я Европейская конференция по радарам с синтезированной апертурой, 25–27 мая 2004 г., Ульм, Германия . Маргрет Шнайдер. С. 1001–1003. ISBN 9783800728282.
- Эндрю К. Чан и Ченг Пэн (2003). «Вейвлет-приложения к обработке РСА-изображений». Вейвлеты для сенсорных технологий . Библиотека дистанционного зондирования Artech House. Артек Хаус. ISBN 9781580533171.
- Чон-Сен Ли и Эрик Поттье (2009). «Поляриметрическая фильтрация спеклов РСА». Поляриметрическая радиолокационная визуализация: от основ до приложений . Серия «Оптика и техника». 142 . CRC Press. ISBN 9781420054972.