ارائه یک روش جدید و مؤثر به منظور بهبود کیفیت تصاویر SAR بر مبنای استخراج وابستگی های بین مقیاسی در حوزه موجک

با وجود کاربرد مؤثر 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 مؤثر 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، مؤلفه سیگنال ضرایب موجک در مقیاس های مجاور به صورت مؤثری توسط توزیع دو بعدی همسانگرد (Isotropic)پایدار مدل می شود، در حالی که مؤلفه 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.