[論文レビュー] SAR Image Despeckling Algorithms using Stochastic Distances and Nonlocal Means

Leonardo Torres, Alejandro C. Frery|arXiv (Cornell University)|Aug 20, 2013

Image and Signal Denoising Methods参考文献 3被引用数 10

ひとこと要約

本稿では、情報理論における確率的距離を用いて、ガンマノイズモデル下での類似画素の選択を行う2つのSAR画像のノイズ除去フィルタ—Stochastic Distance Nagao-Matsuyama (SDNM) および Stochastic Distance Nonlocal Means (SDNLM)—を提案する。SDNLMフィルタは、エッジ保持性および品質指標において、改良版シグマフィルターやSRADを上回り、実データにおいてBRISQUE指数37.384を達成し、優れた知覚的品質を示している。

ABSTRACT

This paper presents two approaches for filter design based on stochastic distances for intensity speckle reduction. A window is defined around each pixel, overlapping samples are compared and only those which pass a goodness-of-fit test are used to compute the filtered value. The tests stem from stochastic divergences within the Information Theory framework. The technique is applied to intensity Synthetic Aperture Radar (SAR) data with homogeneous regions using the Gamma model. The first approach uses a Nagao-Matsuyama-type procedure for setting the overlapping samples, and the second uses the nonlocal method. The proposals are compared with the Improved Sigma filter and with anisotropic diffusion for speckled data (SRAD) using a protocol based on Monte Carlo simulation. Among the criteria used to quantify the quality of filters, we employ the equivalent number of looks, and line and edge preservation. Moreover, we also assessed the filters by the Universal Image Quality Index and by the Pearson correlation between edges. Applications to real images are also discussed. The proposed methods show good results.

研究の動機と目的

• SAR画像におけるスパッケルノイズが画像品質を低下させ、解釈、セグメンテーション、分類を困難にすることに対処する。
• 従来のフィルタ（改良版シグマフィルターやSRAD）の限界を克服し、ノイズ低減とエッジ・微細構造の保持を両立するフィルタを開発する。
• ガンマ分布に従うスパッケルノイズモデル下で、画像パッチ間の類似性評価を向上させるために、情報理論からの確率的距離を活用する。
• 模擬データ（真値あり）と実SAR画像の両方を用いて評価し、さまざまなシナリオにわたる頑健性を確認する。
• 提案手法が、最先端のフィルタと比較してエッジ保持性および知覚的品質において優れた性能を示すことを実証する。

提案手法

• SDNMフィルタは、各画素の周囲に重複する窓を定義するNagao-Matsuyama型の近傍構造を用いる。
• 各画素について、強度分布の確率的発散（情報理論的距離）に基づく適合度検定を用いて、候補となる近傍画素を評価する。
• 適合度検定に合格した画素のみが、重み付き平均に用いられ、フィルタリング後の画素値が計算される。これにより、統計的に類似した近傍画素のみが寄与する。
• SDNLMフィルタは、このアプローチを非局所平均フレームワークに拡張し、同じ確率的距離指標を用いて、画像全体のパッチを比較する。
• 確率的距離は、スパッケルノイズにガンマ分布を仮定したもとでのカルバック・ライバラー発散に基づいて導出される。
• フィルタ性能は、100回のモンテカルロシミュレーションを用いて評価され、指標には等価な見かけのルック数（ENL）、線形およびエッジ保持性、およびユニバーサル画像品質指標が含まれる。

実験結果

リサーチクエスチョン

• RQ1 情報理論からの確率的距離を用いることで、従来手法と比較してSAR画像におけるスパッケルノイズ除去性能が向上するか？
• RQ2 提案された非局所平均ベースのフィルタ（SDNLM）は、改良版シグマフィルターやSRADと比較して、エッジおよび微細構造の保持性をより高められるか？
• RQ3 真値が入手できない実SARデータにおいて、ENLおよび知覚的品質の観点から、このフィルタはどの程度の性能を示すか？
• RQ4 既存の最先端手法と比較して、提案手法のノイズ低減と詳細保持のトレードオフはどのようなものか？
• RQ5 確率的発散に基づく適合度検定を用いることで、固定近傍または固定しきい値による手法よりも、より頑健で適応性の高いフィルタリングが可能になるか？

主な発見

• 実SARデータにおいて、SDNLMフィルタはBRISQUE指数37.384を達成し、改良版シグマ（49.239）、SRAD（39.235）、SDNM（39.164）と比較して優れた知覚的品質を示した。
• 模擬データにおいて、SDNLMは第3シミュレーションでENL 66.485（標準偏差19.580）を達成し、エッジ保持性および相関指標において改良版シグマ（90.238）を上回った。
• 第3シミュレーションにおいて、SDNLMは真値エッジマップと0.899のピアソン相関を示し、強力なエッジ保持能力を示した。
• 第2シミュレーションにおいて、SDNLMはQ指数0.845およびβρ指数0.845を達成し、エッジ相関および画像品質の観点で、改良版シグマフィルターよりも優れた性能（Q: 0.784, βρ: 0.784）を示した。
• 第3シミュレーションにおいて、SDNLMはエッジ勾配および分散の観点から、改良版シグマフィルターよりも25%のエッジ保持性の向上を達成した。
• 実データにおいて、SDNLMはENL 4.539を達成し、改良版シグマ（4.581）とわずかに下回ったが、知覚的品質（BRISQUE）およびエッジ相関性において顕著に優れており、ノイズ低減と詳細保持のバランスの取れた性能を示した。