論文の概要: Speckle Noise Analysis for Synthetic Aperture Radar (SAR) Space Data
- arxiv url: http://arxiv.org/abs/2408.08774v1
- Date: Fri, 16 Aug 2024 14:33:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 15:14:04.790132
- Title: Speckle Noise Analysis for Synthetic Aperture Radar (SAR) Space Data
- Title（参考訳）: 合成開口レーダ(SAR)空間データのスペックルノイズ解析
- Authors: Sanjjushri Varshini R, Rohith Mahadevan, Bagiya Lakshmi S, Mathivanan Periasamy, Raja CSP Raman, Lokesh M,
- Abstract要約: 本研究は,6種類のスペックルノイズ低減技術の比較分析を行った。
PNR(Peak Signal-to-Noise Ratio)、MSE(Mean Squared Error)、SSIM(Structure similarity Index)、ENL(Equivalent Number of Looks)、SSI(Speckle Suppression Index)などの総合的な指標を用いて各手法の性能を評価した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This research tackles the challenge of speckle noise in Synthetic Aperture Radar (SAR) space data, a prevalent issue that hampers the clarity and utility of SAR images. The study presents a comparative analysis of six distinct speckle noise reduction techniques: Lee Filtering, Frost Filtering, Kuan Filtering, Gaussian Filtering, Median Filtering, and Bilateral Filtering. These methods, selected for their unique approaches to noise reduction and image preservation, were applied to SAR datasets sourced from the Alaska Satellite Facility (ASF). The performance of each technique was evaluated using a comprehensive set of metrics, including Peak Signal-to-Noise Ratio (PSNR), Mean Squared Error (MSE), Structural Similarity Index (SSIM), Equivalent Number of Looks (ENL), and Speckle Suppression Index (SSI). The study concludes that both the Lee and Kuan Filters are effective, with the choice of filter depending on the specific application requirements for image quality and noise suppression. This work provides valuable insights into optimizing SAR image processing, with significant implications for remote sensing, environmental monitoring, and geological surveying.
- Abstract（参考訳）: 本研究では,合成開口レーダ(SAR)空間データにおけるスペックルノイズの課題に対処する。
この研究では,Lee Filtering, Frost Filtering, Kuan Filtering, Gaussian Filtering, Median Filtering, Bilateral Filteringの6つの異なるスペックルノイズ低減手法の比較分析を行った。
これらの手法は,アラスカ・サテライト・ファシリティ(ASF)から得られたSARデータセットに適用された。
各手法の性能は、ピーク信号対雑音比(PSNR)、平均正方形誤差(MSE)、構造類似度指数(SSIM)、等価ルック数(ENL)、スペックル抑圧指数(SSI)などの総合的な指標を用いて評価した。
この研究は、LeeフィルタとKuanフィルタの両方が有効であり、フィルタの選択は、画像品質とノイズ抑制の特定の応用要件に依存すると結論付けている。
この研究は、リモートセンシング、環境モニタリング、地質調査に重要な意味を持つ、SAR画像処理の最適化に関する貴重な洞察を提供する。
関連論文リスト
- Analyzing Noise Models and Advanced Filtering Algorithms for Image Enhancement [0.0]
本研究の目的は,8種類のノイズを持つ画像に対する異なるフィルタリング手法の有効性を評価することである。
様々な種類の雑音に様々なフィルタを適用することで、異なるフィルタがノイズモデルに与える影響を示す。
論文 参考訳（メタデータ） (2024-10-29T11:05:52Z) - Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳（メタデータ） (2024-08-28T10:07:17Z) - Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。
標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。
Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
論文 参考訳（メタデータ） (2024-04-02T13:43:08Z) - Enhancing Low-Light Images Using Infrared-Encoded Images [81.8710581927427]
従来の芸術は、主にピクセルワイド・ロスを用いて可視光スペクトルで捉えた低照度画像に焦点を当てていた。
我々は,赤外線カットオフフィルタを除去することにより,低照度環境下で撮影された画像の可視性を高める新しい手法を提案する。
論文 参考訳（メタデータ） (2023-07-09T08:29:19Z) - Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳（メタデータ） (2023-05-17T13:56:48Z) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳（メタデータ） (2022-06-09T14:00:26Z) - A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。
得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
論文 参考訳（メタデータ） (2021-04-19T14:43:07Z) - PolSAR Image Classification Based on Robust Low-Rank Feature Extraction
and Markov Random Field [44.59934840513234]
我々は、低ランク(LR)特徴抽出によるスペックルノイズを除去し、マルコフランダムフィールド(MRF)によるスムーズさを強制する新しいPolSAR画像分類法を提案する。
実験結果から,提案手法は有望な分類性能と良好な空間整合性を実現することが示唆された。
論文 参考訳（メタデータ） (2020-09-13T07:38:12Z) - Improved Adaptive Type-2 Fuzzy Filter with Exclusively Two Fuzzy
Membership Function for Filtering Salt and Pepper Noise [30.639740354770282]
画像から塩とペッパーノイズをフィルタリングするファジィフィルタが提案されている。
提案するフィルタは,様々なノイズレベルを持つ標準画像に対して検証される。
提案フィルタの性能は,ピーク信号対雑音比と計算時間の観点から,様々な最先端手法と比較する。
論文 参考訳（メタデータ） (2020-08-10T13:18:42Z) - SAR2SAR: a semi-supervised despeckling algorithm for SAR images [3.9490074068698]
本稿では,自己超越型ディープラーニングアルゴリズムSAR2SARを提案する。
時間的変化の補償と、スペックル統計に適応した損失関数に基づいて、SAR非特異化に適応する戦略を提示する。
提案アルゴリズムの可能性を示すために,実画像における結果について考察する。
論文 参考訳（メタデータ） (2020-06-26T15:07:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。