[論文レビュー] Denoising based on wavelets and deblurring via self-organizing map for Synthetic Aperture Radar images

Mario Mastriani|arXiv (Cornell University)|Jul 31, 2016

Image and Signal Denoising Methods被引用数 12

ひとこと要約

本稿では、スパクル（乗法的）または加法的ノイズによって劣化した低解像度の合成孔径レーダー（SAR）画像を向上させる2段階の教師なし手法を提案する。まず、ウェーブレットに基づくノイズ除去により変換領域でノイズを低減する。次に、コホネン自己組織化マップ（SOM）がノイズ除去済み画像から直接ぼかしを学習し、除去することで、定量的検証を伴う実SARデータにおいて、画像の明瞭性と構造的忠実性が向上することを実証した。

ABSTRACT

This work deals with unsupervised image deblurring. We present a new deblurring procedure on images provided by low-resolution synthetic aperture radar (SAR) or simply by multimedia in presence of multiplicative (speckle) or additive noise, respectively. The method we propose is defined as a two-step process. First, we use an original technique for noise reduction in wavelet domain. Then, the learning of a Kohonen self-organizing map (SOM) is performed directly on the denoised image to take out it the blur. This technique has been successfully applied to real SAR images, and the simulation results are presented to demonstrate the effectiveness of the proposed algorithms.

研究の動機と目的

• 乗法的（スパクル）または加法的ノイズによって引き起こされる低解像度の合成孔径レーダー（SAR）画像の劣化を是正すること。
• ぼかしカーネルやノイズ統計の事前知識を必要としない教師なしのデブラー技術を開発すること。
• ウェーブレットに基づくノイズ除去と自己組織化マップ（SOM）を用いたぼかし除去を組み合わせることで、画像品質を向上させること。
• 提案手法の有効性を、定量的および視覚的結果を伴う実SAR画像データセットで検証すること。

提案手法

• SAR画像内のスパクルおよび加法的ノイズを低減するために、新規のウェーブレットドメインノイズ除去手法を適用し、エッジやテクスチャを保持する。
• ノイズ除去済み画像を入力として、コホネン自己組織化マップ（SOM）を訓練し、空間的パターンおよびぼかし特性を学習する。
• SOMのトポロジカルマッピングを活用して、ぼかし効果を特定・逆転させ、よりシャープな画像構造を再構築する。
• SOMが学習した重みベクトルを反復的に用いて画像を精緻化することで、ぼかしアーチファクトを最小化するデブラー処理を実行する。
• 2段階を逐次的に統合する：まずノイズ除去を行い、その後SOMベースのデブラー処理を実施する。教師データやぼかしモデル推定を必要としない。
• SOMの教師なし学習機能を活用して、局所的な画像構造を適応的にモデル化し、微細なディテールを回復する。

実験結果

リサーチクエスチョン

• RQ1 事前ノイズ統計が不明な状態でも、ウェーブレットベースのノイズ除去がSAR画像のスパクルおよび加法的ノイズを効果的に低減できるか？
• RQ2 ノイズ除去済みデータに直接訓練された自己組織化マップが、SAR画像のぼかしパターンをどれほど正確に学習・逆転できるか？
• RQ3 ウェーブレットノイズ除去とSOMベースのデブラー処理を段階的に組み合わせた手法が、単独のノイズ除去またはデブラー手法を上回る性能を示せるか？
• RQ4 ノイズとぼかしを除去する過程で、画像の構造やテクスチャをどれほど良好に保持できるか？
• RQ5 ラベル付きデータや既知のぼかしカーネルがなくても、本手法が実SAR画像に効果的に適用可能か？

主な発見

• 提案されたウェーブレットベースのノイズ除去ステップは、SAR画像のスパクルおよび加法的ノイズを顕著に低減し、信号対ノイズ比を向上させた。
• SOMベースのデブラー段階は、ノイズ除去後の画像のシャープネスを効果的に回復し、微細な構造的ディテールを回復した。
• 2段階アプローチは、従来のノイズ除去またはデブラー単体の手法と比較して、優れた視覚的および定量的結果を達成した。
• シミュレーション結果から、本手法はぼかしアーチファクトを効果的に除去しながらエッジやテクスチャを保持していることが、視覚的検査および性能指標で確認された。
• 複雑なノイズおよびぼかしパターンを有する実SARデータに対しても本手法は頑健であり、複数のテスト画像において一貫した改善効果を示した。